爾云間? 一個專門做科研的團(tuán)隊

原創(chuàng)?小果?生信果

歡迎點贊+收藏+關(guān)注

上期小果分享了作為一名新手是如何在Windows下安裝5個R包的，這一期分享在Ubuntu系統(tǒng)下的操作，仍舊是掉了很多根頭發(fā)的小果。

小果用到的Ubuntu版本為Ubuntu 22.04.2 LTS。

如果前兩步你已經(jīng)完成可以直接跳過哦。

1.?安裝R

可以根據(jù)（http://cran.rstudio.com/bin/linux/ubuntu/）完成R的安裝,如果懶得看就看小果整理的吧↓。

# 更新Ubuntu系統(tǒng)軟件包列表s

?

# 安裝兩個有用的軟件包，software-properties-common 為Ubuntu系統(tǒng)提供了常見的軟件源管理工具 add-apt-repository，這個工具可以方便的添加和刪除系統(tǒng)中的軟件源。dirmngr 是GnuPG的一個工具，提供了一些公鑰管理功能，包括檢索、下載、驗證、頒發(fā)證書等。

# 從CRAN鏡像站點下載密鑰并將其添加到Ubuntu系統(tǒng)的受信任密鑰列表中。這可以確保安裝的R包和R軟件本身來自可信源。

?

# 這個命令會將 CRAN (The Comprehensive R Archive Network) 的源添加到你的 Ubuntu 系統(tǒng)中。根據(jù)你的 Ubuntu 版本，這個命令會自動添加正確的源。

?

# 使用apt包管理器安裝R語言并跳過安裝推薦的軟件包

安裝后可以在終端輸入R，沒有報錯就是成功了。

2.?安裝Rstudio

?#安裝gdebi-core軟件包，它是 Ubuntu 系統(tǒng)上一個用于安裝 .deb 軟件包的工具。

#下載RStudio的.deb安裝包

#安裝

完成后直接輸入Rstudio就可以運行了，也可以在功能區(qū)找到它的圖標(biāo)添加到桌面上，直接打開。

3.?安裝我們需要的R包

# 安裝 R 語言中的 devtools 包，它包含了許多用于包開發(fā)和調(diào)試的工具，比如說安裝 GitHub 上的 R 包、構(gòu)建 R 包、檢查 R 包、測試 R 包等等。

成功后如圖：

#?使用?require 函數(shù)檢查是否已經(jīng)安裝了 BiocManager 包，如果沒有則使用 install.packages 函數(shù)安裝它

#?同時安裝3個包。Hmisc 包提供了一些用于數(shù)據(jù)清洗、描述性統(tǒng)計、可視化和建模等方面的函數(shù)，是一個常用的數(shù)據(jù)科學(xué)包。

