學習生物信息學，我需要掌握哪些內容？

1.5.5 sort

sort -n #依據數值大小排序
sort -0 <file> #排序結果存入制定文件
sort -r #反序排列
sort -k #以哪個區間排列
sort -c #檢查文件是否按照序列排序
cat file1 file2 | sort | uniq > file3 #兩文件並集
cat file1 file2 | sort | uniq -d > file3 #兩文件交集
cat file1 file2 | sort | uniq -u > file3 #刪除交集，留下各自補集

1.5.6 sed

sed -n #列出經過sed處理過的一行
sed -e #直接在命令行模式進行sed動作編輯
sed -i #直接對原文編輯
sed [參數] comand 輸入源文本
sed -n 1~2 p a.txt #a.txt第一行起始，2行為步長輸出到屏幕（P）。奇數行。
sed -n 1,+2 p a.txt #a.txt第一行起始，起始行後的連續+2行。即前三行。
sed -n /primary_transcript/,+4 p genome.gff #包含 primary_transcript 字元文本的一行及其後4行。
sed 1,3 s/e/E/g a.txt #對1-3行進行e到E的替換
sed -e 1~2 d a.txt #刪除奇數行
sed -e 1,/^chr3/ d a.txt #定位：從1行開始到以chr3開頭到行。操作：刪除
sed ^$ d a.txt #定位：空白行。操作：刪除
sed 2 a AT3GGO5780 GO:0000167 a.txt #定位：第二行。操作：在第二行後追加一行。（在第二行之前是i）

1.5.6.1 sed的定位

• sed 第一行表示：1
• 最後一行表示：$
• 正則匹配：/REGEXP/
• 步長處理：first~step
• 選擇選定行和後面幾行：addr,+N

1.5.6.2 sed的正則表達

1.5.6.3 sed的操作命令

• a 在當前後添加一行
• i 在當前行前添加一行
• d 刪除行
• g 取緩存空間覆蓋原有內容
• p 列印行
• ！ 對選擇之外對行執行sed
• s 字元串替換

1.5.7 cut

cut -c 2-4 2.txt #2.txt文件每行第2-4共三個字元截取
cut -d - -f 2 2.txt #2.txt文件以「-」為分割製表，每行第二列輸出.-d <charactor>是指定分割符。默認是tab鍵

在linux的shell中「tab」鍵表達方式是control+V+I

1.5.8 文件操作-正則表達

• 行首定位符：^：ls | grep "^Green"；grep "^RBM4" 2.txt
• 行為定位符：$：ls | grep "1$"
• 限定符： *：前面字元出現0次或多次。>=0 +：前面字元出現1次或多次。>=1 ?：前面字元出現0次或一次。=0 OR =1
• 字符集： [ ]：任意一個字元，數字和字母之間可用-連接表示範圍。[abc]；[0-9]；[a-z]；[a-zA-Z]。(a | b | c) = [abc]。 [^ ]: 字元非匹配。[^abc]不匹配a|b|c任意一個。

正則表達練習網站：https://regexr.com/

━┉┉┉┉∞┉┉┉┉━━┉┉┉┉∞┉┉┉┉━━┉┉┉┉∞┉┉┉┉━━┉ ●∞ ∞●∞ ∞●∞ ∞●∞ ∞●∞ ∞●∞ ∞●∞ ∞●∞ ∞●∞ ∞●∞ ∞●∞ ∞●∞ ∞●∞ ∞●∞ ∞●∞

2. 測序結果的比對定量

2.1 比對原理的介紹

2.1.1 BWT演算法學習

需要進一步深入學習

2.1.2 hisat2軟體優勢

速度比較快，準確率高。

2.2 bowtie2和hisat2的使用

2.2.1索引構建

hisat2-build Escherichia_coli.fa ./Escherichia_coli
#hisat2對大腸桿菌基因組進行索引構建
bowtie2-build Escherichia_coli.fa ./Escherichia_coli
#bowtie2對大腸桿菌基因組進行索引構建

