介绍Bioconductor

马丁•摩根
2014年10月29日

生物体

分析和理解高通量基因组数据

统计分析:大数据、工艺制品、设计实验;严格的
理解：生物学背景，可视化，可重复性
高吞吐量
- 测序：RNASEQ，CHIPSEQ，VARIANTS，副本编号，...
- 微阵列：表达，SNP，......
- 流式细胞术，蛋白质组学，图像，...

包装，羽毛，工作流动

934包
通过以下方式发现和导航Biocviews.
包的着陆页
- 标题，作者/维护人员，简短描述，引文，安装说明，…，下载统计
所有用户可见的函数都有帮助页面，大多数带有可运行的示例
“Vignettes”在生物导体中的一个重要特征 - 叙述文档，说明如何使用包装，具有集成代码
“发布”(每六个月一次)和“devel”分支
支持网站;视频,最近的课程

对象

表示复杂的数据类型
促进互操作性
S4对象系统
- 内省：getClass (),showmethods（...，在哪里=搜索（））,selectMethod ()
- ` accessors'和其他文档化的函数/方法用于操作，而不是直接访问对象结构
互动帮助
- 方法？“substr，”选择有关方法的帮助，课吗?D <选项卡>关于课程的帮助

例子

suppresspackageStartUpMessages（{库（BiCostrings）}）数据（phix174phage）＃示例数据，查看？phix174phage phix174phage

## [1] 5386 GAGTTTTATCGCTTCCATGAC…## [1]5386 GAGTTTTATCGCTTCCATGAC…ATTGGCGTATCCAACCTGCA Genbank ## [2] 5386 GAGTTTTATCGCTTCCATGAC…ATTGGCGTATCCAACCTGCA rf70 ## [3] 5386 GAGTTTTATCGCTTCCATGAC…Attggcgtatccaacctgca ss78 ## [4] 5386 gagttttatcgcttccatgac…ATTGGCGTATCCAACCTGCA公牛## [5]5386 GAGTTTTATCGCTTCCATGAC…Attggcgtatccaacctgca g97 ## [6] 5386 gagttttatcgcttccatgac…ATTGGCGTATCCAACCTGCA NEB03

m < -  consensusmatrix（phix174phage）[1：4，]＃nucl。X位置计数多态< - 哪个（COLSUMS（M！= 0）> 1）M [，多晶型]

# # [1] [2] [3] [4] [5] [6] [7] [8] [9] # # 4 5 4 3 0 0 5 2 0 # # C 0 0 0 0 5 1 0 0 5 # # G 2 1 2 3 0 0 1 4 0 # # T 0 0 0 0 1 5 0 0 1

showmethods（class = class（phix174phage），其中= search（））

核心概念

基因组范围

染色体（seqnames），开始，结束和可选的股线
坐标
- 1型
- 封闭 - 开始和结束坐标包括在范围内
- 最左侧 - 开始始终在左端，无论股线如何

为什么基因组范围？

“注释”
- 许多基因组注释是基于范围的
- 简单的范围：外显子，启动子，转录因子结合位点，CpG岛，......
- 范围列表:基因模型(外显子-转录本内)
'数据'
- 读取自己或派生数据
- 简单范围：Chip-SEQ峰，SNP，未屏蔽读数，...
- 范围列表:间隙对齐，对端读取，…

数据对象

GenomicRanges::隆重
- seqnames ()
- start (),结束(),宽度（）
- 链()
- mcols（）：与每个范围关联的'元数据'，存储为adataframe.
- 在范围内定义了许多非常有用的操作（稍后）
GenomicRanges::GRangesList
- 类似(例如,长度(),名称(),[,[[) < !-) - >
- 每个列表元素a隆重
- 列表和元素列表级别的元数据
- 非常容易（快）到unlist ()和Relist（）。
GenomicAlignments::GAlignments,GaliaNmentsList.,GAlignemntPairs;VariantAnnotation.::VCF,VRanges
- 隆重具有更专门角色的类对象

