R語言醫學生信數據分析從入門到實戰

作者：編者:孫小潔|責編:張慧敏
出版社：電子工業
ISBN：9787121534300

出版日期：2026/09/01
裝幀：平裝
頁數：485

人民幣：RMB 109 元售價：元

內容大鋼

這是一本從零基礎到獨立完成多組學分析的醫學生物信息實戰指南，內容涵蓋R語言基礎編程、基因表達晶元數據分析、Bulk轉錄組數據分析、腫瘤免疫微環境分析、單細胞轉錄組數據分析、多組學聯合分析和AI大模型應用等。全書以「體系完整、實戰驅動、對新手友好、AI輔助」為特色，融入真實的數據分析案例、可直接運行的代碼及常見報錯解決方案，貼合主流數據分析思路，解決自學入門難、代碼報錯多、分析流程不清晰的難題，幫助讀者系統掌握生信分析全流程。
本書適合生物信息學、生命科學、醫學相關專業的本科生、研究生、醫生及科研工作者閱讀，也適合希望提升數據分析能力的實驗人員、技術人員，以及渴望借助AI工具提高科研效率的初學者與進階者閱讀。另外，本書附贈示例的完整代碼、數據文件等資源，可以助力讀者高效、快速地學習。

作者介紹

編者:孫小潔|責編:張慧敏
孫小潔：生信技能樹核心成員，7年資深全職講師；生信星球創始人之一，全網累計粉絲7萬人以上；數百場線上線下培訓的實戰派導師，曾帶領1萬多名學員完成生信數據分析的啟蒙與進階。R包tinyarray作者，《解碼生命》編者之一。

第1篇  R基礎入門
  第1章  初識R語言
    1.1  基礎概念
    1.2  軟體安裝
      1.2.1  安裝前的準備工作
      1.2.2  R軟體的安裝
      1.2.3  RStudio的安裝
    1.3  RStudio的設置和使用
      1.3.1  RStudio界面
      1.3.2  RStudio設置
      1.3.3  使用RStudio Project管理工作目錄
      1.3.4  使用腳本管理代碼
  第2章  函數、參數和R包
    2.1  函數和參數
      2.1.1  區分函數、形式參數和默認參數
      2.1.2  形式參數
      2.1.3  默認參數
      2.1.4  學會查詢函數的幫助文檔
      2.1.5  自定義函數編寫和使用
    2.2  R包的安裝
      2.2.1  R包的來源及安裝方式
      2.2.2  檢查R包是否安裝成功
      2.2.3  設置鏡像
      2.2.4  指定版本R包的安裝
      2.2.5  GitHub的R包的離線安裝
      2.2.6  避免重複安裝
      2.2.7  批量安裝包
    2.3  R包的使用方法
      2.3.1  載入后使用
      2.3.2  顯式指定出自x包的x函數
      2.3.3  獲取R包與函數幫助信息
    2.4  R包常見的問題及解決辦法
      2.4.1  報錯：package xxx is not available
      2.4.2  報錯：there is no package called xxx
      2.4.3  報錯：x.x.x is already loaded,but x.x.x is required
      2.4.4  報錯：object xxx is not exported by xxx
      2.4.5  報錯：make not found
      2.4.6  報錯：make：/opt/gfortran/bin/gfortran：No such file or directory
      2.4.7  報錯：Permission denied
      2.4.8  報錯：The specified module could not be found
      2.4.9  網路問題
      2.4.10  經常被誤解的問題
  第3章  數據管理
    3.1  變數
      3.1.1  變數的賦值與查看
      3.1.2  變數的命名
      3.1.3  變數的使用
    3.2  數據類型
      3.2.1  數據類型介紹
      3.2.2  數據類型的判斷

