09、RNA降解图的计算过程

　　RNA降解是影响芯片质量的一个很重要的因素，因为RNA是从5’开始降解的，所以理论5’的荧光强度要低于3’。RNA降解曲线可以表现这种趋势。

以样品GSM286756.CEL和GSM286757.CEL为例：

library(affy)

rawData<-ReadAffy("GSM286756.CEL","GSM286757.CEL")

deg<-AffyRNAdeg(rawData)

plotAffyRNAdeg(deg)

结果：

RNA降解图是只用PM探针进行计算。从图中可以看出，探针的相对位置从0~10即从1号~11号，但是其实很多探针组并不是11个PM。运行下面的代码：

pmdata <- pm(rawData, LIST = TRUE)

probe.set.size <- function(x) {

size <- dim(x)[1]

return(size)

}

max.num <- sapply(pmdata, probe.set.size)

tab <- (table(max.num))

> tab

max.num

8 9 10 11 13 14 15 16 20 69

5 1 6 54130 4 4 2 482 40 1

5个探针组只有8个PM，1个探针组有9个PM，……，54130个探针组有11个PM……

频数最大的54130对应11个PM，意思是大多数的探针组拥有11个PM，那么就选取包含11个PM的探针组来进行计算。原本共有5+1+6+54130+……+1=54675个探针组，筛选过后，用于计算的探针组数目变为了54130。

下面是RNA讲解曲线的计算方法：

样品1=GSM286756.CEL

样品2=GSM286757.CEL

n_K=11

N=54130

　　　　1号探针　　2号探针 …… n_K号探针

　　　　探针组1 8.308339 9.710806 …… 10.521600

　　　　探针组2 8.761551 8.791163 …… 10.514714

样品1 　　…… …… …… …… ……

　　　　探针组N 13.07129 13.88054 …… 13.09902

　　　　平均值 6.872147 6.887466 …… 7.031115

　　　　方差 1.207499 1.226234 …… 1.444140

　　　　探针组1 8.459432 9.590587 …… 10.567005

　　　　探针组2 8.479780 8.942515 …… 10.340963

样品2 　　…… …… …… …… ……

　　　　探针组N 13.29735 14.10411 …… 13.44837

　　　　平均值 6.818737 6.835684 …… 6.993071

　　　　方差 1.255631 1.275068 …… 1.505525

平均值：

[,1] [,2] …… [,11]

[1,] 6.872147 6.887466 …… 7.031115

[2,] 6.818737 6.835684 …… 6.993071

方差：

[,1] [,2] …… [,11]

[1,] 1.207499 1.226234 …… 1.444140

[2,] 1.255631 1.275068 …… 1.505525

平均值在原来的基础上减去第一列的值作为 A：

[,1] [,2] …… [,11]

[1,] 0 0.01531892 …… 0.1589683

[2,] 0 0.01694627 …… 0.1743337

方差在原来的基础上除以N的开方作为 B：

[,1] [,2] …… [,11]

[1,] 0.005190005 0.005270531 …… 0.006207122

[2,] 0.005396884 0.005480424 …… 0.006470962

A除以B的结果：

[,1] [,2] …… [,11]

[1,] 0 2.906522 …… 25.61063

[2,] 0 3.092145 …… 26.94093

第一个样品的数据即第一行加上1，第二个样品的数据即第二行加上2，……，第n个样品的数据即第n行加上n ……，以此类推（这是为了拉开折线的距离）：

[,1] [,2] …… [,11]

[1,] 1 3.906522 …… 26.61063

[2,] 2 5.092145 …… 28.94093

把这些数据绘制成折线就是RNA折线图了

巴特西

09、RNA降解图的计算过程

最新文章

热门文章