Язык R и его применение в биоинформатике

class: center, middle, inverse, title-slide

# Язык R и его применение в биоинформатике
### Анастасия Жарикова, Анна Валяева
### 24.09.2021

---

# Длинный и широкий формат

- Из широкого в длинный - `pivot_longer`
- Из длинного в широкий - `pivot_wider`

---
# Лемуры в широком формате

```r
lemur_weights <- read_csv("data/2021-10-08/aye_weights.csv")

lemur_weights
```

```
# A tibble: 51 × 4
   name           weight_1 weight_2 weight_3
   <chr>             <dbl>    <dbl>    <dbl>
 1 Nosferatu          2860     2505     2930
 2 Poe                2700     2610     2680
 3 Samantha           2242     2360     2415
 4 Annabel Lee         944     1180     1689
 5 Mephistopheles     2760     2520     2620
 6 Endora             2600     2360     2645
 7 Ozma               2500     2440     2620
 8 Morticia           2700     2550     2255
 9 Blue Devil         1330     1820     2460
10 Goblin             1180     1460     1150
# … with 41 more rows
```

---
# Лемуры в широком формате

```r
ggplot(lemur_weights, 
*      aes(x = weight_1, y = weight_2)) +
  geom_point(size = 3) + theme(legend.position = "none")
```

---
# Лемуры в широком формате

```r
ggplot(lemur_weights, 
       aes(x = weight_1, y = weight_2,
*      color = name)) +
  geom_point(size = 3) + theme(legend.position = "none")
```

---
# Лемуры в длинном формате

```r
lemur_weights_long <- lemur_weights %>% 
* pivot_longer(
*   cols = -name,
*   names_to = "weight", values_to = "gram",
*   values_drop_na = TRUE)

lemur_weights_long %>% head
```

```
# A tibble: 6 × 3
  name      weight    gram
  <chr>     <chr>    <dbl>
1 Nosferatu weight_1  2860
2 Nosferatu weight_2  2505
3 Nosferatu weight_3  2930
4 Poe       weight_1  2700
5 Poe       weight_2  2610
6 Poe       weight_3  2680
```

---
# Лемуры в длинном формате

```r
lemur_weights_long %>% 
  group_by(weight) %>% 
  summarise(
    n_weight = n(),
    avg_weight = mean(gram))
```

```
# A tibble: 3 × 3
  weight   n_weight avg_weight
  <chr>       <int>      <dbl>
1 weight_1       37      1891.
2 weight_2       36      1715.
3 weight_3       34      1801.
```

---
# Лемуры в длинном формате

```r
ggplot(lemur_weights_long, 
*      aes(x = weight, y = gram,
*          group = name, color = name)) +
  geom_line(size = 1) +
  theme(legend.position = "none") +  
  scale_x_discrete(expand = expansion(mult = .05))
```

---
# Violin plot

```r
ggplot(lemur_weights_long, 
       aes(x = weight, y = gram, color = weight)) +
* geom_violin() +
  theme(legend.position = "none") 
```

---
# Log scale

.pull-left[

```r
ggplot(lemurs_weights_all_long, 
       aes(x = weight, y = gram, color = weight)) +
  geom_violin() +
  theme(legend.position = "none") 
```

<img src="data:image/png;base64,#figs/lemurs_violin_all-1.png" width="100%" style="display: block; margin: auto;" />
]

.pull-right[

```r
ggplot(lemurs_weights_all_long, 
       aes(x = weight, y = gram, color = weight)) +
  geom_violin() +
* scale_y_log10() +
  theme(legend.position = "none") 
```

<img src="data:image/png;base64,#figs/lemurs_violin_all_log-1.png" width="100%" style="display: block; margin: auto;" />
]

---
# Линия тренда

```r
ggplot(lemurs_weights_all, aes(x = weight_1, y = weight_2)) + 
* geom_smooth(method = "lm") +
  geom_point(size = 3) +
  scale_x_log10() + scale_y_log10()
```

---
# Комбинирование geoms

```r
ggplot(lemur_weights[1:10,]) +
* geom_segment(aes(x = 1, xend = 2, y = weight_1, yend = weight_2, color = name), size = 0.5) +
  theme(legend.position = "none") 
```

