数据

wget https://ndownloader.figshare.com/articles/3219685?private_link=1d788fd384d33e913a2a -O 3219685.zip

!ls -l 3219685/总用量 2588
-rw-r--r-- 1 root root 1340161 12月  9 07:43 GSE60450_Lactation-GenewiseCounts.txt
-rw-r--r-- 1 root root 1253364 12月  9 07:43 mouse_c2_v5.rdata
-rw-r--r-- 1 root root   22483 12月  9 07:43 mouse_H_v5.rdata
-rw-r--r-- 1 root root    4362 12月  9 07:43 ResultsTable_small.txt
-rw-r--r-- 1 root root     733 12月  9 07:43 SampleInfo_Corrected.txt
-rw-r--r-- 1 root root     733 12月  9 07:43 SampleInfo.txt
-rw-r--r-- 1 root root     278 12月  9 07:43 small_counts.txt

数据来源：
EGF-mediated induction of Mcl-1 at the switch to lactation is essential for alveolar cellsurvival (Fu et al. 2015)

原始的测序数据：
Gene Expression Omnibus database (GEO) under accession number GSE60450

R基础

我们使用RStudio作为集成开发环境，包括桌面版和服务器版，根据需求自行下载安装

服务器版RStudio安装配置

下载：wget https://download2.rstudio.org/rstudio-server-rhel-1.1.456-x86_64.rpm

安装：yum install rstudio-server-rhel-1.1.456-x86_64.rpm

修改配置文件
vi /etc/rstudio/rserver.conf

# Server Configuration File
rsession-which-r=/home/sunchengquan/R-3.5.1/bin/R
www-port=8787

如果个人目录下有利用anaconda安装R，可能会报错。不能使用root安装

启动：rstudio-server start

可以在网页上登录使用Rstudio

R 包

使用Bioconductor安装

source("http://bioconductor.org/biocLite.R")
biocLite("limma")

读入数据

# Read the data into R
small_counts <- read.table("3219685/small_counts.txt", header = TRUE)
print(small_counts)

        Sample_1 Sample_2 Sample_3 Sample_4
Xkr4         438      300       65      237
Sox17        106      182       82      105
Mrpl15       309      234      337      300
Lypla1       652      515      948      935
Tcea1       1604     1495     1721     1317
Rgs20          4        2       14        4
Atp6v1h      769      752     1062      987
Rb1cc1      1494     1412     1157      967
Pcmtd1      1344     1242     1374     1593
Rrs1        1691     1808     2127     1653

dim(small_counts)

1. 10
2. 4

操作数据框

取子集

$ notation with the column name

#取Sample_1的数据
small_counts$Sample_1

1. 438
2. 106
3. 309
4. 652
5. 1604
6. 4
7. 769
8. 1494
9. 1344
10. 1691

[row, column] notation with numeric indices

small_counts[, 1]

1. 438
2. 106
3. 309
4. 652
5. 1604
6. 4
7. 769
8. 1494
9. 1344
10. 1691

[row, column] notation using the column name (in a vector)

small_counts[, c("Sample_1")]

1. 438
2. 106
3. 309
4. 652
5. 1604
6. 4
7. 769
8. 1494
9. 1344
10. 1691

small_counts[1:3, c("Sample_1", "Sample_3")]

	Sample_1	Sample_3
Xkr4	438	65
Sox17	106	82
Mrpl15	309	337

除第一个样本外的所有样本

small_counts[1:3, -1]

	Sample_2	Sample_3	Sample_4
Xkr4	300	65	237
Sox17	182	82	105
Mrpl15	234	337	300

向量化操作

small_counts$Sample_1 * 2

1. 876
2. 212
3. 618
4. 1304
5. 3208
6. 8
7. 1538
8. 2988
9. 2688
10. 3382

log(small_counts[1:3,])

	Sample_1	Sample_2	Sample_3	Sample_4
Xkr4	6.082219	5.703782	4.174387	5.468060
Sox17	4.663439	5.204007	4.406719	4.653960
Mrpl15	5.733341	5.455321	5.820083	5.703782

