fork 自 Jimmy 的一个处理芯片和 RNA -Seq 数据的 Repo。 原 Repo 信息：

Create: Jianming Zeng
Date: 2018-07-09 20:11:07
Email: [email protected]
Blog: http://www.bio-info-trainee.com/
Forum: http://www.biotrainee.com/thread-1376-1-1.html
CAFS/SUSTC/Eli Lilly/University of Macau
Update Log: 2018-07-09 First version

All credits goes to jmzeng1314. ——————————————————————————————————————————————

• 流程涵盖芯片和 RNA-Seq 数据处理的常规流程，前者包括表达数据矩阵获取、数据读入和存储、芯片注释和 DEG 分析，DEG 结果的常见下游富集分析和生存分析和简单可视化；后者包括 RNA-Seq count data 分别通过 DEseq2、edgeR 和 limma-voom 进行 DEG 分析和简单可视化。
• 项目包含两个不同芯片（ GSE42872 和 GSE11122） 和一个 RNA-Seq 数据 （airway），分别放在单独文件夹下。
• 每个项目文件夹顶层为所有需要用到的 R 脚本，文件夹 raw_data 下存放原始数据，是 GEO 表达矩阵数据或 count data；文件夹 output_data 存放中间数据或输出结果数据；output_plots 存放输出的图片。
• GSE42872 来自 Affymetrix Human Gene 1.0 ST Array [transcript (gene) version] 芯片，6 个样本 3+3 分为两组。详细信息参考 GEO 页面介绍。
• GSE11122 来自 Affymetrix Human Genome U133A Array 芯片，200 个样本。详细信息参考 GEO 页面介绍。
• airway 来自 airway 包自带数据集，是人气道平滑肌细胞的 RNA—Seq 数据。详细信息参考 GEO 页面介绍和 airway 文件夹内 PDF（原始文献）。

建议下载 Repo 后双击 xxx.Rproj 在 RStudio 中打开项目文件，然后依次打开打开 stepNum.R 这些文件就可以愉快地开始了。 注意：

• 每执行完一个脚本时建议重启 R，在 RStudio 中快捷键 Ctrl + Shifr + F10 即可；
• 由于原始数据、中间输出数据和图在 Repo 其实里已经有了，所以建议在执行到存储数据或存储图片时直接跳过，或者更好的做法是，更改文件名或者存储路径，这样你就可以把你输出的文件或者图片和 repo 里的做对比，看看你的输出（或者我的）有没有问题。
• 中国大陆网络环境建议切换镜像到国内并安装需要用到的包，举例:

options(repos="http://mirrors.ustc.edu.cn/CRAN/")
install.packages("pheatmap")

source("https://bioconductor.org/biocLite.R") 
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/")
BiocInstaller::biocLite('org.Hs.eg.db')