R실습동영상

-

 


댓글

댓글 쓰기

이 블로그의 인기 게시물

리눅스_기초 #1. 현재 경로에 존재하는 파일들 확인하기

-
이미지
  #1. 현재 경로에 존재하는 파일들 확인하기 ~$ ls 위와 같이 현재 설정되어있는 경로에 존재하는 폴더 , 파일들이 무엇이 있는지 확인 가능함 .   #2 설정되어 있는 경로 이동하기 ~$ cd [ 원하는 경로 ] cd Desktop/demo 위와 같이 원하는 경로로 이동하면 , 파란색으로 현재 설정된 directory 가 확인됨  ( 참고 cd – change directory 의 약자 )   상위 폴더로 이동 ~$ cd .. 위와 같이 원하는 경로로 이동하면 , 파란색으로 상위 폴더로 이동한 것을 알 수 있음 .   원하는 곳으로 바로 이동하기 ~$ cd / 경로 cd /home
자세한 내용 보기

추출한 TCGA data를 기반으로 분석하기

-
library(limma) # 샘플 이름에서 '01A'는 암 (Cancer), '01B'는 정상 (Normal)으로 구분 sample_ids <- colnames(expr_data_filtered) # 발현 데이터의 샘플 이름 # '01A'와 '01B'를 사용하여 정상/암 샘플 구분 normal_samples <- sample_ids[grepl("11A", sample_ids)] # '11A'가 포함된 샘플 cancer_samples <- sample_ids[grepl("01A", sample_ids)] # '01A'가 포함된 샘플 # 정상 샘플과 암 샘플을 사용하여 발현 데이터 분리 expr_data_normal <- expr_data_filtered[, normal_samples] expr_data_cancer <- expr_data_filtered[, cancer_samples] # 결과 확인 print(dim(expr_data_normal)) # 정상 샘플의 차원 [1] 115 15 print(dim(expr_data_cancer)) # 암 샘플의 차원 [1] 115 465 # 조건 설정: 정상 vs 암 (두 그룹 비교) group <- factor(c(rep("Normal", length(normal_samples)), rep("Cancer", length(cancer_samples)))) # 데이터 결합 expr_data_combined <- cbind(expr_data_normal, expr_data_cancer) # 설계 행렬 생성 (두 그룹을 비교) design <- model.matrix(~ group) # limma 분석 fit <- lmFit(expr_data_combined, design) fit <- e...
자세한 내용 보기

FGSEA data table로 저장하기

-
  fgsea file의 경우, list로 구성되어 있기 때문에 vector 구조로 변환 해야 함. library(tidyr) GESA_output_df <- as.data.frame(GESA_output ) GESA_output_df <- unnest(GESA_output_df , everything()) write.table(GESA_output_df , file = "이름.txt", row.names = F, quote = F, sep = "\t") 혹시 error가 생성될 경우 (S4 클래스를 벡터로 강제형변화하는 방법은 없습니다) library(tidyr) library(dplyr) # gsea_results를 데이터프레임으로 변환하는 방법 GESA_output_df <- as_tibble(gsea_results) # as.data.frame 대신 as_tibble 사용 # 데이터 구조를 펼치는 방법 (필요에 따라 조정) GESA_output_df <- GESA_output_df %>% unnest(cols = everything()) # 파일로 저장 write.table(GESA_output_df, file = "HCT116_H.txt", row.names = FALSE, sep = "\t")
자세한 내용 보기