计算每个样本的counts的和

sum(small_counts$Sample_1)

8411

sum(small_counts$Sample_2)

7942

如果有很多样本，这样操作很麻烦的，所以使用apply函数，比循环快

注意 MARGIN = 1 意思是按行计算，而MARGIN = 2 按列计算

sample_sums = apply(small_counts, MARGIN = 2, sum)
print(sample_sums)

Sample_1 Sample_2 Sample_3 Sample_4 8411     7942     8887     8098

可以省略MARGIN

sample_sums = apply(small_counts, 2, sum)
print(sample_sums)

Sample_1 Sample_2 Sample_3 Sample_4 8411     7942     8887     8098

数据类型

5 main types: doubles, integers, complex, logical and character.

typeof(3.14)

‘double’

typeof(1L)

‘integer’

typeof(1+1i)

‘complex’

typeof(TRUE)

‘logical’

typeof('banana')

‘character’

ResultsTable_small <- read.table("3219685/ResultsTable_small.txt", header=TRUE)
head(ResultsTable_small)

ENTREZID	SYMBOL	logFC	AveExpr	t	P.Value	adj.P.Val
24117	Wif1	1.819943	2.975545	20.10780	1.063770e-10	1.01624e-06
381290	Atp2b4	-2.143885	3.944066	-19.07495	1.982934e-10	1.01624e-06
78896	1500015O10Rik	2.807548	3.036519	18.54773	2.758828e-10	1.01624e-06
226101	Myof	-2.329744	6.223525	-18.26861	3.297667e-10	1.01624e-06
16012	Igfbp6	-2.896115	1.978449	-18.21525	3.413066e-10	1.01624e-06
231830	Micall2	2.253400	4.760597	18.02627	3.858161e-10	1.01624e-06

str 查看ResultsTable_small的结构.

str(ResultsTable_small)

'data.frame':  40 obs. of  7 variables:$ ENTREZID : int  24117 381290 78896 226101 16012 231830 16669 55987 231991 14620 ...$ SYMBOL   : Factor w/ 40 levels "1500015O10Rik",..: 40 3 1 26 20 23 21 8 9 16 ...$ logFC    : num  1.82 -2.14 2.81 -2.33 -2.9 ...$ AveExpr  : num  2.98 3.94 3.04 6.22 1.98 ...$ t        : num  20.1 -19.1 18.5 -18.3 -18.2 ...$ P.Value  : num  1.06e-10 1.98e-10 2.76e-10 3.30e-10 3.41e-10 ...$ adj.P.Val: num  1.02e-06 1.02e-06 1.02e-06 1.02e-06 1.02e-06 ...

一个向量中包含多种的数据类型，会发生什么？

my_vector = c(1, "hello", TRUE)
print(my_vector)

[1] "1"     "hello" "TRUE"

typeof(my_vector)

‘character’

R会自动转化同种数据类型，数据类型优先级：
logical -> integer -> numeric -> complex -> character.

my_vector = c(1,TRUE, TRUE)
print(my_vector)
typeof(my_vector)

[1] 1 1 1

‘double’

因子

str(ResultsTable_small)

'data.frame':  40 obs. of  7 variables:$ ENTREZID : int  24117 381290 78896 226101 16012 231830 16669 55987 231991 14620 ...$ SYMBOL   : Factor w/ 40 levels "1500015O10Rik",..: 40 3 1 26 20 23 21 8 9 16 ...$ logFC    : num  1.82 -2.14 2.81 -2.33 -2.9 ...$ AveExpr  : num  2.98 3.94 3.04 6.22 1.98 ...$ t        : num  20.1 -19.1 18.5 -18.3 -18.2 ...$ P.Value  : num  1.06e-10 1.98e-10 2.76e-10 3.30e-10 3.41e-10 ...$ adj.P.Val: num  1.02e-06 1.02e-06 1.02e-06 1.02e-06 1.02e-06 ...

