这是一本从零基础到独立完成多组学分析的医学生物信息实战指南，内容涵盖R语言基础编程、基因表达芯片数据分析、Bulk转录组数据分析、肿瘤免疫微环境分析、单细胞转录组数据分析、多组学联合分析和AI大模型应用等。全书以“体系完整、实战驱动、对新手友好、AI辅助”为特色，融入真实的数据分析案例、可直接运行的代码及常见报错解决方案，贴合主流数据分析思路，解决自学入门难、代码报错多、分析流程不清晰的难题，帮助读者系统掌握生信数据分析全流程。

孙小洁：生信技能树核心成员，7年资深全职讲师；生信星球创始人之一，全网累计粉丝7万人以上；数百场线上线下培训的实战派导师，曾带领1万多名学员完成生信数据分析的启蒙与进阶。R包 tinyarray 作者，《解码生命》编者之一。曾健明：澳门大学健康学院博士，生信技能树、生信菜鸟团、单细胞天地等知名自媒体平台创始人，累计粉丝60万人以上，运营着全球领先的华语生物信息学专业自媒体矩阵，发表超万篇笔记和教程，组织过数百场线上线下培训。刘运泽：澳门大学健康学院博士，生信星球创始人之一，单细胞天地创作者之一，全网累计粉丝7万人以上，参与多场线上和线下培训，擅长排查和解决各类生信数据分析的疑难问题。R包genekitr作者，《解码生命》编者之一。

目 录

第1篇 R基础入门
第1章 初识R语言 2
1.1 基础概念 2
1.2 软件安装 3
1.2.1 安装前的准备工作 3
1.2.2 R软件的安装 5
1.2.3 RStudio的安装 8
1.3 RStudio的设置和使用 8
1.3.1 RStudio界面 9
1.3.2 RStudio设置 10
1.3.3 使用RStudio Project管理工作目录 13
1.3.4 使用脚本管理代码 15
第2章 函数、参数和R包 19
2.1 函数和参数 19
2.1.1 区分函数、形式参数和默认参数 19
2.1.2 形式参数 20
2.1.3 默认参数 20
2.1.4 学会查询函数的帮助文档 20
2.1.5 自定义函数编写和使用 21
2.2 R包的安装 22
2.2.1 R包的来源及安装方式 22
2.2.2 检查R包是否安装成功 24
2.2.3 设置镜像 25
2.2.4 指定版本R包的安装 29
2.2.5 GitHub的R包的离线安装 34
2.2.6 避免重复安装 35
2.2.7 批量安装包 36
2.3 R包的使用方法 38
2.3.1 加载后使用 38
2.3.2 显式指定出自x包的x函数 38
2.3.3 获取R包与函数帮助信息 40
2.4 R包常见的问题及解决办法 43
2.4.1 报错：package "xxx" is not available 43
2.4.2 报错：there is no package called "xxx" 45
2.4.3 报错：x.x.x is already loaded,but x.x.x is required 46
2.4.4 报错：object xxx is not exported by xxx 47
2.4.5 报错：＇make＇ not found 47
2.4.6 报错：make: /opt/gfortran/bin/gfortran：No such file or directory 50
2.4.7 报错：Permission denied 53
2.4.8 报错：The specified module could not be found 54
2.4.9 网络问题 54
2.4.10 经常被误解的问题 55
第3章 数据管理 57
3.1 变量 57
3.1.1 变量的赋值与查看 57
3.1.2 变量的命名 58
3.1.3 变量的使用 59
3.2 数据类型 59
3.2.1 数据类型介绍 59
3.2.2 数据类型的判断 60
3.2.3 数据类型的转换 61
3.2.4 异常数据 61
3.3 数据结构之向量 62
3.3.1 向量的生成方式 62
3.3.2 单个向量的运算 65
3.3.3 两个向量的运算 67
3.3.4 向量取子集 70
3.3.5 元素修改 71
3.4 数据结构之数据框 72
3.4.1 创建数据框 72
