最近打算開(kāi)始寫一個(gè)多組學(xué)（包括宏基因組/16S/轉(zhuǎn)錄組/蛋白組/代謝組）關(guān)聯(lián)分析的R包，避免重復(fù)造輪子，在開(kāi)始之前隨便在網(wǎng)上調(diào)研了下目前已有的R包工具，部分羅列如下：

1. mixOmics

應(yīng)該是在多組學(xué)領(lǐng)域知名度最高的一個(gè)R包，有專門的團(tuán)隊(duì)，做了十余年了，引用量也比較高。

官網(wǎng)：http://mixomics.org/
文章：mixOmics: An R package for ‘omics feature selection and multiple data integration
Github：https://github.com/mixOmicsTeam/mixOmics
Bookdown：https://mixomicsteam.github.io/Bookdown/

特點(diǎn)：

• 組學(xué)數(shù)據(jù)廣，基因/轉(zhuǎn)錄/蛋白/代謝都有涉及（是我的榜樣）；
• 獨(dú)特的多變量降維分析和可視化方法（我統(tǒng)計(jì)沒(méi)學(xué)好，所以不做太多統(tǒng)計(jì)方法，重點(diǎn)在于可視化，包括多種關(guān)聯(lián)角度的展示方式）。

主要內(nèi)容：
統(tǒng)計(jì)方法：PCA/IPCA/CCA/PLS/PLS-DA/MixMC/MINT/DIABLO
可視化：2D和3D散點(diǎn)圖/相關(guān)性網(wǎng)絡(luò)/聚類/相關(guān)性圈圖/箭頭圖/DIABLO圈圖/載荷圖

此外，這個(gè)包還自帶了不少demo數(shù)據(jù)，具體可看官方文檔。

image.png

2. tRanslatome

2014年就發(fā)表了，好在一直都有維護(hù)。
文章：tRanslatome: an R/Bioconductor package to portray translational control
Bioconductor：https://bioconductor.org/packages/release/bioc/html/tRanslatome.html
作者博客：http://www.mybiosoftware.com/tag/translatome
Github：https://github.com/tomateba/tRanslatome（五年前的源碼）

特點(diǎn)：

• 組學(xué)：主要是針對(duì)基因表達(dá)量的關(guān)聯(lián)，包括轉(zhuǎn)錄組、翻譯組和蛋白組；
• 統(tǒng)計(jì)方法：Rank Product, Translational Efficiency, t-test, Limma, ANOTA, DESeq, edgeR
• 可視化：scatterplots, histograms, MA plots, standard deviation (SD) plots, coefficient of variation (CV) plots

image.png

3. OmicsARules

最近新出的一個(gè)R包，創(chuàng)建了一種新的關(guān)聯(lián)方法。

文章：OmicsARules: a R package for integration of multi-omics datasets via association rules mining
Github：https://github.com/BioinformaticsSTU/OmicsARules

特點(diǎn)：

• 主要針對(duì)基因組和轉(zhuǎn)錄組數(shù)據(jù)，包括基因突變位點(diǎn)和非編碼RNA；
• 發(fā)明一種Lamda3的度量方法創(chuàng)建關(guān)聯(lián)規(guī)則，可視化不是重點(diǎn)。

image.png

4. iCluster / iClusterPlus

十年前開(kāi)發(fā)的iCluster算法（聯(lián)合潛在變量模型），針對(duì)癌癥數(shù)據(jù)多組學(xué)聚類。去年的時(shí)候又開(kāi)發(fā)了一個(gè)新的iClusterPlus包，做了一些升級(jí)。

文章1：Integrative clustering of multiple genomic data types using a joint latent variable model with application to breast and lung cancer subtype analysis
Github：https://github.com/cran/iCluster
Bioconductor：https://bioconductor.org/packages/release/bioc/html/iClusterPlus.html
文章2：A fully Bayesian latent variable model for integrative clustering analysis of multi-type omics data

image.png

這種基于模型算法的工具我只能望洋興嘆，會(huì)用就不錯(cuò)了。

5. integrOmics

十多年的工具，雖然當(dāng)年發(fā)了Bioinformatics，后面沒(méi)有維護(hù)更新，廢了。

文章：integrOmics: an R package to unravel relationships between two omics datasets
Github：https://github.com/cran/integrOmics

6. moCluster

這也是一種算法，和icluster類似，主要整合數(shù)據(jù)聚類，用于細(xì)胞或疾病分子分型等。應(yīng)用場(chǎng)景相對(duì)比較單一。

7. MCIA

這個(gè)包又可稱omicade4: Multiple co-inertia analysis of omics datasets，即多元協(xié)慣量分析。一種多元統(tǒng)計(jì)分析方法，類似于PCA的展示吧，比較有限。

Bioconductor：http://bioconductor.org/packages/release/bioc/html/omicade4.html
Github：https://github.com/aedin/omicade4

8. 其他

其他還有不少R包做組學(xué)數(shù)據(jù)整合，或是基于新的算法，或是僅針對(duì)基因突變和基因表達(dá)關(guān)系等方面進(jìn)行關(guān)聯(lián)，相對(duì)而言比較冷門，如：

• CNAmet
• PLRS
• NuChart
• MOO
• Mergeeomics（這個(gè)包主要做GWAS/TWAS/EWAS/eQTL等，有點(diǎn)意思）

除了以上常用的R包，更多的多組學(xué)工具和方法可參考這一篇綜述：https://jme.bioscientifica.com/view/journals/jme/62/1/JME-18-0055.xml