From silico.biotoul.fr

Dans ce TP, nous allons analyser les données de transciptome obtenues sur Oryza sativa par microarray. Le déroulement des analyses suit les travaux de Jujita et al. publiés en 2010(pmid:21062870). Il vous est conseillé de prendre connaissance de l'article, tout du moins son résumé avant de commencer le TP.

Récupération des données

Les données relatives à l'analyse ont été mises à disposition sur la banque GEO et sont accessibles avec l'identifiant GSE14304.

Il s'agit de 98 hybridations réalisées avec un microarray de la société Affymetrix ayant l'identifiant GPL2025] comportant 57 381 spots correspondant à 51 279 transcrits d'Oryza sativa japonica et indica.

La quantité de données étant un peu volumineuse pour ce TP, nous allons travailler sur certaines conditions en particulier ; celles spécifiées dans la publication : les gènes différentiellement exprimés entre les stades P1 et P3.

Oryza.sative.P1-P3.CEL.zip

Chargement et exploration des données

Librairies R/BioConductor nécessaires au TP :

library(affy)
library(limma)

Chargement des données de microarray après analyse d'image :

P1P3.files = c('GSM351444.CEL.gz', 'GSM351445.CEL.gz', 'GSM351446.CEL.gz', 'GSM351450.CEL.gz', 'GSM351451.CEL.gz', 'GSM351452.CEL.gz')
P1P3.raw=ReadAffy(filenames=P1P3.files)

Visualisation et exploration du contenu

summary(P1P3.raw)

Distribution :

boxplot(P1P3.raw)

Affichage en boîtes à moustache (y aurait-il besoin d'une normalisation ?)

La commande hist, comme son nom ne l'indique pas, permet de tracer des courbes de densités des distributions des intensités sur la puce.

hist(P1P3.raw)

Une pensée ?

Prétraitement des données

Nous allons utiliser les mêmes paramètres que dans la publication des auteurs afin d'essayer d'obtenir les même résultats : reportez-vous à la section Materials & Methods dans la partie Microarray data extraction, processing and cluster analysis.

Prétraitement : correction du bruit de fond sans normalisation avec les paramètres décrits dans la publi :

P1P3.bgcorr = expresso(P1P3.raw, bgcorrect.method='mas', normalize=F, pmcorrect.method='pmonly', summary.method='mas')

Le paramètre pmcorrect est spécifique à Affymetrix : il ne tien compte que des oligos (probesets) qui ont un perfect match.

Visualisation du résultat traitement (la fonction exprs extrait les valeurs d'expression de chaque probeset) :

boxplot(log2(exprs(P1P3.bgcorr)), las=3)

ou bien, comme d'habitude, sous forme d'histogramme (des logarithmes des valeurs ; sinon on n'y voit rien) :

hist(log2(exprs(P1P3.bgcorr)))

Et enfin, sous forme de courbes :

plot(density(log2(exprs(P1P3.bgcorr)[,5])), col=5) # on commence par celle qui a la valeur maximale (ici, la 5)
lines(density(log2(exprs(P1P3.bgcorr)[,1])),col=1)
lines(density(log2(exprs(P1P3.bgcorr)[,2])),col=2)
lines(density(log2(exprs(P1P3.bgcorr)[,3])),col=3)
lines(density(log2(exprs(P1P3.bgcorr)[,4])),col=4)
lines(density(log2(exprs(P1P3.bgcorr)[,6])),col=6)

Un commentaire ?