R语言初级作业

打开 Rstudio 告诉我它的工作目录。

getwd()

新建6个向量，基于不同的原子类型。（重点是字符串，数值，逻辑值)

# 首先明确6种不同的原子类型（atomic vectors)：1.numberic(数值) 2. character（字符）, 3. logical(逻辑型) 4. interger(整数) 5. complex(复数) 6. raw(原始)
v1=c(1,2,3,4,5)
v2=c("a","b","c")
v3=c(TRUE,TRUE,FALSE)
v4=3L 
v5=2i+1
v6=charToRaw('raw')

新建一些数据结构，比如矩阵，数组，数据框，列表等重点是数据框，矩阵）

# 数据结构，在R中主要有：1. vectors|向量 2.Lists|列表 3. Matrics|矩阵 4. Arrays|数组 5. Factors |因子 6. DataFrames|数据框
v1<- c(1:15)
list_1<- list(v1,"3",FALSE)
mat_1<- matrix(c(1:15),nrow=3,byrow=T)
arr_1<- array(c("a","b"),dim=c(3,2,2))
fac_1<-factor(v1)
df_1<- data.frame(roomates=c("xl","xw","xl"),
                 height=c("174","180","145"),
                 weight=c("70","80","145"),
                 age=c("19","21","120"),
                 glass=c("na","d","na"),
                 food=c("lamian","mifan","xiangjiao"))

在你新建的数据框进行切片操作，比如首先取第1，3行，然后取第4，6列

df_1[1，] #第1行
df_1[3,] #第3行
df_1[c(1,3),] #第1行与第3行
df_1[,4]#第4列
df_1[,6]#第6列
df_1[,c(4,6)] #第4列与第6列

使用data函数来加载R内置数据集 rivers 描述它。

rivers
head(rivers)
typeof(rivers)
summary(rivers)
tail(rivers)
length(rivers)
str(rivers)
plot(rivers)

下载 https://www.ncbi.nlm.nih.gov/sra?term=SRP133642 里面的 RunInfo Table 文件读入到R里面，了解这个数据框，多少列，每一列都是什么属性的元素。

rm(list = ls())
options(stringsAsFactors = F)
a=read.csv(file = "SraRunTable (1).txt",sep = '\t',header = T)
class(a)
dim(a)
str(a)

下载 https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE111229 里面的样本信息sample.csv读入到R里面，了解这个数据框，多少列，每一列都是什么属性的元素。

# 这次试一下getGEO的方法
library(GEOquery) #加载GEOquery这个包
gset<-getGEO('GSE111229',getGPL = F) #使用getGEO函数下载数据
save(gset,file='gset.Rdata') #数据下载好之后先保存为Rdata
load("gset.Rdata") #导入数据
pdata<- pData(gset[[1]]) #我们要操作的东西都在gset这个大list的第一个List下面，pData功能可以调用数据里的实验内容
class(pdata)
dim(pdata)
colnames(pdata) #geo_accession就是样品名

把前面两个步骤的两个表（RunInfo Table 文件，样本信息sample.csv）关联起来，使用merge函数。

colnames(a)#因为根据两个表格共有的样本名来进行merge，看一下在不同表格中的列名
df_merge=merge(a,pdata,by.x='Sample_Name',by.y='geo_accession')

对前面读取的 RunInfo Table 文件在R里面探索其MBases列，包括箱线图(boxplot)和五分位数(fivenum)，还有频数图(hist)，以及密度图(density) 。

boxplot(a$MBases)
fivenum(a$MBases)
[1]  0  8 12 16 74
boxplot(a$MBases)
fivenum(a$MBases)
hist(a$MBases)
density(a$MBases)

把前面读取的样本信息表格的样本名字根据下划线分割看第3列元素的统计情况。第三列代表该样本所在的plate

title=pdata$title
class(title)
title
plate=unlist(lapply(title, function(x){
  x
  strsplit(x,'_')[[1]][3]
}))
plate
table(plate)
plate
0048 0049 
 384  384

根据plate把关联到的 RunInfo Table 信息的MBases列分组检验是否有统计学显著的差异。

# plate是指两个384孔板，编号分别是48号与49号；这个之前有所困惑，在原文搜索plate才解答了疑问，也是因为没有做过单细胞测序的流程，不知道需要用到384孔板
t.test(df_merge$MBases~plate)
data:  df_merge$MBases by plate
t = 2.3019, df = 728.18,
p-value = 0.02162

分组绘制箱线图(boxplot)，频数图(hist)，以及密度图(density) 。

# 由于这里也不知道MBases的M是什么意思，所以还是有一点疑问。
boxplot(df_merge$MBases~plate)
e=df_merge[,c("MBases","Sample_Name")]
e$plate=plate
head(e)
tail(e)
# hist问题
hist(e$MBases,breaks = "plate") #这样会报错，还没有查到原因

使用ggplot2把上面的图进行重新绘制。

## https://www.cnblogs.com/muchen/p/5430536.html 参照这个代码的
#boxplot
e$plate=factor(e$plate) 
ggplot(e,aes(x=plate,y=MBases,fill=plate))+
  geom_boxplot()+
  scale_fill_brewer(palette = 'Paste12')
#hist
library(ggplot2)
e$plate=factor(e$plate) #将plate转换为因子类型
e$plate
ggplot(e,aes(x=MBases))+
  geom_histogram(fill='lightblue',colour='black')+
  facet_grid(plate ~ .) 
#密度图
ggplot(e,aes(x=plate,y=MBases))+
  geom_point()+
  stat_density2d(aes(alpha=..density..),geom="raster",contour=F)

boxplot.jpg

density.jpg

histgram.jpg

使用ggpubr把上面的图进行重新绘制。

# 直接试了答案的代码
library(ggpubr)
p<-ggboxplot(e,x="plate",y="MBases",
             color = "plate",palette = 'jco',
             add = 'jitter')
p+stat_compare_means(method = 't.test')

last.jpg

随机取384个MBases信息，跟前面的两个plate的信息组合成新的数据框，第一列是分组，第二列是MBases，总共是384*3行数据。

 #使用sample函数，不知道有没有理解对题目
new=sample(e[,1],385,replace = F)
new
new_1=e[new,]
new_1=new_1[,c(3,1,2)]

花费时间总共5个小时，主要卡在了对于实验设计的不理解，plate那里不是很懂，内置的hist以及density也没有搜到好用的教学，可能得从头翻一下视频。