derfinderData 2.14.0
derfinderData是从其中提取信息的小数据包吗BrainSpan(见在这里) (BrainSpan, 2011)用于24个限制在21号染色体上的样本。这个包中的BigWig文件可以被其他包使用，例如derfinder而且derfinderPlot．
而你可以从BrainSpan(BrainSpan, 2011)，这个包对于您可能遇到一些困难的场景是有帮助的，例如本文所描述的线程．
下面的代码构建包含的表型表derfinderData．随机选取两个结构，选取12个样本，其中6个来自胎儿样本，另外6个来自成年个体。对于胎儿样本，PCW中的年龄转化为年的年龄
age_in_years = (age_in_PCW - 40) / 52在其他数据集中，如果某些观测数据的PCW高达42，则可能需要减去42而不是40。
# #构造brainspanPheno表brainspanPheno < - data.frame(性别= c(“F”、“M”、“M”,“M”,“F”,“F”,“F”,“M”,“F”,“M”,“M”,“F”,“M”,“M”,“M”,“M”,“F”,“F”,“F”,“M”,“F”,“M”,“M”,“F”),实验室= c(“HSB97。艾米”、“HSB92。艾米", "HSB178.AMY", "HSB159.AMY", "HSB153.AMY", "HSB113.AMY", "HSB130.AMY", "HSB136.AMY", "HSB126.AMY", "HSB145.AMY", "HSB123.AMY", "HSB135.AMY", "HSB114.A1C", "HSB103.A1C", "HSB178.A1C", "HSB154.A1C", "HSB150.A1C", "HSB149.A1C", "HSB130.A1C", "HSB136.A1C", "HSB126.A1C", "HSB145.A1C", "HSB123.A1C", "HSB135.A1C"), Age = c(-0.442307692307693, -0.365384615384615, -0.461538461538461, -0.307692307692308, -0.538461538461539, -0.538461538461539, 21, 23, 30, 36, 37, 40, -0.519230769230769, -0.519230769230769, -0.461538461538461, -0.461538461538461, -0.538461538461539, -0.519230769230769, 21, 23, 30, 36, 37, 40) ) brainspanPheno$structure_acronym <- rep(c("AMY", "A1C"), each = 12) brainspanPheno$structure_name <- rep(c("amygdaloid complex", "primary auditory cortex (core)"), each = 12) brainspanPheno$file <- paste0("http://download.alleninstitute.org/brainspan/MRF_BigWig_Gencode_v10/bigwig/", brainspanPheno$lab, ".bw") brainspanPheno$group <- factor(ifelse(brainspanPheno$Age < 0, "fetal", "adult"), levels = c("fetal", "adult"))然后我们可以保存表型信息，包括在derfinderData．
保存pheno表(brainspanPheno, file = "brainspanPheno. rdata ")以下是数据的样子:
library("knitr") ##探索pheno p <- brainspanPheno[， -which(colnames(brainspanPheno) %in% c("structure_acronym"， "structure_name"， "file"))] kable(p, format = "html"， row.names = TRUE)| 性别 | 实验室 | 年龄 | 集团 | |
|---|---|---|---|---|
| 1 | F | HSB97。艾米 | -0.4423077 | 胎儿 |
| 2 | 米 | HSB92。艾米 | -0.3653846 | 胎儿 |
| 3. | 米 | HSB178。艾米 | -0.4615385 | 胎儿 |
| 4 | 米 | HSB159。艾米 | -0.3076923 | 胎儿 |
| 5 | F | HSB153。艾米 | -0.5384615 | 胎儿 |
| 6 | F | HSB113。艾米 | -0.5384615 | 胎儿 |
| 7 | F | HSB130。艾米 | 21.0000000 | 成人 |
| 8 | 米 | HSB136。艾米 | 23.0000000 | 成人 |
| 9 | F | HSB126。艾米 | 30.0000000 | 成人 |
| 10 | 米 | HSB145。艾米 | 36.0000000 | 成人 |
| 11 | 米 | HSB123。艾米 | 37.0000000 | 成人 |
| 12 | F | HSB135。艾米 | 40.0000000 | 成人 |
| 13 | 米 | HSB114。糖化血红蛋白 | -0.5192308 | 胎儿 |
