趣天学塘 QTXT

Cfinder(https://www.cfinder.org/)非常优秀的分析软件。

应该是安装Java环境才可以运行，我是在Win10系统环境下运行的。

打开Network的文件是 .tsv后缀的文件（string_interactions.tsv）

打开后就可以按照K-Clique分析了。

Mark记录一下，不然下次就不记得如何使用了！

合并两个包含同样行名（rowname相同或者某一列包含相同内容）的数据集

直接上code，折腾了快一下午

library(readr)

library(tidyverse)

dfov <- read_csv("Downloads/xxx/OEC GTEx TCGA/Ovary_exp_normalpluscancer_all_withID.csv")

hippogene <- read_csv("Downloads/xxx/hippogene.csv")

dfov <- data.frame(dfov)

#...

如何添加c1~c4？r1~r5?

coln = c(”c1”,”c2”,”c3”,”c4”)

rown = c(”r1”,”r2”,”r3”,”r4”,”r5”)

colnames(datamatrix) = coln

rownames(datamatrix) = rown

https://blog.csdn.net/weixin_33922670/article/details/85903958

ghirow2 <- fread("~/Downloads/ghirow2.csv")

##打开准备用于替换colnames的数据列

cnames <- as.character(ghirow2$V2)

##转换数据列（单列）为as.character! 这是关键

colnames(exp_brain) <- cnames

##转换成功

以上为自己实践揣摩出来的，享受代码之美！

subset(x, subset, select, drop = FALSE, ...)

&多条件查询

select 显示指定列

selectresult=subset(df1,name=="aa" & sex=="f",select=c(age,sex))

负号排除指定列

selectresult=subset(df1,name=="aa" & sex=="f",select=c(-age,-sex))

代码: 参数 备注

substr(s, first, last) :first和last为截取的起始位置。必须设置参数first和last，否则出错。

substring(s, first, last = 1000000): first和last为截取的起始位置。可以只设置first参数，last参数缺省时则默认为1000000，指字符串的最大长度。

data

data<-na.omit(data)

##去除所有含NA的行

data<-subset(data,value1!="NA")

##去除value1为这一列中含有NA的行

> tmp1=as.data.frame(lapply(tmp1,as.numeric))

错误: The size of the connection buffer (131072) was not large enough

to fit a complete line:

  * Increase it by setting `Sys.setenv("VROOM_CONNECTION_SIZE")`

解决办法：

Sys.setenv("VROOM_CONNECTION_SIZE"=131072*6)

>df_train <- mutate(df, df_train_sixgenes$scores = df_train_sixgenes$PMCH*( -0.6294544) + df_train_sixgenes$IFNB1*( -0.3168858) + df_train_sixgenes$IGF2*( 0.1835164) + df_train_sixgenes$PYCR1*( -0.3942564))

>df_train_sixgenes$scores <- df_train_sixgenes...

> library(survminer)

> fit <- survfit(Surv(futime, fustatus)~scores_by2,data = dtrain_score)

> p <- ggsurvplot(fit, conf.int=F, pval=T, risk.table=T, legend.labs = c('High-Risk','Low-Risk'), 

  legend.title='Risk Score', palette = c("dodgerblue2","orchid2...

> dtrain_score$scores_by2 <- ifelse(dtrain_score$scores > median(dtrain_score$scores),'High-Risk','Low-Risk')

> dtest_score$scores_by2 <- ifelse(dtest_score$scores > median(dtest_score$scores),'High-Risk','Low-Risk')