第5章 质量评估

在任何微阵列数据的分析中，一个重要步骤是检查该阵列数据的质量。对于双色阵列数据，一个重要步骤是查看每个阵列未标准化数据的MA曲线。plotMD()函数生成单独的阵列图[33]。plotMA3by2()函数给出了一个简单的方法来为大型实验中的所有阵列生成MA曲线。这个函数写入图形PNG文件到磁盘，每页6个图形。

突出显示阵列各种类型的控制探针有利于增强MA曲线的有用性，这一功能是由controlStatus()函数完成的。以下是Incyte阵列的一个MA曲线的例子，包含各种其他控件（数据来源于史蒂夫·杰朗达基斯博士，沃尔特伊丽莎豪尔医学研究院）。数据显示，高质量数据的非差异表达探针和一部分高差异表达探针具有长彗星状图案。使用下面的命令行生成图形

> spottypes <- readSpotTypes()
> RG$genes$Status <- controlStatus(spottypes, RG)
> plotMD(RG)

阵列包括尖峰在3倍，10倍和25倍上调下调比率控制装置，以及非差异表达的灵敏度对照和阴性对照。

背景强度也是每个阵列质量特性的一个引导。每个阵列中的背景强度生成箱线图

> boxplot(data.frame(log2(RG$Gb)),main="Green background")
> boxplot(data.frame(log2(RG$Rb)),main="Red background")

将突出显示任何具有异常高背景强度的阵列。

阵列空间异质性可以通过检查背景强度imageplots突出强调，例如

> imageplot(log2(RG$Gb[,1]),RG$printer)

绘制第一个阵列的绿色背景。imageplot3by2()函数给出了一个简单的方法来自动生成实验中所有阵列的图形。如果图形表明一些阵列的质量比其他的阵列更低，在后续线性模型分析中的阵列质量权重估计可能是有用的，详情参见第14章。