【生信技能树::作业&习题】R语言初级练习题-修正

R 语言初级习题中我下载的样本信息尽管还是那个内容，但并不是最好的下载方式，也不是习题要求中的表格。那个表格的可读性太差了。Jimmy官方给了一个如何用R获取GEO样本信息的链接。根据这个教程，我接着修正前面的作业内容，然后接着完成后面的习题。

不过上次下错文件阴差阳错给了我联系read.table的机会，让我学会了用平时没有用到的参数skip和fill。所以我不打算直接删除和修改，而是重新写一篇。

7. 下载 https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE111229 里面的样本信息读入到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。

   其实在GEO accession display的页面里就有可以直接跳转的地方。见下

样本信息-1.png

点开more在下面点击第一个链接（印象中去年还是前年的时候没有这个链接）

样本信息-2.png

进到这里，类似一个数据中心一样，点击Export

样本信息-3.png

用mac预览打开看看，嗯，整整齐齐！

样本信息-4.png

options(stringsAsFactors = F)
b <- read.csv("sample.csv")

8. 把两个表关联起来，使用merge函数。

   偷个懒，后面参考习题下面的答案

   colnames(rit); colnames(b)
   d = merge(rit, b, by,x = 'Sample_Name', by,y = 'Accession')
   e = d[, c("MBases", "Titles")]
   

9. 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) 。

   略

10. 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

    plate = unlist(lapply(e[,2],function(x){
      x
      strsplit(x, '_')[[1]][3]
    }))
    table(plate)
    e$plate = plate
    

11. 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。

    boxplot(e[,1] ~ plate)
    t.test(e[,1] ~ plate)
    # or
    boxplot(MBases ~ plate, data = e)
    

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

    略

13. 使用ggplot2把上面的图进行重新绘制。

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

14. 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')
    

15. 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。