我是不會(huì)運(yùn)行你的代碼嗎？不，我是不會(huì)導(dǎo)入自己的數(shù)據(jù)!
常常遇到有人問起看到分享的教程導(dǎo)入數(shù)據(jù)的方式是data(dune)等直接調(diào)用系統(tǒng)的數(shù)據(jù)，而自己怎么讀入自己的數(shù)據(jù)呢？
對(duì)于初學(xué)者來講，這確實(shí)是個(gè)問題。如何準(zhǔn)備數(shù)據(jù)、拿到正確格式的數(shù)據(jù)并導(dǎo)入后續(xù)的代碼進(jìn)行分析，是學(xué)習(xí)和應(yīng)用過程中的第一個(gè)攔路虎。
為什么教程會(huì)習(xí)慣使用內(nèi)置數(shù)據(jù)？
簡(jiǎn)單省事、便攜可重復(fù)；這是內(nèi)置數(shù)據(jù)的優(yōu)勢(shì)之一；
內(nèi)置數(shù)據(jù)模式清晰，通?？梢垣@得較好的結(jié)果；這是內(nèi)置數(shù)據(jù)的優(yōu)勢(shì)之二；
別人用這個(gè)，我也用這個(gè)，這是一個(gè)偷懶的做法。
每個(gè)人常識(shí)不同。作者可能覺得這個(gè)太簡(jiǎn)單而忽略了初學(xué)者的需求。（生信學(xué)習(xí)學(xué)的是什么？常識(shí)！）
但內(nèi)置數(shù)據(jù)的頻繁使用是導(dǎo)致初學(xué)者學(xué)習(xí)這個(gè)教程時(shí)經(jīng)常提出上面這個(gè)問題的原因。
我不太贊成教程里面用使用內(nèi)置數(shù)據(jù)，原因是：
對(duì)不會(huì)讀入數(shù)據(jù)的人不友好；
不利于探索這篇教程用于實(shí)際數(shù)據(jù)時(shí)可能會(huì)遇到的問題。示例數(shù)據(jù)無腦運(yùn)行，自己的數(shù)據(jù)無顯著差異。
如果要使用內(nèi)置數(shù)據(jù)，也需要額外提供一些信息：
詳細(xì)描述內(nèi)置數(shù)據(jù)的格式和生物含義，及與真實(shí)數(shù)據(jù)的對(duì)應(yīng)，可以參考畫一個(gè)帶統(tǒng)計(jì)檢驗(yàn)的PCoA分析結(jié)果
提供真實(shí)數(shù)據(jù)的格式示例和讀入真實(shí)數(shù)據(jù)的代碼，彌補(bǔ)這個(gè)“鴻溝”;
比如寫這篇文章：你的adonis用對(duì)了嗎？不同因素的順序竟然對(duì)結(jié)果有很大影響就是因?yàn)槭纠龜?shù)據(jù)有顯著差異，而自己的數(shù)據(jù)無差異。所以才從原理上其理解計(jì)算過程，并探尋解決方案。提及可能出現(xiàn)的問題的解決；這也是操作了多套實(shí)際數(shù)據(jù)后，才能寫出的部分。
那假如教程沒有提供這么詳細(xì)，自己又得用這個(gè)教程，怎么做呢？
自己如何根據(jù)教程的數(shù)據(jù)準(zhǔn)備并讀入自己的數(shù)據(jù)
1. 查看數(shù)據(jù)的結(jié)構(gòu)，了解數(shù)據(jù)的構(gòu)成
既然教程提供了測(cè)試數(shù)據(jù)集，不妨仔細(xì)看看測(cè)試數(shù)據(jù)集的特征，沒準(zhǔn)就找著規(guī)律了。
我們以前面文章提到的dune數(shù)據(jù)集為例，查看下其結(jié)構(gòu)特征。
行名字是數(shù)字，列名字是字符串（如果我們對(duì)這些字符串不熟悉，對(duì)我們來說就沒任何意義；每個(gè)字符都認(rèn)識(shí)，串一起就不知道是啥了~~），中間的值是整數(shù)。除此外也看不出其它信息了。
library(vegan)
data(dune)
head(dune)
## Achimill Agrostol Airaprae Alopgeni Anthodor Bellpere Bromhord Chenalbu Cirsarve Comapalu Eleopalu Elymrepe Empenigr
## 1 1 0 0 0 0 0 0 0 0 0 0 4 0
## 2 3 0 0 2 0 3 4 0 0 0 0 4 0
## 3 0 4 0 7 0 2 0 0 0 0 0 4 0
## 4 0 8 0 2 0 2 3 0 2 0 0 4 0
## 5 2 0 0 0 4 2 2 0 0 0 0 4 0
## 6 2 0 0 0 3 0 0 0 0 0 0 0 0
## Hyporadi Juncarti Juncbufo Lolipere Planlanc Poaprat Poatriv Ranuflam Rumeacet Sagiproc Salirepe Scorautu Trifprat Trifrepe
## 1 0 0 0 7 0 4 2 0 0 0 0 0 0 0
## 2 0 0 0 5 0 4 7 0 0 0 0 5 0 5
## 3 0 0 0 6 0 5 6 0 0 0 0 2 0 2
## 4 0 0 0 5 0 4 5 0 0 5 0 2 0 1
## 5 0 0 0 2 5 2 6 0 5 0 0 3 2 2
## 6 0 0 0 6 5 3 4 0 6 0 0 3 5 5
## Vicilath Bracruta Callcusp
## 1 0 0 0
## 2 0 0 0
## 3 0 2 0
## 4 0 2 0
## 5 0 2 0
## 6 0 6 02. 查看數(shù)據(jù)的幫助
從數(shù)據(jù)結(jié)構(gòu)和行列名字上得不到有用信息，那我們查看下幫助信息。
?dunedune is a data frame of observations of 30 species at 20 sites. The
species names are abbreviated to 4+4 letters (see make.cepnames).
