#Na‹tžme si data swirl, kterŽ pÞedstavuj’ mikro‹ipovù experiment, porovn‡vaj’c’ genovou expresi divokŽho druhu rybky D‡nio pruhovanŽ a jej’ho mutanta vÊgenu BMP2. Experiment byl proveden vÊdye swap designu, dohromady jsou kÊdispozici 4 mikro‹ipy:
  
library(marray)
data(swirl)
str(swirl)

#VytvoÞme si paletu barev  a prove“me kontrolu kvality ‹ipó
  Gcol <- maPalette(low = "white", high = "green", k = 50)
  Rcol <- maPalette(low = "white", high = "red", k = 50)
  RGcol <- maPalette(low = "green", high = "red", k = 50)

### Kontrola prostorovùch efektó ###

#Vykresl’me si heatmapu tÞet’ho mikro‹ipu s pomoc’ funkce maImage
  maImage(swirl[, 1], x = "maRb") # vykresl’me pozad’ ‹ervenŽho kan‡lu
  maImage(swirl[, 1], x = "maGb") # vykresl’me pozad’ zelenŽho kan‡lu
  maImage(swirl[, 1], x = "maM") #  vykresl’me pomžr intensit spotó obou kan‡ló (M hodnoty)

#Funkce maImage dok‡ìe vykreslit i efekt print-tipu:
  maImage(swirl[, 3],x="maPrintTip")

#Funkce maBoxplot vykresl’ krabicovŽ grafy
  maBoxplot(swirl[,2])


### Efekt barviva ###
  
#Vykresl’me jednoduäe pomoc’ z‡kladn’ funkce plot, aÊdvou funkc’, kterùmi  zÊmarrayRaw objektu extrahujeme intensity spotó ‹ervenŽho a zelenŽho kan‡lu:
  R = maRf(swirl[,1])
  G = maGf(swirl[,1])
  plot(R,G)
  abline(a=0, b=1) # vykresl’me diagon‡lu

#  Funkce plot aplikov‡na pÞ’mo na objekt tÞ’dy marrayRaw vykresl’ MA graf, sÊodhadem kÞivek podle jednotlivùch print-tipóÊ
  plot(swirl[,1])
  # Odhad kÞivek se prov‡d’ robustn’ lok‡ln’ regres’ nebo dalä’mi vyhlazovac’mi technikami (argument lines.func=)
  
# Dalä’ zpósob je prvnž vypo‹’tat hodnoty A a M, a pak je vykreslit
  A = maA(swirl[,1])
  M = maM(swirl[,1])
  plot(A,M)
  
  
#### NORMALIZACE ###  

  ### NORMALIZACE UVNITÛ MIKRO‰IPU ##

#Aplikujme centrov‡n’ medi‡nem na M hodnoty prvn’ho mikro‹ipu z pÞ’kladu a zkontrolujme, jak se normalizace (ne)poprala sÊneline‡rn’mi efekty:
    
  plot(swirl[,1])
  swirl.norm <- maNormMain(swirl[,1], f.loc = list(maNormMed(x=NULL,y="maM")))
  plot(swirl.norm)

# A te“ aplikujme normalizaci pomoc’ loess:
  swirl.norm.loess <- maNormMain(swirl[,1], f.loc = list(maNormLoess()))
  plot(swirl.norm.loess)
  
  ### NORMALIZACE MEZI MIKRO‰IPY ##
  
  # funkce maNormMain pokud je aplikov‡na s defaultn’m nastaven’m prov‡d’ z‡kladn’  prostorovu loess normalizaci jednotlivùch skl’‹ek bez äk‡lov‡n’
  # Zjistžte, jakŽ äk‡lov‡n’ je pouìitŽ v tŽto funkci
  swirl.norm <- maNormMain(swirl)
  swirl.norm.scale = maNormScale(swirl.norm)
  maBoxplot(swirl.norm.scale)