- 安裝一些R包：
數(shù)據(jù)包： ALL, CLL, pasilla, airway
軟件包：limma，DESeq2，clusterProfiler
工具包：reshape2
繪圖包：ggplot2
不同領(lǐng)域的R包使用頻率不一樣，在生物信息學(xué)領(lǐng)域，尤其需要掌握bioconductor系列包。
了解ExpressionSet對(duì)象，比如CLL包里面就有data(sCLLex) ，找到它包含的元素，提取其表達(dá)矩陣(使用exprs函數(shù))，查看其大小
A. 參考：[link]http://www.bio-info-trainee.com/bioconductor_China/software/limma.html
B.參考：[link]https://github.com/bioconductor-china/basic/blob/master/ExpressionSet.md4.了解 str,head,help函數(shù)，作用于 第二步提取到的表達(dá)矩陣
安裝并了解 hgu95av2.db 包,看看 ls("package:hgu95av2.db") 后 顯示的那些變量
理解 head(toTable(hgu95av2SYMBOL)) 的用法，找到 TP53 基因?qū)?yīng)的探針I(yè)D
理解探針與基因的對(duì)應(yīng)關(guān)系，總共多少個(gè)基因，基因最多對(duì)應(yīng)多少個(gè)探針，是哪些基因，是不是因?yàn)檫@些基因很長(zhǎng)，所以在其上面設(shè)計(jì)多個(gè)探針呢？
第二步提取到的表達(dá)矩陣是12625個(gè)探針在22個(gè)樣本的表達(dá)量矩陣，找到那些不在hgu95av2.db 包收錄的對(duì)應(yīng)著SYMBOL的探針。
A.提示：有1165個(gè)探針是沒(méi)有對(duì)應(yīng)基因名字的。
過(guò)濾表達(dá)矩陣，刪除那1165個(gè)沒(méi)有對(duì)應(yīng)基因名字的探針。
整合表達(dá)矩陣，多個(gè)探針對(duì)應(yīng)一個(gè)基因的情況下，只保留在所有樣本里面平均表達(dá)量最大的那個(gè)探針
A.提示，理解 tapply,by,aggregate,split 函數(shù) , 首先對(duì)每個(gè)基因找到最大表達(dá)量的探針。
B.然后根據(jù)得到探針去過(guò)濾原始表達(dá)矩陣把過(guò)濾后的表達(dá)矩陣更改行名為基因的symbol，因?yàn)檫@個(gè)時(shí)候探針和基因是一對(duì)一關(guān)系了。
對(duì)第10步得到的表達(dá)矩陣進(jìn)行探索，先畫(huà)第一個(gè)樣本的所有基因的表達(dá)量的boxplot,hist,density ， 然后畫(huà)所有樣本的 這些圖
A.參考： [link]http://bio-info-trainee.com/tmp/basic_visualization_for_expression_matrix.html
B.理解ggplot2的繪圖語(yǔ)法，數(shù)據(jù)和圖形元素的映射關(guān)系理解統(tǒng)計(jì)學(xué)指標(biāo)mean,median,max,min,sd,var,mad并計(jì)算出每個(gè)基因在所有樣本的這些統(tǒng)計(jì)學(xué)指標(biāo)，最后按照mad值排序，取top 50 mad值的基因，得到列表。
A.注意：這個(gè)題目出的并不合規(guī)，請(qǐng)仔細(xì)看。根據(jù)第12步驟得到top 50 mad值的基因列表來(lái)取表達(dá)矩陣的子集，并且熱圖可視化子表達(dá)矩陣。試試看其它5種熱圖的包的不同效果。
取不同統(tǒng)計(jì)學(xué)指標(biāo)mean,median,max,mean,sd,var,mad的各top50基因列表，使用UpSetR包來(lái)看他們之間的overlap情況。
在第二步的基礎(chǔ)上面提取CLL包里面的data(sCLLex) 數(shù)據(jù)對(duì)象的樣本的表型數(shù)據(jù)。
對(duì)所有樣本的表達(dá)矩陣進(jìn)行聚類(lèi)并且繪圖，然后添加樣本的臨床表型數(shù)據(jù)信息(更改樣本名)
對(duì)所有樣本的表達(dá)矩陣進(jìn)行PCA分析并且繪圖，同樣要添加表型信息。
根據(jù)表達(dá)矩陣及樣本分組信息進(jìn)行批量T檢驗(yàn)，得到檢驗(yàn)結(jié)果表格
使用limma包對(duì)表達(dá)矩陣及樣本分組信息進(jìn)行差異分析，得到差異分析表格，重點(diǎn)看logFC和P值，畫(huà)個(gè)火山圖(就是logFC和-log10(P值)的散點(diǎn)圖。)。
對(duì)T檢驗(yàn)結(jié)果的P值和limma包差異分析的P值畫(huà)散點(diǎn)圖，看看哪些基因相差很大。