---
# Комбинирование geoms

```r
ggplot(lemur_weights[1:10,]) +
  geom_segment(aes(x = 1, xend = 2, y = weight_1, yend = weight_2, color = name), size = 0.5) + 
* geom_point(aes(x = 1, y = weight_1, color = name), size = 3) +
* geom_point(aes(x = 2, y = weight_2, color = name), size = 3) +
  theme(legend.position = "none") 
```

---
# Breaks & labels

```r
ggplot(lemur_weights[1:10,]) +
  geom_segment(aes(x = 1, xend = 2, y = weight_1, yend = weight_2, color = name), size = 0.5) + 
  geom_point(aes(x = 1, y = weight_1, color = name), size = 3) + 
  geom_point(aes(x = 2, y = weight_2, color = name), size = 3) + 
* scale_x_discrete(breaks = c(1, 2), labels = c("1st", "2nd")) +
  theme(legend.position = "none") 
```

---
# Lollipop plot

```r
lemur_weights[1:10,] %>% 
  ggplot() +
* ggalt::geom_lollipop(aes(x = name, y = weight_1, color = name)) +
  theme(legend.position = "none", axis.text.x = element_text(angle = 30, hjust = 1)) 
```

---
# Raincloud plot

```r
ggplot(lemur_weights_long, aes(x = weight, y = gram, color = weight)) +
  # половинка violin
  ggdist::stat_halfeye(
    adjust = 0.5, width = 0.6, .width = 0,
    justification = -0.2, point_colour = NA) +
  # боксплот
  geom_boxplot(width = 0.2, outlier.shape = NA) +
  # точки
  gghalves::geom_half_point(side = "l", range_scale = 0.5, alpha = 0.3)
```

---
# Volcano plot

Результаты анализа дифференциальной экспрессии генов (пакет `airway`).

```r
degs <- read_tsv("data/2021-10-08/degs.tsv")

degs
```

```
# A tibble: 15,016 × 5
   gene       stat  log2FC pvalue   padj
   <chr>     <dbl>   <dbl>  <dbl>  <dbl>
 1 TSPAN6    2.25  -0.384  0.0243 0.107 
 2 DPM1     -2.04   0.198  0.0411 0.155 
 3 SCYL3    -0.231  0.0285 0.817  0.924 
 4 C1orf112  0.401 -0.123  0.688  0.862 
 5 CFH      -1.69   0.435  0.0901 0.268 
 6 FUCA2     2.14  -0.248  0.0324 0.132 
 7 GCLC      0.156 -0.0358 0.876  0.950 
 8 NFYA      2.35  -0.495  0.0188 0.0875
 9 STPG1     0.851 -0.139  0.395  0.655 
10 NIPAL3    0.168 -0.0488 0.867  0.947 
# … with 15,006 more rows
```

---
# Volcano plot

Результаты анализа дифференциальной экспрессии генов (пакет `airway`).

```r
ggplot(degs, aes(x = log2FC, y = -log10(padj))) + 
  geom_point()
```

---
# Градиенты

- `scale_color_gradient`
- `scale_color_gradient2`
- `scale_color_gradientn`

```r
ggplot(degs, aes(x = log2FC, y = -log10(padj))) + 
  geom_point(aes(color = log2FC)) +
* scale_color_gradient2(low = "blue", mid = "lightgrey", high = "red")
```

---
# Градиенты: breaks & labels

- `scale_color_gradient`
- `scale_color_gradient2`
- `scale_color_gradientn`

```r
ggplot(degs, aes(x = log2FC, y = -log10(padj))) + 
  geom_point(aes(color = log2FC)) +
  scale_color_gradient2(
    low = "blue", mid = "lightgrey", high = "red",
*   breaks = c(-5, -2, 0, 2, 5, 9))
```

---
# Цветовые палитры

- **RColorBrewer**

```r
ggplot(degs, aes(x = log2FC, y = -log10(padj))) + 
  geom_point(aes(color = log2FC)) +
* scale_color_distiller(palette = "RdYlBu", direction = -1, limits = c(-10, 10))
```

---
# Дополнительные линии

- `geom_abline`
- `geom_hline`
- `geom_vline`

```r
ggplot(degs, aes(x = log2FC, y = -log10(padj))) + 
  geom_point(aes(color = log2FC)) +
  scale_color_gradient2(low = "blue", mid = "lightgrey", high = "red") +
* geom_vline(xintercept = 0, linetype = "dashed") +
* geom_hline(yintercept = -log10(0.05), linetype = "dashed")
```

