目    录

第1章  R语言介绍 1

1.1  R语言概述 1

1.1.1  什么是R语言 1

1.1.2  临床医生使用R语言的优势 1

1.2  R编程环境的搭建 2

1.2.1  R语言的下载和安装 3

1.2.2  RStudio的下载和安装 5

1.2.3  RStudio操作 6

1.3  R语言包 8

1.3.1  什么是R包 8

1.3.2  R包的安装 8

1.4  初识R语言的注意事项 9

第2章  R语言的基本语法 11

2.1  R语言的数据结构 11

2.1.1  向量 11

2.1.2  矩阵 13

2.1.3  数组 15

2.1.4  数据框 16

2.2  R语言函数简介 17

2.2.1  函数的定义 17

2.2.2  常用内置函数的使用 18

2.3  R语言中的数据读写 19

2.3.1  读取文件 19

2.3.2  写入文件 20

2.3.3  读写其他数据文件 21

2.4  R语言流程控制 21

2.4.1  判断语句 21

2.4.2  循环语句 23

2.5  字符串操作 24

2.6  R语言数据保存 26

第3章  R语言数据清洗 27

3.1  数据清洗的重要性 27

3.2  数据质量评估 28

3.3  数据清洗 30

3.3.1  缺失值检查及处理 30

3.3.2  异常值检查及处理 32

3.3.3  重复值检查及处理 34

3.4  数据清洗dplyr包的使用 34

3.5  数据清洗实战 37

第4章  R语言数据可视化 42

4.1  基础绘图 42

4.2  ggplot2绘图 45

4.2.1  ggplot2语法入门及相关软件包 46

4.2.2  ggplot2绘制简单的统计图形 46

4.2.3  ggplot2绘制复杂图形（统计图的组合、分面展示） 54

4.3  高质量SCI论文绘图 58

4.3.1  聚类分析和相关分析的热图详解 58

4.3.2  ROC曲线的绘制 63

4.3.3  火山图的绘制 67

第5章  R语言统计建模分析 71

5.1  经典统计分析 71

5.1.1  t检验 71

5.1.2  方差分析 73

5.1.3  卡方检验 74

5.1.4  简单线性回归分析 75

5.2  高级回归分析 77

5.2.1  多重线性回归分析 77

5.2.2  Logistic回归分析 78

5.2.3  回归分析实战 80

5.3  SCI文章两表一图实战 84

5.3.1  SCI文章—基线资料表 84

5.3.2  SCI文章—单因素回归分析表或多因素回归分析表 88

5.3.3  SCI文章—亚组分析的森林图 89

5.3.4  限制性立方样条图 92

第6章  R语言机器学习实战入门 95

6.1  什么是机器学习 95

6.2  机器学习的流程 96

6.2.1  数据收集 96

6.2.2  数据预处理 97

6.2.3  特征工程 97

6.2.4  模型构建和训练 98

6.3  机器学习分类 98

6.3.1  监督学习 98

6.3.2  无监督学习 99

6.3.3  强化学习 100

6.4  过拟合和欠拟合 101

6.4.1  过拟合 101

6.4.2  欠拟合 101

6.5  衡量机器学习模型的指标 102

6.5.1  正确率、精确率和召回率 102

6.5.2  几个常见的比率 104

6.5.3  混淆矩阵 104

6.5.4  F1 score和ROC曲线 105

6.6  K折交叉验证 108

6.7  支持向量机概述 108

6.8  随机森林概述 110

6.9  糖尿病风险预测实战 110

6.9.1  数据集背景 110

6.9.2  数据预处理 112

6.9.3  模型建立 113

6.9.4  模型评估 113

6.10  ICU患者死亡率预测实战 115

6.10.1  数据集背景 115

6.10.2  数据预处理 115

6.10.3  模型建立 118

6.10.4  模型评估 120

第7章  列线图在预测模型中的应用 122

7.1  列线图基本原理 122

7.2  列线图的三大要素 123

7.3  列线图解读 123

7.4  列线图的实战 124

7.4.1  列线图R实例一 124

7.4.2  列线图R实例二 126

7.5  列线图在数据挖掘中的应用 128

第8章  临床数据挖掘中的生存分析 133

8.1  基本概念和原理 133

8.1.1  什么是生存数据 133

8.1.2  生存分析的含义 134

8.1.3  为什么要用生存分析 134

8.1.4  生存分析的删失 135

8.1.5  生存分析的常用方法 135

8.2  Kaplan-Meier法生存分析实战 137

8.2.1  Kaplan-Meier法介绍 137

8.2.2  Kaplan-Meier生存曲线R语言实战 137

8.3  Cox生存分析实战 142

8.3.1  Cox回归模型介绍 142

8.3.2  Cox回归模型实战 143

8.4  竞争风险模型 144

8.4.1  临床研究中如何处理竞争事件 145

8.4.2  竞争风险模型R语言实战 145

第9章  NHANES数据库挖掘实战 149

9.1  NHANES数据库介绍 149

9.2  NHANES数据库的下载与合并 152

9.3  NHANES权重介绍及使用 155

9.3.1  什么是权重 156

9.3.2  NHANES权重分析的必要性 156

9.3.3  NHANES权重如何选择 158

9.3.4  NHANES权重实战 160

9.4  NHANES数据分析实战 162

9.5  NHANES数据库发文选题介绍 173

第10章  GEO数据库挖掘实战 175

10.1  GEO数据库介绍 175

10.1.1  GEO数据库概况 175

10.1.2  GEO数据库组织结构 176

10.2  GEO数据库检索 176

10.3  芯片基础知识 179

10.4  GEO数据库分析实战 179

10.4.1  找GSE编号 180

10.4.2  安装生物信息分析所需的R包 181

10.4.3  下载表达矩阵 182

10.4.4  获取分组信息 184

10.4.5  获取表达矩阵并检查数据 185

10.4.6  转换探针ID 186

10.4.7  差异分析 189

10.4.8  分析结果可视化—火山图、热图 192

10.5  GEO多数据集差异分析 195

第11章  孟德尔随机化分析实战 200

11.1  什么是孟德尔随机化 200

11.1.1  基因型和表型 200

11.1.2  孟德尔随机化简介 201

11.2  孟德尔随机化研究流程 204

11.2.1  MR研究流程七步法 204

11.2.2  MR分析数据库介绍 207

11.3  孟德尔随机化分析实战 211

11.3.1  TwoSampleMR包双样本MR分析 211

11.3.2  MR分析网站—MR-Base实战 219

11.4  孟德尔随机化研究论文复现实战 225

11.5  孟德尔随机化分析的优势和论文选题 236

第12章  单细胞测序实战 239

12.1  单细胞测序概述 239

12.1.1  为什么要做单细胞测序 239

12.1.2  单细胞测序技术原理 240

12.2  单细胞测序分析流程 241

12.2.1  读取原始数据并建立表达矩阵 241

12.2.2  消除技术误差 242

12.2.3  细胞聚类与可视化 244

12.3  单细胞转录组分析实战 248

12.3.1  安装Seurat包 248

12.3.2  数据导入 249

12.3.3  数据质控 251

12.3.4  寻找高变基因 253

12.3.5  PCA降维 254

12.3.6  细胞聚类 258

12.3.7  寻找差异表达标记基因 260

12.3.8  细胞注释 262

12.4  单细胞测序多样本分析实战 267

12.5  单细胞测序临床应用 278