例子：隆重

##'注释'包;更多以后... suppressPackageStartUpMessages（{库（TXDB.HSAPIENS.CCSC.HG19.knownGENE）}）启动子< - 启动子（TXDB.HSAPIENS.CUCSC.HG19.KNOKNOKNGENE）##'GRANGES'具有2个元数据专栏启动子

## seqnames ranges strand | tx_id tx_name ##    |   ## [1] chr1 [9874, 12073] + | 1 uc001aaa。3 ## [2] chr1 [9874,12073] + | 2 uc010nxq。1 ## [3] chr1 [9874,12073] + | 3 uc010nxr。1 ## [4] chr1 [67091,69290] + | 4 uc001aal。1 ## [5] chr1 [319084, 321283] + | 5 uc001aaq。2 ## ... ... ... ... ... ... ...## [82956] chrY [27605479, 27607678] - | 78803 uc004fwx。1 ## [82957] chrY [27606222, 27608421] - | 78804 uc022cpc。1 ## [82958] chrY [27607233,27609432] - | 78805 uc004fwz。3 ## [82959] chrY [27635755, 27637954] - | 78806 uc022cpd。1 ## [82960] chrY [59360655, 59362854] - | 78807 uc011ncc。1 ## ------- ## seqinfo:来自hg19基因组的93个序列(1个循环)

头（表（SEQNAMES（启动子）））

## ## chr1 chr2 chr3 chr4 chr5 chr6 ## 7967 5092 4328 2888 3366 4220

表(链(发起人))

## ## + - * ## 42198 40762 0

SEQINFO（启动子）

## seqinfo对象具有93个序列（1个循环）来自hg19 genomeHG19 ## ... ... ## Chrun_GL000245 36651假HG19 ## Chrun_GL000246 38154 False HG19 ## Chrun_GL000247 36422 False HG19 ## Chrun_GL000248 39786 False HG19 ## Chrun_GL000249 38502 False HG19

##矢量样接入启动子[SEQNAMES（启动子）％在％C（“CHR1”，“CHR2”）]

## seqnames ranges strand | tx_id tx_name ##    |   ## [1] chr1 [9874, 12073] + | 1 uc001aaa。3 ## [2] chr1 [9874,12073] + | 2 uc010nxq。1 ## [3] chr1 [9874,12073] + | 3 uc010nxr。1 ## [4] chr1 [67091,69290] + | 4 uc001aal。1 ## [5] chr1 [319084, 321283] + | 5 uc001aaq。2 ## ... ... ... ... ... ... ...## [13055] chr2 [242617330,242619529] - | 13055 uc002wcb。2 ## [13056] chr2 [242751523,242753722] - | 13056 uc002wck。1 ## [13057] chr2 [242794933, 242797132] - | 13057 uc010fzs。3 ## [13058] chr2 [242800859, 242803058] - | 13058 uc002wcq。4 ## [13059] chr2 [242800859, 242803058] - | 13059 uc010fzt。3 ## ------- ## seqinfo:来自hg19基因组的93个序列(1个循环)

##元数据MCols（启动子）

## tx_id tx_name ##   ## 1 1 uc001aaa3 ## 2 2 uc010nxq。1 ## 3 3 uc010nxr。1 ## 4 4 uc001aal。1 ## 5 5 uc001aaq2 ## ... ... ...## 82956 78803 uc004fwx。1 ## 82957 78804 uc022cpc。1 ## 82958 78805 uc004fwz。3 ## 82959 78806 uc022cpd。1 ## 82960 78807 uc011ncc

长度（唯一（促销者$ tx_name））

## [1] 82960

##外显子，由转录exbytx < -  Exonsby（txdb.hsapiens.ucsc.hg19.knowngene，“tx”，使用.names = true）##列表 - 类似于子集EXBYTX [1:10]＃也是逻辑，字符，......