      3.2.3  數據類型的轉換
      3.2.4  異常數據
    3.3  數據結構之向量
      3.3.1  向量的生成方式
      3.3.2  單個向量的運算
      3.3.3  兩個向量的運算
      3.3.4  向量取子集
      3.3.5  元素修改
    3.4  數據結構之數據框
      3.4.1  創建數據框
      3.4.2  數據框的屬性
      3.4.3  數據框取子集
      3.4.4  數據框的修改
      3.4.5  兩個數據框的拼接
    3.5  數據結構之矩陣
      3.5.1  創建矩陣
      3.5.2  矩陣的屬性
      3.5.3  矩陣取子集
      3.5.4  矩陣的修改
      3.5.5  兩個矩陣的拼接
      3.5.6  常用函數
    3.6  數據結構之列表
  第4章  數據讀寫
    4.1  文件讀取技巧
      4.1.1  文件存放位置
      4.1.2  不推薦使用絕對路徑
      4.1.3  區分文件格式和分隔符
    4.2  R語言原生讀取和導出的方式
      4.2.1  R語言原生讀取和導出函數介紹
      4.2.2  R語言原生讀取函數之間的關係
      4.2.3  文件讀取示例
    4.3  優化的讀取和導出方式
      4.3.1  readr包的應用
      4.3.2  data.table包的應用
      4.3.3  rio包的應用
    4.4  多種讀取方法比較
    4.5  複雜示例解讀
      4.5.1  基因表達晶元平台的註釋文件
      4.5.2  TCGA的RNAseq counts文件
      4.5.3  基因表達晶元數據的表達矩陣文件
  第5章  R語言作圖
    5.1  R基礎包
      5.1.1  高級繪圖函數
      5.1.2  低級繪圖函數
    5.2  利用ggplot2作圖
      5.2.1  ggplot2的基本語法
      5.2.2  設置圖片屬性
      5.2.3  幾何對象
      5.2.4  位置關係
      5.2.5  坐標系調整

      5.2.6  主題設置
      5.2.7  使用paletteer配色包
      5.2.8  完整的ggplot2語法結構
    5.3  利用ggpubr和ggstatplot作圖
    5.4  常見拼圖方法
      5.4.1  par函數的mfrow參數
      5.4.2  patchwork拼圖
      5.4.3  cowplot拼圖
    5.5  圖片的保存與導出方法
      5.5.1  ggplot2系列保存方法
      5.5.2  通用保存方法
      5.5.3  使用eoffice包導出
    5.6  畫圖的思考過程
  第6章  實用數據處理與流程式控制制
    6.1  tidyr包應用
      6.1.1  數據清理
      6.1.2  分割和合併
      6.1.3  處理NA
    6.2  dplyr包應用
      6.2.1  常用函數
      6.2.2  管道操作（%＞%）
      6.2.3  處理關係數據
    6.3  stringr包應用
      6.3.1  stringr包與示例數據
      6.3.2  長度和數量統計
      6.3.3  拆分和合併
      6.3.4  內容定位和篩選
      6.3.5  大小寫轉換
      6.3.6  替換和刪除
    6.4  條件語句
      6.4.1  if語句
      6.4.2  if語句衍生的ifelse函數
      6.4.3  switch函數
    6.5  循環語句
      6.5.1  for循環
      6.5.2  while循環
    6.6  apply族函數
      6.6.1  apply函數的應用
      6.6.2  lapply函數的應用
      6.6.3  sapply函數的應用
    6.7  項目管理方法示例
      6.7.1  腳本的管理
      6.7.2  項目的管理
第2篇  基因表達晶元數據分析實戰
  第7章  基因表達晶元數據分析
    7.1  常見圖表
      7.1.1  熱圖
      7.1.2  箱線圖
      7.1.3  火山圖
      7.1.4  PCA圖

    7.2  GEO資料庫介紹
      7.2.1  數據條目
      7.2.2  GEO數據集的常見實驗類型
    7.3  實驗設計思路及案例
  第8章  基因表達晶元數據標準分析
    8.1  安裝R包
      8.1.1  前期設置
      8.1.2  批量安裝R包
      8.1.3  檢查是否安裝成功
    8.2  數據下載與整理
      8.2.1  前期設置
      8.2.2  數據下載方式
      8.2.3  數據整理
    8.3  提煉分組信息
      8.3.1  分組信息的3個要求
      8.3.2  提煉內容
    8.4  獲取探針註釋
      8.4.1  查詢註釋R包
      8.4.2  GPL頁面的表格文件解析
    8.5  數據質控
      8.5.1  PCA圖
      8.5.2  離散基因熱圖
    8.6  差異分析
      8.6.1  用limma完成二分組數據的差異分析
      8.6.2  差異分析結果整理
      8.6.3  差異分析結果的可視化
    8.7  富集分析
      8.7.1  輸入數據
      8.7.2  執行富集分析
      8.7.3  分析結果解讀
      8.7.4  分析結果可視化
    8.8  基因集富集分析
      8.8.1  輸入數據準備
      8.8.2  執行GSEA分析
      8.8.3  分析結果解讀
      8.8.4  分析結果可視化
    8.9  蛋白互作網路分析
      8.9.1  導出差異基因和屬性表格
      8.9.2  使用string網站進行蛋白互作網路分析
      8.9.3  cytoscape網路分析
  第9章  基因表達晶元數據高級分析
    9.1  R包安裝與文件下載
      9.1.1  R包安裝
      9.1.2  文件下載
    9.2  tinyarray簡化分析流程
      9.2.1  數據下載和整理
      9.2.2  生成分組信息與探針註釋
      9.2.3  差異分析
      9.2.4  富集分析
    9.3  多分組數據分析

