2020.9.4丨生信基础巩固R篇（一）之背景介绍与安装

• 8月月底参加了菲沙基因的生信线上课程，直播听了一节，讲得有些啰嗦，听不下去，自己又有一些基础，于是凭课件自学。第一章为R背景及基础介绍，没有做过多改动，有兴趣学习的同学可以参加他们的线上课程。
• 1.1 R语言背景
  • R语言是诞生于1976年左右的S语言的一个分支。而S语言是由A&T贝尔实验室的John Chambers于1976年开发的一种用来进行数据探索、统计分析、作图的解释型语言。S语言最开始的主要实现版本是S-Plus，他是一个商业软件。后来新西兰奥克兰大学的Robert Gentleman和Ross Ihaka及其他志愿人员开发了一个R系统。由“R开发核心团队”负责开发。两者在程序语法上是基本一样的，可能只是在函数方面有些细微的差别，所以能够非常容易的相互移植。
  • 1.1.1 R语言的优缺点
    • 优点：
      • R语言是一款自由的软件，他是开放源代码，完全免费的软件，源代码在GitHub上托管，我们也可以在R的网站及其镜像中，获取相关的安装程序源代码以及一些基本的用法资料。
      • R具有非常广泛的使用人群，并且R作为一种可编程的语言，当我们学习R语言到一定程度后，能够利用自己学到的东西来自己编制一些自己的函数。同样的，我们也可以利用别人已经制作好的R包来方便快捷的实现我们想要完成的任务。这也使得统计技术的发展能够快速的体现在R中。R和学术界的联系非常的紧密，任何一个领域的新发现都可能附赠了一份R包。
      • R在制作图表上面非常具有优势，比如dplyr和ggplot2软件包，非常强大。
      • 能够读取很多类型的数据，也可以输出很多类型的数据，可以作为一种粘合语言，连接不同的数据集和工具 。
      • R不仅仅适用于高级程序员，R适合一些对于数据处理有需求的人，但是他非常简单，并不需要很深的计算机科学的背景就可以使用，但是另一方面，仅仅学会R的简单使用可能离程序员还差了十万八千里。
    • 缺点：
      • 首先R是一个有一定历史的编程语言，所以在一些基础的设计上会导致在处理非常大的数据上出现问题。在如何利用现在发展的硬件性能方面也可能存在一定的缺陷。而一些商业软件，如MATLAB在这方面相对就更具有优势。
      • R语言对于包的依赖性非常强，假设我们写了一个B包，其中调用了A包，但是有一天A包更新了，采用了和之前不同的实现方式，就可能影响B包的使用。
• 1.2 参考资料
  • Goole & Baidu
  • An Introduction to R
  • R-bloggers
  • R语言教程-李东风
• 1.3 R及Rstudio的安装和界面介绍
  • windows版本的R的下载地址：https://cran.r-project.org/bin/windows/base/old/
  • Rstools下载地址：https://cran.r-project.org/bin/windows/Rtools/history.html
• 1.4 Rstools及package管理
  • #CRAN中的包
  • #install.packages()
  • #生物信息学相关Bioconductor
  • #install.packages('BiocManager')
  • #BiocManager::install('DESeq2')
  • #GitHub
  • #install.packages("devtools")
  • #devtools::install_github("")