因子看起来像字符数据，但是包含有分类信息，一串数字，标签的下标

str(ResultsTable_small$SYMBOL)

 Factor w/ 40 levels "1500015O10Rik",..: 40 3 1 26 20 23 21 8 9 16 ...

typeof(ResultsTable_small$SYMBOL)

‘integer’

如果你不想使用因子，都按字符处理

ResultsTable_small <- read.table("3219685/ResultsTable_small.txt", stringsAsFactors = FALSE, header=TRUE)

str(ResultsTable_small)

'data.frame':  40 obs. of  7 variables:$ ENTREZID : int  24117 381290 78896 226101 16012 231830 16669 55987 231991 14620 ...$ SYMBOL   : chr  "Wif1" "Atp2b4" "1500015O10Rik" "Myof" ...$ logFC    : num  1.82 -2.14 2.81 -2.33 -2.9 ...$ AveExpr  : num  2.98 3.94 3.04 6.22 1.98 ...$ t        : num  20.1 -19.1 18.5 -18.3 -18.2 ...$ P.Value  : num  1.06e-10 1.98e-10 2.76e-10 3.30e-10 3.41e-10 ...$ adj.P.Val: num  1.02e-06 1.02e-06 1.02e-06 1.02e-06 1.02e-06 ...

排序

sort(x)是对向量x进行排序，返回值排序后的数值向量

向量排序从小到大

sort(ResultsTable_small$logFC)

1. -6.07014263352471
2. -5.82788863265927
3. -5.14626842050727
4. -3.31364787941005
5. -3.21114827988465
6. -2.89611515497497
7. -2.65339801437433
8. -2.59810458251622
9. -2.59704434679791
10. -2.5385964096814
11. -2.32974392966638
12. -2.31272074376764
13. -2.17189594243266
14. -2.14388533952125
15. -2.07146867497747
16. -2.01180757857908
17. -1.7089733203604
18. -1.56742438255758
19. -1.52029112638995
20. -1.51546863348474
21. -1.33143737986022
22. -1.258670931154
23. -1.10915597439346
24. 1.47467090878791
25. 1.52240538027464
26. 1.710379971561
27. 1.7513404533859
28. 1.78860123725529
29. 1.81994310357102
30. 1.88756079716885
31. 1.97277123486981
32. 2.18037012538574
33. 2.25339982481145
34. 2.27887939443659
35. 2.34291447312525
36. 2.76674499153781
37. 2.80754753168061
38. 2.83562374639041
39. 3.60009376671151
40. 3.73893325921556

向量排序从大到小

sort(ResultsTable_small$logFC, decreasing = TRUE)

1. 3.73893325921556
2. 3.60009376671151
3. 2.83562374639041
4. 2.80754753168061
5. 2.76674499153781
6. 2.34291447312525
7. 2.27887939443659
8. 2.25339982481145
9. 2.18037012538574
10. 1.97277123486981
11. 1.88756079716885
12. 1.81994310357102
13. 1.78860123725529
14. 1.7513404533859
15. 1.710379971561
16. 1.52240538027464
17. 1.47467090878791
18. -1.10915597439346
19. -1.258670931154
20. -1.33143737986022
21. -1.51546863348474
22. -1.52029112638995
23. -1.56742438255758
24. -1.7089733203604
25. -2.01180757857908
26. -2.07146867497747
27. -2.14388533952125
28. -2.17189594243266
29. -2.31272074376764
30. -2.32974392966638
31. -2.5385964096814
32. -2.59704434679791
33. -2.59810458251622
34. -2.65339801437433
35. -2.89611515497497
36. -3.21114827988465
37. -3.31364787941005
38. -5.14626842050727
39. -5.82788863265927
40. -6.07014263352471

对字符也适用

sort(ResultsTable_small$SYMBOL)