2.2.2進行比對

hisat2 -x Escherichia_coli -1 E_coli_1.test.clean.fq.gz -2 E_coli_2.test.clean.fq.gz --un-conc-gz ./E_coli_bowtie_unmap.fq.gz 2 > ./E_coli_bowtie_align.log | samtools sort -O BAM --threads 4 -o ./E_coli_bowtie_.bam
# -x 指定基因組索引
# -1 / -2 雙端測序文件
# --un-conc-gz 將沒有匹配的序列存儲到文件
# > 將結果輸出到log文件
# -O FORMAT 設置最終輸出的文件格式，可以是bam，sam或者cram，默認為bam
# -o 設置最後的文件名
# --threads 設置線程數
bowtie2 -x Escherichia_coli -1 E_coli_1.test.clean.fq.gz -2 E_coli_2.test.clean.fq.gz --un-conc-gz ./E_coli_hisat_unmap.fq.gz 2> ./E_coli_hisat_align.log | samtools sort -O BAM --threads 4 -o ./E_coli_hisat_.bam
#注釋同上

2.3 計數

2.3.1 why featurecount？

1. featurecount對特徵區域終止位置鹼基處理更準確（與htseq相比）
2. htseq對multmap處理更準確。a基因兩reads匹配而b基因只有一個read匹配的話，則reads會匹配到a基因。而htseq則記錄為multimap
3. 更快。比htseq快22倍左右，內存佔用為htseq的1/6

2.3.2 count

featureCounts -T 4 -F GTF -t exon -g gene_id -s 0 -Q 10 -C -B -p -a Escherichia_coli.exon.gtf -o ./feature_count.txt E_coli.bam
# -T 線程數
# -F 參考基因注釋文件格式默認GTF
# -t 指定gtf注釋文件的feature類型。exon 即feature（count的對象）。默認將exon作為一個feature
# -g 指定meta-feature類型。即從注釋文件中提取Meta-features信息用於read count，默認是gene_id
# -s 特異性建庫
# -Q 質量控制。控制比對reads最小質量值。默認0
# -C 捨棄掉非正常匹配：paired read比對到不同染色體上或者相同染色體但不同鏈上
# -B paired reads都成功比對到參考基因組的reads才計數
# -p 針對的是雙端測序
# -a 基因組注釋文件GTF/GFF
# -o 輸出文件
featureCounts -T 6 -p -t exon -g gene_id -a anno.gtf -o SRR_fCount.txt SRR.bam
#官網的示例表達簡寫

2.3.3 結果文件的提取

cut -f 1,7 feature_count.txt |grep -v ^# >featureCounts.txt
# 提取第一列（Gene_id）和第七列（counts）數據。並去除空行。輸出到文本文件

下一步是差異基因分析。通過實驗組和對照組的counts文件比對來分析DE：差異基因。 然後是差異基因的選擇。通過設置合適的差異基因篩選條件。padj<0.05，|log2FC|>=1（無生物重複）。 篩選出合適的DE然後進行GO和KEGG分析。

━┉┉┉┉∞┉┉┉┉━━┉┉┉┉∞┉┉┉┉━━┉┉┉┉∞┉┉┉┉━━┉ ●∞ ∞●∞ ∞●∞ ∞●∞ ∞●∞ ∞●∞ ∞●∞ ∞●∞ ∞●∞ ∞●∞ ∞●∞ ∞●∞ ∞●∞ ∞●∞ ∞●∞

3 生物網站

3.1 NCBI-BLAST

blast訪問地址

3.1.1 blast的使用

如圖所示，blast分為blastn / blastp / blastx / tblastn / tblastx

3.1.2 常用子資料庫

• NR資料庫：非冗餘蛋白庫，所有 GenBank+EMBL+DDBJ+PDB中的非冗餘蛋白序列，對於所有已知的或可能的編碼序列， NR記錄中都給出了相應的氨基酸序列以及專門蛋白 資料庫中的序列號NR庫相當於一個以核酸序列為基礎的交叉索引，將核酸數據和蛋白數 據聯繫起來NT是NR的子集。（引自ppt） - RefSeq資料庫：參考序列資料庫，包含RefSeq_genomic， RefSeq_protein和RefSeq transpans，即具有生物意義上的非冗餘基因,轉錄本和蛋白質序 列，是經過NCBI和其他組織校正的資料庫，包括了官方的基因符號和可選的符號。（引自ppt）

