写在前面
如果能掌握批量分析的技能，相信会对你的科研生活产生重大的影响。个数越大，循环越有用。当然了，如果手里只有十几二十个样本，且对循环不太熟悉的话，逐一操作的时间也许小于写循环的时间。
用好批量处理，横扫多数据样本。本次分享来自GZ07系列课程。
1.For循环和if判断的模式
For循环
for (variable in vector) {
action(variable)
}
if判断
if (condition) {
action
} else {
action
}
总的来说，要分清小括号和大括号。
1.1 利用循环判断癌和癌旁组织
可以查看这个链接对TCGA的数据有个浅显的认识。https://mp.weixin.qq.com/s/Ph1O6V5RkxkyrKpVmB5ODA
### 加载数据
rm(list=ls())
load(file = "data/TCGA_ggplot.Rdata")
### 1.首先确定框架，我们想重复的操作是什么？
### 2.单次操作应该如何做
### 3.如何用R语言实现单次的需求
#单次操作的实现
substring(metadata[1,1],14,15)
这里补充一下substring的用法。
-
Description
Extract or replace substrings in a character vector. -
Usage
substr(x, start, stop)
substring(text, first, last = 1000000L)
substr(x, start, stop) <- value
substring(text, first, last = 1000000L) <- value -
Arguments
x, text a character vector.
start, first integer. The first element to be replaced.
stop, last integer. The last element to be replaced.
value a character vector, recycled if necessary.
批量操作的具体实现过程：
### 1.创建容器
metadata <- data.frame(TCGA_id=rownames(exprSet))
### 2.循环输出内容到容器
for (i in 1:nrow(metadata)) {
## 指示,打印变量的目的是方便查看数据报错的位置
print(i)
## substring的用法，这是元素获取，如果不转换成numeric的话，substring提取出来的是character。
num = as.numeric(substring(metadata[i,1],14,15))
#如果是肿瘤，就给第2列加上Tumor
if (num %in% seq(1,9)) {
metadata[i,2] = "Tumor"
}
#如果是正常组织，就给第2列加上Normal
if (num %in% seq(10,29)) {
metadata[i,2] = "Normal"
}
}
## 修改名称
colnames(metadata) <- c("TCGA_id","sample")
1.2 单基因的批量相关性分析
这个技能对于未知功能的基因特别有用，可以通过相关性分析将未知功能的基因和已知功能的基因发生联系，从而确定未知基因的功能。
### 加载数据
load(file = "data/TCGA_BRCA_exprSet_plot.Rdata")
test <- exprSet[1:10,1:10]
### 1.首先确定框架，我们想重复的操作是什么？
### 2.单次操作应该如何做
### 3.如何用R语言实现单次的需求
geneA = as.numeric(exprSet[,"FOXA1"]) #按列名提取数据
geneB = as.numeric(exprSet[,"ESR1"])
cor.test(geneA,geneB,method="spearman")
### 眼睛看到还不行，需要能够提取
dd = cor.test(geneA,geneB,method="spearman")
### 1.相关性系数
dd$estimate
### 2.p值
dd$p.value
批量循环的最终实现过程
##1.设定容器,最终生成的数据放在什么地方？
correlation <- data.frame()
##2.修剪要循环的数据
data <- exprSet[,-c(1,2,3)]
test <- data[1:10,1:10]
##3.获取批量操作的范围,应该是个向量
genelist <- colnames(data)
##4.开始for循环,数据导出到容器
gene <- "FOXA1"
genedata <- as.numeric(data[,gene])
#nrow针对data.fram，length针对character。
for(i in 1:length(genelist)){
## 1.指示
print(i)
## 2.计算
dd = cor.test(genedata,as.numeric(data[,i]),method="spearman")
## 3.填充
correlation[i,1] = gene
correlation[i,2] = genelist[i]
correlation[i,3] = dd$estimate
correlation[i,4] = dd$p.value
}
colnames(correlation) <- c("gene1","gene2","cor","p.value")
友情链接：
1.单基因批量相关性分析的妙用：https://mp.weixin.qq.com/s/TfE2koPhSkFxTWpb7TlGKA
2.单基因批量相关性分析的GSEA
https://mp.weixin.qq.com/s/sZJPW8OWaLNBiXXrs7UYFw
1.3 批量名称转换
## 1.首先确定框架，我们想重复的操作是什么？
### 2.单次操作应该如何做
### 3.如何用R语言实现单次的需求
term = as.character(hallmarks$term[1])
### 1.裂解
term = unlist(strsplit(term, split="_", fixed=T))[-1] #-1代表去掉第一个character
### 2.空格连接
term = paste(term, collapse=" ")
term
容器已经存在，直接批量循环输出
hallmarks$term <- as.character(hallmarks$term)
for(i in 1:nrow(hallmarks)){
print(i)
term = hallmarks$term[i]
### 1.裂解
term = unlist(strsplit(term, split="_", fixed=T))[-1]
### 2.空格连接
term = paste(term, collapse=" ")
### 3.数据导出
hallmarks$term[i] = term
}
1.4 统计这些基因在显著富集通路中的次数
这个功能比富集分析更有用，能够知道某个基因可能参与了不同的通路，这有可能是最重要的一些基因。
library(clusterProfiler)
dotplot(symboldata)
barplot(symboldata)
### 转换为数据框
symboldata <- as.data.frame(symboldata )
### 1.首先确定框架，我们想重复的操作是什么？
### 2.单次操作应该如何做
### 3.如何用R语言实现单次的需求
### 修改其中一个
test = symboldata$geneID[1]
test
### 需要裂解
unlist(strsplit(test,split = "/"))
### 1.创建容器,此处是向量
splitvector <- c()
### 2.循环操作导出到容器
for(i in 1:length(symboldata$geneID)){
print(i)
new = unlist(strsplit(symboldata$geneID[i],split = "/"))
splitvector = c(splitvector,new)
}
### 统计频次
table(splitvector)
### 排序
sortdata = sort(table(splitvector),decreasing = T)
### 成数据框来查看
test <- as.data.frame(sortdata)
参考：
果子学生信
网友评论