Data Analysis for the Life Sciences with R

介绍

在20世纪下半叶，数字技术的前所未有的进步产生了一个转变科学的衡量革命。在生命科学中，数据分析现在是几乎每个研究项目的一部分。基因组学，特别是，正在由新的测量技术驱动，使我们第一次观察某些分子实体。这些观察结果导致类似于鉴定微生物和本发明显微镜允许的其它突破的发现。这些技术的选择实例是微阵列和下一代测序。传统上依赖于简单数据分析技术的科学领域已经被这些技术所吸引。在过去，例如，研究人员将测量感兴趣的单个基因的转录水平。今天，可以一次测量所有20,000+个人类基因。诸如这些的进步已经导致从假设向发现驱动的研究的转变。然而，解释从这些大量和复杂数据集提取的信息需要复杂的统计技能，因为人们可能容易被偶然发生的模式所愚弄。这大大提高了生命科学中统计和数据分析的重要性。

谁会发现这本书有用？

这本书是由许多生命科学研究人员写的，他们正在成为数据分析师，因为对上述数据的依赖性增加。如果您正在执行自己的分析，您可能已计算p值，应用Bonferroni更正，执行主成分分析，制作热图或使用下一节中列出的一种或多种技术。如果你不太明白这些技术实际上是做什么，或者如果你不确定你是否正确使用它们，这本书是适合你的。
虽然本书的内容主要集中在高级统计概念，我们从覆盖基础知识开始，以确保所有读者都对所有数据分析所需的基本统计概念有很强的依据。我发现许多入门统计课程的教学方式很难将概念与数据分析联系起来。我们的方法确保你学习实践和理论之间的联系。因此，前两章，推理和探索性数据分析适用于介绍性的本科统计或数据科学课程。在这两个章节之后，统计复杂性的水平相对较快地上升。
虽然这本书的典型读者将有硕士或博士学位，我们努力保持数学内容在本科入门级。你不需要微积分来使用这本书。然而，我们引入和使用被认为比微积分更先进的线性代数。通过在数据分析的上下文中解释线性代数，我们相信你将能够学习基础知识而不知道微积分。更难的部分可能习惯符号和代号。更多关于这一点下面。

这本书封面是什么？

本书将涵盖数据驱动生命科学研究成功所需的几个统计概念和数据分析技能。我们从与计算p值相关的相对基本概念到与分析高通量数据相关的高级主题。
我们从统计学和生命科学中最重要的主题之一开始：统计推断。推断是使用概率从数据中学习群体特征。一个典型的例子是解密两组（例如，病例与对照组）平均值不同。所涉及的具体主题包括t检验，置信区间，关联检验，蒙特卡罗方法，置换检验和统计功效。我们利用通过数学理论可能的近似，例如中心极限定理，以及通过现代计算可能的技术。我们将学习如何计算p值和置信区间，并实施基本的数据分析。在整本书中，我们将描述统计计算机语言R中用于探索新数据集的可视化技术。例如，我们将使用这些来学习何时应用稳健的统计技术。
然后我们将介绍线性模型和矩阵代数。我们将解释为什么使用线性模型来分析组之间的差异是有益的，以及为什么矩阵可用于表示和实现线性模型。我们继续回顾矩阵代数，包括矩阵符号和如何乘以矩阵（在纸上和在R中）。然后我们将应用我们涵盖的矩阵代数到线性模型。我们将学习如何在R中拟合线性模型，如何测试差异的显着性，以及如何估计差异的标准误差。此外，我们将回顾一些拟合线性模型的实际问题，包括共线性和混杂。最后，我们将学习如何拟合复杂模型，包括交互项，如何对比R中的多个项，以及R中的函数实际用于稳定拟合线性模型的强大技术：QR分解。
在本书的第三部分，我们涵盖了与高维数据相关的主题。具体来说，我们描述了多个测试，错误率控制程序，高吞吐量数据的探索性数据分析，p值校正和错误发现率。从这里我们继续覆盖统计建模。特别地，我们将讨论参数分布，包括二项式和伽马分布。接下来，我们将讨论最大似然估计。最后，我们将讨论层次模型和经验贝叶斯技术，以及它们如何应用于基因组学。
然后我们涵盖距离和尺寸缩减的概念。我们将介绍距离的数学定义，并使用它来激励用于维数缩减和多维缩放的奇异值分解（SVD）。一旦我们学到这一点，我们将准备好覆盖层次和k均值聚类。我们将跟踪这一点与机器学习的基本介绍。
我们通过学习批量效应以及如何使用组件和因素分析来应对这一挑战。特别是，我们将研究混杂，显示批次效应的例子，使因子分析的连接，并描述替代变量分析。

这本书有什么不同？

虽然统计教科书侧重于数学，本书着重于使用计算机进行数据分析。这本书遵循Stat Labs1的方法，Deborah Nolan和Terry Speed。而不是解释数学和理论，然后展示例子，我们开始说明一个实际的数据相关的挑战。本书还包括提供问题解决方案并帮助说明解决方案背后的概念的计算机代码。通过自己运行代码，并且看到数据生成和分析发生在现场，你将得到一个更好的直觉的概念，数学和理论。
我们专注于数据分析师在生命科学领域面临的实际挑战，并引入数学作为一种工具，可以帮助我们实现科学目标。此外，在整本书中，我们展示了执行这种分析的R代码，并将代码行连接到我们解释的统计和数学概念。