第一期 我理解的核心要点

生信核心

编程 + 统计 + 专业背景

• 编程：R/Python/Shell/C++/Golang etc.
• 统计基础：描述性统计量、概率分布、假设检验
• 统计分析（基于统计的计算）：均值、方差；t检验（差异分析）、相关分析、富集分析、多重校正等
• 专业背景：肿瘤学、免疫学、临床治疗等

数据处理流程

• 预处理
• 数据转换和操作
• 数据建模
• 可视化
• 结果汇总和报告

注意数据分析流程与软件开发流程的区别。

• 前者注重探索
• 后者注重功能实现

流程

• 以目录的形式
• 以 包的形式

原始数据的存储可以放到 https://figshare.com/。工具也有 https://git-lfs.github.com/ （https://gitee.com/help/articles/4235#article-header0）

工具

• Make

• Snakemake

• Drake

• Rmarkdown

• Devtools/usethis (R)

核心工具集

• R base/stats/(graphics)
• 数据处理与分析
  • tidyverse 家族（https://r4ds.had.co.nz/）
    • readr
    • dplyr
    • 管道
    • tidyr
    • purrr
    • ggplot2
  • data.table
    • fread（至少知道这个可以快速读取大内存数据） 和 fwrite
    • dt[i, j, by] 等核心操作
  • Linux shell
    • 基本命令 echo/cat/grep/gzip/cut/uniq/sort/wc
    • 控制与循环
    • sed/awk
• 建模与统计分析
  • stats/(cars)/(caret)/(glmnet)
  • 机器学习 mlr3
• 绘图（最好是先导出为 pdf，然后用其他矢量图工具任意调整）
  • graphics
  • ggplot2
  • cowplot/patchwork/ggplotify（拼图）
  • pheatmap/complexheatmap
  • https://github.com/tylermorganwall/rayshader（三维图）
  • https://github.com/tomwenseleers/export （将各种图片导出，特别是到ppt）
• 汇报或记录
  • markdown
    • typora
    • 简书
    • 个人博客
    • 语雀
    • Github
  • rmarkdown
  • https://github.com/yihui/xaringan （幻灯片）
  • Jupyter notebook
  • Shiny

工作流程

• 先思考下问题该怎么解决，尽量拆分为小的问题或步骤
• 思考用什么环境（R/Python/Shell）、什么工具（dplyr/data.table/ggplot）解决，脑子里有一个大概解决方案
• 尝试解决
• 不成功思考问题出在逻辑上还是程序实现上
  • 如果逻辑有问题，返回思考并优化解决方案
  • 如果程序有问题，（谷歌）搜索查找具体问题的解决方案或请教他人
• 解决后检查逻辑是否存在问题，代码是否可以优化（包括逻辑上和效率上）
• 记录结果（图片、表格等）

Git与GitHub/Gitee 的使用

Git: https://git-scm.com/

GitHub desktop: https://desktop.github.com/

Gitee: https://gitee.com/

• 代码与数据存储
• Issue track
  • 问题计划
  • 进展计划
• 合作
• 连接 R
  • Project
  • Package
  • Shiny

另外组内交流可以使用 Trello