- 安装一些R包：
数据包： ALL, CLL, pasilla, airway
软件包：limma，DESeq2，clusterProfiler
工具包：reshape2
绘图包：ggplot2
不同领域的R包使用频率不一样，在生物信息学领域，尤其需要掌握bioconductor系列包。
了解ExpressionSet对象，比如CLL包里面就有data(sCLLex) ，找到它包含的元素，提取其表达矩阵(使用exprs函数)，查看其大小
A. 参考：[link]http://www.bio-info-trainee.com/bioconductor_China/software/limma.html
B.参考：[link]https://github.com/bioconductor-china/basic/blob/master/ExpressionSet.md4.了解 str,head,help函数，作用于 第二步提取到的表达矩阵
安装并了解 hgu95av2.db 包,看看 ls("package:hgu95av2.db") 后 显示的那些变量
理解 head(toTable(hgu95av2SYMBOL)) 的用法，找到 TP53 基因对应的探针ID
理解探针与基因的对应关系，总共多少个基因，基因最多对应多少个探针，是哪些基因，是不是因为这些基因很长，所以在其上面设计多个探针呢？
第二步提取到的表达矩阵是12625个探针在22个样本的表达量矩阵，找到那些不在hgu95av2.db 包收录的对应着SYMBOL的探针。
A.提示：有1165个探针是没有对应基因名字的。
过滤表达矩阵，删除那1165个没有对应基因名字的探针。
整合表达矩阵，多个探针对应一个基因的情况下，只保留在所有样本里面平均表达量最大的那个探针
A.提示，理解 tapply,by,aggregate,split 函数 , 首先对每个基因找到最大表达量的探针。
B.然后根据得到探针去过滤原始表达矩阵把过滤后的表达矩阵更改行名为基因的symbol，因为这个时候探针和基因是一对一关系了。
对第10步得到的表达矩阵进行探索，先画第一个样本的所有基因的表达量的boxplot,hist,density ， 然后画所有样本的 这些图
A.参考： [link]http://bio-info-trainee.com/tmp/basic_visualization_for_expression_matrix.html
B.理解ggplot2的绘图语法，数据和图形元素的映射关系理解统计学指标mean,median,max,min,sd,var,mad并计算出每个基因在所有样本的这些统计学指标，最后按照mad值排序，取top 50 mad值的基因，得到列表。
A.注意：这个题目出的并不合规，请仔细看。根据第12步骤得到top 50 mad值的基因列表来取表达矩阵的子集，并且热图可视化子表达矩阵。试试看其它5种热图的包的不同效果。
取不同统计学指标mean,median,max,mean,sd,var,mad的各top50基因列表，使用UpSetR包来看他们之间的overlap情况。
在第二步的基础上面提取CLL包里面的data(sCLLex) 数据对象的样本的表型数据。
对所有样本的表达矩阵进行聚类并且绘图，然后添加样本的临床表型数据信息(更改样本名)
对所有样本的表达矩阵进行PCA分析并且绘图，同样要添加表型信息。
根据表达矩阵及样本分组信息进行批量T检验，得到检验结果表格
使用limma包对表达矩阵及样本分组信息进行差异分析，得到差异分析表格，重点看logFC和P值，画个火山图(就是logFC和-log10(P值)的散点图。)。
对T检验结果的P值和limma包差异分析的P值画散点图，看看哪些基因相差很大。
