01. 介绍r语言及rstudio编辑器
安装r及rstudio
打开rstudio编辑器：4块
1.新建脚本，markdown， 写source代码，点任何地方会进行下一步。
2.命令在console运行，初学一步一步运行代码，上下左右键看历史命令记录。
3.history为历史记录，可以to source 或 to console进行重新运行,environment环境变量，赋值的变量会出现在这个位置。
4.files查看有哪些文件或浏览文件
plot显示画出的图，dev.off()关闭画板
packages显示安装的所有包，.libPaths()显示包安装路径
Help 帮助文档查看运行函数example，体会如何使用该函数
定位当前文件位置：getwd()
02. R语言基础变量讲解
变量类型
**1.向量vector **
a=c(1,2,3)
b=c(1,'2',3)
class() 查看变量类型(a为numeric，b为character)
可以用函数创建向量，或直接使用内置变量，左边变量，右边值。
数字不加引号，字符串加引号(*单引号或双引号一般可通用，当值内本身含有单引号时，需用双引号。例如：a='Hello World!' 与a="Hello World!"输出内容相同.b="This's a nice example."与b='This's a nice example.'不同。)
2.矩阵matix
向量加维度为矩阵 dim()加维度，矩阵中任何一个元素类型发生变化，其他元素的类型也会变化。
取元素的方式：1.通过下标来取，#逗号左边是行右边是列 a[,]; 2.逻辑符取
判断元素类型: class(), str()
3.数组array
4.data.frame()数据框
转变其中一个元素的类型，其他元素的类型不变
is.系列函数，as.系列函数
是什么函数和转变为什么函数(用Table键补全时可看到很多函数)
提问方式
新建文件夹，放入需要提问/报错的“.Rproj”以及代码".R"标注报错的位置，发压缩包。
如果其中有变量，报错之前一步写
save(filename,file='input.Rdata')
load(file='input.Rdata')
然后注释掉load之前的代码(加上#)
5.列表list
用'$'从列表中取出的是元素,数据框中取出的是一列
length()有多少元素，lapply()对每个元素操作，返回list，用unlist()让返回值为character，用as.numeric()将其转变为数值型。
取下标
- 用下标取索引
b[,]逗号左行右列。若没有该元素，返回NA；若有，返回对应元素 - 用判断方式取下标
b[,c(F,F,T,F,F,)]取b第三列的元素
read.table()函数读取table
grep()#搜索函数，例grep('RNA-Seq',a$Assay_Type)搜索在a的Assay_Type一列中，搜索含有RNA-Seq的下标。
grepl()#取匹配到的所有的行，返回TRUE/FALSE,例grepl('RNA-Seq',a$Assay_Type)
取list
list[]取元素，不能取元素里的内容，拿出的元素可能还是一个list，如果用[[*]][*]取出的是元素里面的内容
03. 外部数据导入导出
读入
1.直接用import dataset
2.代码读取
read.table('filename',sep='\t',header = T)#参数与参数之间用逗号分开，sep指定制表符，header加上表头。
write.csv()#读出为csv文件
取b第一列作为b的行名，然后去掉第一列
row.names(b)=b[,1]
b=[,-1]
保存为R读取的格式，避免读入读出时格式的更改
save(b,file = 'b_input.Rdata')
load(file = 'b_input.Rdata')
04. 中级变量操作
读入数据
read.table(filename,header = T,sep = '\t')
read.table(tablename,comment.char = "!",header = T,sep = '\t')#手动指定注释符，以！开头的不读入comment.char = "!"
读出csv文件，并且去掉行名两种方式
write.csv(b,'tmp.csv',row.names=F)
write.table(b,'tmp.csv',sep = ',')
英文单词为函数，函数有参数，互通
sort()#分类
max()#最大值
min()#最小值
fivenum()#包括最小值, 25%分位数, 中位数, 75%分位数, 最大值
table()#查看多少个元素
boxplot(y~x)#分组取域值，可用boxplot查看峰位数
先分组，分别赋值,"="是赋值，"=="是判断，
rna=a[a$Assay_type=='Rna-Seq',]#a中Assay_type这一列中Rna-Seq对应的行
wxs=a[a$Assay_type=='WXS',]#a中Assay_type这一列中WXS对应的行
表达矩阵，不同的表达量
str(mean(b[1,]))#取b的第一行平均值报错，查看其类型
mean(as.numeric(b[1,]))#转换为数值型取均值
head(rowMeans(b))#对所有的行取均值,查看前10个
取b中行的均值
rowMeans(b)#直接用函数
for (i in 1:nrow(b)){ print(mean(as.numeric(b[i,])))}#用循环
apply(b,1,function(x){mean(x)})#apply函数
apply(b,1,mean)#与上一个相同
有函数可直接用函数，没有函数可以自定义后进行操作
rowMax=function(x){apply(x,1,max)}#定义一个函数
rowMax(b)#用定义的函数进行操作
向量取元素直接写下标，data.frame()和list()取元素[,]左边取行右边取列
top50的方差对应的基因名做热图
cg=names(sort(apply(b,1,sd),decreasing = T)[1:50])
library(pheatmap)
pheatmap(b[1:50,])
pheatmap(sample(1:nrow(b),50))#随机选取50个方差