      9.3.1  數據下載和整理
      9.3.2  生成分組向量與探針註釋
      9.3.3  差異分析
      9.3.4  tinyarray的簡化操作
      9.3.5  富集分析
    9.4  雙因素數據差異分析
      9.4.1  實驗設計
      9.4.2  數據下載和整理
      9.4.3  整理實驗設計
      9.4.4  做差異分析
      9.4.5  差異分析結果的可視化
      9.4.6  理解logFC的計算方式
      9.4.7  富集分析
    9.5  多數據集聯合分析
      9.5.1  分別進行差異分析后取交集
      9.5.2  合併表達矩陣后校正批次效應
      9.5.3  RRA整合差異基因
    9.6  加權共表達網路分析
      9.6.1  數據預整理
      9.6.2  表達矩陣數據整理
      9.6.3  表型信息整理
      9.6.4  WGCNA的具體步驟
    9.7  常見格式的原始數據處理
      9.7.1  CEL格式
      9.7.2  TXT格式
第3篇  Bulk轉錄組數據分析實戰
  第10章  Bulk轉錄組數據標準分析
    10.1  R包安裝與文件下載
      10.1.1  R包安裝
      10.1.2  文件下載
    10.2  數據下載和整理
      10.2.1  項目命名
      10.2.2  讀取和整理數據
      10.2.3  表達矩陣行名ID轉換
      10.2.4  基因過濾
      10.2.5  分組信息獲取
      10.2.6  保存數據
    10.3  差異分析及其可視化
      10.3.1  三大R包差異分析
      10.3.2  可視化分析
      10.3.3  三大R包差異基因對比
    10.4  富集分析
      10.4.1  普通富集分析
      10.4.2  基因集富集分析
    10.5  數據讀取與整理案例
      10.5.1  GEO資料庫官方整理的原始計數文件
      10.5.2  TXT格式的文件讀取和整理示例
      10.5.3  多個TXT文件的整理與合併
      10.5.4  TCGA的轉錄組數據整理
  第11章  Bulk轉錄組高級分析

    11.1  R包安裝與文件下載
      11.1.1  R包安裝
      11.1.2  文件下載
    11.2  轉錄組多分組數據的差異分析
      11.2.1  數據下載與整理
      11.2.2  多分組數據的差異分析
    11.3  多個轉錄組數據集聯合分析
      11.3.1  進行差異分析后取交集
      11.3.2  使用ComBat-seq合併校正Count矩陣
      11.3.3  RRA整合差異基因
    11.4  轉錄組加權共表達網路分析（WGCNA）
      11.4.1  表達矩陣預整理
      11.4.2  表達矩陣數據整理
      11.4.3  表型信息整理
      11.4.4  WGCNA的具體步驟
    11.5  機器學習分類模型
      11.5.1  訓練集數據下載和整理
      11.5.2  測試集數據下載與整理
      11.5.3  構建Lasso回歸的分類模型
      11.5.4  構建隨機森林模型
      11.5.5  構建支持向量機模型
  第12章  預後分析
    12.1  R包安裝與文件下載
      12.1.1  R包安裝
      12.1.2  文件下載
    12.2  TCGA數據下載與整理
      12.2.1  下載數據
      12.2.2  表達矩陣的整理
      12.2.3  整理生存信息和臨床信息
      12.2.4  實現表達矩陣與臨床信息的匹配
    12.3  測試集數據的下載與整理
      12.3.1  整理表達矩陣
      12.3.2  整理生存信息和臨床信息
      12.3.3  表達矩陣與臨床信息的對齊
    12.4  KMplot圖繪製和預后相關基因的篩選
      12.4.1  準備輸入數據
      12.4.2  KM生存曲線
      12.4.3  批量Log-rank檢驗
      12.4.4  批量單因素Cox回歸
    12.5  Lasso回歸與預后模型構建
      12.5.1  準備輸入數據
      12.5.2  train數據集建模
      12.5.3  test數據集驗證
    12.6  構建Cox比例風險模型與多維驗證
      12.6.1  準備輸入數據
      12.6.2  構建多因素Cox模型
      12.6.3  風險評分的計算與評估
      12.6.4  模型的可視化評估（訓練集）
      12.6.5  模型的外部驗證（測試集）
      12.6.6  訓練集與測試集對比驗證

