1. 生信从业者为什么学习R?
R在生物信息分析中有着极其重要的重要，无论我们做什么样的分析，我们都离不开强大的R。无论是统计学分析，还是想得到漂亮的图形，R都成了我们工作必不可少的一部分。无论是统计学算法，还是测序深度、覆盖度、热图、火山图、Peak、PCA、共表达网络、GO、KEGG的图形化，甚至很多TCGA等数据库数据的下载，我们无一例外都可以用R实现。
给大家举个统计学的例子，假如我们想做T检验。
#input data
>input=c(35,35,35,35,35,36,37,38,38,39,39,40,40,40,40,41,41,41,41,41,41,42,42,42,42,42,42,42,43,43,43,43,43,43,43,43,44,44,44,44,44,44,44,44,44,45,45,45,45,45,45,45,45,45,45,46,46,46,46,46,46,46,46,46,46,47,47)
#t检验
>t.test(input, mu = 45, var.equal = FALSE) #mu表示平均值，var.equal = FALSE表示方差未知
简单吧，其实我们只要输入一两句话，就可以完成T检验的工作，非常方便。我们再也不要为哪些繁琐的公式而发愁了。我们现在看看结果吧。我们可以看到，p-value = 2.681e-08，我们就得到了想要的结果了。
接下来给大家看个R图形化的例子，我们在做GO的时候，想通过柱状图将GO富集的gene数目和P值可以画展示出来。这样我们可以通过图形更加直观的看出我们的差异基因富集在GO或者kegg上。
先看看输入文件，非常的简单，包括三个，第一列为富集的GO的名字，第二列为GO富集的gene数目，第三列为富集的P值。
下面我们来看看R脚本，我们可以是用ggplot2很方便画这样的图形。这个脚本也只有三行，首先引用ggplot2包，然后读取我们的输入文件，之后使用ggplot对输入文件进行图形化的工作。
library(ggplot2)
dat <- read.table("input.txt", header = T,sep="\t")
ggplot(data=dat)+geom_bar(aes(x=Term, y=Count, fill=-log10(PValue)), stat='identity') + coord_flip() + scale_fill_gradient(low="red", high = "blue") + xlab("") + ylab("") + theme(axis.text.x=element_text(color="black", size=12), axis.text.y=element_text(color="black", size=12)) + scale_y_continuous(expand=c(0, 0)) + scale_x_discrete(expand=c(0,0))
结果如下，纵坐标代表GO富集的Term，横坐标代表每个GO富集的基因数目，而每个柱子的染色代表-log10(PValue)。这样一来，我们就可以直观的看出哪些GO富集的数目多，哪些GO富集程度高。
接下来，我们要介绍下强大的biocondcutor，给我们生物信息工作者带来了极大的便利。Bioconductor是一个开源的和开放式的软件开发项目，建立多方面的、强有力的基因组数据的统计与图形分析方法。Bioconductor的应用主要以包(Package)的集成形式呈现在用户面前，Bioconductor提供了大量开放式的生物信息学软件包。
Bioconductor中有很多包可以做GO和KEGG分析，今天我们以clusterProfiler包为例，给大家讲解下用bioconductor做生物信息分析。我们的脚本如下，前2行以”#”开头的是怎么安装bioconductor包，接下来就是使用clusterProfiler进行kegg分析的命令了。通过运行，我们可以得到kegg富集的表格和图形。在kegg的图形中，红色代表上调基因，绿色代表下调基因。
| BgRatio |
pvalue |
p.adjust |
qvalue |
geneID |
Count |
| 128/5894 |
8.30E-10 |
9.78E-09 |
4.50E-09 |
CDC45/TTK/CCNA2/E2F2/BUB1B/MAD2L1/ORC1/MCM2/MCM6/CCNE1/ORC6/CDKN2C/MCM3/GADD45B/CDC7/MCM7/MCM5/CCNE2/CDC25A |
19 |
| 36/5894 |
1.22E-09 |
9.78E-09 |
4.50E-09 |
FEN1/MCM2/MCM6/RNASEH2A/RFC4/MCM3/PRIM2/POLD1/POLA2/MCM7/MCM5 |
11 |
| 28/5894 |
4.40E-07 |
2.35E-06 |
1.08E-06 |
EME1/RAD54L/RAD51/XRCC3/POLD1/BLM/XRCC2/RAD54B |
8 |
| 85/5894 |
1.40E-05 |
5.59E-05 |
2.57E-05 |
E2F2/CCNE1/LAMA4/COL4A1/ITGA6/COL4A2/PIAS3/CCNE2/PTGS2/LAMC1/CKS1B |
11 |
| 327/5894 |
0.002698429 |
0.008634974 |
0.003976633 |
E2F2/FOXO1/FOS/MAP2K1/CCNE1/RAD51/LAMA4/MSH2/COL4A1/ITGA6/COL4A2/PIAS3/JUN/CCNE2/PTGS2/LAMC1/CKS1B/PDGFA |
18 |
| 85/5894 |
0.007464082 |
0.019904218 |
0.009166416 |
HMMR/COL6A6/LAMA4/COL4A1/ITGA6/COL4A2/LAMC1 |
7 |
| 114/5894 |
0.01112041 |
0.02541808 |
0.011705695 |
AURKA/MAD2L1/FBXO43/MAP2K1/SGOL1/CCNE1/ADCY6/CCNE2 |
8 |
| 99/5894 |
0.016515126 |
0.033030252 |
0.0152113 |
TK1/PRIM2/POLD1/POLA2/CAD/UCK2/TYMS |
7 |
2. R语言安装
关于R软件的下载，有部分学员还是反应找不到安装包，尽管我多次说过直接在百度搜索”R”，然后选择第一个搜索结果，就可以进入R主页：
http://www.r-project.org/ 。尽管有的学员找到了主页，仍然不知道如何下载R软件。有的本来要在windows安装，却下载了linux版本，然后一直问我为什么找不到exe执行文件。下面我们就以图形化的形式展示最新版本R的下载方法。大家进入网页后，按照红色圈指示一步步执行下去，就可以下载到最新的R了。
关于R软件的安装，其实和QQ等软件的安装没有任何区别，这里就不再讲解了（其实下载也一样，只是不止一个学院提出这样的问题，所以讲解了一下）。这里有个问题大家要注意一下，在安装R的过程中，最好目录不要出现空格，比如安装在“Program Files”这样的目录下。有空格的话，有些R包安装不上，这个也是很多生物信息培训学员碰到的问题。
3. R包的安装
1）选择镜像安装
安装好 R 之后，打开 R，选择“程序包->安装程序包”，注意需要联网。在弹出的镜像中选择一个，个人觉得China(Xiamen)比较快。然后下一个窗口会弹出 packages 的选择框，选中你所需的包，最后就会连接下载安装，信息会在 R窗口中显示。
2） 选择本地安装
需要先从网上下载安装包，windows下注意类型必须是.zip格式。然后打开R，选择“程序包->从本地 zip 文件安装程序包”，选择我们刚才下载包的路径，就搞定了。
3） 使用install.packages()函数安装。
假如我们想通过“gplots”画热图，我们可以在R界面中出输入命令，install.packages("gplots")，注意这里引号不能少，而且要是英文的引号。
4) bioconductor包的安装
在BioC的官方网站上，存放着Bioc包的安装脚本，biocLite.R, 每次需要安装BioC的包之前，会运行该脚本。source是运行代码脚本的命令，可以是本地文件，可以是网络上的文件。需要你有流畅的网络链接
source(“http://bioconductor.org/biocLite.R”)。biocLite()是安装函数，相当于R中的常用的install.package命令。
假如我们要安装limma，用于芯片的表达差异分析。我们可以进入bioconductor的官网，然后搜索”limma”。我们就可以看到安装limma的命令了，即：
source("http://bioconductor.org/biocLite.R")
biocLite("limma")
4. R中的帮助文档
· help（functionname） 对已经加载包所含的函数显示其帮助文档，用?号也是一样的。
· help.search("keyword") 对已经安装的包搜索关键词，用??号功能一样。
· help(package="packagename") 显示已经安装的包的描述和函数说明
· RSiteSearch("keyword") 在官方网站上联网搜索
1 help("t.test")
2 ?t.test
3 help.search("t.test")
4 apropos("t.test")
5. R命令入门
1） 赋值
<-也可用=, ->代替
a=1
b=2
c=a+b
c #注释
2）向量赋值
a=c(1,2,3,4,,6,7,8,9)
b<-c(10,11,12)
c(1,2,3,4,,6,7,8,9)->a
d=c(a,b) #d=c(1,2,3,4,,6,7,8,9,10,11,12)
3) 向量计算
x=c(2,3,4)
y=c(7,9,8)
z=x*2+y
4) 函数
x=c(1,2,3,3,3,3,4,5,6,6,7,8,8,8,10,11,12,23,23,34,34,54,12,23,34,34)
log(x) log10(x) exp(x) sin(x) cos(x) tan(x) asin(x) acos(x) min(x) max(x) range(x) length(x) mean(x) sd(x) var(x) median(x) quantile(x,p) fisher.test chisq.test t.test()
5) 字符向量
x=c("a","b","c","d","e","f")
y=paste("中","国",sep="") #中国
y=paste("中","国",sep="--") #中--国
y=paste("中","国",sep="**") #中**国
5）因子
有6个实验数据，3个癌症，3个对照，用因子表示。
group=c("tumor","tumor","tumor","tumor","tumor")
design=factor(group)
design
6) 有规律向量产生
a=seq(1,10,by=1)
a
b=rep("tumor",3)
b
c=c(rep("tumor",3),rep("control",3))
c
7) 读取文件
setwd("C:/Users/DELL/Desktop/goPvalue") #设置文件目录
dat <- read.table("input.txt", header = T,sep="\t") #sep="\t"表示以制表符分割，header = T表示有表头
8）绘图实例
x <- rnorm(1000) # 生成1000个随机数
hist(x,freq=F,breaks = 50,col = "lightblue") # 画直方图
curve(dnorm(x),add=T) # 绘制曲线
x=seq(-500,500,by=2)
y=x**2+5*x+2
plot(x,y,col="red",cex=0.4)
a=c(intron=3535,intergenic=7500,exon=9500,splicing=156,noncoding=600)
pie(a)
a=c(1:100)
b=runif(100,20,80)
c=rnorm(100)*20
d=rnorm(100)*10
y<-data.frame(a,b,c,d)
boxplot(y,col=c("red","green","blue","yellow"))
