生信分析疾病语义相似度dosim，从零开始。

最近开始复现程序了，发现每篇论文中都会使用疾病语义相似度dosim，但是上网搜索之后又没有完整的解释，对于纯小白来说非常不友好 ，准备记录一下，留着自己以后看。

1.下载R语言，配置R语言环境。

由于使用到的DOSE包是R语言的，好像生信分析这些东西都需要使用R语言，所以被迫学习新语言。

配置方面我是参考了这两篇文章，两个写的都差不多，参考一个就行。

🤯 VS Code | 在VS Code中搭建你的R语言运行环境吧！~（图文介绍超详细）-腾讯云开发者社区-腾讯云 (tencent.com)

windows系统VScode配置R语言--配套视频操作 (qq.com)

2.安装生信工具

工具页面在这里。

Bioconductor - Install

具体的过程我清除了记录所以忘了，日后若是再安装就再具体补充。大概就是 先安装biomanager，再安其他的，sorry，真的忘了，在上面的网址里有介绍。

if (!require("BiocManager", quietly = TRUE))
    install.packages("BiocManager")
BiocManager::install(version = "3.18")

 （2024.6.8）

如果在安装R语言时安装在了别的环境里，那么这里就会报错。

解决方法看错误合集1。

之后安装DOSE文件包，

if (!require("BiocManager", quietly = TRUE))
    install.packages("BiocManager")

BiocManager::install("DOSE")

我过程记不太清的一个原因就是我没有太按照步骤来，这里给大家介绍一个小窍门，那就是缺什么下什么。bioconductor还提供了一个非常好用的页面，如果提示缺什么包的话，在红框里搜索，点击进去，就会有下载的命令。

有些里面没有的包就意味着不需要特殊的下载命令，直接install.packages("  包名"）

安装时有时会让选镜像，随便选一个就行。

出现的错误合集。

1.Installation path not writeable, unable to update packages

出现这个错误基本上就是你下载的包下载在了两个不同的地方，然后有一个路径没有写入权限，就 比如我 .libPath()之后出现了两个安装路径。

 输入 命令，installed.packages()[, c("Package", "LibPath")]，如图显示包在不同的路径里，而我的D盘的那个路径没有写入权限，更改也不好使，因为根本无法更改。

我有一个办法，如果某个包出现了这个错误，而这个包在D盘的文件夹里，直接打开两个文件夹，手动把D盘里的文件剪切到C盘那个目录下。

2.Warning message: package(s) not installed when version(s) same as or greater than current; use `force = TRUE` to re-install: 'DOSE'

就是意思说已经有了你想安的文件，不用再安了。

Warning: cannot remove prior installation of package 'RSQLite'
Warning: restored 'RSQLite'

意思是不能移除先前安装的包，但此时你如果移除了再安装还是会出现同样的错误，所以直接在提示更新是选S，然后不更新这个包就好了。

如果最后；library（“DOSE”）没有报错，就是成功了。

3.开始调用函数。

增加一点数据处理部分。

1.从网站上下载数据

2.处理数据集，

原始数据

删除只保留RNA和疾病两列，要有表头！否则数据就会少一行

刚发现DOID号不需要一个一个地搜索，数据库网站主页里有。

然后做一个excel，一列疾病，一列DOID号。

这是某个提供的数据，一行是疾病名字，一行是DOID号，不过这个DOID号里面没有“DOID:”，最好要有，可以省略一步。

更新方便版本，创建R文件，输入下面的命令

library("readxl")

library(openxlsx)

file_path <- "datasets of CircRNA_Disease/CircRNADisease/disease_addDOID.xlsx"

data <- read_excel(file_path)

second_column_vector <- data[[2]]

library("DOSE")

output <- doSim(second_column_vector, second_column_vector, measure = "Wang")

output[is.na(output)] <- 0

df <- data.frame(output)

output_file_path <- "outputs2/circRNAdis_dissemantic.xlsx"  # 替换为你希望保存的文件路径

write.xlsx(df, output_file_path)

然后选中所有代码，按ctrl+enter就自动运行了。

详细版本：

第一步，安装读取xlsx文件的包。install.packages("realxl")

有时因为版本问题，会出现package 'realxl' is not available for this version of R的错误，换个镜像地址就行了。

之后library("readxl")，再读取xlsx文件，read_excel("disease_DOID.xlsx",sheet = "DOID")中sheet指的是Excel里有多个表格，每个表格的名字，而不是行列名。

a代表整个表格，b取第二列。

如果此时使用doSim函数，会报错。

首先第一个原因是此时的b和d都是list类型的文件，不是向量。使用typeof()可以查看类型。

再一个，b里面的数据只有数字，必须前面得有“DOID：”前缀似乎才能正常运行dosim函数。

我实验了一下，只有数字和加上前缀的结果是不一样的。

解决方案：先以list形式给里面的数据加上前缀。如果原始数据里有的话，就不用这一步了 。

 prefix<-"DOID:"

newlist<-lapply(g,function(x) paste(prefix,x,sep=""))

newlist

这样就添加成功了。

然后把list类型的数据转成向量类型的。vectorlist<-unlist(名字)

或者second_column_vector <- data[[2]]，这样生成的second_column_vector可以直接用于dosim函数。

再使用doSim函数，e<-doSim(DOID1,DOID2,measure="Wang")

把结果写入到csv文件比较简单，如下就OK了。

想要把结果写入到xlsx文件中的话，先安装writexl包。install.packages("openxlsx")

然后进行如下步骤。

# 安装 openxlsx 包
install.packages("openxlsx")

# 加载 openxlsx 包
library(openxlsx)

# 创建 double 类型的向量
output <- 输出结果

output[is.na(output)]<-0    #将表中的缺失值替换为0

# 将向量转换为数据框
df <- data.frame(output)

# 创建一个新的 Excel 工作簿
wb <- createWorkbook()

# 创建一个新的工作表
addWorksheet(wb, "My Sheet")

# 在工作表中写入数据
writeData(wb, "My Sheet", df)

# 保存工作簿为 Excel 文件
saveWorkbook(wb, "output.xlsx", overwrite = TRUE)

就大功告成啦！