preProcRepeatedPeakData: A function to pre-process repeated raw peak data
In clippda: A package for the clinical proteomic profiling data analysis
Description
Usage
Arguments
Value
Author(s)
References
Examples
View source: R/preProcRepeatedPeakData.R
Description
This function pre-processes repeated peak data from the Biomarker wizard.
It identifies, and removes, samples which have no replicates.
Then, for the samples with two or more replicates, it selects and returns data
for the two replicates with most similar expression pattern.
Then, the samples with conflicting
peak information may be removed using the function:
spectrumFilter.
The output is similar to the liverdata, a pre-processed data which is included in this package.
Usage
1
preProcRepeatedPeakData(rawData, no.peaks, no.replicates,threshold)
Arguments
rawData
the raw data from the Biomarker wizard.
no.peaks
the number of peaks detected by the Biomarker wizard.
no.replicates
the intended number of replicates. The departures from
this number could be due to mislabelling, quality control (QC) assays, or
a few other samples which could have been assayed more times than the majority of samples.
threshold
The threshold for declaring expression patterns between duplicates as being “similar”.
It is especially needed in the function spectrumFilter, which is used by this function.
Value
It returns a dataframe of duplicate expression data for all peaks in the same format as
the “.csv” data from the
Biomarker
wizard.
Author(s)
Stephen Nyangoma
References
Ward DG, Nyangoma S, Joy H, Hamilton E, Wei W, Tselepis C, Steven N, Wakelam MJ, Johnson PJ, Ismail T, Martin A: Proteomic profiling of urine for
the detection of colon cancer. Proteome Sci. 2008, 16(6):19
Examples
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
#######################################################
#######################################################
# a pre-proceesed version of the raw .csv file from the
# Biomarker wizard.
#######################################################
#######################################################
data(liverdata) # allready pre-processed data
data(liverRawData) # raw version of liverdata
############################################################################################
############################################################################################
# These samples pre-processed to:
# (i) discard the information on samples which have no replicate data, and
# (ii) for samples with more than 2 replicate expression data, only duplicates with most
# similar peak information are retained for use in subsequent analyses.
# A wrapper function for executing these two pre-processing steps is preProcRepeatedPeakData
#############################################################################################
#############################################################################################
threshold <- 0.80
no.replicates <- 2
no.peaks <- 53
Data <- preProcRepeatedPeakData(liverRawData, no.peaks, no.replicates, threshold)
###########################################################################################
###########################################################################################
# Only sample with ID 250 has no replicates and has been omitted from the data to be used
# in subsequent analyses. This fact may varified by using:
###########################################################################################
###########################################################################################
setdiff(unique(liverRawData$SampleTag),unique(liverdata$SampleTag))
setdiff(unique(Data$SampleTag),unique(liverdata$SampleTag))
#########################################################################
# Now filter out the samples with conflicting replicate peak information
# using the spectrumFilter function:
#########################################################################
#TAGS <- spectrumFilter(Data,threshold,no.peaks)$SampleTag
NewRawData2 <- spectrumFilter(Data,threshold,no.peaks)
dim(Data)
dim(liverdata)
dim(NewRawData2)
#########################################################################################
#########################################################################################
# In the case of this data (the liver data), all technical replicates have coherent peak
# information, since no sample information has been discarded by spectra filter.
#########################################################################################
#########################################################################################
##########################################################################################
##########################################################################################
# Let us have a look at what the pre-processing does to samples with more than 2 replicate
# spectra. Both samples with IDs 25 and 40 have more than 2 replicates.
##########################################################################################
##########################################################################################
length(liverRawData[liverRawData$SampleTag == 25,]$Intensity)/no.peaks
length(liverRawData[liverRawData$SampleTag == 40,]$Intensity)/no.peaks
######################################################################################
######################################################################################
# Take correlations of the log-intensities to find which of the 2 replicates have the
# most coherent peak information.
########################################################################################
########################################################################################
Mat1 <- matrix(liverRawData[liverRawData$SampleTag == 25,]$Intensity,53,3)
Mat2 <-matrix(liverRawData[liverRawData$SampleTag == 40,]$Intensity,53,4)
cor(log2(Mat1))
cor(log2(Mat2))
#use mostSimilarTwo function to get duplicate spectra with most coherent peak information
Mat1 <- matrix(liverRawData[liverRawData$SampleTag == 25,]$Intensity,53,3)
Mat2 <-matrix(liverRawData[liverRawData$SampleTag == 40,]$Intensity,53,4)
sort(mostSimilarTwo(cor(log2(Mat1))))
sort(mostSimilarTwo(cor(log2(Mat2))))
#######################################################################################
#######################################################################################
#Next, check that the pre-processed data, \Robject{NewRawData2}, contains similar
# information to liverdata (the allready pre-processed data, included in the clippda).
#######################################################################################
#######################################################################################
names(NewRawData2)
dim(NewRawData2)
names(liverdata)
dim(liverdata)
setdiff(NewRawData2$SampleTag,liverdata$SampleTag)
setdiff(liverdata$SampleTag,NewRawData2$SampleTag)
summary(NewRawData2$Intensity)
summary(liverdata$Intensity)
clippda documentation built on Nov. 8, 2020, 8:13 p.m.