這告訴我們什么呢？這套數(shù)據(jù)包含了30個(gè)物種在20個(gè)樣品的豐度信息。從dim(dune)可以看出這是一個(gè)20行X30列的矩陣；可以推測(cè)出，每一行是一個(gè)樣品，每一列是一個(gè)物種
（另一個(gè)佐證是列名字長(zhǎng)度確實(shí)為8個(gè)字符，與物種名字的4+4縮寫一致）。
注：如果對(duì)數(shù)據(jù)還有疑慮，建議谷歌下數(shù)據(jù)。常見內(nèi)置數(shù)據(jù)集都會(huì)有文章描述其信息，可用于佐證你的判斷。
dim(dune)
## [1] 20 30這個(gè)格式跟我們通常的OTU豐度表
(我們的表通常是每一行是一個(gè)物種，每一列是一個(gè)樣品)略有不同。
3. 基本判斷后，讀入我們的數(shù)據(jù)，做可能的轉(zhuǎn)換
如果我們有一個(gè)OTU豐度表，怎么讀入并轉(zhuǎn)成這個(gè)格式呢？
text <- "ID\tSamp1\tSamp2\tSamp3\tSamp4
OTU1\t2\t13\t14\t15
OTU2\t12\t13\t8\t10
OTU3\t22\t10\t14\t11"
otu_table <- read.table(text=text, sep="\t", row.names=1, header=T)讀入OTU豐度表，第一行為列名字，第一列為行名字。
otu_table <- read.table("otutable_rare",sep="\t", row.names=1, header=T)根據(jù)上面的分析做一個(gè)轉(zhuǎn)置，就可以獲得可用于后續(xù)分析的輸入數(shù)據(jù)了。
otu_table_t <- as.data.frame(t(otu_table))
otu_table_t
## OTU1 OTU2 OTU3
## Samp1 2 12 22
## Samp2 13 13 10
## Samp3 14 8 14
## Samp4 15 10 114. 示例數(shù)據(jù)中的整數(shù)代表什么意思？
這個(gè)是比較難確定的部分，只有兩個(gè)判斷方法：1)
教程中作者能夠提及（這是最準(zhǔn)確的方法）；2）憑經(jīng)驗(yàn)猜測(cè)。
這里涉及到另外一個(gè)經(jīng)常會(huì)被問起的問題：
我這一步操作需要提供原始數(shù)據(jù)，還是標(biāo)準(zhǔn)化之后的數(shù)據(jù)？
絕大多數(shù)情況下，我們需要提供的都是標(biāo)準(zhǔn)化之后的在不同樣品之間可比的數(shù)據(jù)。因?yàn)椋?）我們的需求是比較不同樣品的差異，數(shù)據(jù)需要在樣品間可比；2）絕大部分工具是不會(huì)對(duì)數(shù)據(jù)做標(biāo)準(zhǔn)化處理的，要么直接用，要么做一些不影響數(shù)值關(guān)系的轉(zhuǎn)換；3）如果某個(gè)工具自己內(nèi)部會(huì)對(duì)數(shù)據(jù)做標(biāo)準(zhǔn)化，它一定會(huì)在幫助中提及，常見的比如DESeq2,?edgeR、limma，除了這兩個(gè)半(limma算半個(gè)，因?yàn)樗部梢越邮諛?biāo)準(zhǔn)化后的數(shù)據(jù))，一時(shí)想不起還有哪些工具是接受原始數(shù)據(jù)的。單細(xì)胞的Seurat包算是個(gè)例外，它內(nèi)部調(diào)用了一些標(biāo)準(zhǔn)化算法，可以通過參數(shù)關(guān)掉。
5. 查看更多教程，總會(huì)遇到有詳細(xì)描述所需數(shù)據(jù)結(jié)構(gòu)的教程。
6. 跟著感覺走，不管三七二十一讀進(jìn)來試試，出現(xiàn)異?；驁?bào)錯(cuò)再調(diào)整。學(xué)程序不是做實(shí)驗(yàn)，試錯(cuò)成本沒有那么大，光看不練是假把式，大膽試才是王道。
7. 最后一步，跟教程作者溝通。我們的教程問題，歡迎在http://www.ehbio.com/Esx發(fā)帖討論；自己努力后，帶著問題和思路的討論更容易獲得解答。
生物教程還是得使用生物數(shù)據(jù)?。。?/strong>
往期精品(點(diǎn)擊圖片直達(dá)文字對(duì)應(yīng)教程)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
后臺(tái)回復(fù)“生信寶典福利第一波”或點(diǎn)擊閱讀原文獲取教程合集
