Anàlisi cel files SH-SY5Y

Informació sobre l’array

Espècies presents i tipus de probesets

Anàlisis de qualitat

Imatge del cel file (not show, saved as png. Shows only one as example)

Boxplot i historgrama

No normalitzat.

Box plots permeten avaluar si l’escala i la distribució de les dades en diferents matrius són comparables. Les diferències de forma o centre de les caselles indiquen que cal una normalització de les dades.

Normalitzat (RMA)

Després de la normalització, cap de les mostres no ha de destacar de la resta. Les diferents matrius haurien de tenir el mateix nivell d’expressió mediana (o almenys molt comparable). A més, l’escala de les caixes hauria de ser gairebé la mateixa, cosa que indica que també la comparació dels valors d’intensitat a les diferents matrius és comparable.

MA plot (save in png. Not show, only one as example)

No normalitzat

El núvol de punts de dades s’hauria de centrar al voltant de M = 0 (línia blava). Això es deu al fet que suposem que la majoria dels gens no són DE i que el nombre de gens regulats és similar al nombre de gens regulats a la baixa. A més, la variabilitat dels valors M hauria de ser similar per a diferents valors A (intensitats mitjanes). Veureu que la propagació del núvol augmenta amb la intensitat mitjana: la corba de loess (línia vermella) s’allunya cada cop més de M = 0 quan augmenta A. Per eliminar (una part) d’aquesta dependència, normalitzarem les dades.

Normalitzat RMA

La difusió es molt més simètrica i uniforme en dades normalitzades respecte les no brutes. Aquest fet indica que la dependència de la variabilitat respecte al nivell d’expressió mitjà no és tan forta com abans de la normalització.

PCA

La PCA permet veure si la avriabilitat global agrupa les mostres.

## [1]    6 6599

## Warning: `select_()` is deprecated as of dplyr 0.7.0.
## Please use `select()` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_warnings()` to see where this warning was generated.

## Warning: Removed 1 rows containing missing values (geom_point).

## Warning: Removed 1 rows containing missing values (geom_point).

## png 
##   2

Gens diferencialment expressats

## Loading required package: ggrepel

## Registered S3 methods overwritten by 'ggalt':
##   method                  from     
##   fortify.table           ggfortify
##   grid.draw.absoluteGrob  ggplot2  
##   grobHeight.absoluteGrob ggplot2  
##   grobWidth.absoluteGrob  ggplot2  
##   grobX.absoluteGrob      ggplot2  
##   grobY.absoluteGrob      ggplot2

## Warning: ggrepel: 26 unlabeled data points (too many overlaps). Consider
## increasing max.overlaps

## Warning: ggrepel: 5 unlabeled data points (too many overlaps). Consider
## increasing max.overlaps

## png 
##   2

## Loading required package: grid

## ========================================
## ComplexHeatmap version 2.6.2
## Bioconductor page: http://bioconductor.org/packages/ComplexHeatmap/
## Github page: https://github.com/jokergoo/ComplexHeatmap
## Documentation: http://jokergoo.github.io/ComplexHeatmap-reference
## 
## If you use it in published research, please cite:
## Gu, Z. Complex heatmaps reveal patterns and correlations in multidimensional 
##   genomic data. Bioinformatics 2016.
## 
## This message can be suppressed by:
##   suppressPackageStartupMessages(library(ComplexHeatmap))
## ========================================

## png 
##   2

## [1] "logFC"     "AveExpr"   "P.Value"   "adj.P.Val" "noms"

Anotació.

Consulta dels miRNA en diferents bases de dades.

Targets validats

Targets validats experimental per els miRNA d’interés.

## Warning in instance$preRenderHook(instance): It seems your data is too big
## for client-side DataTables. You may consider server-side processing: https://
## rstudio.github.io/DT/server.html

Malalties relacionades

Targets computacionalement possibles.

## Warning in instance$preRenderHook(instance): It seems your data is too big
## for client-side DataTables. You may consider server-side processing: https://
## rstudio.github.io/DT/server.html