---
# xlim & ylim

```r
ggplot(degs, aes(x = log2FC, y = -log10(padj))) + 
  geom_point(aes(color = log2FC)) +
  scale_color_gradient2(low = "blue", mid = "lightgrey", high = "red") +
  geom_vline(xintercept = 0, linetype = "dashed") +
  geom_hline(yintercept = -log10(0.05), linetype = "dashed") +
* xlim(-10, 10) + ylim(-0.1, 105)
```

---
# Zoom: xlim & ylim

---
# Безопасный zoom

---
# Несколько легенд <svg aria-hidden="true" role="img" viewBox="0 0 576 512" style="height:1em;width:1.12em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:#b74f6f;overflow:visible;position:relative;"><path d="M280.37 148.26L96 300.11V464a16 16 0 0 0 16 16l112.06-.29a16 16 0 0 0 15.92-16V368a16 16 0 0 1 16-16h64a16 16 0 0 1 16 16v95.64a16 16 0 0 0 16 16.05L464 480a16 16 0 0 0 16-16V300L295.67 148.26a12.19 12.19 0 0 0-15.3 0zM571.6 251.47L488 182.56V44.05a12 12 0 0 0-12-12h-56a12 12 0 0 0-12 12v72.61L318.47 43a48 48 0 0 0-61 0L4.34 251.47a12 12 0 0 0-1.6 16.9l25.5 31A12 12 0 0 0 45.15 301l235.22-193.74a12.19 12.19 0 0 1 15.3 0L530.9 301a12 12 0 0 0 16.9-1.6l25.5-31a12 12 0 0 0-1.7-16.93z"/></svg>

```r
ggplot(degs, aes(x = log2FC, y = -log10(padj))) + 
* geom_point(aes(color = log2FC, size = -log10(padj))) +
  guides(
*   size = guide_legend(order = 1, title = "significance"),
*   color = guide_colorbar(order = 2, title = "effect")) +
  scale_color_gradient2(low = "blue", mid = "lightgrey", high = "red") +
  geom_vline(xintercept = 0, linetype = "dashed") +
  geom_hline(yintercept = -log10(0.05), linetype = "dashed") +
  xlim(-5, 5) + ylim(-0.1, 30)
```

```r
ggplot(degs, aes(x = log2FC, y = -log10(padj))) + 
  geom_point(aes(color = log2FC, size = -log10(padj))) +
* guides(size = guide_legend("significance"), color = "none") +
  scale_color_gradient2(low = "blue", mid = "lightgrey", high = "red") +
  geom_vline(xintercept = 0, linetype = "dashed") +
  geom_hline(yintercept = -log10(0.05), linetype = "dashed") +
  xlim(-5, 5) + ylim(-0.1, 30)
```

```r
ggplot(degs, aes(x = log2FC, y = -log10(padj))) + 
  geom_point(aes(color = log2FC, size = -log10(padj))) +
* guides(size = guide_legend(reverse = TRUE), color = "none") +
  scale_color_gradient2(low = "blue", mid = "lightgrey", high = "red") +
  geom_vline(xintercept = 0, linetype = "dashed") +
  geom_hline(yintercept = -log10(0.05), linetype = "dashed") +
  xlim(-5, 5) + ylim(-0.1, 30)
```

---
# Цвет по условию

```r
ggplot(degs, aes(x = log2FC, y = -log10(padj))) + 
* geom_point(aes(color = (padj < 0.05 & abs(log2FC) >= 1))) +
  scale_color_manual(
*   values = c("red", "lightgrey"),
*   breaks = c(TRUE, FALSE),
*   labels = c("DE", "non DE"),
*   name = "padj < 0.05 & abs(log2FC) >= 1") +
  geom_vline(xintercept = 0, linetype = "dashed") +
  geom_hline(yintercept = -log10(0.05), linetype = "dashed") +
  xlim(-10, 10) + ylim(-0.1, 105) +
  theme(legend.position = "top")
```