## GrangesList长度的对象10：## $ UC001AAA.3 ## Granges对象具有3个范围和3个元数据列：## SEQNAMES范围股票|EXON_ID EXON_NAME EXON_RANK ##    |<整数>  <整数> ## [1] CHR [11874,12227] + |1  1 ## [2] CHR1 [12613,12721] + |3  2 ## [3] CHR1 [13221,14409] + |5  3 ## $ uc010nxq.1 ## GRANGES对象具有3个范围和3个元数据列：## SEQNAMES范围股票|EXON_ID EXON_NAME EXON_RANK ## [1] CHR1 [11874,12227] + |1  1 ## [2] CHR1 [12595,12721] + |2  2 ## [3] CHR1 [13403,14409] + |6  3 ## $ uc010nxr.1 ## granges对象与3个范围和3个元数据列：## SEQNAMES范围股票| exon_id exon_name exon_rank ## [1] chr1 [11874, 12227] + | 1  1 ## [2] chr1 [12646, 12697] + | 4  2 ## [3] chr1 [13221, 14409] + | 5  3 ## ## ... ## <7 more elements> ## ------- ## seqinfo: 93 sequences (1 circular) from hg19 genome

uc001aaa exByTx[[”。#也是数字

# #农庄对象与范围和3元数据列:# # seqnames范围链| exon_id exon_name exon_rank # # < Rle > < IRanges > < Rle > | <整数> <人物> <整数> # # [1]chr1(11874、12227)+ | 1 < NA > 1 # # [2] chr1(12613、12721)+ | 3 < NA > 2 # # [3] chr1(13221、14409)+ | 5 < NA > 3  ## ------- ## seqinfo:从hg19基因组中获得93个序列(1个循环)

##访问器返回类型列表，例如IntegerList宽度(exByTx)

## IntegerList of length 82960 ## [["uc001aaa. txt "]3"]] 354 109 1189 ## ["uc010nxq。1"]] 354 127 1007 ## ["uc010nxr。1"]] 354 52 1189 ## ["uc001aal。1"]] 918 ## ["uc001aaq。2"]] 32 ## ["uc001aar。2"] 62 ## ["uc009vjk。2"]] 192 58 2500 ## ["uc001aau。3"]] 169 58 4143 ## ["uc021oeh。1"]] 58 248 406 514 ## ["uc021oei。1"]] 894 ##…## <82950更多的元素>

log10(宽度(exByTx))

##长度82960的NumericList ## [[ “uc001aaa.3”]] 2.54900326202579 2.03742649794062 3.07518185461869 ## [[ “uc010nxq.1”]] 2.54900326202579 2.10380372095596 3.00302947055362 ## [[ “uc010nxr.1”]] 2.54900326202579 1.7160033436348 3.07518185461869 ##[“UC001AAL.1”]] 2.96284268120124 ## [[“UC001AAQ.2”]] 1.50514997831991＃792398949825 #79239168949825 1.79239168949825 1.79794009356294 3.79794000867204 3.79794000867204 3.76342799356294 3.283422799356204 3.283342799356294 3.76342799356294[[ “uc001aau.3”]] 2.22788670461367 1.76342799356294 3.61731493329829 ## [[ “uc021oeh.1”]] 1.76342799356294 2.39445168082622 2.60852603357719 2.71096311899528 ## [[ “uc021oei.1”]] 2.95133751879592 ## ... ## <82950个以上的元素>

##'容易'询问基本问题，例如......神秘（未达到（log10（宽度（exbytx））））＃宽度的外显子

plot of chunk egg - grangeslist

exByTx[which.max(max(width(exByTx)))] #最大外显子

## GrangesList长度为1：## $ UC031QJH.1 ## Granges对象具有1个范围和3个元数据列：## SEQNAMES范围股票|EXON_ID EXON_NAME ##    |<整数> <字符> ## [1] CH11 [102591363,102796374] + |164764  ## Exon_rank ## <整数> ## [1] 1 ## ## ------- ## SEQINFO：93序列（1个圆形）来自HG19基因组