3.2 Ensembl資料庫

EMBL-EBI資料庫包括Ensembl資料庫（脊椎動物資料庫）和Ensembl Genome（非脊椎動物全基因組資料庫）資料庫。

Ensembl資料庫中人類基因組和注釋文件下載

進入Ensembl首頁點擊上方導航欄的download進入下載界面，可以選擇兩種方式下載。可以點擊通過FTP下載。進入/pub/目錄。選擇最新的數據文件。例如截止2019/3目前最新的是release-95。/pub/release-95/下多種基因序列文件。基因組選擇fasta/。注釋文件可以選擇gtf/。若要獲取基因組文件，依次打開/pub/release-95/fasta/homo_sapiens/dna/選擇相應文件下載。如果需要RNA-seq比對可以選擇Homo_sapiens.GRCh38.dna_rm.toplevel.fa.gz下載。若要獲取注釋文件，依次打開/pub/release-95/gtf/homo_sapiens/需要RNA-seq回帖參考，可以選擇Homo_sapiens.GRCh38.95.gtf.gz下載。

下載連接直達： 人類基因組：ftp://ftp.ensembl.org/pub/release-95/fasta/homo_sapiens/dna/ 人類基因組注釋文件：ftp://ftp.ensembl.org/pub/release-95/gtf/homo_sapiens/

3.3 UCSC

隨著眾多物種基因組測序的完成，僅僅以純文本的方式存儲 和展示基因組DNA字元將無法滿足對測序數據的研究，因此， UCSC應用而生。UCSC能夠滿足在任何尺度上快速地查詢和顯示 基因組的內容，以及對基因組序列進行注釋，注釋內容可以在一個 窗口中顯示所有與某一基因組區域相關的信息:定位和序列信息、 已知基因和預測基因、表型和文獻支持、mRNA和EST、調控 (CpG島)、比較基因組信息、SNP、基因組重複元件等。（引自ppt）

3.4 pfam-蛋白質結構預測

需要進一步深入學習

━┉┉┉┉∞┉┉┉┉━━┉┉┉┉∞┉┉┉┉━━┉┉┉┉∞┉┉┉┉━━┉ ●∞ ∞●∞ ∞●∞ ∞●∞ ∞●∞ ∞●∞ ∞●∞ ∞●∞ ∞●∞ ∞●∞ ∞●∞ ∞●∞ ∞●∞ ∞●∞ ∞●∞

4. R語言基礎

4.1 常用函數

head() #查看文件開頭前十行.查看尾端信息是tail
summary() #統計總結。包括最小值，1/4位值，中位數，平均數，3/4位值，最大值
dim() #顯示緯度。eg.輸出結果是 150 5 代表有150行5列。
model() #顯示對象類型
max() #顯示最大值，最小值是 min()
sort() #篩選排序。
sort(iris$Sepal.Length,decreasing = T) #iris數據的Sepal.Length列按照大到小排序（從小到大是decreasing = T）
which.max() #返回最大值大索引下標。最小值是which.min()
iris$Sepal.Length[which.max(iris$Sepal.Length)] #等價於max(iris$Sepal.Length)
median() #輸出中位數
length() #顯示對象中元素個數。length(iris)=5；length(iris$Sepal.Length)=150
var() #求數據的方差
sum() #對數據求和
t() #轉換表格的坐標軸直接轉換。

4.2 數據類型

R中的對象（數據集合）：向量、矩陣、數據框、數組、列表。 對象的五種基本類型：字元型(character)、數值型(numeric，包括小數 )、整型(integer)、複數型(complex)、邏輯型(logical，TRUE/FALSE) 對象的屬性：名字(names，dimnames)，維度(dimensions， 包括矩陣等)，類別(class，包括數字、整數等)， 長度(length) attributes() 查看對象屬性，沒有屬性返回NULL

