R语言作业·中级

【作业1】请根据R包org.Hs.eg.db找到下面ensembl 基因ID 对应的基因名(symbol)

ENSG00000000003.13
ENSG00000000005.5
ENSG00000000419.11
ENSG00000000457.12
ENSG00000000460.15
ENSG00000000938.11

[提示]：

library(org.Hs.eg.db)
g2s=toTable(org.Hs.egSYMBOL)
g2e=toTable(org.Hs.egENSEMBL)

library(org.Hs.eg.db)#因为数据在R包，所以先加载
?org.Hs.eg.db#不知道这是有什么功能的R包，所以看下他的帮助文档

帮助文档标题为：Bioconductor annotation data package，说明这是个生物注释数据包，推测包里面的org是物种的缩写，Hs是homo sapien的缩写。
现在问题是该怎么提取里面的数据？

?select#根据帮助文档问号了下select函数用法

看下了帮助文档里面的example，发现里面keys函数，keytypes函数，select函数，mapids函数的用法

keys <- keys(hgu95av2.db,keytype="ENSEMBL")#题目说是ensemblID，所以根据"ENSEMBL"找到key
head(keys)#发现这里面的数据并没有小数
#根据背景知识，题目中给的数据，小数点及其后面代表这个ID的不同版本，所以先去掉小数点及其后数字
strsplit("ENSG00000000003.13","\\.")#有点忘记strsplit用法，试验一下
#把文本复制进文本文件并提取
ensg <- read.table(file = "ensg_ID.txt",header = F,sep = "\n"，stringasfactors=F)
class(ensg)#dataframe
ensg <- ensg[,1]#转换成向量
ensg_new <- c()
for (i in 1:length(ensg)) {
   ensg_new[i] <- strsplit(ensg[i],"\\.")[[1]][1]
}
ensg_new#成功去掉小数点及其后面数字
select(org.Hs.eg.db,keys = ensg_new,columns="SYMBOL",keytype = "ENSEMBL")
          ENSEMBL   SYMBOL
1 ENSG00000000003   TSPAN6
2 ENSG00000000005     TNMD
3 ENSG00000000419     DPM1
4 ENSG00000000457    SCYL3
5 ENSG00000000460 C1orf112
6 ENSG00000000938      FGR

这边根据自己现学现卖，成功解决了问题，而且没有用到曾老师的提示函数，有点小骄傲
【作业2】根据R包hgu133a.db找到下面探针对应的基因名(symbol)

1053_at
117_at
121_at
1255_g_at
1316_at
1320_at
1405_i_at
1431_at
1438_at
1487_at
1494_f_at
1598_g_at
160020_at
1729_at
177_at

[提示]：

library(hgu133a.db)
ids=toTable(hgu133aSYMBOL)
head(ids)

library(hgu133a.db)
probe_id <- read.table(file = "probe_id.txt",header = F,stringsAsFactors = F,sep = "\n")
head(probe_id)
probe_id <- probe_id[,1]#转换成向量
columns(hgu133a.db)#找到了“PROBEID”“SYMBOL”
head(keys(hgu133a.db,keytype = "PROBEID"))
select(hgu133a.db,keys=probe_id,columns="SYMBOL",keytype = "PROBEID")#同第一题用法

答案:
     PROBEID SYMBOL
1    1053_at   RFC2
2     117_at  HSPA6
3     121_at   PAX8
4  1255_g_at GUCA1A
5    1316_at   THRA
6    1320_at PTPN21
7  1405_i_at   CCL5
8    1431_at CYP2E1
9    1438_at  EPHB3
10   1487_at  ESRRA
11 1494_f_at CYP2A6
12 1598_g_at   GAS6
13 160020_at  MMP14
14   1729_at  TRADD
15    177_at   PLD1

【作业3】找到R包CLL内置的数据集的表达矩阵里面的TP53基因的表达量，并且绘制在 progres.-stable分组的boxplot图
提示：

suppressPackageStartupMessages(library(CLL))
data(sCLLex)
sCLLex
exprSet=exprs(sCLLex) 
library(hgu95av2.db)

想想如何通过 ggpubr 进行美化。
【作业4】找到BRCA1基因在TCGA数据库的乳腺癌数据集(Breast Invasive Carcinoma (TCGA, PanCancer Atlas))的表达情况

提示：使用http://www.cbioportal.org/index.do 定位数据集：http://www.cbioportal.org/datasets
【作业5】找到TP53基因在TCGA数据库的乳腺癌数据集的表达量分组看其是否影响生存
提示使用：http://www.oncolnc.org/
【作业6】下载数据集GSE17215的表达矩阵并且提取下面的基因画热图

ACTR3B ANLN BAG1 BCL2 BIRC5 BLVRA CCNB1 CCNE1 CDC20 CDC6 CDCA1 CDH3 CENPF CEP55 CXXC5 EGFR ERBB2 ESR1 EXO1 FGFR4 FOXA1 FOXC1 GPR160 GRB7 KIF2C KNTC2 KRT14 KRT17 KRT5 MAPT MDM2 MELK MIA MKI67 MLPH MMP11 MYBL2 MYC NAT1 ORC6L PGR PHGDH PTTG1 RRM2 SFRP1 SLC39A6 TMEM45B TYMS UBE2C UBE2T

提示：根据基因名拿到探针ID，缩小表达矩阵绘制热图，没有检查到的基因直接忽略即可。
【作业7】下载数据集GSE24673的表达矩阵计算样本的相关性并且绘制热图，需要标记上样本分组信息
【作业8】找到 GPL6244 platform of Affymetrix Human Gene 1.0 ST Array 对应的R的bioconductor注释包，并且安装它！

options()$repos
options()$BioC_mirror 
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/")
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
BiocManager::install("请输入自己找到的R包",ask = F,update = F)
options()$repos
options()$BioC_mirror

【作业9】下载数据集GSE42872的表达矩阵，并且分别挑选出所有样本的(平均表达量/sd/mad/)最大的探针，并且找到它们对应的基因。
【作业10】下载数据集GSE42872的表达矩阵，并且根据分组使用limma做差异分析，得到差异结果矩阵