Módulo 6B - Análisis de muchas observaciones

Análisis de datos en biología cuantitativa

Lo que sige es el .rmd del curso.

--- title: "\[ATR\] Taller IFIBYNE (M6B)" author: "Nicolás Méndez" date: "2019/8/7" geometry: "left=3cm,right=3cm,top=2cm,bottom=2cm" output:

    pdf_document:
      toc: true
      toc_depth: 3
      number_sections: true
---

Esta guía fue hecha en Rstudio con [Rmarkdown](http://rmarkdown.rstudio.com).

{r setup, include=FALSE} # Opciones globales knitr::opts_chunk\$set(echo = TRUE) knitr::opts_chunk\$set(out.width='90%', dpi=300) knitr::opts_chunk\$set(fig.align='center', dev = "png") options(max.print=100) library("gridExtra")

R para datos "largos"

La idea es hacer análisis de datos con muchas observaciones y no tantas variables:

• Un censo. * Citometría (de flujo o por microscopía).

En contraposición, las ómicas hacen típicamente pocas observaciones de muchas (muchísimas) variables.

Caso 1: Citometría de flujo

Variabilidad como medida de qué tan regulado está un gen.

Normalización, fold change, test. Scaling.

Hay que ver qué va a dar Nacho y cómo seguirlo.

Escalado y Normalización

Nuestra primera opción es escalar los datos antes de graficar.

• scale * log * "*fold change*" * log(*fold_change*)

```{r, echo = F, message = F, warning=F} library(tidyverse)

Grab numeric columns and scale them! # Default scaling function takes log2 of the fold change (respect to the mean of the values minus the column minimum). norm_numeric_cols <- function(tabla,

                            norm_function = function(x, ...){log2((x-min(x, na.rm = T)/max(x, na.rm = T)))},
                            ...){
a <- sapply(tabla, is.numeric)
tabla[,a] <- lapply(tabla[,a], function(x) norm_function(x, ...))
return(tabla)

} ```

```{r, message = F, warning=F} # Not normalized starwars %>%

select(name, height, mass, birth_year) %>% 
gather(key = "attribute", value = "value", -name) %>%

ggplot(aes(attribute, name, fill = value)) +
  geom_tile() + 
  scale_fill_gradient(low = "red", 
                      high = "yellow", 
                      na.value = "black") +
  theme_minimal() + 
  theme(axis.text=element_text(size=4),
        axis.title=element_text(size=14, face="bold"))

Normalized by the "scale()" function, with default parameters. starwars %>%

select(name, height, mass, birth_year) %>% 
norm_numeric_cols(norm_function = scale) %>%           # Here!
gather(key = "attribute", value = "value", -name) %>%

ggplot(aes(attribute, name, fill = value)) +
  geom_tile() + 
  scale_fill_gradient(low = "red", 
                      high = "yellow", 
                      na.value = "black") +
  theme_minimal() + 
  theme(axis.text.y=element_text(size=4),
        axis.title=element_text(size=14, face="bold"))

```

Caso 2: Citometría por microscopía

CellID + Rcell -> Time-course.

Modelos lineales.

PCA para esto.

Clustering

Análisis estadísticos de los datos (usar lo que ya hizo Nacho).

Jerárquico, k-means, silhouette plot (consultar con Andy).

Revisar el curso de R de la UNSAM.

Shiny

Se puede mostrar esto con algún fin demostrativo.