### R code from vignette source 'vignettes/wateRmelon/inst/doc/wateRmelon.Rnw' ################################################### ### code chunk number 1: UnevaluatedCode (eval = FALSE) ################################################### ## install.packages('ROCR', 'matrixStats') ## source("http://bioconductor.org/biocLite.R") ## biocLite( 'limma', 'minfi', ## 'IlluminaHumanMethylation450kmanifest', ## 'methylumi', 'lumi') ################################################### ### code chunk number 2: UnevaluatedCode (eval = FALSE) ################################################### ## install.packages('wateRmelon_0.9.9.tar.gz', repos=NULL, type='source') ################################################### ### code chunk number 3: code-block ################################################### library('wateRmelon') # load in melon dataset data (melon) # display dimensions of data matrix dim(melon) # quality filter using default thresholds melon.pf<-pfilter(melon) # preprocess using our best method melon.dasen.pf <- dasen(melon.pf) ################################################### ### code chunk number 4: dmrse ################################################### # calculate iDMR metrics on QC'd betas dmrse_row(melon.pf) # calculate iDMR metrics on QC'd and preprocessed betas dmrse_row(melon.dasen.pf) # slightly lower (better) standard errors ################################################### ### code chunk number 5: genki ################################################### # calculate SNP metrics on QC'd betas genki(melon.pf) # calculate SNP metrics on QC'd and preprocessed betas genki(melon.dasen.pf) # slightly lower (better) standard errors ################################################### ### code chunk number 6: seabi ################################################### # calculate X-chromosome metrics on QC'd betas seabi(melon.pf, sex=pData(melon.pf)$sex, X=fData(melon.pf)$CHR=='X') # calculate X-chromosome metrics on QC'd and preprocessed betas seabi(melon.dasen.pf, sex=pData(melon.dasen.pf)$sex, X=fData(melon.dasen.pf)$CHR=='X' ) ################################################### ### code chunk number 7: UnevaluatedCode (eval = FALSE) ################################################### ## library(methylumi) ## melon <- methyLumiR('finalreport.txt') ################################################### ### code chunk number 8: IncludeGraphic ################################################### boxplot(log(methylated(melon)), las=2, cex.axis=0.8 ) ################################################### ### code chunk number 9: IncludeGraphic ################################################### boxplot(log(unmethylated(melon)), las=2, cex.axis=0.8 ) ################################################### ### code chunk number 10: pfilter ################################################### melon.pf <- pfilter(melon) ################################################### ### code chunk number 11: dasen ################################################### melon.dasen.pf <- dasen(melon.pf) ################################################### ### code chunk number 12: workflow ################################################### data(melon) # load in melon dataset melon.pf<-pfilter(melon) # perform QC on raw data matrix using default thresholds melon.dasen.pf<-dasen(melon.pf) # preprocess using our best method sex <- pData(melon.dasen.pf)$sex # extract phenotypic information for test bet<-betas(melon.dasen.pf) # extract processed beta values melon.sextest<-sextest(bet,sex) # run t-test to idenitify sex difference