4.2.1 向量

向量的創建

a <- c(1,2,3,4) # 為a賦值numeric 數值型
b <- c(1:4) #為b賦值integer數值型
c <- c("hello","world") #賦值charac字元型
d <- c(TURE,FALSE) #賦值為logical邏輯型

向量元素的訪問

a <- c(11:20)
#生成以一個整形向量，11～20共十個元素
a
#列出a的所有元素
a[1]
#訪問a中第一個元素即 11
a[c(1,3,5,7)]
#訪問a中第1，3，5，7個元素,注意是 a[c(1,3,5,7)] ,而不是 a[1,3,5,7] 這是矩陣的訪問格式
a[3:8]
#訪問a中第3～8個元素

4.2.3 矩陣

• 矩陣只能包含一種數據類型，如數值型。
• 有二維性

4.2.3.1 矩陣的創建

1.

x <- matrix(data = c(11:30) , nrow = 5 , ncol = 4 , byrow = FALSE)
#matix 創建向量
#data=c(11:30) 數據輸入
#nrow = 5,ncol = 4 有5行4列
#byrow = FALSE 依據列填充,依據行填充是 byrow = TRUE

2.

y <- c(11:20) #向量型y
y #查看向量型y內容
dim(y) #查看y的緯度信息
dim(y) <- c(2,5) #重新定義緯度信息2行5列
dim(y) #顯示變數y的緯度信息
y #查看矩陣y的信息

3.

z1 <- c(11:13)
z2 <- c(21:23)
z <- cbind(z1,z2) #通過列對齊，對向量z1，z2合併.行對齊是rbind
dim(z)

4.2.3.2 矩陣訪問

x <- matrix(data = c(11:30), nrow = 5, ncol = 4, byrow = FALSE)
#創建矩陣
x[3,3]
#訪問第3行第3列元素
x[3,]
#訪問第3行所有元素
x[,3]
#訪問第3列所有元素
x[3]
#訪問第3個元素，順序與矩陣生成byrow參數有關
x[1:2,]
#顯示前兩行元素
x[,3:4]
#顯示第3到4列元素
#------------------------------------------------------------------#
#對於有標題到矩陣可以直接通過標題訪問
y <- matrix(data = c(11:30),nrow = 5,ncol = 4,byrow = FALSE,dimnames = list(c(r1,r2,r3,r4,r5),c(c1,c2,c3,c4)))
# 創建矩陣的過程中重命名行索引名稱、列索引名稱.如果不設置行名，可以填寫NULL
y[r3,c3]
#訪問第r3行r3列元素

4.2.4 數據框（生信常用）

• 可以存放多種數據的矩陣

4.2.4.1 數據框的創建

transcript_id <- c(TUCP_1,TUCP_2,lncRNA_1,lncRNA_2)
# 創建字元型向量
treat <- c(1,2,3,4)
#創建數值型向量
control <- c(5,6,7,8)
# 創建向量
chr <- c(chr1,chr2,chr3,chr4)
# 創建向量chr
testdata <- data.frame(transcript_id,teat,ctrol,chr)
# 創建數據框testdata
dim(testdata)
# 查看數據框testdata的維度信息

#--------------------#
#也可以為資料庫添加題頭
tdaddrowname <- data.frame(transcript_id,treat,control,chr,row.names = c(r1,r2,r3,r4))
# 為創建的數據框tdaddrowname更換行索引

4.2.4.1 數據框的訪問

taddrowname
#查看數據框的內容
tdaddrowname[,2:3]
#顯示數據框中的第2列、第3列數據
tdaddrowname[c(transcript_id,chr)]
#選取多列
#矩陣訪問的方式同樣使用於數據框的訪問
tdaddrowname$transcript_id
#如果數據框有列名，可以是直接使用$直接調用該列，直接調用該列

#------------------------------------#
inform <- names(tdaddrowname) %in% c(trancript_id,chr)
#names()獲取對象的或者設置對象的名稱
#%in%相當於match()函數的一個縮寫。用來判斷一個數組或矩陣是否包含在另一個數組或矩陣里。
#A %in% B，若A中元素有和B中相匹配，則返回邏輯型 TURE，不匹配則返回邏輯型 FALSE
newtd <- tdaddtowname[!inform]
#反向選擇非匹配的列
newtd
#查看

