蛋白组学下游分析（3）-番外篇（文献中数据标准化的其他方法）

文章预览

常用的标准化方法算法介绍 前四种之前分析的DEP和MsCoreUtils包都可以实现，后续主要分享后面的算法。 1 极差标准化 将每一个数据减去对应列的均值，然后除以对应列最大值与最小值之间的差值。 library(tidyverse) min_max_normalize function(x) {   (x - min(x)) / (max(x) - min(x)) } # 示例 data data %>% mutate(norm_value = min_max_normalize(value)) 极差标准化 2.正态标准化（NC方法） 将每一个数据减去对应列的均值，然后除以对应列的标准差，称之z-score（标准差标准化），其实就是scale函数中的scale参数。 #z-scale标准化 scale(data,center=T,scale=T) z-scale标准化 3 IQR标准化（NC方法） iqr_normalize function(x) {   (x - median(x)) / IQR(x) } # 示例 data data %>% mutate(norm_value = iqr_normalize(value)) IQR标准化介绍 标准化结果 4 分位数标准化 library(tidyverse) quantile_normalize function(x) {   qnorm(rank( ………………………………