weixin_40640700的博客

课程作业代码备份。

perl语言的解引用。

分析目标：（1）梳理WGCNA的基本流程。（2）功能注释（3）对相应的基因模块进行时空表达特征评估一、WGCNA分析（基因共表达分析）我们有4000+个感兴趣的基因，希望通过这一步得到的结果是：按照基因之间的表达特征的相似性，将其分为若干基因模块（module）。本次实验使用的数据集（1）GSE25219-GPL5175数据集：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE25219（2）GSE25219-GPL5175样本注.

这里总结一下，今天老师上课的内容。我觉得跟着老师，我能学到好多东西。我要消化。我突然觉得自己很卑微，因为有那么多东西需要学习的。但是复习的侧重点在：什么是自己知道的？什么是自己不知道的？缺什么补什么？R基础知识整理（查漏补缺）S1：identicalidentical(a,i) #既检验数值又检验数据类型i==m== 仅仅是数值的比较；identical 则同时包括数值和属性的比较；S2: stringasFactor=FALSEdf3 <- data.frame(a=.

本文目标是：通过分析单细胞的数据，根据已有的细胞分型，去看我们感兴趣的基因集在这些细胞类型中的富集情况。单细胞数据和bulk数据会有些不同，可能一些具体的技巧需要注意一下。1。切换到R4环境，加载RDS数据。conda activate r4R #进入到Rdata<-readRDS("merge_obj.rds") # 加载原始数据library(Seurat)#加载Seurat包levels(data) #查看数据集的level [1] "L5 IT" "L4 IT".

项目需求：现在以及大鼠的基因若干，想要转换成人类对应的同源基因的名及ID，怎么对应？解决策略：（几行代码就可以快速解决，感谢R）#安装好R包install.packages("homologene")library(homologene)homologene::taxData#Rattus norvegicus:10116 #Homo sapiens:9606###############################################################.

主要目标：理解这个代码的主要的思路。想分析一下老师的这个富集分析的主要的思路是什么？一行一行的理解这个代码。# Get cell type mean of each genecellTypeMean <- t(apply(dat, 1, function(v) { tapply(v, droplevels(factor(cellSubtypes, levels=subtypeOrder)), mean)}))}（1） droplevels（）是什么意思> x <- c.

一般情况下，有一些比较成熟的对应平台的注释数据集的R包。但是这个注释平台，我在Bioconductor上找了一圈都没有找到。只能通过最原始也最可靠的方法，从GEO数据集上去下载这部分的注释文件。以下展示全过程。我要检查的数据平台是：GPL5157。数据集的注释集链接为：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GPL5175这个注释数据集比较难弄的地方在于，它的基因集注释的不太好。没有比较直接的可供提取的genesample的信息；在ge.

一般是读取txt文件的时候遇到上述问题，原因是读取table的时候，不同的行有空格，导致列数不同，无法对齐。Error in scan(file = file, what = what, sep = sep, quote = quote, dec = dec, :line 5503 did not have 12 elements解决方法一般有三步：（1）跳过注释行。probe_test<-read.table("GPL5175-probe-annonation.txt",commen

出错记录：Error: package or namespace load failed for ‘DESeq2’ in library.dynam(lib, package, package.lib): 没有这个DLL ‘BiocParallel’：是不是没有为此架构安装？解决策略：强制重装缺失的那个R包。BiocManager::install("BiocParallel",force = TRUE)...

因项目的需求，需要对数据进行简单的分类，然后找差异表达基因。虽然我自知自己在这个过程中的很多方面并不理解透彻，很糊涂的去做。但是我愿意去尝试完成。现在开始跟着Seurat上面的教程一点点的来做。参考链接：https://satijalab.org/seurat/articles/pbmc3k_tutorial.html1、加载分析必须的包library(Seurat)library(dplyr)library(patchwork)2、加载10XGenomics 数据data<-.

data<-read.table("GSE25219-GPL5175_series_matrix.txt",comment.char = "!",header = T)row.names(data)<-data[,1]data<-data[,-1]label<-read.table("label.txt")region<-read.table("region.txt")year<-read.table("year.txt")meta.data<-rbi

首先，文件夹下应该存在三个文件，分别命名为：barcodes.tsv.gzmatrix.mtx.gzfeatures.tsv.gz然后使用Seurat包中的，Read10X方法读取。library(Seurat)data<-CreateSeuratObject(Read10X("./"),"ACC")如上，即读取成功！如何跳过注释行（如#），读取.txt文件。使用参数：comment.chardata<-read.table("GSE25219-GPL5175_ser.

Error in library.dynam(lib, package, package.lib) : shared object ‘stringi.so’ not foundCalls: <Anonymous> ... loadNamespace -> namespaceImport -> loadNamespace -> library.dynamExecution haltedERROR: lazy loading failed for package ‘res

自己学东西，觉得举步维艰。网上的资源太多了，反而让人很容易陷入一种焦躁和慌乱中。不知道从哪里理出头绪来。是碎片化的，不成体系的。自己需要对信息进行过滤，整合成自己的方法。目标：加载作者的处理过的有细胞类型标签的数据，对数据进行差异表达分析，找到特定的组织中差异表达的基因。注明以下使用到的数据来源：http://development.psychencode.org/files/processed_data/scRNA-seq/Sestan.fetalHuman.Psychencode.Rdata.

报错信息：pheatmap(data)Error in UseMethod("depth") : no applicable method for 'depth' applied to an object of class "NULL"解决方法：再试一遍。

"|"符号在正则表达式中可以表示为“或”的含义，因此当字符串中出现该字符，而我们还想要用该字符进行分隔时，需要注意使用转义字符，且为两个斜杠。\\gene<-str_split_fixed(gene_name,"\\|",n=2)gene [,1] [,2] [1,] "ENSG00000000003" "TSPAN6" [2,] "ENS.

想要实现的目标如题。善用属于符号：%in%,以及不要忘记XX$V1。我想要提取数据框cpm2中行名在vector interest中的行，使用如下指令解决。interest<-read.table("result_coding_gene_id_2.txt")data<-cpm2[which(rownames(cpm2)%in%interest$V1),]interestV11 ENSG000000004602 ENSG000000010843 ENSG0000000.

目标：绘制每一种亚类的堆叠图，使呈现效果更好。是时候要挑战一下自己的舒适区了。传统的barplot实在是不行了。1。首先综述一下目前用到了实现这一功能，用的是哪些package。library(ggplot2) #似乎ggplot2就能实现这一效果。2。其次创建输入数据矩阵。data<-data.frame(Sample<-c(rep('control1',3),rep('control2',3),rep('control3',3),rep('treat1',3),rep('.

后来尝试下来，使用daff包可行。data1<-read.table("L2-3-IT.txt") #待比较A文件data2<-read.table("L2.txt") #待比较B文件install.packages("daff")library(daff)d<-diff_data(data1,data2)render_diff(d)将结果保存为xlsx格式，放到excel中进行简单筛选即可。...