4.2.5 數組

• 數組通常是三緯的

數組的創建

x1 <- array(data = c(11:30))
#創建一緯數組
x2 <- array(data = c(11:30),dim = c(4,5))
#創建二維數組
length(x2)
#查看元素個數
dim(x2)
#查看緯度信息
x3 <- array(data = c(11:37),dim = (3,3,3))
#創建三維數組
x3 <- array(data = c(11:37),dim = c(3,3,3),dimname = list(c(r1,r2,r3),c(c1,c2,c3),c(m1,m2,m3)))
#創建有索引標題的三維數組
length(x3)
dim(x3)
x3
#查看 x3 的屬性和元素

數組的訪問

x1
#一緯數組的訪問和向量訪問一樣
x2[2,3]
x2[1,]
#二維數組的訪問和矩陣的訪問方法一致
x3[r1,c2,m3]
#依據索引訪問元素
x3[1,2,3]
#依據元素的緯度信息訪問元素
x3[,,3]
#依據緯度信息，訪問第三面的所有元素
x3[,c2,]
#依據索引，訪問所有面第二列元素

4.2.6 列表

• 可以包含各種不同類型對象
• 列表(list)內容中的代碼引自ppt

xlist <- list(c(1:5),matrix(data = c(1:10),nrow = 2,ncol = 5,byrow = FALSE),123,TRUE)
# 定義新列表
length(xlist)
# 查看列表中的元素個數
xlist
# 查看列表xlist的全部信息
dim(xlist)
# 列表沒有維度信息
dim(xlist) <- c(2,2)
dim(xlist)
class(xlist)
# 一旦給列表添加了維度信息，等價於轉換成了矩陣格式

############# list訪問 ############
xlist <- list(c(1:5),matrix(data = c(1:10),nrow = 2,ncol = 5,byrow = FALSE),123,TRUE)
# 定義新列表
xlist[[1]]
# 訪問第一個元素
class(xlist[[1]])
# 屬於向量中的範疇，可以在此基礎上進行「向量訪問」
xlist[[1]][2:4]
# 訪問列表第一個元素（向量類型）的第2至5的元素
xlist[[2]][1,3]
# 訪問列表中矩陣元素的第一行、第三列的元素
xlist[[2]][2,]
# 訪問列表中矩陣元素的第二行所有數據信息
xlist[[c(2,4)]]
# 列表第二個元素的第4個元素

4.3 數據處理

4.3.1 數據導入

• 常用read.table()函數

xlsdata1 <- read.table(file = "FPKM.xls",header = TRUE, sep = , stringsAsFactors = FALSE,row.names = 1)
# read.table 讀取文件
# file="FPKM.xls" 要讀取的文件
## header=TRUE 讀取表頭
## sep= 設置列間隔是tab
# stringsAsFactors = FALSE #不作為因子？
## row.names = 1 設置行標題為第一列

4.3.2 數據導出

write.table(x = iris,file = test_iris1.xls,append = FALSE,sep = ,row.names = FALSE)
# write.table() 數據導出
# x=iris 數據集
# file = test_iris1.xls 導出文件名
# append = FALSE 不以追加模式導出
# sep= 分隔符是TAB
# row.name=FALSE 不導出行名

4.3.3 預設值處理

• 預設值會影響數據的處理
• 對於NA值是錯誤、遺失的數據，NULL是不存在的，不佔用空間，不會列於計算之中
• 當向量數據中存在NA值，sum()結果也是NA值

先定位再處理

x <- c(1,3,NA,7)
# 賦值向量
is.na(x)
### 查詢x中元素是否有NA值，如果是則在該元素緯度坐標中返回TURE，不是返回FALSE
table(is.na(x))
### table()可以對元素進行統計並計數。
sum(x,na.rm = TRUE)
## 在統計向量時候通過 na.rm = TRUE 來移除 NA 值，很多函數都有這個選項
x[which(is.na(x))] <- 0
### which()函數返回符合條件的響應位置，which(is.na(x))會返回TURE對位置
# which(b[,3]==1.7) 查詢b的第三列中數值是1.7的位置
# 把NA位置選出然後用0代替
# 還可以使用 x[is.na(x)] <- 0 來代替NA