---
# Цвет по условию...

```r
degs_col <- degs %>% 
  mutate(cols = case_when(
    (padj < 0.05 & log2FC >= 1) ~ "up",
    (padj < 0.05 & log2FC <= (-1)) ~ "down",
    TRUE ~ "no"))

degs_col %>% head
```

```
# A tibble: 6 × 6
  gene       stat  log2FC pvalue  padj cols 
  <chr>     <dbl>   <dbl>  <dbl> <dbl> <chr>
1 TSPAN6    2.25  -0.384  0.0243 0.107 no   
2 DPM1     -2.04   0.198  0.0411 0.155 no   
3 SCYL3    -0.231  0.0285 0.817  0.924 no   
4 C1orf112  0.401 -0.123  0.688  0.862 no   
5 CFH      -1.69   0.435  0.0901 0.268 no   
6 FUCA2     2.14  -0.248  0.0324 0.132 no   
```

---
# Цвет по условию... <svg aria-hidden="true" role="img" viewBox="0 0 576 512" style="height:1em;width:1.12em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:#b74f6f;overflow:visible;position:relative;"><path d="M280.37 148.26L96 300.11V464a16 16 0 0 0 16 16l112.06-.29a16 16 0 0 0 15.92-16V368a16 16 0 0 1 16-16h64a16 16 0 0 1 16 16v95.64a16 16 0 0 0 16 16.05L464 480a16 16 0 0 0 16-16V300L295.67 148.26a12.19 12.19 0 0 0-15.3 0zM571.6 251.47L488 182.56V44.05a12 12 0 0 0-12-12h-56a12 12 0 0 0-12 12v72.61L318.47 43a48 48 0 0 0-61 0L4.34 251.47a12 12 0 0 0-1.6 16.9l25.5 31A12 12 0 0 0 45.15 301l235.22-193.74a12.19 12.19 0 0 1 15.3 0L530.9 301a12 12 0 0 0 16.9-1.6l25.5-31a12 12 0 0 0-1.7-16.93z"/></svg>

```r
cols <- c("down" = "blue", "up" = "red", "no" = "lightgrey")

ggplot(degs_col, aes(x = log2FC, y = -log10(padj))) + 
* geom_point(aes(color = cols)) +
* scale_color_manual(values = cols) +
  geom_vline(xintercept = 0, linetype = "dashed") +
  geom_hline(yintercept = -log10(0.05), linetype = "dashed") +
  xlim(-10, 10) + ylim(-0.1, 105) +
  theme(legend.position = "top")
```

```r
ggplot(degs_col, aes(x = log2FC, y = -log10(padj))) + 
* geom_point(aes(color = cols, shape = log2FC > 5)) +
* scale_color_manual(values = cols) +
  geom_vline(xintercept = 0, linetype = "dashed") +
  geom_hline(yintercept = -log10(0.05), linetype = "dashed") +
  xlim(-10, 10) + ylim(-0.1, 105) +
  theme(legend.position = "top")
```

---
# Подписи

```r
top10 <- degs_col %>% slice_min(padj, n = 10)

ggplot(degs_col, aes(x = log2FC, y = -log10(padj))) + 
  geom_point(aes(color = cols)) + 
  scale_color_manual(values = cols) + 
* geom_text(top10, mapping = aes(x = log2FC, y = -log10(padj), label = gene), size = 3) +
  geom_vline(xintercept = 0, linetype = "dashed") +
  geom_hline(yintercept = -log10(0.05), linetype = "dashed") +
  xlim(-10, 10) + ylim(-0.1, 105) +
  theme(legend.position = "none")
```

---
# Подписи с ggrepel <svg aria-hidden="true" role="img" viewBox="0 0 576 512" style="height:1em;width:1.12em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:#b74f6f;overflow:visible;position:relative;"><path d="M280.37 148.26L96 300.11V464a16 16 0 0 0 16 16l112.06-.29a16 16 0 0 0 15.92-16V368a16 16 0 0 1 16-16h64a16 16 0 0 1 16 16v95.64a16 16 0 0 0 16 16.05L464 480a16 16 0 0 0 16-16V300L295.67 148.26a12.19 12.19 0 0 0-15.3 0zM571.6 251.47L488 182.56V44.05a12 12 0 0 0-12-12h-56a12 12 0 0 0-12 12v72.61L318.47 43a48 48 0 0 0-61 0L4.34 251.47a12 12 0 0 0-1.6 16.9l25.5 31A12 12 0 0 0 45.15 301l235.22-193.74a12.19 12.19 0 0 1 15.3 0L530.9 301a12 12 0 0 0 16.9-1.6l25.5-31a12 12 0 0 0-1.7-16.93z"/></svg>

```r
ggplot(degs_col, aes(x = log2FC, y = -log10(padj))) + 
  geom_point(aes(color = cols)) + 
  scale_color_manual(values = cols) + 
* ggrepel::geom_text_repel(top10, mapping = aes(x = log2FC, y = -log10(padj), label = gene), size = 3) +
  geom_vline(xintercept = 0, linetype = "dashed") +
  geom_hline(yintercept = -log10(0.05), linetype = "dashed") +
  xlim(-10, 10) + ylim(-0.1, 105) +
  theme(legend.position = "none")
```