3.4.2 数据框的属性 73
3.4.3 数据框取子集 74
3.4.4 数据框的修改 75
3.4.5 两个数据框的拼接 77
3.5 数据结构之矩阵 79
3.5.1 创建矩阵 79
3.5.2 矩阵的属性 80
3.5.3 矩阵取子集 81
3.5.4 矩阵的修改 82
3.5.5 两个矩阵的拼接 82
3.5.6 常用函数 83
3.6 数据结构之列表 86
第4章 数据读写 89
4.1 文件读取技巧 89
4.1.1 文件存放位置 89
4.1.2 不推荐使用绝对路径 90
4.1.3 区分文件格式和分隔符 90
4.2 R语言原生读取和导出的方式 91
4.2.1 R语言原生读取和导出函数介绍 91
4.2.2 R语言原生读取函数之间的关系 91
4.2.3 文件读取示例 92
4.3 优化的读取和导出方式 96
4.3.1 readr包的应用 96
4.3.2 data.table包的应用 98
4.3.3 rio包的应用 100
4.4 多种读取方法比较 102
4.5 复杂示例解读 103
4.5.1 基因表达芯片平台的注释文件 103
4.5.2 TCGA的RNAseq counts文件 104
4.5.3 基因表达芯片数据的表达矩阵文件 105
第5章 R语言作图 107
5.1 R基础包 107
5.1.1 高级绘图函数 107
5.1.2 低级绘图函数 108
5.2 利用ggplot2作图 109
5.2.1 ggplot2的基本语法 110
5.2.2 设置图片属性 111
5.2.3 几何对象 120
5.2.4 位置关系 121
5.2.5 坐标系调整 124
5.2.6 主题设置 126
5.2.7 使用paletteer配色包 127
5.2.8 完整的ggplot2语法结构 128
5.3 利用ggpubr和ggstatplot作图 129
5.4 常见拼图方法 131
5.4.1 par函数的mfrow参数 131
5.4.2 patchwork拼图 131
5.4.3 cowplot拼图 137
5.5 图片的保存与导出方法 141
5.5.1 ggplot2系列保存方法 141
5.5.2 通用保存方法 141
5.5.3 使用eoffice包导出 142
5.6 画图的思考过程 142
第6章 实用数据处理与流程控制 143
6.1 tidyr包应用 143
6.1.1 数据清理 143
6.1.2 分割和合并 145
6.1.3 处理NA 146
6.2 dplyr包应用 148
6.2.1 常用函数 148
6.2.2 管道操作（%＞%） 153
6.2.3 处理关系数据 154
6.3 stringr包应用 156
6.3.1 stringr包与示例数据 156
6.3.2 长度和数量统计 156
6.3.3 拆分和合并 157
6.3.4 内容定位和筛选 159
6.3.5 大小写转换 160
6.3.6 替换和删除 160
6.4 条件语句 161
6.4.1 if语句 161
6.4.2 if语句衍生的ifelse函数 162
6.4.3 switch函数 163
6.5 循环语句 163
6.5.1 for循环 163
6.5.2 while循环 165
6.6 apply族函数 166
6.6.1 apply函数的应用 166
6.6.2 lapply函数的应用 167
6.6.3 sapply函数的应用 169
6.7 项目管理方法示例 170
6.7.1 脚本的管理 170
6.7.2 项目的管理 172
第2篇 基因表达芯片数据分析实战
第7章 基因表达芯片数据分析 175
7.1 常见图表 175
7.1.1 热图 175
7.1.2 箱线图 176
7.1.3 火山图 178
7.1.4 PCA图 180
7.2 GEO数据库介绍 181
7.2.1 数据条目 181
7.2.2 GEO数据集的常见实验类型 182
7.3 实验设计思路及案例 182
第8章 基因表达芯片数据标准分析 184
8.1 安装R包 184
8.1.1 前期设置 184
8.1.2 批量安装R包 185
8.1.3 检查是否安装成功 187
