盘一盘生信技能树R语言小作业（初级）

R语言基础知识的一些检验，最好是对照几本R基础语法书籍来理解。

全部答案及视频在：https://github.com/jmzeng1314/R_bilibili

首先做完了周末班工作，包括软件安装以及R包安装：http://www.bio-info-trainee.com/3727.html

1.打开 Rstudio 告诉我它的工作目录。

getwd()

2.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）

b<-"What's wrong"
aa<-1:10
c<-TRUE

3.告诉我在你打开的rstudio里面 getwd() 代码运行后返回的是什么？

当前工作目录

4.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）

newmatrix<-matrix(1:6, nrow = 2, ncol = 3)
newarray <- array(1:3, c(2,4))
pa1<-c(1,2,3,4)
ga1<-c(5,4,44,12)
pa2<-c(1,2,3,4)
ga2<-c(5,4,44,12)
pa3<-c(1,2,3,4)
ga3<-c(5,4,44,12)
newdata.frame <- data.frame(pa1,ga1,pa2,ga2,pa3,ga3)
newlist <- list(x = cars[,1], y = cars[,2])
newfactor <- factor(letters,ordered=TRUE)

5.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

newdata.frame[1:3,4:6]

6.使用data函数来加载R内置数据集 rivers 描述它。并且可以查看更多的R语言内置的数据集：https://mp.weixin.qq.com/s/dZPbCXccTzuj0KkOL7R31g

data("rivers")

7.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。（参考B站生信小技巧获取runinfo table）这是一个单细胞转录组项目的数据，共768个细胞，如果你找不到RunInfo Table 文件，可以点击下载，然后读入你的R里面也可以。

SraRunTable <- read.table("http://www.bio-info-trainee.com/tmp/5years/SraRunTable.txt",fill=TRUE,header = T,sep = "\t")
dim(SraRunTable)
class(colnames(SraRunTable))

8.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。（参考 https://mp.weixin.qq.com/s/fbHMNXOdwiQX5BAlci8brA 获取样本信息sample.csv）如果你实在是找不到样本信息文件sample.csv，也可以点击下载。

sample <- read.csv("sample.csv")

9.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。

d=merge(SraRunTable,sample,by.x = 'Sample_Name',by.y = 'Accession')
# 在merge这里堵了很长时间...最终是数据源的问题
# by.x = 'Sample_Name',by.y = 'Accession'这里的Sample_Name与Accession必须代表同样的数据！

基于下午的统计可视化

1.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(MBases ~ MBytes, data = SraRunTable, col = "lightgray")
?fivenum;fivenum(SraRunTable$MBases)
plot(density(SraRunTable$MBases))
hist(SraRunTable$MBases)
plot(density(SraRunTable$MBases))

2.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

e <- d[,c("MBases","Title")]
plate=unlist(lapply(as.character(e[,2]),function(x){
  # x=e[,2]  
  x
  strsplit(x,'_')[[1]][3]
  
}))
# 试一下去掉as.character是什么效果 考虑为什么 出错就?一下
table(plate)
boxplot(e[,1]~plate)

3.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。

t.test(e[,1]~plate)

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

使用ggplot2把上面的图进行重新绘制。

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

5.使用ggpubr把上面的图进行重新绘制。

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')

6.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。

indexes <- sample (nrow (e), 384)
data <- e [indexes, ]
data2 <- data[,c(3,1,2)]
dim(data2)

很奇怪，我在typora里写好之后直接复制到简书，代码前面会出现乱码，先复制到r，再传递过来就没事了。

参考来源：生信技能树

友情链接：

课程分享
生信技能树全球公益巡讲
（https://mp.weixin.qq.com/s/E9ykuIbc-2Ja9HOY0bn_6g）
B站公益74小时生信工程师教学视频合辑
（https://mp.weixin.qq.com/s/IyFK7l_WBAiUgqQi8O7Hxw）
招学徒：
（https://mp.weixin.qq.com/s/KgbilzXnFjbKKunuw7NVfw）

欢迎关注公众号：青岛生信菜鸟团

盘一盘 生信技能树R语言小作业（初级）

基于下午的统计可视化

盘一盘生信技能树R语言小作业（初级）