Skip to content.

bioconductor.org

Bioconductor is an open source and open development software project
for the analysis and comprehension of genomic data.

Sections

M2colorsQAQC-Lab.R

################################################### ### chunk number 1: loading ################################################### library("Biobase") library("HGFSNF") library("limma") library("arrayMagic") library("arrayQuality") library("marray") library("convert")

################################################### ### chunk number 2: setup ################################################### dataDir <- system.file("extdata", package="HGFSNF") workDir <- "/home/nlemeur/"

################################################### ### chunk number 3: dataStructure ################################################### targets <- readTargets("ArrayDesc", path=dataDir) RG <- read.maimages(targets$FileName, path=dataDir, source="genepix", wt.fun=wtflags(weight=0,cutoff=-50)) save(RG, file=file.path(workDir, "RG.rda"))

################################################### ### chunk number 4: annotation ################################################### annotation <- read.csv(file.path(dataDir, "PEDB_ARRAY_annotations.csv"), as.is=TRUE)

################################################### ### chunk number 5: annotation ################################################### head(annotation) bad <- annotation$Description %in% c("EMPTY","Failed Sequencing") RG$weights[bad,] <- 0

################################################### ### chunk number 6: imageplot ################################################### imageplot(RG$Rb[,1],RG$printer,high="red",low="white") imageplot(RG$Rb[,2],RG$printer,high="red",low="white") imageplot(RG$Rb[,3],RG$printer,high="red",low="white")

################################################### ### chunk number 7: Verify technical replicates ################################################### genename <- RG$genes$Name nbgene <- length(genename) sum(genename[1:(nbgene/2)]==genename[((nbgene/2)+1):nbgene])

################################################### ### chunk number 8: replicates ################################################### dups <-duplicated(genename) table(dups)

countRep <-table(genename) table(countRep)

################################################### ### chunk number 9: CorrelationDuplicates ################################################### rep1 <- RG[1:(nrow(RG)/2),] rep2 <- RG[((nrow(RG)/2)+1):nrow(RG),]

corGreen <- diag(cor(log2(rep1$R),log2(rep2$R))) corRed <- diag(cor(log2(rep1$G),log2(rep2$G)))

################################################### ### chunk number 10: diagnosticPlots ################################################### maQualityPlots(RG[,17], controlId = c("ID", "Name"))

################################################### ### chunk number 11: backgroundCorrect ################################################### RGne<-backgroundCorrect(RG,method="normexp") RGsu<-backgroundCorrect(RG,method="subtract")

################################################### ### chunk number 12: plotBGeffect ################################################### plotMA(RG,array=1) plotMA(RGsu,array=1) plotMA(RGne,array=1)

################################################### ### chunk number 13: usingVSN ################################################### Mvsn<-normalizeBetweenArrays(RG,method="vsn",strata=rep(1:2, each=nrow(RG)/2)) M <- as(Mvsn,"ExpressionSet") sampleNames(M) <- targets[["Cy3"]] featureNames(M) <- Mvsn[["genes"]][["ID"]] meanSdPlot(M)

################################################### ### chunk number 14: usingLimma ################################################### Mloess <- normalizeWithinArrays(RG, bc.method="none") M2 <- as(Mloess, "ExpressionSet") sampleNames(M2) <- targets[["Cy3"]] featureNames(M2) <- Mloess[["genes"]][["ID"]]

################################################### ### chunk number 15: dupCorVsn ################################################### dupCorVsn <- duplicateCorrelation(exprs(M), ndup=2, spacing=nrow(M)/2,weights=RG$weights) dupCorVsn$cor

################################################### ### chunk number 16: dupCorloess ################################################### dupCorloess <- duplicateCorrelation(exprs(M2), ndup=2, spacing=nrow(M2)/2,weights=RG$weights) dupCorloess$cor

################################################### ### chunk number 17: saveNormalized ################################################### save(M, file=file.path(workDir, "M.rda"))

################################################### ### chunk number 18: divide ################################################### M <- M[!bad,] Mu <- exprs(M)[1:(nrow(M)/2),] Md <- exprs(M)[((nrow(M)/2)+1):nrow(M),] M40 <- cbind(Mu,Md) extract <- sample(1:nrow(M40),500) sampleM40 <- M40[extract,]

################################################### ### chunk number 19: slides ################################################### colourRamp <- rgb(seq(0, 1, l = 256), seq(0, 1, l = 256), seq(1, 0, l = 256)) colnames(sampleM40)<- rep(targets$Name,2) heatmap(sampleM40, col= colourRamp,xlab = "Slide", ylab= "Gene (sample of 500)",Rowv=NA,labRow=FALSE)

################################################### ### chunk number 20: treatments ################################################### colnames(sampleM40)<- rep(targets$Treatment,2) heatmap(sampleM40, col= colourRamp,xlab = "Treatment", ylab= "Gene (sample of 500)",Rowv=NA,labRow=FALSE)

################################################### ### chunk number 21: dates ################################################### colnames(sampleM40)<- rep(targets$Date,2) heatmap(sampleM40, col= colourRamp,xlab = "Date", ylab= "Gene (sample of 500)",Rowv=NA,labRow=FALSE)

################################################### ### chunk number 22: ################################################### sessionInfo()

News
2009-10-26

BioC 2.5, consisting of 352 packages and designed to work with R 2.10.z, was released today.

2009-01-07

R, the open source platform used by Bioconductor, featured in a series of articles in the New York Times.