如何在 R 中进行 ma 和 loess 归一化？答案

【问题标题】：How to do ma and loess normalization in R?如何在 R 中进行 ma 和 loess 归一化？
【发布时间】：2013-03-10 04:21:12
【问题描述】：

尝试在 R 中使用 MA 归一化 (http://en.wikipedia.org/wiki/MA_plot) 对两个变量 x 和 y 进行 loess，如下所示：

> x = rnorm(100) + 5
> y = x + 0.6 + rnorm(100)*0.8
> m = log2(x/y)
> a = 0.5*log(x*y)

我想对 x 和 y 进行归一化，使平均 m 为 0，就像在标准 MA 归一化中一样，然后反算正确的 x 和 y 值。 MA上首次运行黄土：

> l = loess(m ~ a)

那么，纠正m 值的方法是什么？这是正确的吗？

> mc <- predict(l, a)
# original MA plot
> plot(a,m)
# corrected MA plot
> plot(a,m-mc)

我不清楚 predict 在 loess 对象的情况下实际上做了什么，以及它与在 loess 返回的对象 l 中使用 l$residuals 有何不同 - 有人可以解释一下吗？最后，我怎样才能根据这个更正计算新的x 和y 值？

【问题讨论】：

gogling 将我带到library(affy)，它包含normalize.loess 和ma.plot 函数。为什么不使用这个包来控制你的结果呢？
@agstudy：这很好，但这很简单，应该可以用loess 实现，不需要额外包的开销。我想了解 loess 拟合在 R 中是如何工作的，而不依赖于包

标签： r statistics normalization regression loess

【解决方案1】：

首先，是的，您提出的方法得到了正确的 m 值。

关于预测函数：是的，l$residuals、m - fitted(l) 和 m - predict(l) 都给出相同的结果：校正后的 m 值。但是，predict 函数更通用：它将任何新值作为输入。如果您只想使用数据的一个子集来拟合黄土，然后对数据的整体进行预测（例如，当使用加标标准时），这很有用。

最后，您如何根据此更正计算新的x 和y 值？如果您将数据转换为日志空间，通过创建两个新变量x1 <- log2(x) 和y1 <- log2(y)，它会变得更容易查看。由于我们在日志空间中，计算 m 和 a 更简单：

m <- x1 - y1
a <- (x1 + y1)/2

现在，为了根据拟合的黄土模型校正数据，您可以更新 x1 和 y1，而不是通过 mc 校正来更新 m 变量。设置：

x1 <- x1 - mc / 2
y1 <- y1 + mc / 2

此更新与更新m <- m - mc 的效果相同（因为m 将被重新计算为更新后的x1 和y1 之间的差异）并且对a 值没有影响。

要获取更正后的数据，请通过返回 2^x1 和 2^y1 对其进行转换。

这是 affy 包中 normalize.loess 函数的作者使用的方法，最初在此处描述（并且包括循环查看所有变量对的能力，而不是在本例中的单个变量对）： http://web.mit.edu/~r/current/arch/i386_linux26/lib/R/library/limma/html/normalizeCyclicLoess.html

【讨论】：