从 affyBatch 对象中提取原始数据

Question

我有一个包含基因表达数据的 affyBatch 对象。数据读取使用 dat <- ReadAffy() 没有选择。然后我提取了我感兴趣的 5600 个基因， dat <- RemoveProbes(listOutProbeSets, cdfpackagename,probepackagename)

然后我使用标准化表达式数据 dat.rma <- rma(dat)

现在我想将原始数据和 rma 标准化数据导出到 .csv 文件。检查数据，我发现 exprs(dat) 的尺寸为 226576 x 30，dat.rma 的尺寸为 5600 x 30。如何提取 RAW 表达式值的 5600 x 30 矩阵？我不知道原始数据中的226576行是从哪里来的！

我是生物导体数据结构的初学者！抱歉没有提供可运行的示例代码 - 不确定在这种情况下我会如何做到这一点。

Answer 1

在从原始数据到 rma 标准化数据的转换过程中，除其他外，您还需要将低水平探针强度值组合/汇总为探针集值（映射到基因）。这解释了为什么原始 AffyBatch 对象比 ExpressionSet 实例（由 rma 函数创建）拥有更多功能。此外，根据您拥有的芯片，每个探针组有多个完美匹配 (PM) 和错配 (MM) 探针，这会增加每个探针组的探针数量。映射探针->探针集在芯片定义文件中定义并自动处理。

不过还有一些额外的想法。在进行标准化之前删除探针可能不是一件好事。执行标准化时的一个假设是，大多数“基因”不会改变，因此仅保留“感兴趣的”可能会打破这一点，具体取决于“感兴趣的”的内容当然是手段。标准化后，您始终可以在 ExpressionSet 上进行过滤：

> library(affydata)
> data(Dilution) ## gets some test data
> eset <- rma(Dilution) ## rma normalisation
> featureNames(eset)[1:10] ## gets some probesets of interest
> ps
 [1] "100_g_at"  "1000_at"   "1001_at"   "1002_f_at" "1003_s_at" "1004_at"  
 [7] "1005_at"   "1006_at"   "1007_s_at" "1008_f_at"
> dim(eset) ## full dataset
Features  Samples 
   12625        4 
> dim(eset[ps,]) ## only 10 first probesets of interest
Features  Samples 
      10        4 

希望这会有所帮助。