EPIC-gegevens kunnen op dezelfde manier worden verwerkt als de vorige iteratie van methyleringsarray-gegevens van Illumina (450k). Dit betekent dat beginnend met .idat-bestanden, normalisatie moet worden uitgevoerd (bijvoorbeeld via het minfi-pakket). Een recent artikel van de makers van minfi is bijzonder nuttig omdat het duidelijk maakt dat genormaliseerde EPIC-gegevens uit hun pakket onmiddellijk kunnen worden vergeleken met bijvoorbeeld niveau 3 TCGA-gegevens.

Daarna stel ik voor om het manifest te gebruiken om genomische coördinaten aan je sondes te koppelen en ze te scheiden in functionele regio's. Door differentiële methylering bijvoorbeeld alleen in gereguleerde regio's te testen, kunt u het statistische vermogen vergroten door het totale aantal tests te verminderen tot degene waarvan u verwacht dat ze grote verschillen opleveren.

Er zijn bestaande pakketten voor differentiële methyleringsanalyse, maar zonder uw replicatiestructuur of doelstellingen te kennen, is het moeilijk om u in de goede richting te wijzen.