1. '1500015O10Rik'
2. 'Ak1'
3. 'Atp2b4'
4. 'Bhlhe41'
5. 'Ccdc129'
6. 'Ccdc153'
7. 'Chil1'
8. 'Cpxm2'
9. 'Creb5'
10. 'Csf1'
11. 'Csn1s2b'
12. 'Cyp2s1'
13. 'Ddit4'
14. 'Fam102b'
15. 'Fam110a'
16. 'Gjb3'
17. 'Gpsm2'
18. 'Hmcn1'
19. 'Hs6st2'
20. 'Igfbp6'
21. 'Krt19'
22. 'Lif'
23. 'Micall2'
24. 'Mrgprf'
25. 'Mtmr11'
26. 'Myof'
27. 'Naaa'
28. 'Nfatc2'
29. 'Nr1d1'
30. 'Pdzd3'
31. 'Ppp2r3a'
32. 'Serpinf1'
33. 'Skil'
34. 'Slit3'
35. 'Smad7'
36. 'Sox4'
37. 'Tnni2'
38. 'Tppp3'
39. 'Trp53inp1'
40. 'Wif1'

对数据框排序

order()的返回值是对应“排名”的元素所在向量中的位置

order(ResultsTable_small$logFC)

1. 19
2. 18
3. 11
4. 23
5. 14
6. 5
7. 37
8. 9
9. 31
10. 30
11. 4
12. 7
13. 32
14. 2
15. 39
16. 36
17. 17
18. 27
19. 33
20. 8
21. 21
22. 28
23. 38
24. 24
25. 40
26. 12
27. 35
28. 34
29. 1
30. 16
31. 20
32. 13
33. 6
34. 29
35. 26
36. 15
37. 3
38. 25
39. 10
40. 22

ResultsTable_small$logFC[order(ResultsTable_small$logFC)]

1. -6.07014263352471
2. -5.82788863265927
3. -5.14626842050727
4. -3.31364787941005
5. -3.21114827988465
6. -2.89611515497497
7. -2.65339801437433
8. -2.59810458251622
9. -2.59704434679791
10. -2.5385964096814
11. -2.32974392966638
12. -2.31272074376764
13. -2.17189594243266
14. -2.14388533952125
15. -2.07146867497747
16. -2.01180757857908
17. -1.7089733203604
18. -1.56742438255758
19. -1.52029112638995
20. -1.51546863348474
21. -1.33143737986022
22. -1.258670931154
23. -1.10915597439346
24. 1.47467090878791
25. 1.52240538027464
26. 1.710379971561
27. 1.7513404533859
28. 1.78860123725529
29. 1.81994310357102
30. 1.88756079716885
31. 1.97277123486981
32. 2.18037012538574
33. 2.25339982481145
34. 2.27887939443659
35. 2.34291447312525
36. 2.76674499153781
37. 2.80754753168061
38. 2.83562374639041
39. 3.60009376671151
40. 3.73893325921556

ResultsTable_small[order(ResultsTable_small$logFC), ]

