1.Tidy data原則

當(dāng)我們進(jìn)行數(shù)據(jù)整理時，同樣的數(shù)據(jù)，可以整理成不同的形式，在下面的例子中，我們可以把GeneId作為行，樣品名稱作為列，也可以顛倒過來，以樣品名稱為行，基因編號作為列：

image

當(dāng)我們用R處理數(shù)據(jù)時，應(yīng)該遵循Tidy data的原則：

• 每一列：代表一個變量（vairable）
• 每一行：代表一次觀測（observation）

在我們上面的例子中，基因的ID，樣品名稱以及基因的表達(dá)量都是變量，而每一個基因在每一個樣品中的表達(dá)量可以成為一次觀測。因此，按照Tidy data的原則，應(yīng)該將上述圖表中的數(shù)據(jù)整理成如下格式：

image

我們在正式對生物信息學(xué)數(shù)據(jù)進(jìn)行統(tǒng)計分析之前，應(yīng)該先把我們的數(shù)據(jù)格式轉(zhuǎn)換為Tidy data格式，因為R語言中的大多數(shù)包都只支持Tidy data格式的數(shù)據(jù)。

2.使用Tidyr轉(zhuǎn)換數(shù)據(jù)格式

(1)Tidyr的安裝

在使用Tidy之前，首先要下載安裝軟件包：

1）修改下載源

依次點擊Tools--Global Options--Packages--Change，選擇一個國內(nèi)的CRAN鏡像：

image

2）下載安裝Tidyr

點擊Tools--Install Packages，輸入要安裝的軟件包tidyr，點擊install即可自動安裝：

image

或者，我們也可以使用命令行進(jìn)行軟件的安裝：

# 使用install.package()命令安裝軟件
> install.packages("tidyr")

(2) 數(shù)據(jù)的轉(zhuǎn)換-1

1）轉(zhuǎn)換策略

image

我們的目的是要把左邊的數(shù)據(jù)轉(zhuǎn)換成右邊的格式，要實現(xiàn)轉(zhuǎn)換結(jié)果，在Geneid一定的情況下，我們可以把每一個樣品和其對應(yīng)的基因表達(dá)量看做一個鍵-值對（key-value pair）。比如：在GeneID為gene1時，sample1對應(yīng)的表達(dá)量是3，sample2對應(yīng)的表達(dá)量是4。因此，我們在轉(zhuǎn)換數(shù)據(jù)時，只需按照上述規(guī)則，并指定要轉(zhuǎn)換的列即可。使用tidyr包中的gather函數(shù)即可實現(xiàn)轉(zhuǎn)換。

2）加載包

在使用Tidyr包之前，我們需要先加載包：

# 加載tidyr包
> library(tidyr)

3）使用gather命令將數(shù)據(jù)轉(zhuǎn)換為Tidy格式

• 1.讀取數(shù)據(jù)：

> gene_exp <-  read.table(file = "gene_exp.txt", sep = "\t", header = TRUE)
> gene_exp
  GeneId Sample1 Sample2 Sample3
1  gene1       1     2.0     0.3
2  gene2       4     5.0     6.0
3  gene3       7     0.8     9.0
4  gene4      10    11.0    12.0

原始數(shù)據(jù)是這樣的：

image

• 2.格式轉(zhuǎn)換

# gather()命令轉(zhuǎn)換說明：
# gather（data=數(shù)據(jù)框名，key="key名"，value="value名"，要轉(zhuǎn)換的列1，列2，列3）
> gene_exp_tidy <- gather(data = gene_exp, key = "sample_name", value = "expression", Sample1, Sample2, Sample3)
# 在指定要轉(zhuǎn)換的列時，也可不用列名，直接指定列的編號即可
> gene_exp_tidy <- gather(data = gene_exp, key = "sample_name", value = "expression", 2:4)
#  在指定要轉(zhuǎn)換的列時，也可指定不需轉(zhuǎn)換的列，其他列參與轉(zhuǎn)換
> gene_exp_tidy <- gather(data = gene_exp, key = "sample_name", value = "expression", -GeneId)

轉(zhuǎn)換后的效果：

image

4）使用spread()函數(shù)將Tidy格式數(shù)據(jù)還原

Tidyr中的spread()函數(shù)，可以將Tidy格式的數(shù)據(jù)，轉(zhuǎn)換成原來的格式：

> spread(data = gene_exp_tidy, key = "sample_name", value = "expression")
  GeneId Sample1 Sample2 Sample3
1  gene1       1     2.0     0.3
2  gene2       4     5.0     6.0
3  gene3       7     0.8     9.0
4  gene4      10    11.0    12.0

(3) 數(shù)據(jù)的轉(zhuǎn)換-2

有時，在數(shù)據(jù)處理時，我們會遇到下面這種更加復(fù)雜的情況，在GeneId一定的情況下，每一樣品還對應(yīng)不同的溫度：

image

對這樣的數(shù)據(jù)，我們應(yīng)該如何處理呢？

1)處理策略

• 1.先使用gather()函數(shù)，按列進(jìn)行轉(zhuǎn)換
• 2.再使用spread()函數(shù)，將Sample和溫度分開

2)數(shù)據(jù)處理

• 1.讀取數(shù)據(jù)

# 讀取數(shù)據(jù)
> gene_exp3 <- read.table(gene_exp3.txt, sep = "\t", header = TRUE)

• 2.使用gather()函數(shù)處理

> gene_exp3_tidy <- gather(gene_exp3, key, Expression, -GeneId)

gather()處理后的結(jié)果：

image

• 3.使用seprate()函數(shù)，對key這一列進(jìn)行分割

> gene_exp3_tidy2 <- separate(gene_exp3_tidy, col = key, into = c("SampleName","Temperature"))

最終的效果如下：

image