R高级教程专题一表达谱芯片的聚类分析

精品文档---下载后可任意编辑【在国际上，R 软件的应用是数据分析的主流进展趋势之一，但我发现在国内 R 软件的使用远不如SPSS、SAS 等软件那么流行。为推广 R 软件的使用，本博客将陆续推出“R 高级教程”系列专辑，希望对生命科学领域的科技工作者有少许帮助......】 通常来讲，对于一般的统计分析，基于傻瓜式操作的 SPSS（PASW）软件已经足够，但在涉及个性化要求很高的复杂数据处理时，SPSS 就开始显得力不从心，这时必须依赖功能更为强大的 SAS 等软件。以前在自己的科研过程中分析数据多用 SPSS、SAS 等。在统计遗传和基因组学领域，SAS 可以处理很多问题，但与此同时，SAS 实现复杂问题过于麻烦，很多问题 SAS 也不是首选。后来开始运用 R 环境中的各种免费统计包，特别是 Bioconductor 的系列分析包，我发觉非常适合生命科学领域的讨论者。R 有很多优点： （1）免费，不需要去寻找破解版，不用担心版权问题，使用非常方便； （2）功能非常强大，单个包的功能比较有限，但多个包组合起来使用则功能无比强大，远胜于SPSS、SAS 等； （3）源代码开放，稍作修改后就能满足个性化的复杂统计分析，满足个性化需求是 R 的最大特点之一； （4）程序阅读容易，再加上参考学习资料很多，上手比较容易，提高也不是很难，根据个人经验，要比 SAS 高级阶段的进阶容易许多； （5）国际同行高度认同 R，我发现很多专用软件都开发了软件的 R 版，今后 R 将是数据分析的主流进展方向。 R 软件的安装、基本使用等初级教程就不谈了，随便在官方网站找个学习资料就搞定了。“R系列”专辑拟推出中级、高级分析教程。今日推出基因表达谱芯片的聚类分析专题。 本专题示例芯片数据来自 GEO 数据库中检索号为 GSE11787 的 Affymetrix 芯片的 CEL 文件，共 6 个 CEL 文件，3 个正常对比组，3 个 HPS 刺激组，为免疫器官脾脏的表达数据。（一）原始数据的读入、RNA 降解评估和标准化> pd <- read.AnnotatedDataFrame("Target.txt",header=TRUE,row.names=1,as.is=TRUE)>rawAffyData <- ReadAffy(filenames=pData(pd)$FileName, phenoData=pd)> summary(exprs(rawAffyData))> deg <- AffyRNAdeg(rawAffyData)> plotAffyRNAdeg(deg, col=c(1,2,3,4,5,6))> eset <- rma(rawAffyData)> summary(exprs(eset))> op <- par(mfrow=c(1,2))>cols <- brewer.pal(6, "Set3")>boxplot(rawAffyDa...