其他方法處理NA值

test <- data.frame(x=c(1,2,3,4,NA),y=c(6,7,NA,8,9))
# 構建數據框
which(is.na(test),arr.ind = T)
### which(is.na(test)) 可以匹配NA值，arr.ind =T 可以返回相應返回行列坐標，適用於多維數據。如果沒有arr.ind = T 則返回一個序列數。
test[which(is.na(test),arr.ind = T)] <- 0
#結合which進行多維數據類型的缺失替代

na.omit(test)
## 可以直接刪除NA值所在的一行數據

4.3.4 數據拆分與合併

stack()

data(PlantGrowth) #載入數據
fomula(PlantGrowth) #查看格式
pg <- unstack(PlantGrowth)
# 將數據去堆棧排列
stack(pg)
# 將多列多數據堆棧排列
stack(pg,select = ctrl)
# 選擇名為 ctrl 的特定向量
stack(pg,select = -ctrl)
# 選擇並刪除向量
## stack只使用於向量數據類型？

cbind / rbind()

x <- matrix(data = c(1:10),nrow = 5, ncol = 2)
y <- matrix(data = c(21:30),nrow = 2,ncol = 5)
xyr <- rbind(x,y)
# 將 x，y 依據行方向結合在一起
xyc <- cbind(x,y)
# 將x，y 依據列方向結合在一起
## cbind & rbind 結合的必須是相匹配的 例如cbind 需要列一致

merge()

ID <- c(1,2,3,4)
name <- c(li,zhang,zhou,wu)
score <- c(23,45,67,98)
st1 <- data.frame(ID,name)
st2<-data.frame(ID,score)
st <- merge(st1, st2, by = ID)
# 按照ID的對應關係將st1 st2的信息合併
merge(ink1,ink2,by="id",all=T)
#所有數據列都放進來，空缺的補值為NA
merge(ink1,ink2,by="id",all=F)
#默認，只取兩者的共有的部分

subset()

filedata <- read.table(file = "FPKM.xls",header = TRUE,sep = ,stringsAsFactors = FALSE)
class(filedata)
dim(filedata)
summary(filedata)
newset <- subset(x = filedata , subset = (treat2 > 100),select = treat1:control3)
#subset 依據要求返迴向量、矩陣、數據框的子集
#x=filedata 數據輸入
#subset = (treat2 > 100) 選取treat2一列大於100的元素
#select = treat1:control3 界定選取子集的 元素/範圍/哪幾列

melt

• reshape2包

names <- c(A,B,C)
yuwen <- c(87,67,98)
shuxue <- c(78,69,88)
yingyu <- c(56,64,77)
xingbie <- c(F,M,F)
chengjidan <- data.frame(names,yuwen,shuxue,yingyu,xingbie)
chengjidan
newtable <- melt(data = chengjidan,id.vars = c(names,xingbie),variable.name = kemu,value.name = fenshu)

4.3.5 數據的匹配

R語言中有多種函數支持正則表達匹配，其中比較常用的是grep、gsub、grepl

#完整的grep參數
grep(pattern, x, ignore.case = FALSE, perl = FALSE, value = FALSE, fixed = FALSE, useBytes = FALSE, invert = FALSE)
#grep() 查找特定格式元素。查找，存在參數value，返回結果是匹配項的下標
#pattern 正則表達式
#x 字元向量
#ignore.case=FALSE 默認選項式FALSE表示區分大小寫，不區分式TURE
#perl=FALSE 默認false，表示兼容perl正則表達
#fixed=FALSE 如果為TRUE，pattern是要匹配的字元串。覆蓋所有衝突的參數
#useBytes=FALSE 默認選項FALSE，TURE情況下是逐位元組匹配而不是逐字元匹配
#invert = FALSE 如果是TURE則不返回元素索引或值

string1 <- qwewertyuioplkjhjnmbvc,fdsaa,email:[email protected]
string2 <- 112351426325637,tel:0643-3445676,tel:0654-6778877,7655263529987352414099827tel:72625637784383726
grepl("[a-z]+@[0-9]+.c(n|om)",string1)
#匹配 『字母@數字.com』或者字母@數字.cn格式的元素，有的話返回TURE
grepl("[0-9]+-[0-9]+",string2)
#匹配 『數字+-+數字』格式的元素

