1、前期的准备工作

安装了：BiocManager、WGCNA、ggplot2", "pheatmap","ggpubr等各种包。

2、打开 Rstudio 告诉我它的工作目录。

 getwd()
[1] "C:/Users/Huangxiaoying/Documents"

3、新建6个向量，基于不同的原子类型。（重点是字符串，数值，逻辑值）

不同的原子类型有：逻辑值、数字、整型、复合型、字符、原型

V <- TURE
V <- c（1:10）
V <- 3L
v <- 4+5i
v <- "abc"
v <- charToRaw("Hello")
print(class(v))

4、告诉我在你打开的rstudio里面 getwd() 代码运行后返回的是什么？

 getwd()
[1] "C:/Users/Huangxiaoying/Documents"

5、新建一些数据结构，比如矩阵，数组，数据框，列表等重点是数据框，矩阵）

#建立矩阵
mymatrix <-matrix(1:100,nrow=5)
print(mymatrix )
#建立数组
myarray <- array(1:100,dim =seq(2,4))
print(myarray)
#建立数据框
name <- c('xiaoying','xiaohun','xiaogong','huangxiong','hungling','kinggan')
score <- c(100,60,30,20,10,0)
pass <- c(TRUE,TRUE,FALSE,FALSE,FALSE,FALSE)
class <- c(1:6)
tall <- c(runif(6))
lsjsd <- c(2:7)
name <- factor(name)
mydata.frame <- data.frame(name,score,pass,class,tall,lsjsd)
print(mydata.frame)

6、在你新建的数据框进行切片操作，比如首先取第1，3行， 然后取第4，6列

mydata.frame[c(1,3),]
mydata.frame[,c(4,3)]

7、使用data函数来加载R内置数据集 rivers 描述它

print(rivers)
class(rivers)
head(rivers)
tail(rivers)
str(rivers)
summary(rivers)

8、下载 https://www.ncbi.nlm.nih.gov/sra?term=SRP133642 里面的 RunInfo Table 文件读入到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。

options(stringsAsFactors = F)
table = read.table("SraRunTable (1).txt", sep = "\t", header = T)
print(table) 
dim(table)
str(table)

9、下载 https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE111229 里面的样本信息sample.csv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。

options(stringsAsFactors = F)
table1 = read.csv("sample.csv", sep = "\t", header = T)
dim(table1)
str(table1)

10、把前面两个步骤的两个表（RunInfo Table 文件，样本信息sample.csv）关联起来，使用merge函数。

table2 <- merge(table,table1)

11、基于下午的统计可视化

rm(list = ls())
options(stringsAsFactors = F)
# 或者下载：http://www.bio-info-trainee.com/tmp/5years/SraRunTable.txt
a=read.table('SraRunTable.txt',sep = '\t',header = T)
# 或者下载：http://www.bio-info-trainee.com/tmp/5years/sample.csv 
b=read.csv('sample.csv')
colnames(a)
colnames(b)
d=merge(a,b,by.x = 'Sample_Name',by.y = 'Accession')
e=d[,c("MBases","Title")]
save(e,file = 'input.Rdata')

rm(list = ls())
options(stringsAsFactors = F)
load(file = 'input.Rdata')

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

}))
table(plate)
boxplot(e[,1]~plate)
t.test(e[,1]~plate)
e$plate=plate
library(ggplot2)
colnames(e)
ggplot(e,aes(x=plate,y=MBases))+geom_boxplot()

library(ggpubr)
p <- ggboxplot(e, x = "plate", y = "MBases",
 color = "plate", palette = "jco",
 add = "jitter")
# Add p-value

微信截图_20201009190044.png