R 語言初級習(xí)題中我下載的樣本信息盡管還是那個內(nèi)容，但并不是最好的下載方式，也不是習(xí)題要求中的表格。那個表格的可讀性太差了。Jimmy官方給了一個如何用R獲取GEO樣本信息的鏈接。根據(jù)這個教程，我接著修正前面的作業(yè)內(nèi)容，然后接著完成后面的習(xí)題。

不過上次下錯文件陰差陽錯給了我聯(lián)系read.table的機會，讓我學(xué)會了用平時沒有用到的參數(shù)skip和fill。所以我不打算直接刪除和修改，而是重新寫一篇。

7. 下載 https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE111229 里面的樣本信息讀入到R里面，了解這個數(shù)據(jù)框，多少列，每一列都是什么屬性的元素。

   其實在GEO accession display的頁面里就有可以直接跳轉(zhuǎn)的地方。見下

樣本信息-1.png

點開more在下面點擊第一個鏈接（印象中去年還是前年的時候沒有這個鏈接）

樣本信息-2.png

進到這里，類似一個數(shù)據(jù)中心一樣，點擊Export

樣本信息-3.png

用mac預(yù)覽打開看看，嗯，整整齊齊！

樣本信息-4.png

options(stringsAsFactors = F)
b <- read.csv("sample.csv")

8. 把兩個表關(guān)聯(lián)起來，使用merge函數(shù)。

   偷個懶，后面參考習(xí)題下面的答案

   colnames(rit); colnames(b)
   d = merge(rit, b, by,x = 'Sample_Name', by,y = 'Accession')
   e = d[, c("MBases", "Titles")]
   

9. 對前面讀取的 RunInfo Table 文件在R里面探索其MBases列，包括 箱線圖(boxplot)和五分位數(shù)(fivenum)，還有頻數(shù)圖(hist)，以及密度圖(density) 。

   略

10. 把前面讀取的樣本信息表格的樣本名字根據(jù)下劃線分割看第3列元素的統(tǒng)計情況。第三列代表該樣本所在的plate

    plate = unlist(lapply(e[,2],function(x){
      x
      strsplit(x, '_')[[1]][3]
    }))
    table(plate)
    e$plate = plate
    

11. 根據(jù)plate把關(guān)聯(lián)到的 RunInfo Table 信息的MBases列分組檢驗是否有統(tǒng)計學(xué)顯著的差異。

    boxplot(e[,1] ~ plate)
    t.test(e[,1] ~ plate)
    # or
    boxplot(MBases ~ plate, data = e)
    

12. 分組繪制箱線圖(boxplot)，頻數(shù)圖(hist)，以及密度圖(density) 。

    略

13. 使用ggplot2把上面的圖進行重新繪制。

    library(ggplot2)
    ggplot(e,aes(x=plate,y=MBases))+geom_boxplot()
    

14. 使用ggpubr把上面的圖進行重新繪制。

    library(ggpubr)
    p <- ggboxplot(e, x = "plate", y = "MBases",
     color = "plate", palette = "jco",
     add = "jitter")
    # Add p-value
    p + stat_compare_means(method = 't.test')
    

15. 隨機取384個MBases信息，跟前面的兩個plate的信息組合成新的數(shù)據(jù)框，第一列是分組，第二列是MBases，總共是384*3行數(shù)據(jù)。