coding_Joash的博客

作业链接作业内容重复这个散点图背景知识TNBC-三阴性乳腺癌三阴乳腺癌是指乳腺癌免疫组化结果：雌激素受体（ER）、孕激素受体（PR）和人表皮生长因子受体2（Her-2）均为阴性的乳腺癌。三阴性乳腺癌容易早期发生广泛转移，如脑转移、骨转移等情况。所以，化疗在三阴性乳腺癌当中地位很重要。当然，复发高峰在手术以后头三年，过了复发高峰以后，预后也还是非常好的一种恶性肿瘤，具体要看分期如何、病人身体状况，以及接受什么样治疗等。下载数据并提取1.从TCGA.BRCA.sampleMap%2FBRCA

作业链接1.下载CCLE数据库的RNA-seq的表达矩阵https://depmap.org/portal/download/?release=CCLE+2019&release=Fusion&release=DNA+Copy+Number下载CCLE_RNAseq_rsem_genes_tpm_20180929.txt.gz这个数据集2.提取BREAST的细胞系TPM数据library(data.table)library(dplyr)CCLE_RNAseq_tpm =

作业链接​0.作业题目从ucsc的xena浏览器里面下载感兴趣癌症，比如肝癌的表达矩阵（counts值）然后根据样本名字拿到有配对的几十个病人的癌症和正常对照数据（部分癌症数据并没有对照）接着提取感兴趣基因（比如TP53）的表达量最后套用上面的绘图代码即可！1.数据下载下载网址​![1634287851(1).jpg](https://img-blog.csdnimg.cn/img_convert/68a30dad6b1cbf8b3b17646a6e09e842.png#client

​题目:下载人和鼠的gtf文件，以及转录本fasta序列文件，自己去探索一下：gtf文件记录了多少个基因，多少个是蛋白编码基因;多少个是lncRNA呢？其中各自的具有polyA尾结构的比例是多少呢？背景知识真核生物的mRNA都是有polyA尾巴结构lncRNA只有部分具有polyA尾结构数据下载Genocode刚好有人和小鼠的gtf文件以及转录本fasta序列文件#humanwget -c 'http://ftp.ebi.ac.uk/pub/databases/gencode/Ge

作业题目去gencode数据库拿到最新的人类的gtf文件，仅仅是挑选蛋白编码基因即可，约2万个，然后把基因名字按照字母顺序排好，取前面的三分之一，对它进行一些基因分布特征的检验，比如是否集中于某条染色体，或者其它一切你能想到的检验。下载数据wget -c 'http://ftp.ebi.ac.uk/pub/databases/gencode/Gencode_human/release_38/gencode.v38.chr_patch_hapl_scaff.annotation.gtf.gz'挑

作业链接作业题目gene2pubmed.gz 约50M文件里面的信息太丰富了，有1333万行信息，仅仅是人类就有159万行的文献，涉及到3万9千的基因数量，绝大部分基因都是如过眼云烟，很少人去研究它。我们的TP53能拔得头彩也是不容易，但它也有自己的发展规律，希望大家可以更细致去探索 ftp://ftp.ncbi.nlm.nih.gov//gene 里面的文件。比如这样的top 100的基因词云，其实可以做出来最近30年的变化规律，只需要你去找到文献的时间年份信息，进行拆分，每个年份独立统计绘图即可

方式1-直接通过R语言的命令安装#Rtools不能通过常规install.packages()命令进行安装，需要通过installr包进行安装install.packages("installr")install.packages("stringr") ###依赖包library(stringr)library(installr)install.Rtools()方式2-官网下载安装https://mirrors.tuna.tsinghua.edu.cn/CRAN/bin/windo

把tcga大计划的CNS级别文章标题画一个词云给自己的浏览器装个XPATH点击XPATH然后写入：//*/div[1]/div/div/div/div/ul/li[2]/a直接复制右边的33篇文章标题，存为TCGA_33_title.txt即可file <- scan('TCGA_33_title.txt',sep='\n',what='',encoding="UTF-8")txtList = lapply(file, strsplit,"\\s+") #使用空格符号进行分词txt

把tcga大计划的CNS级别文章标题画一个词云获取网页的泛癌文章标题，目前一共24篇get_title <- function(url){ web <- xml2::read_html(url, encoding = "utf-8") #解析url urlpage <- XML::htmlParse(web) #解析xml title = XML::xpathSApply(urlpage, '//*[@id="content"]/div[3]/section/articl

gmt文件定义gmt格式是多列注释文件，列与列之间都是TAB分割。第1列： 是基因所属基因集的名字，可以是通路名字，也可以是自己定义的任何名字。第2列 ：官方提供的格式是URL，可以是任意字符串。第3列-第n列： 后面是基因集内基因的名字，有几个写几列。library(clusterProfiler)data(gcSample) #加载gcSample数据集#第一列用X1-X8，第二列无内容用‘NA’代替，第三列-第N列为基因的entrenz id#文件以制表符分隔开get_gmt

作业链接library(jiebaR)library(wordcloud2)#读入数据分隔符是‘\n’，字符编码是‘UTF-8’，what=''表示以字符串类型读入file <- scan('ciyun.txt',sep='\n',what='',encoding="UTF-8")txtList = lapply(file, strsplit,"\\s+") #使用空格符号进行分词txtChar = tolower(unlist(txtList))txtChar <- txt

GO基因本体涉及的基因和基因产物词汇分为三大类，涵盖生物学的三个方面:细胞组分(cellular component)CC:细胞的每个部分和细胞外环境。分子功能(molecular function)MF:可以描述为分子水平的活性(activity)，如催化(catalytic)或结合(binding)活性。生物过程(biological process)BP:生物学过程系指由一个或多个分子功能有序组合而产生的系列事件。其定义有广义和狭义之分，在词义上可以区分为泛指和特指。一般规律是，一个过程是由多

typora-copy-images-to: …\zhengzx\mk图片保存apply族函数–提高代码效率神器R是统计学家整出来的，是一种统计领域的软件工具。面向数组(array-oriented)的语法，它更像数学，方便科学家将数学公式转化为R代码。在使用R时，要尽量用array的方式思考，避免for循环,多用apply族函数代替vector是一维的array，dataframe可以看作特殊的list。applyapply(array, margin, FUN, …)在array上，沿ma.