      12.6.7  風險因子三圖聯動（鏡像驗證）
    12.7  構建列線圖與校準曲線
      12.7.1  數據整理
      12.7.2  構建Cox比例風險模型
      12.7.3  檢查Cox模型的多重共線性
      12.7.4  繪製列線圖
      12.7.5  繪製列線圖校準曲線
  第13章  腫瘤免疫微環境分析
    13.1  R包安裝與文件下載
      13.1.1  R包安裝
      13.1.2  文件下載
    13.2  基於ESTIMATE演算法的微環境宏觀評估
      13.2.1  準備數據與評分計算
      13.2.2  結果提取與腫瘤純度計算
      13.2.3  高低風險組宏觀微環境差異比較
    13.3  基於ssGSEA的免疫浸潤計算與可視化
      13.3.1  免疫基因集準備與表達矩陣預處理
      13.3.2  免疫浸潤評分計算
      13.3.3  高低風險組免疫浸潤差異可視化
    13.4  基於CIBERSORT的免疫浸潤計算與可視化
      13.4.1  表達矩陣與免疫數據的對齊
      13.4.2  免疫浸潤比例堆疊柱狀圖
      13.4.3  免疫細胞丰度差異分組箱線圖
    13.5  基於IOBR的免疫浸潤計算與可視化
      13.5.1  提取多種演算法的TCGA免疫浸潤評估結果
      13.5.2  基於xCell的廣譜細胞評估
      13.5.3  基於MCP-counter的絕對丰度評估
    13.6  免疫治療隊列的預測與驗證
      13.6.1  IMmotion150隊列
      13.6.2  IMvigor210隊列
第4篇  單細胞轉錄組數據分析與多組學探索
  第14章  單細胞轉錄組數據分析
    14.1  R包安裝與文件下載
      14.1.1  R包安裝
      14.1.2  文件下載
    14.2  Seurat單樣本數據標準流程
      14.2.1  環境準備、數據讀取與對象創建
      14.2.2  質量控制與基礎過濾
      14.2.3  數據標準化與高度可變基因鑒定
      14.2.4  數據歸一化縮放與線性降維
      14.2.5  雙細胞識別與過濾
      14.2.6  細胞聚類與非線性降維可視化
    14.3  細胞類型註釋與marker基因計算
      14.3.1  手動註釋
      14.3.2  自動註釋
      14.3.3  marker基因及其可視化
    14.4  多樣本整合與差異分析
      14.4.1  數據下載與文件結構整理
      14.4.2  批量讀取與統一質控
      14.4.3  雙細胞去除

      14.4.4  數據整合與批次效應去除
      14.4.5  聚類解析度選擇
      14.4.6  細胞類型註釋
      14.4.7  分組可視化及細胞比例比較
      14.4.8  差異分析
      14.4.9  偽Bulk轉錄組差異分析
    14.5  細胞亞群的二次分群
      14.5.1  二次分群背景與子集提取
      14.5.2  子對象的多樣本整合與重新聚類
      14.5.3  細胞亞群的細分註釋
      14.5.4  將細胞亞群註釋映射回原對象
    14.6  單細胞擬時序分析（Monocle 2）
      14.6.1  擬時序分析背景與對象構建
      14.6.2  時序基因篩選與降維
      14.6.3  構建軌跡與設定發育起點
      14.6.4  發育軌跡可視化
      14.6.5  基因表達的時序動態變化
    14.7  細胞通訊分析（CellChat）
      14.7.1  細胞通訊分析背景與策略
      14.7.2  數據準備與資料庫設置
      14.7.3  自定義函數並分組分析
      14.7.4  組間通訊網路宏觀對比
      14.7.5  信號通路與受體-配體微觀差異探究
第15章  多組學探索
第16章  AI大模型在醫學數據分析中的應用

同類熱銷排行榜

最近瀏覽的商品

R語言醫學生信數據分析從入門到實戰