bioconductor是R语言一种重要的项目，是专门利用R处理生物数据，类似于biopython与bioperl等，不过Bioconductor功能更加强大，不只是辅助处理一些生物数据。而是有些生物数据可以完成一整套分析内容，例如芯片数据和RNAseq数据等。Bioconductor分成独立的软件算法，实验数据，注释三部分，这三部分可以组合起来，完成一个完整的数据分析过程，不过Bioconductor的扩展包很多，学习难度较大，不过里面提供了很多完整的workflows，利用workflows学习起来更容易。
十七：Bioconductor Workflows
http://www.bioconductor.org/help/workflows/
1、打开Bioconductor workflows网址，这些workflows会按照功能分成8个大类，根据自己数据分析类型，选择对应的链接，例如是基因表达数据还是单细胞数据。
2、一般最常用的是基因表达，基因表达其实包括芯片和RNAseq，其实Bioconductor最早就是用来分析芯片数据的，因为R擅长处理矩阵，而芯片数据恰好就是“矩阵”。
3、我们以Gene Expression中第一个workflow为例，这个是利用Deseq2包来分析RNAseq数据的例子，点开之后其实是一遍文献，这是这种workflow另一个显著的特点，它本身是一篇文献，也是包含脚本数据和讲解的技术文档。
4、可以照着脚本文档介绍一步步进行操作，完成整个分析流程，文档非常详尽。
5、完成前面操作，第六步只需一条命令即可进行RNAseq差异表达基因的分析。
6、同样workflows中也包含很多数据可视化的案例。
7、同样也包含了基因注释部分，注释也是Bioconductor包三大分类中重要一项。
8、每个案例最后会给出本workflows所使用的工具以及版本，方面进行重复试验。顺便吐槽一下，使用Bioconductor一个讨厌的地方就是扩展包之间千丝万缕的联系。
Tips：为了提高效率，我们已经贴心的为大家下载好了所有的文档，聊天窗口中回复“Bioconductor”，即可获得下载链接。
---------- END ----------
欢迎订阅我们的微信公众号：基因学苑
网友评论