Was ist eine Normalisierungsstrategie auf Feature-Level?
- Korrektur pro Gen oder Transkript (z. B. TPM, DESeq2-Normfaktor).
Was macht edgeR::calcNormFactors()?
- TMM-Normalisierung für Count-Daten./Syntax: y <- DGEList(counts)
Was macht DESeq2::DESeqDataSetFromMatrix()?
- Erzeugt DESeq2-Objekt aus Count-Tabelle./Syntax: dds <- DESeqDataSetFromMatrix(countData, colData, design)/Beispiel: Startpunkt DESeq2-Pipeline.
Was macht DESeq2::DESeq()?
- Führt Schätzung der sizeFactors/Dispersion und Tests durch./Syntax: dds <- DESeq(dds)/Beispiel: vollständige DE-Analyse.
Was macht DESeq2::counts(normalized=TRUE)?
- Liefert normalisierte Counts./Syntax: counts(dds, normalized=TRUE)/Beispiel: vergleichbare Abundanzen.
Was macht DESeq2::rlog()/vst()?
- Varianzstabilisierende Transformationen./Syntax: rld <- rlog(dds)
Was macht DESeq2::plotPCA()?
- PCA der transformierten Daten./Syntax: plotPCA(rld, intgroup="condition")/Beispiel: Gruppentrennung visualisieren.
Was macht edgeR::cpm()?
- Counts per Million (Tiefennormierung)./Syntax: cpm(counts, log=TRUE)/Beispiel: schnelle Skalenanpassung.
Was macht limma::normalizeBetweenArrays()?
- Quantile/Loess-Norm für Microarrays./Syntax: normalizeBetweenArrays(M, method="quantile")/Beispiel: gleiche Verteilung über Arrays.
Was macht preprocessCore::normalize.quantiles()?
- Quantile-Normalisierung (Matrix)./Syntax: Mnorm <- preprocessCore::normalize.quantiles(M)/Beispiel: identische Ränge je Spalte.
Was macht affy::rma()?
- Robust Multi-array Average (Microarray-Pipeline)./Syntax: eset <- affy::rma(raw)/Beispiel: Background, Normalisierung, Summarization.
Was macht tximport()?
- Importiert Transcript-Level-Quantifikationen (Salmon/Kallisto) → Gene./Syntax: txi <- tximport(files, type="salmon")/Beispiel: TPM/Abundanzen aggregieren.
Was macht biomaRt::getBM()?
- Annotationen (Gene ↔ Symbole, Längen)./Syntax: getBM(attributes, filters, values, mart)/Beispiel: Genlängen für RPKM/TPM.
Was macht edgeR::glmQLFit()/glmQLFTest()?
- Quasi-likelihood-Tests für DE-Analyse./Syntax: fit <- glmQLFit(y, design)
Was macht pheatmap::pheatmap()?
- Heatmap mit Annotation & Clustering./Syntax: pheatmap(mat, annotation_col=meta)/Beispiel: Probe×Gen-Muster.
Was macht sva::ComBat()?
- Batch-Effekt-Korrektur./Syntax: ComBat(dat, batch, mod)/Beispiel: Lauf/Labor-Effekte entfernen.
Was macht edgeR::plotMD()/limma::plotMA()?
- MD/MA-Plots zur Bias-Prüfung./Syntax: plotMD(fit)
Zuletzt geändertvor 2 Monaten