注：本博客旨在分享个人学习心得，有不规范之处请多多包涵！

Function 函数

像其它的编程语言一样，R语言也有内置函数（如前面用到的c()）和自定义函数。函数一般由三个重要的部分组成：输入参数，函数主体，返回参数。R语言的函数也是允许无输入参数或返回参数的的。以下的例子为在R语言中构造与调用函数：

#用R语言内置的function()函数来声明函数，并在括号内声明输入参数。可以用=为参数设置默认值
#getDouble为构造的函数的名称
getDouble <- function(num=1){ result <- num * 2 #函数主体return(result) #返回参数用return()
}myResult <- getDouble(num=20) #调用函数，myResult应为40

return()和print()的区别就在与print()会在Console显示输出而return()不会。

data.frame 数据框

比起list，data.frame在计算生物学中R语言应用更为广泛。就像matrix一样，data.frame也是二维的数据结构，即由行列组成。然而，matrix的所有元素就像vector一样一定要是同一种数据类型，但data.frame只需保证每一列的数据类型相同。这就使得data.frame能够很方便地被用来读取类似于.csv或.xlsx这样的可能有多种数据类型的表格文件。data.frame的构造请见下例：

id <- c("ENO2", "TDH3", "RPL39", "GAL4") #蛋白质的代号protName <- c("enolase", "glyceraldehyde-3-phosphate dehydrogenase", "60S ribosomal protein L39", "regulatory protein Gal4") #蛋白质的全名abundance <- c(24563, 22369, 16232, 32.3) #细胞中的含量，单位ppmlength <- c(437, 332, 51, 881) #蛋白质中氨基酸的数量yeastProt <- data.frame(id, protName, abundance, length, stringsAsFactors = FALSE)
#构造data.frame；每个输入vector的长度要相同
#vector的变量名会成为表头，vector的值会按列填入data.frame

构造完成的data.frame应如下图：
data.frame的索引访问与matrix类似，具体见下例：

yeastProt[,1] #输出第1列的全部内容
yeastProt[2, ] #输出第2行的全部内容，包括表头
yeastProt[1, 2] #输出第1行第2列的元素，enolase
yeastProt[1:3, c(1, 3)] #输出第1-3行第1和3个元素，包括表头
yeastProt$length[1:2] #输出列标题为length的第1和第2个元素，437 332
yeastProt[1, "abundance"] #输出第1行列标题为abundance的元素，24563
yeastProt[yeastProt[, 4] > 500, 1] #输出yeastProt第4列大于500的行的第1列元素，GAL4

以下表格是vector, matrix, data.frame的互相转换：

	vector转为	matrix转为	data.frame转为
vector	\	as.vector()
matrix	as.matrix()	\	as.matrix()
data.frame	as.data.frame()	as.data.frame()	\

在将其它数据类型转化成data.frame时，表头可能是不正确的。修改表头请见下例：

myMatrix <- matrix(data=1:12, ncol=3, nrow=4) #3x4的matrix
myDF <- as.data.frame(myMatrix) #转为data.frame
#转化完默认的列标题为V1, V2, V3... 默认行标题为1，2，3...
colnames(myDF) <- c("c1", "c2", "c3") #自定义列标题
rownames(myDF) <- c("r1", "r2", "r3", "r4") #自定义行标题

设置完成后，matrix被转变成了如下图的data.frame：

DNA序列读取与分析实例

.fasta文件是常用的读取核酸或蛋白质序列产生的文件格式。文件中开头有一些说明信息，如来源物种和染色体编号；接下来就是以单个字母代表的核酸/蛋白质编码产生的序列。本次请从这个链接下载使用NC_045512.2版本COVID19的DNA测序数据，提取码: vfti。
请看下例用R语言进行对这一序列的分析：

install.packages('seqinr', repos='http://cran.us.r-project.org') #安装第三方库
library("seqinr") #载入第三方库
covid <- read.fasta(file="covid19.fasta") #读取.fasta文件，注意路径最好写完整。读取完是list格式
covid_seq <- covid[[1]] #把完整序列单独存储为一个vector

DNA由4种base组成：A、T、C、G。A和T配对，C和G配对。根据查格夫法则(Chargaff’s law)可推导，DNA中A和T的数量相同，C和G的数量相同。因为C和G配对后由三条氢键链接，CG组合是不容易被拆散的，也就是DNA的高CG含量会减小它变异的可能性。
计算CG含量请见下例：

countTable <- table(covid_seq) #统计每个base出现的次数
cgCount <- countTable[["c"]]+countTable[["g"]] #C和G的数量
totalCount <- length(covid_seq) #序列的总长
cgContent <- cgCount/totalCount #CG在序列中的占比