---
# Тепловая карта

- `geom_tile` из **ggplot2**
- `heatmap.2` из **gplots**
- `pheatmap` из **pheatmap** <svg aria-hidden="true" role="img" viewBox="0 0 576 512" style="height:1em;width:1.12em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:#b74f6f;overflow:visible;position:relative;"><path d="M280.37 148.26L96 300.11V464a16 16 0 0 0 16 16l112.06-.29a16 16 0 0 0 15.92-16V368a16 16 0 0 1 16-16h64a16 16 0 0 1 16 16v95.64a16 16 0 0 0 16 16.05L464 480a16 16 0 0 0 16-16V300L295.67 148.26a12.19 12.19 0 0 0-15.3 0zM571.6 251.47L488 182.56V44.05a12 12 0 0 0-12-12h-56a12 12 0 0 0-12 12v72.61L318.47 43a48 48 0 0 0-61 0L4.34 251.47a12 12 0 0 0-1.6 16.9l25.5 31A12 12 0 0 0 45.15 301l235.22-193.74a12.19 12.19 0 0 1 15.3 0L530.9 301a12 12 0 0 0 16.9-1.6l25.5-31a12 12 0 0 0-1.7-16.93z"/></svg>
- `Heatmap` из **ComplexHeatmap** <svg aria-hidden="true" role="img" viewBox="0 0 576 512" style="height:1em;width:1.12em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:#b74f6f;overflow:visible;position:relative;"><path d="M280.37 148.26L96 300.11V464a16 16 0 0 0 16 16l112.06-.29a16 16 0 0 0 15.92-16V368a16 16 0 0 1 16-16h64a16 16 0 0 1 16 16v95.64a16 16 0 0 0 16 16.05L464 480a16 16 0 0 0 16-16V300L295.67 148.26a12.19 12.19 0 0 0-15.3 0zM571.6 251.47L488 182.56V44.05a12 12 0 0 0-12-12h-56a12 12 0 0 0-12 12v72.61L318.47 43a48 48 0 0 0-61 0L4.34 251.47a12 12 0 0 0-1.6 16.9l25.5 31A12 12 0 0 0 45.15 301l235.22-193.74a12.19 12.19 0 0 1 15.3 0L530.9 301a12 12 0 0 0 16.9-1.6l25.5-31a12 12 0 0 0-1.7-16.93z"/></svg>

```r
counts <- read_tsv("data/2021-10-08/top10_counts.tsv")
str(counts)
```

```
spec_tbl_df [10 × 9] (S3: spec_tbl_df/tbl_df/tbl/data.frame)
 $ gene      : chr [1:10] "COL1A1" "ARHGEF2" "MT2A" "PHC2" ...
 $ SRR1039508: num [1:10] 140478 3132 1624 1464 1868 ...
 $ SRR1039509: num [1:10] 58436 1579 6720 3667 790 ...
 $ SRR1039512: num [1:10] 134136 3096 1166 1519 1610 ...
 $ SRR1039513: num [1:10] 55271 1407 5777 4103 756 ...
 $ SRR1039516: num [1:10] 155948 2869 1155 1663 2025 ...
 $ SRR1039517: num [1:10] 68299 1559 6314 3913 726 ...
 $ SRR1039520: num [1:10] 146175 2997 1294 1433 2014 ...
 $ SRR1039521: num [1:10] 51431 1412 5225 4163 667 ...
 - attr(*, "spec")=
  .. cols(
  ..   gene = col_character(),
  ..   SRR1039508 = col_double(),
  ..   SRR1039509 = col_double(),
  ..   SRR1039512 = col_double(),
  ..   SRR1039513 = col_double(),
  ..   SRR1039516 = col_double(),
  ..   SRR1039517 = col_double(),
  ..   SRR1039520 = col_double(),
  ..   SRR1039521 = col_double()
  .. )
 - attr(*, "problems")=<externalptr> 
```