exbytx [哪个东西（ElementLengths（Exbytx））]＃成绩单与大多数外显子

长度为1的GRangesList对象。1 ## GRanges对象有5065个范围和3个元数据列:# # seqnames范围链| exon_id exon_name # # < Rle > < IRanges > < Rle > | <整数> <人物> # # [1]chr14(107283004、107283004)- | 192985 < NA > # # [2] chr14(107282819、107282819)- | 192984 < NA > # # [3] chr14(107281146、107281146)- | 192983 < NA > # # [4] chr14(107281126、107281126)- | 192982 < NA > # # [5] chr14 (107276018,107276044) | 192981 < NA > ## ... ... ... ... ... ... ...## [5061] chr14 [106067906, 106068064] - | 187862  ## [5062] chr14 [106054457, 106054734] - | 187853  ## [5063] chr14 [106052986,106052998] - | 187849  ## [5064] chr14 [105994262, 105994283] - | 187848  ## [5065] chr14 [105994256, 105994283] - | 187848  ## [5065] chr14 [105994256，105994261) | 187847 < NA > # # exon_rank # # <整数> # # 1 # # [2]2 [1]# # 3 # # [3][4]4 # # [5]5  ## ... ...## [5062] ## [5062] ## [5062] ## [5065] 5065 ## ## ------- ## seqinfo:来自hg19基因组的93个序列(1个循环)

有许多整洁的基于范围的操作(稍后详述)!

范围操作

一些细节

隆重和朋友使用定义的数据结构S4Vectors,绞喉
这些数据结构可以容易地处理相对大的数据，例如，1-10万范围
基本概念是建立在R.'s vector and list;列表实例的实现在有一个由几个元素组成的长列表时是有效的。
需要一点习惯，但非常强大

集成容器

什么是实验?

'分析'
- 区域区域X样品
- 例如，读数，表达值
感兴趣的
- 微阵列：probeset或基因标识符
- 排序:基因组范围
样本
- 实验inforamtion,反是;
整体实验描述

为什么整合？

操作数据时避免错误
案例分析：可重复的研究

数据对象

BioBase.::表达式
- 测定（exprs（））：表达值的矩阵
- 地区（Featureda（）;FDATA（）):探针或基因标识符
- 样品（Phenodata（）;pdata（）:data.frame相关信息
- 实验数据(exptdata（）):类的实例MIAME。
GenomicRanges::概括分析
- 测定（分析(),化验()）：任意矩阵物体
- 地区（rowData ()):隆重或者GRangesList;用GRangesList使用名称和长度为0的元素来表示没有范围的分析。
- 样品（colData ()):dataframe.的相关信息。
- 实验数据(exptdata（）):列表任意信息。

概括分析

例子：表达式(见小插曲BioBase.)。

suppresspackageStartUpMessages（{库（全部）}）数据（全部）所有

## ExpressIonset（StorageMode：LockedEnvironment）## AssayData：12625功能，128个样本##元素名称：exprs ## protocoldata：none ## phenodata ## Samplenames：01005 01010 ... LAL4（总计）## Varlabels：COD诊断...上次看到的日期（21总计）## varmetadata：Labeldescription ##特色：None ##实验Data：使用'实验Data（Object）'## PubMedids：14684422 16243790 ##注释：hgu95av2

##“表型”(sample)和“特征”数据头(pData(ALL))

## COD诊断性别时代BT缓解CR日期.CR T（4; 11）T（9; 22）## 01005 1005 5/21/1997 M 53 B2 CR CR 8/6 / 6/1997 False True ## 01010 1010 3/ 29/29 / 2000 M 19 B2 CR CR 6/27/2000 FALSE FRESE ## 03002 3002 6/24/1998 F 52 B4 CR CR 8/17/1998 NA NA ## 04006 4006 7/17/1907 M 38 B1 CRCR 9/8/1997 True False ## 04007 4007 7/22/1997 M 57 B2 CR CR 9/17/1997 False False ## 04008 4008 7/30/1997 M 17 B1 CR CR 9/27 / 1997 False False## cyto.normal citog mol.biol融合蛋白mdr电气ccr ## 01005假t（9; 22）bcr / abl p210 neg dypoid ## 01010假简单的Alt。neg  pos dypoid false ## 03002 na  bcr / abl p190 neg dypoid false ## 04006 false t（4; 11）All1 / AF4  Neg Dypoid ## 04007 False Del（6Q）neg  neg dypoid false ## 04008错误复杂alt。neg  neg hyperd。FALSE ## relapse transplant f.u date last seen ## 01005 FALSE TRUE BMT / DEATH IN CR  ## 01010 TRUE FALSE REL 8/28/2000 ## 03002 TRUE FALSE REL 10/15/1999 ## 04006 TRUE FALSE REL 1/23/1998 ## 04007 TRUE FALSE REL 11/4/1997 ## 04008 TRUE FALSE REL 12/15/1997

