rg_flou_simu.R

# Wir haben 300 Stämme
m <- 300

# Die wahre mittlere Floureszenz der Stämme ist
true_mu <- exp( rnorm( m, 3, 2) )

# Die mittlere Hintergrund-Floureszenz ist
true_bg <- 10

# Die Hintergrund-Floureszenz schwankt mit einer Standardabweichung von 
true_bg_sd <- 2

# Die Floureszenz einer einzelnen Zelle ist log-normal verteilt um 
# den MIttelwert (true_mu), wobei das Rauschen pro Zelle (extrinsic noise)
# vom Stamm abhängt:
true_extr_noise <- rgamma( m, 2, 1 ) 

# There is also intrinsic
true_intr_noise <- rgamma( m, 2, 4 )

# Wir messen von jedem Stamm 1000 Zellen
n <- 1000

# Berechne die Expressionsstärke pro Zelle:
y0 <- 
   t(sapply( 1:m, function(i) 
      true_mu[i] * exp( rnorm( n, 0, true_extr_noise[i] ) ) ))

# Addiere intrinisches Rauschen und Hintegrund
yRed <- 
   t(sapply( 1:m, function(i) 
        y0[i,] * exp( rnorm( n, 0, true_intr_noise[i] ) ) + rnorm( n, true_bg, true_bg_sd ) ))
yGreen <- 
  t(sapply( 1:m, function(i) 
    y0[i,] * exp( rnorm( n, 0, true_intr_noise[i] ) ) + rnorm( n, true_bg, true_bg_sd ) ))

# Ein paar negative Kontrollen (nur Hintergrund-Rauschen)

yNeg <- 
  t(sapply( 1:m, function(i) 
    rnorm( 100, true_bg, true_bg_sd ) ))



# Plot data

plot(
  apply( yRed, 1, median ),
  apply( yRed, 1, mad ), log="xy" )

plot(
  apply( yGreen, 1, median ),
  apply( yGreen, 1, mad ), log="xy" )

# Let's try an asinh VST by subtracting background and multiplying with some guessed number (10)

vst <- function(x) asinh((x-true_bg)*10)

plot(
  apply( vst(yRed), 1, median ),
  apply( vst(yRed), 1, mad ), log="xy" )

# Does this help? Can one twiddle with the guessed number to make it work better? 
           
# It works best if we subtract the "true" background but that is cheating. 
# But using mean(yNeg) shoudl work as well...