tidyverse使用推荐

大家在获得了百迈客的分析报告后，需要筛选自己关注的相关结果。tidyverse包能够快速的帮助大家进行筛选。

tidyverse包中包含多种R包，如：ggplot、dplyr、readr、tidyr等。这些包使得日常的数据处理和绘图更加方便。

下面将介绍一些生信处理中实用的操作。

1、tidyverse包的安装

tips：可以设置一些镜像源，提高包的安装速度和成功率

options("repos" = c(CRAN="http://mirrors.cloud.tencent.com/CRAN/"))

options(BioC_mirror="http://mirrors.cloud.tencent.com/bioconductor")

install.packages("tidyverse")

2、快速筛选上下调基因

当获得了百迈客的差异分析结果，但是结果不理想时，需要自己调整差异筛选条件，

dplyr包能够方便操作。

dplyr包中常用的几个函数：

select：筛选相关的列

filter：筛选符合条件的行

mutate：在原有的数据上加一列

summarise：进行统计

group_by：对数据进行分组

rowwise：按行进行操作

利用filter可以在差异分析结果中快速筛选出显著差异的上下调基因。

读入数据：

> head(data)

# A tibble: 4 x 4

gene FDR P.Value logFC

<chr> <dbl> <dbl> <dbl>

1 gene1 0.02 0.006 0.3

2 gene2 0.003 0.005 0.7

3 gene3 0.002 0.0005 -0.48

4 gene4 0.301 0.13 -0.81

筛选上下调基因：

##筛选上调

gene_up <- data %>% filter(FDR<0.05 & logFC>0)

> gene_up

# A tibble: 2 x 4

gene FDR P.Value logFC

<chr> <dbl> <dbl> <dbl>

1 gene1 0.02 0.006 0.3

2 gene2 0.003 0.005 0.7

##筛选下调

gene_down <- data %>% filter(FDR<0.05 & logFC<0)

> gene_down

# A tibble: 1 x 4

gene FDR P.Value logFC

<chr> <dbl> <dbl> <dbl>

1 gene3 0.002 0.0005 -0.48

tips：%>%是管道符，作用和linux中的 | 一样。Rstudio中实用ctrl+shift+m能够快速输入。

筛选上下调基因并加上对应标签，使用mutate和case_when函数：

> data %>% mutate(class=case_when(

+ FDR<0.05&logFC>0~"up",

+ FDR<0.05&logFC<0~"down"

+ ))

# A tibble: 4 x 5

gene FDR P.Value logFC class

<chr> <dbl> <dbl> <dbl> <chr>

1 gene1 0.02 0.006 0.3 up

2 gene2 0.003 0.005 0.7 up

3 gene3 0.002 0.0005 -0.48 down

4 gene4 0.301 0.13 -0.81 NA

03

同名基因取均值或最大值

当拿到百迈客的基因表达谱之后，有时需要对同名基因进行处理。使用dplyr包中的group_by函数和acorss可以快速进行。

###数据

> gene_exp

# A tibble: 6 x 5

gene A B C D

<chr> <dbl> <dbl> <dbl> <dbl>

1 gene 1 1 2 3 4

2 gene 1 4 3 2 1

3 gene 2 2 3 4 5

4 gene 2 0 4 3 2

5 gene 2 3 2 4 2

6 gene 3 3 4 2 1

以均值作为表达值

> gene_exp %>% group_by(gene) %>% summarise(across(where(is.numeric),mean))

`summarise()` ungrouping output (override with `.groups` argument)

# A tibble: 3 x 5

gene A B C D

<chr> <dbl> <dbl> <dbl> <dbl>

1 gene 1 2.5 2.5 2.5 2.5

2 gene 2 1.67 3 3.67 3

3 gene 3 3 4 2 1

以最大值作为表达值

> gene_exp %>% group_by(gene) %>% summarise(across(A:D,max))

`summarise()` ungrouping output (override with `.groups` argument)

# A tibble: 3 x 5

gene A B C D

<chr> <dbl> <dbl> <dbl> <dbl>

1 gene 1 4 3 3 4

2 gene 2 3 4 4 5

3 gene 3 3 4 2 1

这边使用了across的两种方式筛选需要处理的列：

1. 使用数据类型，对所有满足要求的列进行处理，如：where(is.numeric)，就是对所有的数字类型的列进行处理

2. 使用列名进行选择，对选择的列进行处理，如：A:D，就是对A到D列进行处理

04

按行对数据进行处理

计算每行的均值

> gene_exp %>% rowwise(gene) %>% mutate(avg=mean(c_across(is.numeric)))

# A tibble: 6 x 6

# Rowwise: gene

gene A B C D avg

<chr> <dbl> <dbl> <dbl> <dbl> <dbl>

1 gene 1 1 2 3 4 2.5

2 gene 1 4 3 2 1 2.5

3 gene 2 2 3 4 5 3.5

4 gene 2 0 4 3 2 2.25

5 gene 2 3 2 4 2 2.75

6 gene 3 3 4 2 1 2.5

利用rowwsie,可以将数据按行进行处理，默认是按列进行处理

5、提取通路中涉及的基因

百迈客的通路富集结果中包含许多信息，有时想快速了解相关通路涉及基因时。利用tidyr包中的函数能够方便清理数据，使得数据更加规整。其中separate_rows函数能够将某列中数据按字符分割成多行，利用这个函数能够快速提取富集到通路的相关基因。

> data

# A tibble: 1 x 2

GO Gene_ID

<chr> <chr>

1 Go1 Gene 1;Gene 2;Gene 3

> data %>% separate_rows(Gene_ID,sep=";")

# A tibble: 3 x 2

GO Gene_ID

<chr> <chr>

1 Go1 Gene 1

2 Go1 Gene 2

3 Go1 Gene 3

好了，今天tidyverse包的简单使用就介绍到这。如果你觉得上面的操作不能满足你的分析需要，你可以访问我们的百迈客云平台，上面有诸多工具，总有一款适合你
https://international.biocloud.net/zh/software/tools/list。

参考书籍：

1. Hadley Wickham: R for Data Science.