头(featureNames(所有)

## [1]“1001_AT”“1002_F_AT”“1003_S_AT”“1004_AT”“1005_AT”

##访问pData列;矩阵像构造子集;exprs() ALL[， ALL$sex %in% "M"]

## ExpressionSet (storageMode: lockedEnvironment) ## assayData: 12625 features, 83 samples ## element names: exprs ## protocolData: none ## phenoData ## samplename: 01005 01010…83001(83总计)## varLabels:鳕鱼诊断…date last seen (21 total) ## varMetadata: labelDescription ## featureData: none ## experimentData: use 'experimentData(object)' ## pubMedIds: 14684422 16243790 ##注释:hgu95av2

范围(exprs(所有)

## [1] 1.984919 14.126571

## 30％'大多数变量'功能（c.f.，genefilter :: varfilter）iqr < -  apply（exprs（全部），1，iqr）所有[Iqr> stantile（iqr，0.7），]

## ExpressionSet (storageMode: lockedEnvironment) ## assayData: 3788 features, 128 samples ## element names: exprs ## protocolData: none ## phenoData ## samplename: 01005 01010…LAL4(128总计)## varLabels:鳕鱼诊断…date last seen (21 total) ## varMetadata: labelDescription ## featureData: none ## experimentData: use 'experimentData(object)' ## pubMedIds: 14684422 16243790 ##注释:hgu95av2

例子：概括分析(见小插曲GenomicRanges)。

suppresspackagestartupmessages（{图书馆（气道）}）数据（气道）气道

## exptData(1): " ## assays(1): counts ## rownames(64102): ENSG00000000003 ENSG00000000005…LRG_98 LRG_99 ## rowData元数据列名称(0):## colnames(8): SRR1039508 SRR1039509…SRR1039520 SRR1039521 ## colData names(9): SampleName cell…样本BioSample

##列和行数据colData

运行avgLength ##       ## SRR1039508 GSM1275862 N61311 untrt untrt SRR1039509 GSM1275863 N61311 trt untrt SRR1039509 126 ## SRR1039512 GSM1275866 N052611 untrt untrt SRR1039512 126 ## SRR1039512 GSM1275867 N052611SRR1039513 87 ## SRR1039516 GSM1275870 N080611 untrt untrt SRR1039516 120 ## SRR1039517 GSM1275871 N080611 untrt untrt SRR1039517 126 ## SRR1039520 GSM1275874 N061011 untrt untrt SRR1039521 98 ##实验样本生物样本##


