生物信息学实操指南

22、为什么单热聚类更适合非负矩阵分解（NMF）而不是iCluster？

单热聚类假设每个样本由一个成分驱动，根据影响样本最大的潜在变量为样本分配聚类标签。而iCluster产生的潜在变量可能为负，且呈多元高斯形状，难以挑选出一个“主导因素”，所以单热聚类不太适用于iCluster，更适合NMF。

23、尝试使用计数表中的所有基因来制作热图，而不是进行子选择。请说明具体操作步骤。

一般来说，可按以下通用思路操作：

1. 首先，确保计数表数据格式正确，通常为矩阵形式，行代表基因，列代表样本。
2. 然后，选择合适的编程语言和工具，如 Python 的 seaborn 库或 R 语言的 pheatmap 包。
3. 接着，读取计数表数据，对数据进行必要的预处理，如归一化等。
4. 最后，使用相应工具的热图绘制函数，将计数表数据传入函数进行热图绘制。

24、使用 R 语言模拟生成数据，用 data=matrix(rnorm(6000, mean = 200, sd = 70), ncol = 6) ，使用 sd() 函数计算均值分布的标准差。将其与根据中心极限定理得到的预期标准误差进行比较，要记住总体参数为 σ = 70，n = 6。如果模拟更多数据，随机样本的估计值会如何变化？[难度：初级/中级]

可按以下步骤解决：

1. 首先，使用 sd() 函数计算均值分布的标准差；
2. 接着，根据中心极限定理公式（标准误差 = σ / √n ）计算预期标准误差并与前者比较；
3. 最后，用 data=matrix(rnorm(6000, mean = 200, sd = 70), ncol = 6) 模拟更多数据，重复上述计算过程，观察随机样本估计值的变化，通常样本量增加会使估计更接近总体参数。

25、对pois1使用均值的自助置信区间。[难度：中级/高级]

在实际操作中，对样本使用自助法构建置信区间的步骤如下：

1. 模拟样本；
2. 进行有放回的自助重采样，多次重复计算样本均值；
3. 计算重采样均值分布的 2.5% 和 97.5% 分位数，得到 95% 置信区间。

若使用 R 语言，代码示例如下：

library(mosaic)
set.seed(某随机种子值)
boot.means = do(1000) * mean(resample(pois1))
q = quantile(boot.means[,1], p = c(0.025, 0.975))

其中 q 即为所求的 95% 置信区间边界值。

26、本次练习需要一个额外的数据集。按以下方式读取基因表达数据集：gexpFile=system.file(“extdata”,”geneExpMat.rds”,package=”compGenomRData”); data=readRDS(gexpFile)。该数据有100个差异表达基因。前3列是测试样本，后3列是对照样本。对每个基因（每行代表一个基因）进行t检验，并记录p值。然后，进行适度t检验，并记录p值。制作p值直方图，并根据0.05的阈值比较两种方法的显著检验数量。对p值使用FDR（BH）、Bonferroni和q值调整方法。计算每种方法中有多少调整后的p值低于0.05。[难度：中级/高级]

可按照以下步骤操作：

1. 按给定代码读取数据集；
2. 对每个基因进行t检验并记录p值；
3. 进行适度t检验并记录p值；
4. 制作p值直方图；
5. 用FDR（BH）、Bonferroni和q值调整方法调整p值；
6. 统计每种调整方法中低于0.05的p值数量。

27、绘制散点图和拟合线。[难度：中级]

可按以下通用步骤操作：

1. 准备数据；
2. 使用绘图函数（如R中的 plot() ）绘制散点图；
3. 拟合线性模型（如R中的 lm() ）；
4. 提取拟合线信息并绘制拟合线（如R中用 abline() ）。

28、运行summary()函数，并尝试从summary返回的对象中提取模型的P值。查看?summary.lm。[难度：中级/高级]

一般在 R 中运行 summary(lm_model) 后，可通过特定代码从返回对象中提取 P 值，如：

summary(lm_model)$coefficients[,4]

（假设 lm_model 是线性模型对象）

29、绘制 H3K27me3 与基因表达量的散点图。[难度：初级]

首先读取组蛋白修饰数据集，获取文件路径代码为：

```r
hmodFile = system.file("extdata", "HistoneModeVSgeneExp.rds", package = "compGenomRData")

数据集有三列，分别为 H3K4me3 、 H3K27me3 的测量水平和每个基因的基因表达量。读取数据后绘制 H3K27me3 与基因表达量的散点图，可使用 R 语言的 plot() 函数进行绘制，假设读取的数据存储在变量 data 中，代码示例为：

plot(data$H3K27me3, da