---
# `geom_tile`

```r
counts %>% pivot_longer(cols = -gene, names_to = "sample") %>% 
  ggplot() + scale_fill_gradient(low = "grey", high = "red") +
* geom_tile(aes(x = sample, y = gene, fill = value))
```

---
# Heatmap

## Нужна матрица

```r
counts_mtx <- counts %>% select(where(is.numeric)) %>% as.matrix()
rownames(counts_mtx) <- counts$gene
counts_mtx_sc <- t(scale(t(counts_mtx)))

counts_mtx[1:5, 1:5]
```

```
        SRR1039508 SRR1039509 SRR1039512 SRR1039513 SRR1039516
COL1A1  140477.665 58436.2485 134136.258 55271.1550 155947.929
ARHGEF2   3131.918  1579.4488   3096.441  1406.9456   2869.119
MT2A      1624.394  6719.6537   1166.380  5777.1396   1155.321
PHC2      1464.312  3667.0974   1518.848  4102.8445   1663.492
FAM171B   1867.955   790.2841   1609.945   755.7478   2025.010
```

---
# pheatmap

```r
library(pheatmap)

pheatmap(counts_mtx, scale = "row", cluster_cols = TRUE, cluster_rows = TRUE)
```

---
# Аннотации

```r
meta <- read_tsv("data/2021-10-08/meta.tsv")
meta
```

```
# A tibble: 8 × 3
  Run        cell    dex  
  <chr>      <chr>   <chr>
1 SRR1039508 N61311  untrt
2 SRR1039509 N61311  trt  
3 SRR1039512 N052611 untrt
4 SRR1039513 N052611 trt  
5 SRR1039516 N080611 untrt
6 SRR1039517 N080611 trt  
7 SRR1039520 N061011 untrt
8 SRR1039521 N061011 trt  
```

---
# Аннотации

```r
meta_ann <- meta %>% as.data.frame()
rownames(meta_ann) <- meta$Run
meta_ann <- meta_ann %>% select(-Run)

# color scheme
ann_color <- list(cell = c("N61311" = "#95b8d1", "N052611" = "#b8e0d2", "N080611" = "#d6eadf", "N061011" = "#eac4d5"),
                  dex = c("untrt" = "#06d6a0", "trt" = "#ef476f"))
```

---
# pheatmap

```r
pheatmap(counts_mtx, scale = "row", 
         cluster_cols = TRUE, cluster_rows = TRUE,
         annotation_col = meta_ann, annotation_colors = ann_color)
```

---
# ComplexHeatmap

```r
library(ComplexHeatmap)

*Heatmap(counts_mtx_sc, name = "Z-score")
```

---
# ComplexHeatmap - цвета

```r
col_fun <- circlize::colorRamp2(c(-2, 0, 2), c("purple", "white", "red"))

Heatmap(counts_mtx_sc, name = "Z-score", 
*       col = col_fun, column_title = "Purple-Red palette")
```

---
# Дендрограммы

```r
Heatmap(counts_mtx_sc, name = "Z-score", col = col_fun, 
*       cluster_rows = FALSE, cluster_columns = FALSE,
        column_title = "No clustering")
```

---
# Дендрограммы

```r
Heatmap(counts_mtx_sc, name = "Z-score", col = col_fun, 
*       row_dend_side = "right", column_dend_side = "bottom",
*       row_dend_width = unit(3, "cm"),
        column_title = "No clustering")
```

---
# Аннотации

```r
meta_ha <- HeatmapAnnotation(cell = meta_ann$cell, dex = meta_ann$dex,
  col = list(cell = c("N61311" = "#95b8d1", "N052611" = "#b8e0d2", "N080611" = "#d6eadf", "N061011" = "#eac4d5"),
             dex = c("untrt" = "#06d6a0", "trt" = "#ef476f")))
```

---
# Аннотации

```r
Heatmap(counts_mtx_sc, name = "Z-score", col = col_fun, 
        column_title = "Column annotation",
        top_annotation = meta_ha) 
```