5. R語言繪圖

R語言的四套圖形系統：base、grid、lattice、ggplot2。隨著ggplot2的發展越來越成為主流。

5.1 繪圖參數表示方式

5.1.1利用元素屬性直接更改

常用？元素屬性可以直接通過元素參數設置

5.1.2 屬性.元素

部分元素如下

因此。col.main 即 標題的顏色；cex.main 標題的縮放倍數；font.sub 副標題的字體樣式。等等

5.1.3 自定義屬性需要用到函數修改

一些特異性屬性需要用到函數來修改 如legend(location, title, legend, ...)來修改圖例的屬性

5.2 R語言繪圖常用軟體包概述

5.2.1 畫圖軟體

5.3 ggplot2概述

ggplot2特點 - 圖層設計 - 統計變換 - 擴展包豐富

5.3.1 ggplot2 圖形部件

• 數據(data)和映射(mapping) 反應的是數據/元素和圖形對應關係
• 標度(scale) 標度負責控制映射後圖形屬性的顯示方式 ，具體形式上來看是圖例和坐標刻度（引自ppt）
• 幾何對象(Geometric) 圖像中的元素，控制繪製的圖形類型

• 統計變換 對原始數據進行某種計算，例如對二元散點圖加上一 條回歸線
• 坐標系統 坐標系統控制坐標軸並影響所有圖形元素，坐標軸可 以進行變換以滿足不同的需要 可以通過變換坐標系統，繪製餅圖、極坐標圖
• 圖層系統 數據、映射、幾何對象、統計變換等構成一個圖層 圖層可以允許用戶一步步的構建圖形，方便單獨對圖層進行修改
• 分面 控制分組繪圖的方法和排列形式，將數據按某種方式分組，然後分別繪圖

5.3.2 ggplot2作圖思路

1. 數據映射
2. 標度，圖例
3. 統計變換
4. 圖層，分面
5. 美化

5.3.3 圖形元素

以上圖為例，有以下元素 - axis.title 坐標軸標題 - axis.line 坐標軸線 - axis.text 坐標軸標示 - axis.text.bar 坐標軸bar - panel 面板 - panel.grid 面板網格 - panel.background 面板背景 - legend 圖例 - legend.title 圖例標題 - legend.text 圖例內容 - legend.key

5.4 R語言繪製柱狀圖

library(ggplot2)
setwd("~/SUPER QUN/3.2.2") #設置工作目錄
fp <- read.table("FPKM.xls",header = T ,row.name = 1) #讀取目錄
head(fp)
bar <- ggplot(fp) + geom_bar(aes(x = category, fill = strand),posirion = "fill")
#ggplot(fp) 指定作圖文件為fp
#geom_bar() 是ggplot2中一種作圖的軟體。作用是通過映射，用條形圖的高度來展示數值多少
#aes(x=category,fill=strand) 表示映射關係，橫軸展示分類，通過填充不同顏色來區分strand 這裡也可以吧映射放到ggplot(fp,aes())裡面，但是這樣相當於全局映射，不便於添加其他元素和映射
#position="fill" 表示strand裡面兩個元素的展示方式。可以有三種方式"stack"（堆疊）,"dodge"（並列顯示）和"fill"（百分比填充）,默認為"stack"。
#這裡面是ggplot自動統計來正負鏈個數

5.5 R語言繪製富集分析柱形圖

待續。。本專欄持續更新，您的關注支持會是對我的莫大鼓勵。我也會更加努力推出更優質易讀的文章。

如果您覺得本專欄對您有些許幫助或者啟發，將是我的莫大榮幸。

推薦閱讀：