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
Description Usage Arguments Value Author(s) References Examples
View source: R/preProcRepeatedPeakData.R
Description
This function pre-processes repeated peak data from the Biomarker wizard.
It identifies, and removes, samples which have no replicates.
Then, for the samples with two or more replicates, it selects and returns data
for the two replicates with most similar expression pattern.
Then, the samples with conflicting
peak information may be removed using the function:
spectrumFilter.
The output is similar to the liverdata, a pre-processed data which is included in this package.
Usage
1 | preProcRepeatedPeakData(rawData, no.peaks, no.replicates,threshold)
|
Arguments
rawData |
the raw data from the Biomarker wizard. |
no.peaks |
the number of peaks detected by the Biomarker wizard. |
no.replicates |
the intended number of replicates. The departures from this number could be due to mislabelling, quality control (QC) assays, or a few other samples which could have been assayed more times than the majority of samples. |
threshold |
The threshold for declaring expression patterns between duplicates as being “similar”.
It is especially needed in the function |
Value
It returns a dataframe of duplicate expression data for all peaks in the same format as the “.csv” data from the Biomarker wizard.
Author(s)
Stephen Nyangoma
References
Ward DG, Nyangoma S, Joy H, Hamilton E, Wei W, Tselepis C, Steven N, Wakelam MJ, Johnson PJ, Ismail T, Martin A: Proteomic profiling of urine for the detection of colon cancer. Proteome Sci. 2008, 16(6):19
Examples
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 | #######################################################
#######################################################
# a pre-proceesed version of the raw .csv file from the
# Biomarker wizard.
#######################################################
#######################################################
data(liverdata) # allready pre-processed data
data(liverRawData) # raw version of liverdata
############################################################################################
############################################################################################
# These samples pre-processed to:
# (i) discard the information on samples which have no replicate data, and
# (ii) for samples with more than 2 replicate expression data, only duplicates with most
# similar peak information are retained for use in subsequent analyses.
# A wrapper function for executing these two pre-processing steps is preProcRepeatedPeakData
#############################################################################################
#############################################################################################
threshold <- 0.80
no.replicates <- 2
no.peaks <- 53
Data <- preProcRepeatedPeakData(liverRawData, no.peaks, no.replicates, threshold)
###########################################################################################
###########################################################################################
# Only sample with ID 250 has no replicates and has been omitted from the data to be used
# in subsequent analyses. This fact may varified by using:
###########################################################################################
###########################################################################################
setdiff(unique(liverRawData$SampleTag),unique(liverdata$SampleTag))
setdiff(unique(Data$SampleTag),unique(liverdata$SampleTag))
#########################################################################
# Now filter out the samples with conflicting replicate peak information
# using the spectrumFilter function:
#########################################################################
#TAGS <- spectrumFilter(Data,threshold,no.peaks)$SampleTag
NewRawData2 <- spectrumFilter(Data,threshold,no.peaks)
dim(Data)
dim(liverdata)
dim(NewRawData2)
#########################################################################################
#########################################################################################
# In the case of this data (the liver data), all technical replicates have coherent peak
# information, since no sample information has been discarded by spectra filter.
#########################################################################################
#########################################################################################
##########################################################################################
##########################################################################################
# Let us have a look at what the pre-processing does to samples with more than 2 replicate
# spectra. Both samples with IDs 25 and 40 have more than 2 replicates.
##########################################################################################
##########################################################################################
length(liverRawData[liverRawData$SampleTag == 25,]$Intensity)/no.peaks
length(liverRawData[liverRawData$SampleTag == 40,]$Intensity)/no.peaks
######################################################################################
######################################################################################
# Take correlations of the log-intensities to find which of the 2 replicates have the
# most coherent peak information.
########################################################################################
########################################################################################
Mat1 <- matrix(liverRawData[liverRawData$SampleTag == 25,]$Intensity,53,3)
Mat2 <-matrix(liverRawData[liverRawData$SampleTag == 40,]$Intensity,53,4)
cor(log2(Mat1))
cor(log2(Mat2))
#use mostSimilarTwo function to get duplicate spectra with most coherent peak information
Mat1 <- matrix(liverRawData[liverRawData$SampleTag == 25,]$Intensity,53,3)
Mat2 <-matrix(liverRawData[liverRawData$SampleTag == 40,]$Intensity,53,4)
sort(mostSimilarTwo(cor(log2(Mat1))))
sort(mostSimilarTwo(cor(log2(Mat2))))
#######################################################################################
#######################################################################################
#Next, check that the pre-processed data, \Robject{NewRawData2}, contains similar
# information to liverdata (the allready pre-processed data, included in the clippda).
#######################################################################################
#######################################################################################
names(NewRawData2)
dim(NewRawData2)
names(liverdata)
dim(liverdata)
setdiff(NewRawData2$SampleTag,liverdata$SampleTag)
setdiff(liverdata$SampleTag,NewRawData2$SampleTag)
summary(NewRawData2$Intensity)
summary(liverdata$Intensity)
|
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
Embedding an R snippet on your website
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.