  rowData(气管)
  ## GRangesList对象的长度为64102:## $ENSG00000000003# # seqnames范围链| exon_id exon_name # # < Rle > < IRanges > < Rle > | <整数> <人物> # # [1]X(99883667、99883667)- 667145 | ENSE00001459322 # # [2] X(99885756、99885756)- | 667146 ENSE00000868868 # # [3] X(99887482、99887482)- | 667147 ENSE00000401072 # # [4] X(99887538、99887538)- | 667148 ENSE00001849132 # # [5] X [99888402,99888536) - | 667149 ENSE00003554016  ## ... ... ... ... ... ... ...# # [13] X(99890555、99890555)- 667156 | ENSE00003512331 # # [14] X(99891188、99891188)- | 667158 ENSE00001886883 # # [15] X(99891605、99891605)- | 667159 ENSE00001855382 # # [16] X(99891790、99891790)- | 667160 ENSE00001863395 # # [17] X(99894942、99894942)- | 667161 ENSE00001828996  ## ## ...## <64101 more elements> ## ------- ## seqinfo: 722个序列(1个循环)来自一个未指定的基因组
  ## Access Coldata;矩阵像构造子集;Assay（）/分析（）气道[，Airway $ Dex％In％“Trt”]
  ## exptData(1): " ## assays(1): counts ## rownames(64102): ENSG00000000003 ENSG00000000005…LRG_98 LRG_99 ## rowData元数据列名(0):## colnames(4): SRR1039509 SRR1039513 SRR1039517 SRR1039521 ## colData names(9): SampleName cell…样本BioSample
  头（测定（气道））
  ## SRR1039508 SRR1039509 SRR1039512 SRR1039513 SRR1039516 ## ENSG00000000003 679 448 873 408 1138 ## 0 ENSG00000000005 0 0 0 0 ## 467 ENSG00000000419 515 621 365 587 ## 260 ENSG00000000457 211 263 164 245 ## 60 ENSG00000000460 55 40 35 78 ## ENSG000000009380 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0
  测定（气道）
  ##长度1 ##名称（1）：counts
  ##库大小COLSUM（测定（气道））
  ## srr1039508 srr1039509 srr1039512 srr1039513 srr1039516 srr1039517 ## 20637971 18809481 25348649 15163415 24448408 30818215 ## srr1039520 srr1039521 # 19126151 21164133
  hist（Rowmeans（log10（测定（气道）））））
  
  实验室
  GC含量
  
   计算hg19构建中human chr1的GC含量，不包括序列为“N”的区域。你需要
    
     加载BSgenome.Hsapiens.UCSC.hg19
     提取，使用[[即染色体1(“chr1”)。< !-]] >
     用alphabetFrequency ()计算chr1中核苷酸的数量或频率
     使用标准R.函数来计算GC内容。
    
库(BSgenome.Hsapiens.UCSC.hg19)
##加载所需包：BSGenome ##加载所需包：RtrackLayer
chr1seq < - BSgenome.Hsapiens.UCSC。“chr1”hg19 [[]] chr1alf < - alphabetFrequency (chr1seq) chr1gc < - sum (chr1alf [c(“G”、“c”)])/笔(chr1alf [c(“A”、“c”、“G”、“T”)))
   计算chr1上‘外显子组’(大约所有基因区域)的GC含量。你需要
    
     加载txdb.hsapiens.ucsc.hg19.knowngene.包裹。
     用基因()提取所有基因的基因区，然后进行亚群操作，限制到染色体1。
     用getseq，bsgenome-method从BsGenome物体的染色体1中提取序列。
     用alphabetFrequency ()（有争议折叠=真实-为什么?)和standardR.提取基因gc内容的操作。
    
[seqnames(genes) %in% "chr1"] seq1 <- getSeq(bsgenome . haspens . ucsc .hg19. knowngene) <- genes[seqnames(genes) %in% "chr1"] seq1 <- getSeq(bsgenome . haspens . ucsc .)hg19 genes1) alf1 < - alphabetFrequency (seq1崩溃= TRUE) gc1 < - sum (alf1 [c(“G”、“c”)])/笔(alf1 [c(“A”、“c”、“G”、“T”)))
刚刚计算的GC含量如何与每个外显子的GC含量的平均值相比较?回答这个使用alphabetFrequency ()但是崩溃= FALSE)，并调整GC含量的计算以作用于一个矩阵，而不是向量。为什么这些数字不同呢?
ALF2 < - 字母频率（SEQ1，COLLAPSE = FALSE）GC2 < -  RowSums（ALF2 [，C（“G”，“C”）]）/ Rowsums（ALF2 [，C（“A”，“C”，“G”，“t”）]）
   绘制每个基因GC含量的直方图，标注染色体和外显子组GC含量信息。使用基本的图形嘘(),abline（）,情节(密度(…)),情节（ecdf（...）），等等(下面是一个例子)。如果这太容易，为班级准备一个简短的陈述，说明如何使用另一个可视化的信息类型R.图形包装，例如，ggplot2.,{r cranpkg（“ggvis”），或{r cranpkg（“格子”）}。
Plot (density(gc2)) abline(v=c(chr1gc, gc1)， col=c(“red”，“blue”)，lwd=2)

