Question

尝试使用MA规范化（http://en.wikipedia.org/wiki/MA_plot）对R中的两个变量x和y进行黄土处理，如下所示：

> x = rnorm(100) + 5
> y = x + 0.6 + rnorm(100)*0.8
> m = log2(x/y)
> a = 0.5*log(x*y)

我希望以平均m为0的方式对x和y进行标准化，如标准MA标准化，然后反向计算正确的x和y值。首先在MA上运行黄土：

> l = loess(m ~ a)

那么获得更正m值的方法是什么？这是对的吗？

> mc <- predict(l, a)
# original MA plot
> plot(a,m)
# corrected MA plot
> plot(a,m-mc)

我不清楚predict在loess个对象的情况下实际做了什么，以及它与l$residuals在l返回的对象loess中的使用方式有何不同 - 有人可以解释一下吗？最后，如何基于此更正来回计算新的x和y值？

Answer 1

首先，是的，您提出的方法会获得更正的m值。

关于预测函数：是的，l$residuals，m - fitted(l)和m - predict(l)都给出相同的结果：修正的m值。但是，predict函数更通用：它将采用任何新值作为输入。如果您只想使用数据的一个子集来拟合黄土，然后预测数据的总体（例如，使用加标标准时），这将非常有用。

最后，如何根据此更正计算新的x和y值？如果您将数据转换为日志空间，则通过创建两个新变量x1 <- log2(x)和y1 <- log2(y)，可以更轻松地查看。由于我们处于对数空间，因此计算m和a更简单：

m <- x1 - y1
a <- (x1 + y1)/2

现在，要根据拟合的黄土模型更正数据，而不是通过m更正更新mc变量，您可以更新x1和y1 。设置：

x1 <- x1 - mc / 2
y1 <- y1 + mc / 2

此更新与更新m <- m - mc具有相同的效果（因为m将重新计算为更新的x1和y1之间的差异，并且对此更新没有影响a值。

要获取更正后的数据，请返回2^x1和2^y1进行转换。

这是affy包中normalize.loess函数的作者所使用的方法，如此处所述（并且包括循环查看所有变量对而不是在这种情况下单个对的能力）： http://web.mit.edu/~r/current/arch/i386_linux26/lib/R/library/limma/html/normalizeCyclicLoess.html

如何在R中进行ma和loess归一化？

1 个答案: