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。
一 项目式管理代码 数据
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)
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
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。
二 数据读取 存储
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
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 ̄□ ̄||!
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:
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。
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
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)
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!