	ENTREZID	SYMBOL	logFC	AveExpr	t	P.Value	adj.P.Val
19	12992	Csn1s2b	-6.070143	3.56295004	-14.16565	6.377604e-09	5.131276e-06
18	21953	Tnni2	-5.827889	0.30207159	-14.40327	5.265278e-09	4.622914e-06
11	211577	Mrgprf	-5.146268	-0.93683349	-16.36573	1.196263e-09	1.718703e-06
23	170761	Pdzd3	-3.313648	-0.06019306	-13.62372	9.982985e-09	6.580512e-06
14	270150	Ccdc153	-3.211148	-1.34083882	-15.50126	2.249931e-09	2.539851e-06
5	16012	Igfbp6	-2.896115	1.97844876	-18.21525	3.413066e-10	1.016240e-06
37	67971	Tppp3	-2.653398	4.90816305	-12.22845	3.416616e-08	1.419445e-05
9	231991	Creb5	-2.598105	4.27592952	-16.53634	1.059885e-09	1.718703e-06
31	232016	Ccdc129	-2.597044	5.00471484	-13.02266	1.672195e-08	8.524957e-06
30	67111	Naaa	-2.538596	3.29074575	-13.04083	1.645823e-08	8.524957e-06
4	226101	Myof	-2.329744	6.22352456	-18.26861	3.297667e-10	1.016240e-06
7	16669	Krt19	-2.312721	8.74189184	-17.07937	7.264548e-10	1.640127e-06
32	76123	Gpsm2	-2.171896	4.99093472	-12.76344	2.102397e-08	1.015751e-05
2	381290	Atp2b4	-2.143885	3.94406593	-19.07495	1.982934e-10	1.016240e-06
39	74134	Cyp2s1	-2.071469	1.40704575	-12.20154	3.502805e-08	1.419445e-05
36	18019	Nfatc2	-2.011808	5.79499693	-12.27561	3.271067e-08	1.419445e-05
17	194126	Mtmr11	-1.708973	2.50804119	-14.48746	4.922928e-09	4.576586e-06
27	545370	Hmcn1	-1.567424	3.10302591	-13.19053	1.444832e-08	8.306595e-06
33	329739	Fam102b	-1.520291	4.18813047	-12.75357	2.120968e-08	1.015751e-05
8	55987	Cpxm2	-1.515469	2.83451194	-16.64333	9.829870e-10	1.718703e-06
21	20564	Slit3	-1.331437	3.44179493	-13.88522	8.026279e-09	6.040348e-06
28	60599	Trp53inp1	-1.258671	6.11839605	-13.16241	1.480464e-08	8.306595e-06
38	235542	Ppp2r3a	-1.109156	6.50105941	-12.22041	3.442139e-08	1.419445e-05
24	73847	Fam110a	1.474671	6.84086068	13.62251	9.993185e-09	6.580512e-06
40	20677	Sox4	1.522405	7.46932835	12.13548	3.724389e-08	1.462109e-05
12	20317	Serpinf1	1.710380	3.38883490	15.77280	1.838727e-09	2.356351e-06
35	50786	Hs6st2	1.751340	0.53953600	12.43097	2.836919e-08	1.280991e-05
34	79362	Bhlhe41	1.788601	6.18368494	12.70504	2.214908e-08	1.029541e-05
1	24117	Wif1	1.819943	2.97554452	20.10780	1.063770e-10	1.016240e-06
16	20482	Skil	1.887561	8.49892507	14.65488	4.311334e-09	4.258521e-06
20	17131	Smad7	1.972771	6.71751902	14.14348	6.493642e-09	5.131276e-06
13	74747	Ddit4	2.180370	6.86479110	15.70145	1.938279e-09	2.356351e-06
6	231830	Micall2	2.253400	4.76059697	18.02627	3.858161e-10	1.016240e-06
29	217166	Nr1d1	2.278879	6.26087761	13.12885	1.524242e-08	8.306595e-06
26	12654	Chil1	2.342914	5.57645724	13.21976	1.408760e-08	8.306595e-06
15	11636	Ak1	2.766745	4.30347462	15.27694	2.664640e-09	2.807465e-06
3	78896	1500015O10Rik	2.807548	3.03651950	18.54773	2.758828e-10	1.016240e-06
25	12977	Csf1	2.835624	7.47759094	13.41902	1.187300e-08	7.505634e-06
10	14620	Gjb3	3.600094	3.52528051	16.46627	1.113755e-09	1.718703e-06
22	16878	Lif	3.738933	6.68203417	13.73344	9.105708e-09	6.541210e-06

取子集操作

使用逻辑语句

Subsetting using logical statements

ResultsTable_small$logFC > 3

1. FALSE
2. FALSE
3. FALSE
4. FALSE
5. FALSE
6. FALSE
7. FALSE
8. FALSE
9. FALSE
10. TRUE
11. FALSE
12. FALSE
13. FALSE
14. FALSE
15. FALSE
16. FALSE
17. FALSE
18. FALSE
19. FALSE
20. FALSE
21. FALSE
22. TRUE
23. FALSE
24. FALSE
25. FALSE
26. FALSE
27. FALSE
28. FALSE
29. FALSE
30. FALSE
31. FALSE
32. FALSE
33. FALSE
34. FALSE
35. FALSE
36. FALSE
37. FALSE
38. FALSE
39. FALSE
40. FALSE

