Introductory R for Biologists

R to darmowy język programowania o otwartym kodzie źródłowym do obliczeń statystycznych, analizy danych i grafiki. R jest używany przez rosnącą liczbę menedżerów i analityków danych w korporacjach i środowiskach akademickich. R znalazł również zwolenników wśród statystyków, inżynierów i naukowców bez umiejętności programowania komputerowego, którzy uważają go za łatwy w użyciu. Jego popularność wynika z rosnącego wykorzystania eksploracji danych do różnych celów, takich jak ustalanie cen reklam, szybsze znajdowanie nowych leków lub dostrajanie modeli finansowych. R posiada szeroką gamę pakietów do eksploracji danych.

I. Wprowadzenie i zagadnienia wstępne

1. Przegląd

• Czynienie R bardziej przyjaznym, R i dostępne GUI
• Rstudio
• Powiązane oprogramowanie i dokumentacja
• R i statystyki
• Interaktywne korzystanie z języka R
• Sesja wprowadzająca
• Uzyskiwanie pomocy dotyczącej funkcji i właściwości
• Polecenia R, wielkość liter itp.
• Przywoływanie i poprawianie poprzednich poleceń
• Wykonywanie poleceń z pliku lub przekierowywanie danych wyjściowych do pliku
• Trwałość danych i usuwanie obiektów
• [Praktyka programowania w R: Samodzielne skrypty, dobra czytelność, np. ustrukturyzowane skrypty, dokumentacja, markdown
• Instalowanie pakietów; CRAN i Bioconductor

2. Odczytywanie danych

• Pliki txt (read.delim)
• Pliki CSV

3. Proste manipulacje; liczby i wektory + tablice

• Wektory i przypisanie
• Arytmetyka wektorowa
• Generowanie sekwencji regularnych
• Wektory logiczne
• Brakujące wartości
• Wektory znaków
• Wektory indeksowe; wybieranie i modyfikowanie podzbiorów zbioru danych
  • Tablice
• Indeksowanie tablic. Podsekcje tablicy
• Indeksowanie macierzy
• Funkcja array() + proste operacje na tablicach, np. mnożenie, transpozycja.
• Inne typy obiektów

4. Listy i ramki danych

• Listy
• Konstruowanie i modyfikowanie list
  • Łączenie list
• Ramki danych
  • Tworzenie ramek danych
  • Praca z ramkami danych
  • Dołączanie dowolnych list
  • Zarządzanie ścieżką wyszukiwania

5. Manipulowanie danymi

• Wybieranie, podzestawianie obserwacji i zmiennych
• Filtrowanie, grupowanie
• Przekodowywanie, transformacje
• Agregacja, łączenie zestawów danych
• Tworzenie macierzy partycjonowanych, cbind() i rbind()
• Funkcja konkatenacji () z tablicami
• Manipulacja znakami, pakiet stringr
• Krótkie wprowadzenie do grep i regexpr

6. Więcej na temat odczytu danych

• Pliki XLS, XLSX
• pakiety readr i readxl
• SPSS, SAS, Stata,... i inne formaty danych
• Eksportowanie danych do txt, csv i innych formatów

6. Grupowanie, pętle i wykonywanie warunkowe

• Grupowanie wyrażeń
• Instrukcje sterujące
• Wykonywanie warunkowe: instrukcje if
• Wykonywanie powtarzalne: pętle for, repeat i while
• Wprowadzenie do apply, lapply, sapply, tapply

7. Funkcje

• Tworzenie funkcji
• Opcjonalne argumenty i wartości domyślne
• Zmienna liczba argumentów
• Zakres i jego konsekwencje

8. Prosta grafika w R

• Tworzenie wykresu
• Wykresy gęstości
• Wykresy punktowe
• Wykresy słupkowe
• Wykresy liniowe
• Wykresy kołowe
• Wykresy pudełkowe
• Wykresy punktowe
• Łączenie wykresów

II. Analiza statystyczna w R

1. Rozkłady prawdopodobieństwa

• R jako zestaw tabel statystycznych
• Badanie rozkładu zbioru danych

2. Testowanie hipotez

• Testy dotyczące średniej populacji
• Test ilorazu wiarygodności
• Testy dla jednej i dwóch prób
• Test Chi-kwadrat Go odness-of-Fit
• Statystyka Kołmogorowa-Smirnowa dla jednej próby
• Test Wilcoxona Signed-Rank
• Test dwóch prób
• Test sumy rang Wilcoxona
• Test Manna-Whitneya
• Test Kołmogorowa-Smirnowa

3. Wielokrotne testowanie hipotez

• Błąd typu I i FDR
• Krzywe ROC i AUC
• Procedury wielokrotnego testowania (BH, Bonferroni itp.)

4. Modele regresji liniowej

• Ogólne funkcje wyodrębniania informacji o modelu
• Aktualizacja dopasowanych modeli
• Uogólnione modele liniowe
  • Rodziny
  • Funkcja glm()
• Klasyfikacja
  • Regresja logistyczna
  • Liniowa analiza dyskryminacyjna
• Uczenie się bez nadzoru
  • Analiza składowych głównych
  • Metody grupowania (k-średnich, hierarchiczne grupowanie, k-medoidy)

5. Analiza przeżywalności (pakiet survival)

• Obiekty przeżycia w r
• Oszacowanie Kaplana-Meiera, test log-rank, regresja parametryczna
• Przedziały ufności
• Analiza danych cenzurowanych (cenzurowanych interwałowo)
• Modele Coxa PH, stałe zmienne towarzyszące
• Modele Coxa PH, zmienne zależne od czasu
• Symulacja: Porównanie modeli (porównanie modeli regresji)

6. Analiza wariancji

• Jednoczynnikowa ANOVA
• Dwukierunkowa klasyfikacja ANOVA
• MANOVA

III. Problemy praktyczne w bioinformatyce

• Krótkie wprowadzenie do pakietu limma
• Przebieg analizy danych z mikromacierzy
• Pobieranie danych z GEO: https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE1397
• Przetwarzanie danych (QC, normalizacja, ekspresja różnicowa)
• Wykres wulkanu
• Przykłady analizy + mapy cieplne