---
# Диаграмма Венна <svg aria-hidden="true" role="img" viewBox="0 0 576 512" style="height:1em;width:1.12em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:#b74f6f;overflow:visible;position:relative;"><path d="M280.37 148.26L96 300.11V464a16 16 0 0 0 16 16l112.06-.29a16 16 0 0 0 15.92-16V368a16 16 0 0 1 16-16h64a16 16 0 0 1 16 16v95.64a16 16 0 0 0 16 16.05L464 480a16 16 0 0 0 16-16V300L295.67 148.26a12.19 12.19 0 0 0-15.3 0zM571.6 251.47L488 182.56V44.05a12 12 0 0 0-12-12h-56a12 12 0 0 0-12 12v72.61L318.47 43a48 48 0 0 0-61 0L4.34 251.47a12 12 0 0 0-1.6 16.9l25.5 31A12 12 0 0 0 45.15 301l235.22-193.74a12.19 12.19 0 0 1 15.3 0L530.9 301a12 12 0 0 0 16.9-1.6l25.5-31a12 12 0 0 0-1.7-16.93z"/></svg>

- `VennDiagram` из **VennDiagram**
- `euler` из **eulerr**

---
# Подготовка к КР

- На всякий случай проверьте доступ к RStudio на kodomo.

- Писать контрольную работу можно только очно со своей группой.

- Оформление контрольной работы: **Ivanov_KR1.R**

---
# Подготовка к КР

Пример задания: сделайте ряд манипуляций с данными, выведите количество строк получившегося набора данных.

При манипуляции с данными – используйте средства **tidyverse**!

Какой должен быть код:

- Будут проверяться только задания с указанным номером задания.

```r
#1 
Code
length(a) # засчитано
```

- Если нет кода, выводящего ответ, задание не будет засчитано.

- Если код выдает ошибку при запуске, задание не будет засчитано.

---
# Подготовка к КР

**Бонусы** за:

- использование `%>%`
- короткое решение

**Штрафы** за: 
- отсутствие воспроизводимости
- неуместные сложные конструкции

---
# Подготовка к КР

## Что может быть в заданиях - работа с таблицами

- Отсортировать по столбцу, показать n лучших/худших находок. Не забывайте класть отсортированный набор в переменную.

- Профильтровать набор данных по одному или нескольким столбцам.

- Выбрать четные/нечетные индексы, каждый n-тый элемент.

- Выбрать случайно n строк из набора данных.

- Отобрать значения, равные чему-то конкретному.

---
# Подготовка к КР

## Что может быть в заданиях - работа с таблицами

- Отобрать только численные столбцы.

- Отобрать только столбцы, начинающиеся на word.

- Создать новый столбец, перемножив 2 существующих.

- Взять уникальные значения.

- Подсчитать среднее по всем численным столбцам.

---
# Подготовка к КР

## Какие могут быть задания

Дано: 100 человек, для каждого есть информация о росте и цвете глаз.

- Подсчитать средний рост для подвыборок по цвету глаз.

- Подсчитать количество людей в каждой подвыборке по цвету глаз.

- Нарисовать на одном рисунке распределение роста для подвыборок по цвету глаз (боксплот).

- Нарисовать на разных «плашках» распределение роста для подвыборок по цвету глаз (боксплот).

---

- Нарисовать барплот, отображающий количество людей в каждой подвыборке по цвету глаз.

- Нарисовать барплот, отображающий средний рост людей в каждой подвыборке по цвету глаз.

- Нарисовать барплот, отображающий количество людей в каждой подвыборке по цвету глаз, начиная с самой представленной группы.И наоборот.

---
# Подготовка к КР

## Какие могут быть задания

Напишите функцию, которая берет на вход численный вектор и название одной из метрик (среднее, медиана, минимум, максимум). На выходе нужно получить информацию о длине вектора, название метрики, значение рассчитанной метрики. По умолчанию считаем медиану. Если вектор не численный – выдаем ошибку.

---
# Подготовка к КР

## Какие могут быть задания

Дано: 100 человек, для каждого есть 50 разнообразных характеристик (каждая характеристика в отдельном столбце), включая, пол, вес, возраст, статус курения, цвет глаз, давление (10 измерений: day1, day2, …), район проживания, наличие домашних животных, результаты различных анализов.

- Для каждого человека подсчитать среднее значение давления.

- Для численных показателей подсчитать медианное значение.

- Для численных показателей подсчитать медианное значения отдельно для каждого пола.

- Для численных показателей подсчитать медианное значения отдельно для каждого пола и статуса курения.

- Для каждого численного показателя (кроме давления) изучить распределение значений (боксплот) среди женщин и мужчин.