8.2 数据下载与整理 187
8.2.1 前期设置 187
8.2.2 数据下载方式 188
8.2.3 数据整理 189
8.3 提炼分组信息 194
8.3.1 分组信息的3个要求 194
8.3.2 提炼内容 195
8.4 获取探针注释 196
8.4.1 查询注释R包 196
8.4.2 GPL页面的表格文件解析 199
8.5 数据质控 207
8.5.1 PCA图 207
8.5.2 离散基因热图 210
8.6 差异分析 212
8.6.1 用limma完成二分组数据的差异分析 212
8.6.2 差异分析结果整理 213
8.6.3 差异分析结果的可视化 215
8.7 富集分析 217
8.7.1 输入数据 217
8.7.2 执行富集分析 219
8.7.3 分析结果解读 220
8.7.4 分析结果可视化 222
8.8 基因集富集分析 223
8.8.1 输入数据准备 223
8.8.2 执行GSEA分析 226
8.8.3 分析结果解读 227
8.8.4 分析结果可视化 228
8.9 蛋白互作网络分析 231
8.9.1 导出差异基因和属性表格 231
8.9.2 使用string网站进行蛋白互作网络分析 232
8.9.3 cytoscape网络分析 234
第9章 基因表达芯片数据高级分析 242
9.1 R包安装与文件下载 242
9.1.1 R包安装 242
9.1.2 文件下载 243
9.2 tinyarray简化分析流程 244
9.2.1 数据下载和整理 244
9.2.2 生成分组信息与探针注释 244
9.2.3 差异分析 245
9.2.4 富集分析 246
9.3 多分组数据分析 247
9.3.1 数据下载和整理 247
9.3.2 生成分组向量与探针注释 248
9.3.3 差异分析 250
9.3.4 tinyarray的简化操作 252
9.3.5 富集分析 252
9.4 双因素数据差异分析 254
9.4.1 实验设计 254
9.4.2 数据下载和整理 254
9.4.3 整理实验设计 255
9.4.4 做差异分析 256
9.4.5 差异分析结果的可视化 257
9.4.6 理解logFC的计算方式 258
9.4.7 富集分析 259
9.5 多数据集联合分析 261
9.5.1 分别进行差异分析后取交集 261
9.5.2 合并表达矩阵后校正批次效应 263
9.5.3 RRA整合差异基因 268
9.6 加权共表达网络分析 272
9.6.1 数据预整理 272
9.6.2 表达矩阵数据整理 273
9.6.3 表型信息整理 276
9.6.4 WGCNA的具体步骤 277
9.7 常见格式的原始数据处理 286
9.7.1 CEL格式 287
9.7.2 TXT格式 288
第3篇 Bulk转录组数据分析实战
第10章 Bulk转录组数据标准分析 294
10.1 R包安装与文件下载 294
10.1.1 R包安装 294
10.1.2 文件下载 295
10.2 数据下载和整理 296
10.2.1 项目命名 296
10.2.2 读取和整理数据 296
10.2.3 表达矩阵行名ID转换 297
10.2.4 基因过滤 297
10.2.5 分组信息获取 298
10.2.6 保存数据 298
10.3 差异分析及其可视化 298
10.3.1 三大R包差异分析 299
10.3.2 可视化分析 303
10.3.3 三大R包差异基因对比 305
10.4 富集分析 307
10.4.1 普通富集分析 307
10.4.2 基因集富集分析 309
10.5 数据读取与整理案例 310
10.5.1 GEO数据库官方整理的原始计数文件 310
10.5.2 TXT格式的文件读取和整理示例 313
10.5.3 多个TXT文件的整理与合并 315
10.5.4 TCGA的转录组数据整理 317
第11章 Bulk转录组高级分析 321
11.1 R包安装与文件下载 321
11.1.1 R包安装 321
11.1.2 文件下载 322
11.2 转录组多分组数据的差异分析 323
11.2.1 数据下载与整理 323
