Valid XHTML     Valid CSS2    

 

Partie Statistiques du cours de BioInformatique

Master BTV, UFR Sciences - Université d'Angers

gilles.hunault "at" univ-angers.fr

Enoncés du TD numéro 4 (solutions)

  1. Donner la moyenne et l'écart des variables V1, V2, V3, V4 et V5 si on exécute les instructions R suivantes : 

    
          
      source("statgh.r")     
      lea4  <- lit.dar("lea4.dar")     
      lng   <- lea4$length4     
      m     <- mean(lng)     
      s     <- sd(lng)     
          
      V1    <- lng     
      V2    <- lng - m     
      V3    <- lng/s     
      V4    <- lng/s - m     
      V5    <- (lng-m)/s     
          
          
          

    On dispose d'une variable QT nommée X de moyenne m et d'écart s ; comment faut-il choisir a et b pour que la variable Y définie par Y = a.X + b ait une moyenne de 0 et un écart-type de 1 ? Ecrire des fonctions R pour ces calculs de "normalisation".

  2. Après avoir parcouru rapidement l'article bénomyl, pouvez-vous dire ce que contient le gros fichier (15 589 lignes) nommé 20min_Beno_Cy5_DMSO_Cy3.gpr dont un extrait est 20min_Beno_Cy5_DMSO_Cy3.mini ? Au passage, merci à Gaëlle Lelandais pour ces données.

    A quoi correspond le suffixe gpr de ce fichier ? Comment lire ce fichier en R ? Donner la signification de Gb, Gf, Rb et Rf.

  3. Après avoir lu la page d'aide sur les données swirl, expliquez ce que contient l'objet swirl disponible en R par data(swirl) lorsque le "package" marray (qui fait partie de la suite logicielle Bionconductor) est installé.

  4. Quelles sont les étapes de la préparation statistique des données pour une puce à ADN ?

    Commenter les instructions R suivantes (restructurées) fournies par jvanheld dans le cours microarrays à la rubrique "Normalization". On pourra s'inspirer des graphiques fournis. 

    
          
     ## load the marray library     
          
     library(marray)     
          
     ## load the demo data set     
          
     data(swirl)     
          
     ## select a single chip for saving time (LOESS costs a lot of time)     
          
     swirl.3 <- swirl[,3]     
          
     ## normalize the swirl data set     
          
     swirl.norm.med <- maNorm(swirl.3,norm="median")     
          
     ## Print-tip LOESS normalization:     
     ## BEWARE: THIS CAN BE TIME CONSUMING.     
          
     swirl.norm.printTipLoess <- maNorm(swirl.3,norm="printTipLoess")     
          
     ###################################################################     
          
     swimg <- function(grf,obj,tit,opt) {     
       png(grf,width=800,height=600)     
       if (opt==0) { maImage(obj,main=tit)          }     
       if (opt==1) { maImage(obj,main=tit,x="maRb") }     
       if (opt==2) { maImage(obj,main=tit,x="maGb") }     
       if (opt==3) { maBoxplot(obj,main=tit)        }     
       if (opt==4) { maPlot(obj,main=tit)           }     
       dev.off()     
     } ; # fin fonction swimg     
          
     ###################################################################     
          
     tit1 = "Avant normalisation" ;     
     tit2 = "Après normalisation médiane" ;     
     tit3 = "Après normalisation \"Print-tip LOESS\"" ;     
          
     ## Images of the 3rd chip of the raw,     
     ## median-normalized and loess-normalized data     
          
     swimg("vh1a.png",swirl.3,tit1,0)     
     swimg("vh1b.png",swirl.norm.med,tit2,0)     
     swimg("vh1c.png",swirl.norm.printTipLoess,tit3,0)     
          
     ## Red and green background of the 3rd chip of the raw data     
          
     swimg("vh2ar.png",swirl.3,tit1,1)     
     swimg("vh2ag.png",swirl.3,tit1,2)     
          
     ## boxplots     
          
     swimg("vh3a.png",swirl.3                 ,tit1,3)     
     swimg("vh3b.png",swirl.norm.med          ,tit2,3)     
     swimg("vh3c.png",swirl.norm.printTipLoess,tit3,3)     
          
     # MA plots     
          
     swimg("vh4a.png",swirl.3                  ,tit1,4)     
     swimg("vh4b.png",swirl.norm.med           ,tit2,4)     
     swimg("vh4c.png",swirl.norm.printTipLoess ,tit3,4)     
          
          
          
    vh2ar.png

              

    		vh2ag.png

     

    vh1a.png

              

    		vh1b.png

              

    		vh1c.png

     

    vh3a.png

              

    		vh3b.png

              

    		vh3c.png

     

    vh4a.png

              

    		vh4b.png

              

    		vh4c.png

     

  5. Excel est-il un logiciel statistique ? Quels logiciels statistiques sont disponibles sur le marché ? Pour des analyse générales ? Pour les puces à ADN ? Sont-ils gratuits, payants ?

    Expliquer pourquoi le logiciel R est sans doute le bon choix de logiciel statistique pour vous, étudiant(e) de bioinformatique.

    Peut-on utiliser des interfaces (GUI) et des menus pour R autres que Rcmdr ?

  6. Que sont les taskviews du CRAN ? Qu'est-ce que BioConductoR ? et seqinr ?

  7. Quel livre traite de R et de phylogénie ? Installez le package ape et exécutez le code R suivant. Qu'en déduisez-vous ? 

    
      library(ape) # si install.packages("ape",dependencies=TRUE) a été exécuté     
          
      example(plot.phylo)     
      example(plot.mst)     
      example(plot.multiPhylo)     
      example(plot.popsize)     
      example(plot.prop.part)     
      example(plot.skyline)     
          
          

  8. Comment conclure ces 4 séances ?

 

 

 

retour gH    Retour à la page principale de   (gH)