| 14 | 米 | HSB103。糖化血红蛋白 | -0.5192308 | 胎儿 |
| 15 | 米 | HSB178。糖化血红蛋白 | -0.4615385 | 胎儿 |
| 16 | 米 | HSB154。糖化血红蛋白 | -0.4615385 | 胎儿 |
| 17 | F | HSB150。糖化血红蛋白 | -0.5384615 | 胎儿 |
| 18 | F | HSB149。糖化血红蛋白 | -0.5192308 | 胎儿 |
| 19 | F | HSB130。糖化血红蛋白 | 21.0000000 | 成人 |
| 20. | 米 | HSB136。糖化血红蛋白 | 23.0000000 | 成人 |
| 21 | F | HSB126。糖化血红蛋白 | 30.0000000 | 成人 |
| 22 | 米 | HSB145。糖化血红蛋白 | 36.0000000 | 成人 |
| 23 | 米 | HSB123。糖化血红蛋白 | 37.0000000 | 成人 |
| 24 | F | HSB135。糖化血红蛋白 | 40.0000000 | 成人 |
我们可以证实，这确实是包含的信息derfinderData．
##重命名我们新创建的pheno数据newPheno <- brainspanPheno ##加载包含的数据库("derfinderData")## ##附加包:'derfinderData'##下面的对象被屏蔽__ `。GlobalEnv': ## ## brainspanPheno##验证相同(newPheno, brainspanPheno)##[1]真利用表现型信息，你可以使用derfinder从这些样本中提取21号染色体的基本覆盖水平信息。然后将数据导出到BigWig文件中。
library("derfinder") ##确定要使用的文件并修复名称文件<- brainspanPheno$file names(files) <- gsub(". amy |. txt ")A1C"， ""， brainspanPheno$lab) ##加载数据系统。time(fullCovAMY <- fullCoverage(files = files[brainspanPheno$structure_acronym == "AMY"]， chrs = "chr21")) #用户系统运行# 4.505 0.178 37.676系统。time(fullCovA1C <- fullCoverage(files = files[brainspanPheno$structure_acronym == "A1C"]， chrs = "chr21")) #用户系统运行# 2.968 0.139 27.704 ##写入BigWig文件dir.create("AMY")系统。time(createBw(fullCovAMY, path = "AMY"， keepGR = FALSE)) # user system elapsed # 5.749 0.332 6.045 dir.create("A1C") system. time(createBw(fullCovAMY, path = "AMY"， keepGR = FALSE))time(createBw(fullCovA1C, path = "A1C"， keepGR = FALSE)) #用户系统运行时间# 5.025 0.299 5.323 ##检查每个目录中创建了12个文件all(c(length(dir("AMY"))， length(dir("A1C"))) == 12) # TRUE ##保存在Windows上运行的示例数据Save (fullCovAMY, file = "fullCovA1C. rdata ") Save (fullCovA1C, file = "fullCovA1C. rdata ")这些BigWig文件可以在下面获得extdata如下图所示:
##查找AMY BigWigs目录(系统。file("extdata"， "AMY"， package = "derfinderData"))## [1] " hsb113。bw”“HSB123。bw”“HSB126。bw”“HSB130。bw”“HSB135。bw”“HSB136。bw" ## [7] "HSB145。bw”“HSB153。bw”“HSB159。bw”“HSB178。bw”“HSB92。bw HSB97.bw”##查找A1C BigWigs目录(system。file("extdata"， "A1C"， package = "derfinderData"))## [1] " hsb103。bw”“HSB114。bw”“HSB123。bw”“HSB126。bw”“HSB130。bw”“HSB135。bw" ## [7] "HSB136。bw”“HSB145。bw”“HSB149。bw”“HSB150。bw”“HSB154。bw HSB178.bw”创建小插图的代码
##创建小插图库("rmarkdown") system.time(render("derfinderData. txt ")Rmd", "BiocStyle::html_document")) ## Extract the R code library("knitr") knit("derfinderData.Rmd", tangle = TRUE)小插图生成的日期。
##[1]“2022-04-28 10:18:49 edt”生成小插图所花费的挂钟时间。
时差0.557秒R会话信息。