ResultsTable_small$logFC[ResultsTable_small$logFC > 3]

1. 3.60009376671151
2. 3.73893325921556

应用到数据框

ResultsTable_small[ResultsTable_small$logFC > 3, ]

	ENTREZID	SYMBOL	logFC	AveExpr	t	P.Value	adj.P.Val
10	14620	Gjb3	3.600094	3.525281	16.46627	1.113755e-09	1.718703e-06
22	16878	Lif	3.738933	6.682034	13.73344	9.105708e-09	6.541210e-06

ResultsTable_small[ResultsTable_small$logFC > 3 | ResultsTable_small$logFC < -3, ]

	ENTREZID	SYMBOL	logFC	AveExpr	t	P.Value	adj.P.Val
10	14620	Gjb3	3.600094	3.52528051	16.46627	1.113755e-09	1.718703e-06
11	211577	Mrgprf	-5.146268	-0.93683349	-16.36573	1.196263e-09	1.718703e-06
14	270150	Ccdc153	-3.211148	-1.34083882	-15.50126	2.249931e-09	2.539851e-06
18	21953	Tnni2	-5.827889	0.30207159	-14.40327	5.265278e-09	4.622914e-06
19	12992	Csn1s2b	-6.070143	3.56295004	-14.16565	6.377604e-09	5.131276e-06
22	16878	Lif	3.738933	6.68203417	13.73344	9.105708e-09	6.541210e-06
23	170761	Pdzd3	-3.313648	-0.06019306	-13.62372	9.982985e-09	6.580512e-06

ResultsTable_small[abs(ResultsTable_small$logFC) > 3, ]

	ENTREZID	SYMBOL	logFC	AveExpr	t	P.Value	adj.P.Val
10	14620	Gjb3	3.600094	3.52528051	16.46627	1.113755e-09	1.718703e-06
11	211577	Mrgprf	-5.146268	-0.93683349	-16.36573	1.196263e-09	1.718703e-06
14	270150	Ccdc153	-3.211148	-1.34083882	-15.50126	2.249931e-09	2.539851e-06
18	21953	Tnni2	-5.827889	0.30207159	-14.40327	5.265278e-09	4.622914e-06
19	12992	Csn1s2b	-6.070143	3.56295004	-14.16565	6.377604e-09	5.131276e-06
22	16878	Lif	3.738933	6.68203417	13.73344	9.105708e-09	6.541210e-06
23	170761	Pdzd3	-3.313648	-0.06019306	-13.62372	9.982985e-09	6.580512e-06

操作符 %in%

my_genes <- c("Smad7", "Wif1", "Fam102b", "Tppp3")

ResultsTable_small$SYMBOL %in% my_genes

1. TRUE
2. FALSE
3. FALSE
4. FALSE
5. FALSE
6. FALSE
7. FALSE
8. FALSE
9. FALSE
10. FALSE
11. FALSE
12. FALSE
13. FALSE
14. FALSE
15. FALSE
16. FALSE
17. FALSE
18. FALSE
19. FALSE
20. TRUE
21. FALSE
22. FALSE
23. FALSE
24. FALSE
25. FALSE
26. FALSE
27. FALSE
28. FALSE
29. FALSE
30. FALSE
31. FALSE
32. FALSE
33. TRUE
34. FALSE
35. FALSE
36. FALSE
37. TRUE
38. FALSE
39. FALSE
40. FALSE

ResultsTable_small[ResultsTable_small$SYMBOL %in% my_genes, ]