05. 热图
不同大小的数据达标不同颜色的深浅
rnorm(n, mean = 0, sd = 1)#随机正态分布
画个热图
a1=rnorm(100)
#dim加维度
dim(a1)=c(5,20)
a2=rnorm(100)+2
dim(a2)=c(5,20)
#as.data.frame将向量变为矩阵
b=as.data.frame(cbind(a1,a2))
#paste函数给a1和a2取名并以此作为b的名字看热图的变化，
names(b)=c(paste('a1',1:20,sep = '_'),paste('a2',1:20,sep = '_'))
#加载pheatmap包
library(pheatmap)
#加注释信息
tmp=data.frame(group=c(rep('a1',20),rep('a2',20)))
rownames(tmp)=colnames(b)
pheatmap(b,cluster_cols = F) #cluster_cols = F 不进行排序
pheatmap学习，查看example
?pheatmap
06. 选取差异名明显的基因的表达矩阵绘热图
#均一化（normalization)调整差异过大的数，转置-scale-转置。
n=t(scale(t(dat[cg,])))
n[n>2]=2#大于二的值均等于二
n[n<-2]=-2#小于负二的值均等于负二
?scale()#查看scale函数的用法
若代码过长，可以定义一个函数将代码包裹起来，后面如果有需要可以直接用不重复写代码
d_h <- function(dat,group_list){*}
d_h(dat,group_list)
07. id转换
#矩阵a的V1列元素含有以'.'分割的内容，想要去除‘.’后的内容
library(stringr)#载入stringr
str_split(a$V1,'[.]',simplify = T)[,1]#用str_split()函数，simplify=T返回值为字符型矩阵，F返回为字符型向量，[,1]取第一列
library(org.Hs.eg.db)#加载org.Hs.eg.db包
toTable()#org.Hs.eg.db包规定读入数据用toTable
#两个数据框做关联，两个数据框共有相同的列/行名,保留没有关联上的元素
merge(a,b,by='*',all.x=T)
#出现的频率，对大于1的做统计
table(table(*)>1)
table(*)[table(*)>1]
#dataframe(d)的行去重
d=d[!duplicated(),]
#a所在的顺序放在b这边来
match(a,b)
08. 任意基因任意癌症表达量分组的生存分析
一个基因在TCGA数据库中的各个癌症的生存分析
网页中输入感兴趣的基因，分组(高低表达量)，下载数据，
Rstudio中读入数据,ggstatsplot包中的代码进行分析
a=read.table('*.csv',header = T,sep = ',',fill = T)
ggbetweenstats(data=a,x='Group',y='Expression')
添加Group和Expression最好复制加'',避免打错和不识别。
学会基础变量及函数操作，然后对包的说明书进行学习，数据应用
09. 任意基因任意癌症表达量和临床性状关联
网页中输入感兴趣的基因，下载数据，导入Rstudio
a=read.table('*.txt',header = T,sep = '\t',fill = T)
列名赋予简单的值，dat与之前写过的代码中一致，不需改动代码可直接运行（个人习惯）
colnames(a)=c('id','stage','gene','mut')
dat=a
10.表达矩阵的样本的相关性
cor() 关联函数
#先安装Bioconductor的代码，需要R版本3.5.0
if (!requireNamespace("BiocManager"))
install.packages("BiocManager")
BiocManager::install()
Bioconductor三个包：airway(数据包),Annotatiobdbi(注释包)和GenomicFeatures(功能函数包)
#加载数据，获取表达矩阵,查看表达，用dim()维度函数获得矩阵行列情况
data(airway)
exprSet=assay(airway)
colnames(exprSet)
dim(exprSet)
#样本与样本之间的相关性，
cor(exprSet[,1],exprSet[,2])
相关性很高警惕两种情况
1.同一个样本技术重复
2.大多数值为低表达值或零，掩盖真实相关性
cor(exprSet)#整个样本做相关性
#筛选数据，例如一个基因表达量大于一样本量少于5,用dim()维度函数获得矩阵行列情况，可以与之前的dim()做比较
x= exprSet[1,]
table(x>1)
true=1,false=0
sum(x>1)>5
exprSet= exprSet[apply(exprSet,1,sum(x>1)>5),1]
#继续筛选，edgeR::cpm()函数去除文库大小差异，mad的前50个变化最大的基因
#最后cor做分析,画热图
M=cor(log2(exprSet+1))
#画heatmap 加注释信息，先分组(group_list)并转为一个数据框，加注释信息(多少列不重要，行名等于矩阵的列名很重要）tmp=data.frame(g=group_list)
rownames(tmp)=colnames(M)
library(pheatmap)
pheatmap(cor(exprSet),annotation_col = tmp)
11.芯片表达矩阵下游分析
构建表达矩阵，分组信息
#单个做差异分析
t.test(exprSet[1,]~ group_list)
boxplot(exprSet[1,]~ group_list)
#或用limma()包,构造一个design矩阵，矩阵中显示分组信息属于(值为1)不属于(值为0)
12.RNA-seq表达矩阵差异分析
airway()
assay()
表达矩阵，分组准备，用DEseq2()包
统计学相关的知识：statquest
原文