在R中，如需去除包含NA的行，可以使用以下命令： 1na.omit(data) 或者，可以在命令中加入na.rm=TRUE来避免NA造成干扰， 或者根据情况使用如下命令： 1data[!is.na(data$V1),]

tar.gz 1tar -zxvf file.tar.gz 参数的意义如下： -z : 使用gzip命令解压-x : 提取文件-v : 显示操作过程 .tgz 1tar -zxvf file.tgz .gz 1gzip -d file.gz .zip 1unzip file.zip

WINDOWS下查看CPU的核心数与线程数，打开CMD，输入wmic，再输入cup get，NumberOfCores为核数 NumberOfLogicalProcessors为线程数。

下载LxRunOffline，并切换至包含LxRunOffline.exe的目录中，使用如下命令查看已安装的子系统： 12> LxRunOffline.exe listUbuntu-18.04 迁移系统 1> LxRunOffline.exe move -n Ubuntu-18.04 -d F:\LINUX 查看位置 1> LxRunOffline.exe get-dir -n Ubuntu-18.04

分析GSE53757，共72对144个样本，选取其中60对120个，分不同TUMOR GRADE，但这里不加以区分，只看总体表达情况；平台是GPL570，含54675个探针。 12345678910111213setwd("D:/GEO")library(GEOquery)gset <- getGEO('GSE53757',destdir=".",getGPL=F)gset <- gset[[1]]pdata <- pData(gset)dim(pdata)group_list ...

分析GSE40435，来自捷克的101例配对样本，平台是GPL10558，包含48107个探针。 123456789101112131415setwd("D:/GEO")library(GEOquery)gset <- getGEO('GSE40435',destdir=".",getGPL=F)gset <- gset[[1]]pdata <- pData(gset)dim(pdata)group_list <- c(rep(c('normal','tumor'),9) ...

分析GSE72922，23个样本，非配对，平台是GPL14951，然而，没有差异基因 123456789101112setwd("D:/GEO")library(GEOquery)gset <- getGEO('GSE72922',destdir=".",getGPL=F)gset <- gset[[1]]pdata <- pData(gset)dim(pdata)group_list <- c(rep('tumor',7),rep('normal',4),rep('tu ...

分析GSE105288，共88个样本，只选取其中的PRIMARY TUMOR与配对的正常样本，9对18个，平台是GPL10558，但是结果有些出乎意料，居然没有差异显著的基因。 123456789101112setwd("D:/GEO")library(GEOquery)gset <- getGEO('GSE105288',destdir=".",getGPL=F)gset <- gset[[1]]pdata <- pData(gset)dim(pdata)group_list ...

分析GSE16449，共70个样本，选取前17对配对样本，平台是GPL6480 123456789101112setwd("D:/GEO")library(GEOquery)gset <- getGEO('GSE16449',destdir=".",getGPL=F)gset <- gset[[1]]pdata <- pData(gset)dim(pdata)group_list <- c(rep('tumor',17),rep('normal',17))group_li ...

分析GSE66271，样本共13对，平台是GPL570 123456789101112setwd("D:/GEO")library(GEOquery)gset <- getGEO('GSE66271',destdir=".",getGPL=F)gset <- gset[[1]]pdata <- pData(gset)dim(pdata)group_list <- rep(c('tumor','normal'),13)group_list <-factor(group ...