11.2.2 多分组数据的差异分析 324
11.3 多个转录组数据集联合分析 329
11.3.1 进行差异分析后取交集 329
11.3.2 使用ComBat-seq合并校正Count矩阵 331
11.3.3 RRA整合差异基因 333
11.4 转录组加权共表达网络分析（WGCNA） 338
11.4.1 表达矩阵预整理 338
11.4.2 表达矩阵数据整理 339
11.4.3 表型信息整理 341
11.4.4 WGCNA的具体步骤 342
11.5 机器学习分类模型 350
11.5.1 训练集数据下载和整理 350
11.5.2 测试集数据下载与整理 354
11.5.3 构建Lasso回归的分类模型 356
11.5.4 构建随机森林模型 359
11.5.5 构建支持向量机模型 361
第12章 预后分析 364
12.1 R包安装与文件下载 364
12.1.1 R包安装 364
12.1.2 文件下载 365
12.2 TCGA数据下载与整理 365
12.2.1 下载数据 366
12.2.2 表达矩阵的整理 366
12.2.3 整理生存信息和临床信息 370
12.2.4 实现表达矩阵与临床信息的匹配 373
12.3 测试集数据的下载与整理 373
12.3.1 整理表达矩阵 373
12.3.2 整理生存信息和临床信息 375
12.3.3 表达矩阵与临床信息的对齐 376
12.4 KMplot图绘制和预后相关基因的筛选 376
12.4.1 准备输入数据 376
12.4.2 KM生存曲线 377
12.4.3 批量Log-rank检验 381
12.4.4 批量单因素Cox回归 382
12.5 Lasso回归与预后模型构建 383
12.5.1 准备输入数据 383
12.5.2 train数据集建模 384
12.5.3 test数据集验证 386
12.6 构建Cox比例风险模型与多维验证 386
12.6.1 准备输入数据 386
12.6.2 构建多因素Cox模型 387
12.6.3 风险评分的计算与评估 387
12.6.4 模型的可视化评估（训练集） 388
12.6.5 模型的外部验证（测试集） 392
12.6.6 训练集与测试集对比验证 392
12.6.7 风险因子三图联动（镜像验证） 395
12.7 构建列线图与校准曲线 396
12.7.1 数据整理 396
12.7.2 构建Cox比例风险模型 397
12.7.3 检查Cox模型的多重共线性 398
12.7.4 绘制列线图 398
12.7.5 绘制列线图校准曲线 399

第13章 肿瘤免疫微环境分析 402
13.1 R包安装与文件下载 402
13.1.1 R包安装 402
13.1.2 文件下载 403
13.2 基于ESTIMATE算法的微环境宏观评估 404
13.2.1 准备数据与评分计算 404
13.2.2 结果提取与肿瘤纯度计算 405
13.2.3 高低风险组宏观微环境差异比较 406
13.3 基于ssGSEA的免疫浸润计算与可视化 407
13.3.1 免疫基因集准备与表达矩阵预处理 407
13.3.2 免疫浸润评分计算 407
13.3.3 高低风险组免疫浸润差异可视化 408
13.4 基于CIBERSORT的免疫浸润计算与可视化 409
13.4.1 表达矩阵与免疫数据的对齐 409
13.4.2 免疫浸润比例堆叠柱状图 412
13.4.3 免疫细胞丰度差异分组箱线图 415
13.5 基于IOBR的免疫浸润计算与可视化 416
13.5.1 提取多种算法的TCGA免疫浸润评估结果 416
13.5.2 基于xCell的广谱细胞评估 417
13.5.3 基于MCP-counter的绝对丰度评估 418
13.6 免疫治疗队列的预测与验证 420
13.6.1 IMmotion150队列 420
13.6.2 IMvigor210队列 427
第4篇 单细胞转录组数据分析与多组学探索
第14章 单细胞转录组数据分析 431
14.1 R包安装与文件下载 431
14.1.1 R包安装 431
14.1.2 文件下载 432