	ENTREZID	SYMBOL	logFC	AveExpr	t	P.Value	adj.P.Val
1	24117	Wif1	1.819943	2.975545	20.10780	1.063770e-10	1.016240e-06
20	17131	Smad7	1.972771	6.717519	14.14348	6.493642e-09	5.131276e-06
33	329739	Fam102b	-1.520291	4.188130	-12.75357	2.120968e-08	1.015751e-05
37	67971	Tppp3	-2.653398	4.908163	-12.22845	3.416616e-08	1.419445e-05

match函数

%in%这个操作符只返回逻辑向量TRUE 或者FALSE，而且返回值应该与%in%这个操作符前面的向量程度相等。也就是说它相当于遍历了C里面的一个个元素，判断它们是否在B中出现过，然后返回是或者否即可。

而match(C,B)的结果就很不一样了，它的返回结果同样与前面的向量等长，但是它并非返回逻辑向量，而是遍历了C里面的一个个元素，判断它们是否在B中出现过，如果出现就返回在B中的索引号，如果没有出现，就返回NA。

B<-seq(5,15,2)C<-1:5
match(C,B)C%in%B

1. <NA>
2. <NA>
3. <NA>
4. <NA>
5. 1

1. FALSE
2. FALSE
3. FALSE
4. FALSE
5. TRUE

match(my_genes, ResultsTable_small$SYMBOL)

1. 20
2. 1
3. 33
4. 37

和my_genes中的排序一样

ResultsTable_small[match(my_genes, ResultsTable_small$SYMBOL), ]

	ENTREZID	SYMBOL	logFC	AveExpr	t	P.Value	adj.P.Val
20	17131	Smad7	1.972771	6.717519	14.14348	6.493642e-09	5.131276e-06
1	24117	Wif1	1.819943	2.975545	20.10780	1.063770e-10	1.016240e-06
33	329739	Fam102b	-1.520291	4.188130	-12.75357	2.120968e-08	1.015751e-05
37	67971	Tppp3	-2.653398	4.908163	-12.22845	3.416616e-08	1.419445e-05

subset函数

a = subset(ResultsTable_small, abs(logFC) > 3)
a

	ENTREZID	SYMBOL	logFC	AveExpr	t	P.Value	adj.P.Val
10	14620	Gjb3	3.600094	3.52528051	16.46627	1.113755e-09	1.718703e-06
11	211577	Mrgprf	-5.146268	-0.93683349	-16.36573	1.196263e-09	1.718703e-06
14	270150	Ccdc153	-3.211148	-1.34083882	-15.50126	2.249931e-09	2.539851e-06
18	21953	Tnni2	-5.827889	0.30207159	-14.40327	5.265278e-09	4.622914e-06
19	12992	Csn1s2b	-6.070143	3.56295004	-14.16565	6.377604e-09	5.131276e-06
22	16878	Lif	3.738933	6.68203417	13.73344	9.105708e-09	6.541210e-06
23	170761	Pdzd3	-3.313648	-0.06019306	-13.62372	9.982985e-09	6.580512e-06

指定列

a = subset(ResultsTable_small, abs(logFC) > 3,select = c(SYMBOL, logFC))
a

	SYMBOL	logFC
10	Gjb3	3.600094
11	Mrgprf	-5.146268
14	Ccdc153	-3.211148
18	Tnni2	-5.827889
19	Csn1s2b	-6.070143
22	Lif	3.738933
23	Pdzd3	-3.313648

转录组分析R基础知识相关推荐

1. 单细胞转录组分析R包安装

   下载了R语言和Rstudio以后,要进行单细胞转录组分析,首先要下载安装单细胞转录组分析所需的R包,这些包分为用install.package命令可以直接从CRAN下载安装的基础包.用BioManag ...

2. Android系统源代码情景分析：基础知识

   老罗(罗升阳)发表在的InfoQ上的好文,最新在学习Android,转载一下,方便学习. 老罗的CSDN blog链接:http://blog.csdn.net/Luoshengyang/ 原文链接: ...

3. R(一): R基础知识

   R 是一门拥有统计分析及作图功能的免费软件,主要用于数学建模.统计计算.数据处理.可视化等方向.据 IEEE Spectrum发布的2016年编程语言前10位排名来看,R语言由2015年排名第6位上升 ...

