生信技能树生信入门班【Day6】-R语言的可视化（做图）

代码基本都能搜索到，我们重点需要掌握的是把自己的数据整理成需要的格式

gooogle基本都能找到分享的、自己需要的代码

长脚本管理方法

将长脚本分成多个脚本，每个脚本保存

运行下个脚本开头清空再加载

文件分门别类分别放置

不行

因为不在同一个工作目录下啊

按一下tab键会有一个提示，能看见group.csv是有的，但是在import文件夹下的，利用tab键自动补齐，import\group.csv

dir.create("export")

write.csv(x,file="export\"

理论上只能使用工作目录下的吧，

两个点号就是r_02的上级

load("../R_01/group.csv")

这样就可以在R_02工作目录下读取R_01的文件

条件判断函数

最重要的是：ifelse函数——因为他能输出逻辑值

ifelse(i>0,"+","-")

if true 输出+

if false 输出-

在生信分析过程中，最重要的就是这组王炸函数组合，让按需要取子集简单太多

ifelse()+str_detect()

samples=c("tumor1","tumor2","tumor3","normal1","normal2","normal3")

#1. str_detct to detect the string "tumors" in this vector
#will return the logical values
k1= str_detect(samples,"tumors");k1

#2.ifelse outputs the results of the groups
#change the logical valus into the norminals
ifelse(k1,"tumor","normal")

for循环？

python里做数据处理得用for 循环遍历全部数据

但是R里不需要这种操作啊，能直接对变量和观测进行操作

for循环

patch装包、批量装包

pks = c("tidyr","dplyr","

for(g in pks) install.packages("g")

隐式循环-apply

两个数据框之间的连接

inner_join:交集——去掉没有的observation

full_join:并集

left_join:以左边observation为主

righ_join: （感觉没必要的函数，但是也有了

数据从哪来

不分方向的geo、nhanes

肿瘤方向专属数据库 TCGA、ICGC、CCLE、SEER

什么类型数据能够挖掘？

1. 传统基因表达芯片
2. 转录组
3. 单细胞
4. 突变（外显子数据的下游分析）、甲基化、拷贝数变异

表达数据是最核心的分析

六万个基因中那些跟我们实验设计相关系

怎样筛选基因？

分析方法： 

数据下载：GEO、TCGA有专门的R包

差异分析：芯片和转录组有所不同（现在还有芯片吗？不都是bulk转录组？）

WGCNA（加权共表达网络）（差异分析和加权共表达网络都可以用于筛选基因，可以两个都做也可以只做一个）

富集分析（ORA、GSEA）（比如说我找出来了500多个差异基因，现在找一下这些基因都是干什么的，有没有一个通路或者GO包含了这500个基因的大部分）

PPI网络（蛋白-蛋白互作网络，找一下那些基因和别的基因有互作）

预后分析（影响生存的疾病）

图表介绍

heatmap：颜色代表数据大小

散点图、箱线图：

箱线图：一个连续型向量和一个有重复值的离散型（/分类型）向量——箱线图有（max、75%、median、25%、min）五个重要的数，竖着的两个封闭箱子的没有用（但是他有离群值，就是max和min不是事实的max和min，是计算出来的）

火山图：

一般后面都是用limma包做批量分析

log FC和P.Value

adj.P.Value

用哪个都行，但是文章里大多都用adj.P.Value

FC=FoldChange（FC）：处理组平均值/对照组平均值

log2Foldchange（logFC）：FoldChange取log2

芯片的差异分析

芯片差异分析的起点是一个取过log的表达矩阵（0-20）

如果拿到的是没做过log的（0-很大），需要自己做log

理解logFC

log2（FC）=log2（处理组平均值）-log2（对照组平均值）

永远记住是处理组-对照组

火山图的横坐标最大可能就个位数或者十几，几百肯定错

logFC>0,treat>control 基因表达量上升

logFC<0.treat<control 基因表达量下降

通常所说的上调、下调基因是指表达量显著上升/下降的基因

调阈值 没有标准答案，随便选一些常见阈值就行了 0.585 2.2 1.5 2 1...