  
  集成容器
  这个练习说明了如何使用集成的容器有效地管理数据;它不是为分析RNASeq差异表达数据提供了一种合适的方法。
  
   加载气道包和气道数据集。稍微探索一下它，例如，确定它的维度(感兴趣的区域和样本的数量)，描述样本的信息，和值的范围数数化验。这些数据来自一个rna测序实验。这colData ()描述治疗组和其他信息。这分析()是每个样本中每个感兴趣区域重叠的短读的(原始)数量。上面总结了这个练习的解决方案。
   创建仅包含30％最变量的数据集的子集（使用IQR为度量）观察。绘制ASINH变换的分布（除了0）行均值计数的分布
IQR < -  Apply（Assay（Airway），1，IQR）Airway1 < -  Airway [IQR> Smianile（IQR，0.7），]图（密度（RoImeans（AsinH（Asinh（Asinh））））））

   使用genefilter包裹rowttests功能（咨询它的帮助页面！），以比较两者之间的ASINH变换的读数敏捷每行的治疗组。以各种方式探讨结果，例如，找到“大多数”差异表达基因，治疗组之间具有最大（绝对）差异的基因，添加调整P.价值（Via.p.adjust ()， 在里面统计数据包)等。你能获得每个治疗组的读计数，对于最差异表达的基因?
suppressPackageStartupMessages({library(genfilter)}) ttest <- rowttests(asinh(assay(airway1))， airway1$dex) ttest$p。的< - p.adjust (tt $ p。值,方法=“黑洞”)tt(头(订单(tt p.adj美元)),)
##统计DM p.value p.adj ## ENSG00000179593 24.61562 5.463536 2.956680e-07 0.005671209 ## ENSG00000101342 15.22622 2.697598 5.065386e-06 0.014773935 ## ENSG00000101347 15.69846 2.485261 4.233805e-06 0.014773935 ## ENSG00000134253 -15.46740 -1.483468 4.619047e-06 0.014773935 ## ESG00000143494 -14.93364 -2.760705 5.675890E-06 0.054983 2.6178982-06 0.0114982-06
分裂（测定（Airway1）[订购（TTEST $ P.ADJ）[1]，]，Airway1 $ Dex）
## $ TRT ## SRR1039509 SRR1039513 SRR1039517 SRR1039517 SRR1039521 ## 81 87 129 213 ## ## $ UTTT ## SRR1039508 SRR1039512 SRR1039516 SRR1039516 SRR1039520 ## 0 0 0 0
   将差异表达式的统计数据添加到Airway1.概括分析。确认统计信息已经添加。
MCols（Rowdata（Airway1））< -  TTEST头（MCols（Airway1））
##统计dm p.value p.adj ## <数字> <数字> <数字> <数字> ## 1 -1.62895587 -0.38927224 0.15444536 0.6325992 ## 2 0.09683305 0.01803387 0.92601249 0.9799343 ## 3 -0.67163380 -0.09939038 0.52681603 0.8637800 ## 4 -0.81787455 -0.16759915 0.44468651 0.8286889 ## 0.598789220.8865085 ## 6 -2.55199111 -0.29224482 0.04337408 0.4154906
  
  资源
  
   网站- 安装，学习，使用，开发R./生物体包
   支持- 寻求帮助和指导;还
   Biocviews.——发现包
   包裹着陆页，例如，GenomicRanges，包括标题，描述，作者，安装说明，Vignettes（例如，Genomicranges'如何”),等等。
   课程和其他帮助材料(例如，视频，EdX课程，社区博客，…)
  
  出版物（一般生物体)
  
   Lawrence M, Huber W, Pagès H, Aboyoun P, Carlson M，等(2013)计算和注释基因组范围的软件。公共科学图书馆计算机生物学9(8):e1003118。doi:10.1371 / journal.pcbi.1003118
  
  其他
  
   Lawrence m . 2014。基因组数据分析软件。Bioc2014会议幻灯片。