会话信息# #────────────────────────────────────────────────────────────────# # # #设置值版本R 4.2.0 RC (2022-04-19 r82224) # # os Ubuntu 20.04.4 LTS # #系统x86_64, ui X11 linux-gnu # # # #语言(EN) # #整理C # # ctype en_US。utf - 8 # # tz美国日期/ New_York # # 2022-04-28 # # pandoc 2.5 @ /usr/bin/(通过rmarkdown) # # # #包────────────────────────────────────────────────────────────────────# #包*版本日期(UTC)自由源# # BiocManager 1.30.17 2022-04-22[2]凹口(R 4.2.0) # # BiocStyle * 2.24.0 2022-04-27 [2] Bioconductor # # bookdown 0.26 2022-04-15[2]凹口(R 4.2.0) # # bslib 0.3.1 2021-10-06[2]凹口(R 4.2.0) # # cli 3.3.0 2022-04-25[2]凹口(R 4.2.0) # # derfinderData * 2.14.0 2022-04-28 [1]Bioconductor # #消化0.6.29 2021-12-01[2]凹口(R 4.2.0) # #评估0.15 2022-02-18[2]凹口(R 4.2.0) # # fastmap 1.1.0 2021-01-25[2]凹口(R 4.2.0) # #泛型0.1.2 2022-01-31[2]凹口(R 4.2.0) # # highr 0.9 2021-04-16[2]凹口(R 4.2.0) # # htmltools 0.5.2 2021-08-25[2]凹口(R 4.2.0) # # httr 1.4.2 2020-07-20[2]凹口(R 4.2.0) # # jquerylib 0.1.4 2021-04-26[2]凹口(R 4.2.0) # # jsonlite 1.8.0 2022-02-22[2]凹口(R 4.2.0) # # knitr * 1.39 2022-04-26[2]凹口(R 4.2.0) # # lubridate 1.8.02021-10-07[2]凹口(R 4.2.0) # # magrittr 2.0.3 2022-03-30[2]凹口(R 4.2.0) # # plyr 1.8.7 2022-03-24[2]凹口(R 4.2.0) # # R6 2.5.1 2021-08-19[2]凹口(R 4.2.0) # # Rcpp 1.0.8.3 2022-03-17[2]凹口(R 4.2.0) # # 2020-11-13 [2] 1.3.0 RefManageR *版本凹口(R 4.2.0) # # rlang 1.0.2 2022-03-04[2]凹口(R 4.2.0) # # rmarkdown 2.14 2022-04-25[2]凹口(R 4.2.0) # # sass 0.4.1 2022-03-23[2]凹口(R 4.2.0) # # sessioninfo * 1.2.2 2021-12-06[2]凹口(R 4.2.0) # # stringi 1.7.6 2021-11-29[2]凹口(R 4.2.0)# # stringr 1.4.0 2019-02-10[2]凹口(R 4.2.0) # # xfun 0.30 2022-03-02[2]凹口(R 4.2.0) # # xml2 1.3.3 2021-11-30[2]凹口(R 4.2.0) # # yaml 2.3.5 2022-02-21[2]凹口(R 4.2.0) # # # # [1] / tmp / Rtmpf4wz69 Rinst14c0422e4ff01 # # [2] /home/biocbuild/bbs - 3.15 bioc / R /图书馆# # # #──────────────────────────────────────────────────────────────────────────────这个小插图是使用BiocStyle(oleovich, 2022)knitr(Xie, 2014)和rmarkdown(Allaire, Xie, McPherson, Luraschi, Ushey, Atkins, Wickham, Cheng, Chang和Iannone, 2022)在幕后运行。
引用由knitcitations．
[1]谢永林，谢永林，等。rmarkdown: R动态文档．R包2.14版本。2022.URL:https://github.com/rstudio/rmarkdown．
[２]BrainSpan。“发展中的人类大脑图集[互联网]。由ARRA奖励1RC2MH089921-01, 1RC2MH090047-01和1RC2MH089929-01资助。2011。URL:http://developinghumanbrain.org．
[3]答:Oleś。BiocStyle:小插图和其他Bioconductor文档的标准样式．R包版本为2.24.0。2022.URL:https://github.com/Bioconductor/BiocStyle．
[4]y谢。“编织器:R中可重复研究的综合工具”。:实施可重复计算研究．编著:V. Stodden, F. Leisch和R. D. Peng。ISBN 978 - 1466561595。查普曼和霍尔/CRC, 2014年。URL:http://www.crcpress.com/product/isbn/9781466561595．