28042021 R bioinformatics
とりあえず、ノーマライズされたデータをサクサク再解釈できればいいので、getGEOから。これでとってきたデータに不適切なサンプルが混じったりすることがあるので、最初にサクッと除きたい
gse <- getGEO("GSE138458") removes <- c("GSM4109031", "GSM4109192", "GSM4109193", "GSM4109194", "GSM4109223", "GSM4109271") gse <- gse[,-which (colnames(gse) %in% removes)]
とやれば綺麗なデータセットになり嬉しい。
25042021 R
朝からQM関連の論文読みまくってちょっと疲れたので写経してみた。Rは作図が楽だし大抵きれいに描いてくれるから良いですよね。
このチュートリアルは大変わかりやすいですが、dplyrとかlimmaはわかっている前提なので別途他のドキュメントで保管する必要があるかもしれないです。
それから、写経して気づいたんですがvolcano plotのとこ多分こうだと思います。
full_results %>% + mutate(Significant = adj.P.Val < p_cutoff & abs(logFC) > fc_cutoff ) %>% + mutate(Rank = 1:n(), Label = ifelse(Rank < topN, Symbol,"")) %>% + ggplot(aes(x = logFC, y = B, col=Significant,label=Label)) + geom_point() + geom_text_repel(col="black")
一通りやったら、YouTubeにもう少し複雑な例を同じ流れでやっている動画があるのでみると更に理解が深まると思います。
このタイミングでまたバイオインフォマティクスにコミットしなきゃならんのかよーとか思っていたけど、実際やってみると色々と新しい発見もあるし生物学はやっぱり面白いですね。
最近グラフはPandas+ggplotで描いていて、深夜のバッチ処理で毎日沢山のグラフを生成させている。
rpy2？
使ってないなーみたいな。
Python版ggplotはR版のAPIと同じものを提供することをゴールにしているのでggplotのクックブックを読んでおくといいことがあります。六角形の密度プロットとか早く実装されないかなー。
尚、下の本も参考になります。
そして、データの操作はPandasで。
機械学習はscikit-learnを使えばよい。
pandasを使い始めてから、「Rのメリットってggplot2だけだよなー」と思っているんだけどggplotが実用的になったら、もうPythonでやりたいことは完結するよなーと思った。
ちなみにちょっと動かそうとしたけど、動かなかったので、GitHubの画像を載せておく。
あとでコードリーディングする。
28082013 R
k近傍法わかるしなーととばしてたのだけど、土曜日やったしということで復習的に読んでみた。
ソートは
> sort(sample(1:100, 10)) [1] 35 41 53 56 57 62 64 74 83 89
類似度を距離に変換するのは
distance <- -log((similarities / 2) + 0.5)
とやることで-1< x <1という類似度の範囲を0 < x < ∞という距離の尺度に変換できる
26082013 R
皆様お疲れ様でした。初めての掛川を堪能した。
ランチはとろろ汁
御飯の量が多いが、とろろ汁美味い
勉強会は掛川城の中にある、いい感じの建物
自分たちでテーブルセッティング。でもプロジェクターとスクリーン、wifi込みで1600円とはお得すぎる会場費
おやつはあめのもちとお茶。これまた美味しかった。
帰りに撮った城とそのミニチュア
懇親会は駅前の炉端焼き屋さん
焼き鳥の肉が大きくてナイスな感じ。スペアリブが美味しかった。お酒も静岡のもので揃えてあっていい感じ。ちなみ写っているのは某合コン部長（副部長）の手。グラスに注がれているのは國香の特純
次回は日が空いて10/26の予定
ランチに名物のいも汁を食すかたは掛川駅に1130に集合です。
一応6回で終了すると思うので次回以降の読書会のネタに関しても話し合いたいので、なにか推薦する方は教えて下さい。
いまのところ、機械学習の延長線上にありそうな「実践コンピュータビジョン」はどうかなという話が上がっております。OpenCV+機械学習+Pythonという結構面白い本だと思います
14082013 R
python+pandasで全部やればいいんだけど、ggplotが使いたかったので。
とりあえず全件取ってきた状態で
import csv tweets = csv.reader(open("tweets.csv")) print "Date\tMessage" for tweet in tweets: if "[[user_id]]" in tweet[7]: print "{}\t{}".format(tweet[5].split()[0], tweet[7])
これである程度綺麗になったtsvが出力されるのであとはRStudioでいじる。data.tsvっていう名前で保存した。
library(plyr) library(ggplot2) library(scales) setwd("/Users//kzfm/lang/rcode/tw") tweets <- read.delim("data.tsv", sep="\t", stringsAsFactors=FALSE, header=TRUE) tweet.counts <- ddply(tweets, .(Date), nrow) date.range <- seq.Date(from=as.Date("2012-10-20"), to=as.Date("2013-8-12"), by="day") date.strings <- strftime(date.range, "%Y-%m-%d") dates <- data.frame(date.strings) all.data <- merge(dates, tweet.counts, by.x=c("date.strings"), by.y=c("Date"), all=TRUE) names(all.data) <- c("Date", "Counts") all.data$Counts[is.na(all.data$Counts)] <- 0 all.data$Date <- as.Date(all.data$Date) ggplot(all.data, aes(x=Date, y=Counts)) + geom_line() + scale_x_date(breaks="2 week", labels=date_format("%Y-%m-%d")) + theme(axis.text.x=element_text(angle=-90))
入門機械学習の1章のやりかたが参考になった。
13082013 R
8/24の入門機械学習読書会の範囲になっているMulti Dimensional Scaling(MDS)の章を読んだ。
最初から距離しか与えられてない場合にはMDSだろうけど、普通はPCAでいいんじゃないかなーと思いつつ。あとユークリッド距離使うんだったらSPEでもよかろうと。
ちなみにクラスタリング関係をRでやるんだったらこの本が参考になるんではないかと。バイオインフォと書いてあるけど、あれも結局インフォマティクスなんで、バイオロジーの知識がなくてもアルゴリズムとかクラスタリングの使い分けとかは理解できると思います。というわけで欲しいかたがいれば持っていきますので、連絡ください。
尚、次回の入門機械学習読書会は掛川開催でランチに名物のいも汁を食べに行くので興味ある方は参加されると良いです。本の内容は8,9,10のPCA,MDS,K-meansといったクラスタリング関係をまとめてやります。
29072013 R
お疲れ様でした。
正則化はちょっとむずかしいかもしれませんね。次回は回帰ではなくクラスタリングなので、面白いと思います。しかも掛川開催です。掛川初めて。
懇親会は金の字本店、清水といえばもつカレー
もつカレーも美味しいが、焼き鳥がうまい。左はあか焼といって脾臓だそうです。右はタン塩
ミノはコリコリしていて美味い、最初は静岡麦酒をのんでいたのだけど、やっぱビールはいいわってことで日本酒にスイッチ。
ねぎまとなんかわからん。
豚焼
前日大阪に行っていたので、僕だけ早めに退散。お疲れ様でした。
Rグラフィックスクックブック ―ggplot2によるグラフ作成のレシピ集
グラフィックスのためのRプログラミング
Pythonによるデータ分析入門 ―NumPy、pandasを使ったデータ処理
入門 機械学習
実践 コンピュータビジョン
Rによるバイオインフォマティクスデータ解析 第2版 －Bioconductorを用いたゲノムスケールのデータマイニング－