另一个比较重要的概念是DNA word，即长度大于1个base的DNA组合。通过分析DNA word是否被过表达或低表达，可以在一定程度上推测该物种演化的轨迹。ρρρ用来表示一个DNA word是否被过表达或低表达。对于一个长度为2的DNA word，计算公式如下：
ρ(xy)=fxyfx⋅fyρ(xy) = \frac{f_{xy}}{f_{x}·f_{y}} ρ(xy)=fx⋅fyfxy
其中fxyf_{xy}fxy是DNA word的出现频率除以序列总长，fxf_{x}fx和fyf_{y}fy是单个base的出现频率除以序列总长。计算某DNA word被如何表达请见下例：

baseCount <- count(covid_seq, 1) #用seqinr这个第三方库中的count()函数找长度为1的base的出现次数，和R内置的table()类似
wordCount <- count(covid_seq, 2) #找长度为2的DNA word的出现次数
totalLength <- length(covid_seq) #序列总长#比如，我们要找TT这个DNA word的出现次数
rouTT <- (wordCount[["tt"]]/totalLength)/((baseCount[["t"]]/totalLength)*(baseCount[["t"]]/totalLength))

当ρρρ等于1时，这个DNA word为完全随机出现，与单个base出现概率的乘积相同。然而，当ρρρ大于1时，它的出现概率大于随机出现的概率，说明它被过表达，所以可推测这个DNA word在这一物种的进化方面可能有某些有益作用。反之亦然。

结束语

下次会以分子生物学和生态学的数据为例，介绍R语言中的矩阵图、条形统计图、饼图、点阵图与线性回归、带状图的使用方法，敬请期待！有任何问题或想法欢迎留言和评论！

（三）R语言的生物信息学入门——Function, data.frame, 简单DNA读取与分析相关推荐

（生物信息学）R语言与统计学入门（七）—— 一元线性回归分析
我们之前讲过相关性分析,生物信息学常见的相关性分析是pearson相关和spearman相关. (生物信息学)R语言与统计学入门(六)-- Pearson和Spearman相关性分析_Lijingxi ...
（生物信息学）R语言与统计学入门（二）——单因素方差分析
上次说到t检验,是检验两组数据的均数差异,链接如下: (生物信息学)R语言与统计学入门(一)--t 检验_李京弦的博客-CSDN博客这次我们来介绍一下单因素方差分析. 单因素方差分析: 方差分析(A ...
R语言学习笔记——入门篇：第三章-图形初阶
R语言 R语言学习笔记--入门篇:第三章-图形初阶文章目录 R语言一.使用图形 1.1.基础绘图函数:plot( ) 1.2.图形控制函数:dev( ) 补充--直方图函数:hist( ) 补充- ...
（生物信息学）R语言与统计学入门（五）—— Wilcoxon秩和检验法和Mann-Whitney U检验
上回说到t检验:(生物信息学)R语言与统计学入门(一)--t 检验_Lijingxian教你学生信的博客-CSDN博客t检验,亦称student t检验(Student's t test),比较两个平 ...
R语言七天入门教程三：学习基本结构
R语言七天入门教程三:学习基本结构一.编程的语言的基本结构 1.三种基本结构绝大多数编程语言,都有三种最基本的程序结构:顺序结构.分支结构.循环结构.这三种结构的流程图如下所示(从左至右依次为:顺 ...
R语言学习笔记——入门篇：第一章-R语言介绍
R语言 R语言学习笔记--入门篇:第一章-R语言介绍文章目录 R语言一.R语言简介 1.1.R语言的应用方向 1.2.R语言的特点二.R软件的安装 2.1.Windows/Mac 2.2.Lin ...
R语言七天入门教程一：配置运行环境
R语言七天入门教程一:配置运行环境一.R语言介绍 1.R语言是什么? 参考:R语言教程-R语言介绍 R 语言是为数学研究工作者设计的一种数学编程语言,主要用于统计分析.绘图.数据挖掘.R语言有丰富的 ...
R语言七天入门教程六：文件相关操作
R语言七天入门教程六:文件相关操作一.文件的读写 R 语言作为统计学编程语言,常常需要处理大量数据,而这些数据通常会从文件中进行读取,因此文件读写在R语言中是非常重要的操作.在R语言中,用到最多的文 ...
R语言七天入门教程五：认识并使用函数
R语言七天入门教程五:认识并使用函数一.什么是函数在编程语言中,如果有一段代码需要在多次重复使用,除了复制粘贴外,还可以将其写成一个函数.函数可以很方便地实现代码复用,对于复杂的程序功能,可以将其 ...

（三）R语言的生物信息学入门——Function, data.frame, 简单DNA读取与分析

目录

Function 函数

data.frame 数据框

DNA序列读取与分析实例

结束语

（三）R语言的生物信息学入门——Function, data.frame, 简单DNA读取与分析相关推荐

最新文章

热门文章