14.2 Seurat单样本数据标准流程 433
14.2.1 环境准备、数据读取与对象创建 433
14.2.2 质量控制与基础过滤 435
14.2.3 数据标准化与高度可变基因鉴定 436
14.2.4 数据归一化缩放与线性降维 436
14.2.5 双细胞识别与过滤 437
14.2.6 细胞聚类与非线性降维可视化 440
14.3 细胞类型注释与marker基因计算 442
14.3.1 手动注释 443
14.3.2 自动注释 446
14.3.3 marker基因及其可视化 448
14.4 多样本整合与差异分析 451
14.4.1 数据下载与文件结构整理 451
14.4.2 批量读取与统一质控 452
14.4.3 双细胞去除 454
14.4.4 数据整合与批次效应去除 457
14.4.5 聚类分辨率选择 457
14.4.6 细胞类型注释 459
14.4.7 分组可视化及细胞比例比较 463
14.4.8 差异分析 464
14.4.9 伪Bulk转录组差异分析 466
14.5 细胞亚群的二次分群 467
14.5.1 二次分群背景与子集提取 467
14.5.2 子对象的多样本整合与重新聚类 468
14.5.3 细胞亚群的细分注释 469
14.5.4 将细胞亚群注释映射回原对象 471
14.6 单细胞拟时序分析（Monocle 2） 473
14.6.1 拟时序分析背景与对象构建 473
14.6.2 时序基因筛选与降维 474
14.6.3 构建轨迹与设定发育起点 475
14.6.4 发育轨迹可视化 476
14.6.5 基因表达的时序动态变化 477
14.7 细胞通讯分析（CellChat） 478
14.7.1 细胞通讯分析背景与策略 478
14.7.2 数据准备与数据库设置 479
14.7.3 自定义函数并分组分析 479
14.7.4 组间通讯网络宏观对比 480
14.7.5 信号通路与受体-配体微观差异探究 481
第15章 多组学探索 485
15.1 R包安装与文件下载 485
15.1.1 R包安装 485
15.1.2 文件下载 486
15.2 突变数据 487
15.2.1 数据获取 487
15.2.2 突变数据的可视化 488
15.3 DNA甲基化芯片数据分析 492
15.3.1 甲基化信号值数据的获取与预处理 492
15.3.2 甲基化信号值矩阵归一化与数据质控 494
15.3.3 差异甲基化位点（DMP）分析 496
15.4 拷贝数变异（CNV）分析 500
15.4.1 TCGA拷贝数变异数据的获取与预处理 500
15.4.2 整理GISTIC2.0分析参考文件 501
15.4.3 基于GISTIC2.0的显著突变区域鉴定 502
15.4.4 区域水平的拷贝数变异可视化 505
15.4.5 基因水平的差异CNV鉴定与可视化 507
15.5 空间转录组的细胞类型映射与空间定位 510
15.5.1 单细胞参考图谱的预处理与构建 510
15.5.2 空间标签转移与细胞亚群反卷积 512
第16章 AI大模型在医学数据分析中的应用 515
16.1 主流AI工具的使用 515
16.1.1 通过网页端进行对话式交互 515
16.1.2 通过代码编辑器进行AI Agent交互 516
16.2 代码编辑器中的AI Agent 517
16.3 大语言模型在代码编辑器中的使用 517
16.3.1 在RStudio中使用Copilot 518
16.3.2 在Positron中使用AI智能助手 521
16.4 提问的方法和技巧 525
16.4.1 结构化提问 525
16.4.2 用元数据描述代替大文件上传 525
16.4.3 分步提问 526
16.4.4 明确约束条件 526
16.4.5 提供报错信息的上下文 527
16.5 典型分析场景的提示词实战 527
16.5.1 数据下载场景：从公共数据库获取转录组数据 528
16.5.2 数据分析场景：临床数据的生存分析 528
16.5.3
数据可视化场景：差异基因的火山图绑制 529
16.5.4 小结 530
16.6 数据隐私底线与学术合规 530