4. 情感分析项目基础知识总结二

   文章目录 1.情感分析基础: 1.1 什么是情感分析: 1.2 什么是观点: 直接性与比较性的观点: 明确的和含蓄的观点: 1.3 情感分析的范围: 1.4 情感分析的类型: 细粒度情感分析: 情绪检 ...

5. 关于模态分析的基础知识总结

   什么是模态分析 模态分析是研究结构动力特性一种近代方法,是系统辨别方法在工程振动领域中的应用.模态是机械结构的固有振动特性,每一个模态具有特定的固有频率.阻尼比和模态振型.这些模态参数可以由计算或试验 ...

6. python-数据分析-pandas基础知识

   文章目录 1.Series和DataFrame基础操作 添加列数据 添加行数据 删除行列 Series和DataFrame数据计算 按行列排序 2.Series和DataFrame切片 3.数据的读取 ...

7. GNSS观测值质量分析必备基础知识

   一.观测值随机模型 用于描述观测值与未知参数之间关系的模型称为函数模型或数学模型: 而描述观测值本身统计特性的模型称为随机模型,主要通过一个适当的协方差矩阵来定义. 随机模型分类:详见参考3 等权随机 ...

8. r语言 not enough x observations_R基础知识

   R系列之 R基础知识 R语言是用于统计分析,图形表示和报告的编程语言和软件环境.R语言由Ross Ihaka和Robert Gentleman在新西兰奥克兰大学创建,目前由R语言开发核心团队开发.R语 ...

9. matlab与模态分析,电压稳定模态分析基础知识MATLAB实例

   %本人系电压稳定菜鸟,对电压稳定分析中基础知识左特征根向量右特征根向量,模态,参与因子的概念通过一%个具体的矩阵进行了MATLAB演算 %希望对和我一样的初学者有点直观的认识 A=[1 0 1;0 1 ...

最新文章

1. Android视图动画集合AndoridViewAnimations
2. 如何学习oracle
3. 计算机及网络技术发展趋势,网络技术发展对计算机技术的影响
4. centos6.5安装maven
5. linux分析文件格式,linux elf文件格式分析
6. latex subsection_利用LaTeX批量寫作「平安經」
7. 当excel 导入数据库的字段大于255时，把第一行的字段加长超过255.
8. 环美亚二十年装修师傅分享，甲醛的八种来源
9. java mongodb dbref_Spring DATA MongoDB @DBref查询，or和and联合查询
10. 基于java的数据结构学习——动态数组C++类模板(含拷贝构造，重载常见运算符)
11. python3.0如何画表格_Python图表绘制工具：Matplotlib_Part 3
12. 浅谈面向对象编程与面向过程编程
13. 东大OJ-5到100000000之间的回文质数
14. 〖Linux〗Debian 7.1.0 Wheezy使用ltib报错的解决办法
15. Exchange 2013 创建发送连接器
16. 【机器学习系列】隐马尔科夫模型第三讲：EM算法求解HMM参数
17. 高效记忆/形象记忆（12）110数字编码表 61-70
18. Gl计算机语言,计算机编程和编程语言 - osc_bkg5rgl1的个人空间 - OSCHINA - 中文开源技术交流社区...
19. 使用wireshark监控网络字节流
20. Linux 常用命令 Updating

热门文章

1. Java如何接手别人项目_程序员必备技能——怎样快速接手一个项目
2. 软件性能测试、分析与调优实践之路_读书笔记(四)
3. 汽车电子测试小知识（1）——什么是MiL测试？
4. Ustore在openGauss闪亮登场，重构openGauss数据存储的灵魂
5. 混合策略改进的麻雀优化算法
6. 在执行批处理时出现错误。错误消息为: 目录名称无效。
7. js 金钱数字添加千分位分隔符号
8. SSM整合 - 多条件分页查询
9. 传感器标定（1.单目相机的标定）
10. python 递增后循环_随步递增递减循环