以项目的方式管理R代码和文件,可以很大程度规避 1)工作路径不对,2)找不到文件 ,3)代码和文件不对应 ,等常见的问题。
RStudio是一款流行的R语言IDE(开发者集成环境),在安装Rstudio之前一定要先安装R软件,本文简单的介绍如何使用Rstudio进行项目管理。
1.1 新建New Project
打开Rstudio,点击左上角箭头所示的位置,选择New Directory,选择New Project
(或者File --- New Project --- New Directory --- New Project)
1.2 设置路径
点击 Browse 设置项目路径,然后填写工作路径,可以选择是否打开一个新的session
1.3 新建R script
然后点击Rstudio左上角的+,选择 R script ,,(R Markdown 和 R Presentation后面会介绍)
以上,就新建了一个项目。
数据分析当然首先需要数据,之前的推文中用到了几种,比如
2.1 读取表达数据并转换Ensembl_ID
TCGA数据挖掘 | Xena - TCGA数据下载分享的是下载乳腺癌的数据,此处换为LAML,下载方式一样!
为啥?因为LAML样本少,读取快 ̄□ ̄||!
1 )读取表达量数据
rm(list = ls()) #一键清空
#载入R包
library(openxlsx)
library(tidyverse)
#读取表达量数据 TCGA-LAML.htseq_counts.tsv
fpkm <- read.table("TCGA-LAML.htseq_counts.tsv",sep = "\t" , header = T,
#row.names = "Ensembl_ID",
stringsAsFactors = FALSE ,
check.names = FALSE)
fpkm[1:4,1:4]一些常用参数选项:
header:逻辑值,表示文件的第一行是否包含变量的标题;
sep:表示在同一行内,用于分割变量值的分隔符;
row.names:字符串类型的向量,用于指定行的名称。可以是一个向量,包含所有数据行的名称,也可以指定一个字符串,该字符串是文件的列名,那么数据集使用该列的值作为行的名称。
na.strings:用于表示缺失值的字符串向量,在读取数据时,当变量值匹配这些字符串中的任意一个时,把变量的值转换为NA。
quote:用于对有特殊字符的字符串划定界限的符号,默认值是双引号或单引号。
stringAsFactors:逻辑值,默认值是TRUE,用于指定是否把字符向量转换为因子。
check.names :逻辑值,默认值为TRUE,它会自动将变量名转换成唯一的字符型向量 。
需要注意列名,不设置`check.names`的话, 1 会变成 “X1” ,TCGA-AB-2949-03B会变成“TCGA.AB.2949.03B”,一些不识别的符号(如空格,%,#等)也会自动变化,需要特别注意。
2)读取probeMap文件,转换Ensembl_ID
下载表达矩阵的时候,记得下载对应的probeMap文件,方便将Ensembl_ID转为常见的基因symbol。
#gencode.v22.annotation.gene.probeMap
probeMap <- read.table("gencode.v22.annotation.gene.probeMap",sep = "\t" , header = T,
stringsAsFactors = FALSE ,
check.names = FALSE)
probeMap[1:4,1:4]
expr <- fpkm %>%
inner_join(probeMap, by = c("Ensembl_ID" = "id")) %>%
select(gene , starts_with("TCGA") )
gene TCGA-AB-2949-03B TCGA-AB-2918-03A TCGA-AB-2943-03A
1 TSPAN6 5.129283 3.700440 5.209453
2 TNMD 1.000000 1.000000 0.000000
3 DPM1 9.972980 9.885696 9.868823
4 SCYL3 9.980140 10.052568 10.965784详细的用法可查看:
Tidyverse| XX_join :多个数据表(文件)之间的各种连接
盘一盘Tidyverse| 筛行选列之select,玩转列操作
3. 处理临床和随访数据
注意临床数据和随访数据分开的!
#临床数据
cli <- read.table("TCGA-LAML.GDC_phenotype.tsv", header = T,sep = "\t" ,
stringsAsFactors = FALSE)
cli[1:4,1:4]
#随访数据
surv <- read.table("TCGA-LAML.survival.tsv", header = T,
stringsAsFactors = FALSE)
surv[1:4,1:4]
#结合,提取部分列
cli_surv <- cli %>%
inner_join(surv,by = c("submitter_id.samples" = "sample")) %>%
select(submitter_id.samples,age_at_index.demographic,gender.demographic,
tumor_grade.diagnoses,tumor_stage.diagnoses,OS,OS.time)
head(cli_surv)4. 数据保存之 write和save
write
输出文件:可以保存为多种格式,只能保存一个文件
save
保存数据:可以保存多个文件,使用时直接load
即可,保存关键或者耗时的中间文件。
write.xlsx(cli_surv,"1-cli_surv.xlsx")
write.csv(cli_surv,"1-cli_surv.csv",row.names = FALSE)
write.table(cli_surv,"1-cli_surv.txt",row.names = FALSE)
save(expr,cli,surv,cli_surv ,file = "Step1_data_join.RData")
#load("Step1_data_join.RData")使用R Project 管理代码和数据,加上详细的注释,可以大大减少后面找数据,分析代码的时间!
PS:大家可以点一点哈,欢迎留言或者私信 更详细的点!!!
【觉得不错,右下角点个“在看”,期待您的转发,谢谢!】
本站仅提供存储服务,所有内容均由用户发布,如发现有害或侵权内容,请
点击举报。