limma包中的"Normalized between arrays怎么运行

"Normalized between arrays"是limma（Linear Models for Microarray Data）这个R包中的一种预处理步骤，它主要用于归一化不同芯片或数组之间的数据，使得不同样本间的比较更为准确。在limma中，这一步骤通常用于对基因表达数据进行标准化，确保每个探针的测量值可以在不同实验之间进行有意义的比较。

具体操作流程如下：

1. **加载数据**：首先，需要使用`read.maimages()`函数从CEL文件或其他支持的格式读取微阵列数据，并通过`arrayQualityControl()`进行质控检查。

library(limma)
data <- read.maimages("path/to/cel/files", source = "Affymetrix")

2. **探针设定**：选择感兴趣的探针集合，如Entrez IDs、probe names等，使用`filterByExpr()`或`makeContrasts()`设置感兴趣的对比条件。

probes <- rownames(data)[exprs(data) > 10] # 筛选出表达量较高的探针
design <- model.matrix(~condition, data = colData(data)) # 设计模型矩阵

3. **归一化**：然后，在` eBayes()`之前，可以使用`normalizeBetweenArrays()`来进行归一化。此函数会计算每条探针的均值或其它统计量，然后将所有样本按照这些统计量进行缩放。

normalized_data <- normalizeBetweenArrays(data, method = c("loess", "quantile")) # 使用loess或quantile方法

4. **进一步分析**：接下来使用`eBayes()`进行线性模型的贝叶斯正则化和假设检验，生成结果集。

fit <- eBayes(normalized_data, design)
topTable(fit, coef=1) # 查看显著差异的基因列表