survival 包是一個用于生存分析的核心包，提供了一系列用于建立、擬合和評估生存分析模型的函數(shù)和工具。

survivalROC 包提供了一些用于評估生存分析模型性能的函數(shù)，例如計算各種 ROC 曲線指標(biāo)、繪制 ROC 曲線等等。

成功后如圖：

#?安裝CoxBoost包

成功后如圖：

用library載入試試：

此部分與windows系統(tǒng)的操作差不多，只是不用安裝Rtools

好啦，今天的分享到此結(jié)束，下次分享如何用已安裝的R包進(jìn)行機器學(xué)習(xí)~

生信人R語言學(xué)習(xí)必備

立刻擁有一個Rstudio賬號

開啟升級模式吧

（56線程，256G內(nèi)存，個人存儲1T）

往期代碼：

【1】lncRNA的拷貝數(shù)變異下游相關(guān)分析
【2】R可視化：ggstatsplot包—科研界的美圖秀秀
【3】隨機森林算法用于分類預(yù)測和篩選診斷標(biāo)志物
【4】基于本地Java版GSEA的輸出結(jié)果整合多個通路到一張圖
【5】基于嶺回歸模型和基因表達(dá)矩陣估算樣本對藥物反應(yīng)的敏感性
【6】基于R包NMF對樣本進(jìn)行分型分析
【7】DALEX包用于探索、解釋和評估模型；分析不同特征變量對響應(yīng)變量的影響
【8】根據(jù)腫瘤突變負(fù)荷TMB進(jìn)行KM生存分析尋找最佳的cutoff
【9】基于單樣本富集分析算法評估組織中的免疫細(xì)胞浸潤水平
【10】代碼分享│什么？你還在用散點圖來可視化數(shù)據(jù)之間的相關(guān)性
【11】代碼分享│診斷列線圖、校準(zhǔn)曲線、決策曲線和臨床影響曲線的構(gòu)建
【12】代碼分享│你了解基因的動態(tài)變化模式嗎
【13】代碼分享│生物信息分析之SCI熱門圖表-復(fù)雜熱圖
【14】代碼分享│生物信息分析之SCI熱門圖表-火山圖
【15】代碼分享│生物信息分析之SCI熱門圖表-箱型圖和小提琴圖
【16】代碼分享│深度學(xué)習(xí)-人工神經(jīng)網(wǎng)絡(luò)（ANN）的構(gòu)建
【17】代碼分享│R可視化：高分文章繪圖之基于RCircos包的多類型圈圖繪制
【18】代碼分享│R可視化：基因與功能之間的關(guān)系--GO功能富集網(wǎng)絡(luò)圖繪制
【19】代碼分享│生物信息分析之SCI熱門圖表—KM曲線和tROC曲線
【20】代碼分享│R可視化：腫瘤預(yù)后模型之Cox回歸分析后用R語言繪制森林圖
【21】代碼分享│生物信息分析之SCI熱門圖表—相關(guān)性熱圖和散點圖
【22】代碼分享│生信分析之R語言分析相關(guān)性及可視化的N種風(fēng)格
【23】代碼分享│TCGA數(shù)據(jù)獲取有困難，不會預(yù)處理，學(xué)習(xí)起來
【24】代碼分享│機器學(xué)習(xí)-支持向量機遞歸特征消除（SVM-RFE）的構(gòu)建
【25】代碼分享│R可視化：對兩個矩陣進(jìn)行相關(guān)性可視化分析
【26】GEO數(shù)據(jù)庫多數(shù)據(jù)集差異分析整合利器RRA，再也不用糾結(jié)去除批次效應(yīng)
【27】你與生信大佬的距離，只差2分鐘搞定預(yù)后模型構(gòu)建和性能評估
【28】9+SCI純生信，模型構(gòu)建中的“流量明星”，你不得不知的LASSO
【29】手把手教你畫美觀大氣的lasso回歸模型圖，為你的SCI增磚添瓦
【30】R可視化：clusterProfiler包做組間比較GO富集圖
【31】代碼分享|R可視化：復(fù)雜熱圖繪制技巧之熱圖中添加柱狀圖
【32】代碼分享——基于基因突變信息分析腫瘤突變負(fù)荷
【33】代碼分享│富集不到想要的通路？別放棄呀，試試GSEA
【34】代碼分享│還在用PCA做降維聚類嗎？最強降維模型tSNE--你值得擁有
【35】代碼分享│GSVA：原來功能通路也能做差異分析！
【36】代碼分享│Slingshot：你不知道的單細(xì)胞擬時序分析還有它
【37】基于基因功能注釋信息挖掘關(guān)鍵作用基因
【38】基于癌癥分類預(yù)測的標(biāo)志物特征提取的SVM-RFE分析代碼
【39】依據(jù)表型數(shù)據(jù)基于無監(jiān)督聚類算法對研究群體進(jìn)行分層聚類分析
【40】基于穩(wěn)健排序整合算法對多數(shù)據(jù)集進(jìn)行整合及可視化
【41】基于基因表達(dá)譜估算樣本免疫基質(zhì)評分和腫瘤純度
【42】自動化繪制LASSO算法回歸模型圖
【43】用于臨床診斷和臨床決策影響的DCA分析
【44】基于樣本預(yù)后生存信息和臨床因素用于評價不同模型的一致性指數(shù)軟件
【45】用于探索、解釋和評估模型的DALEX殘差分析軟件
【46】基于細(xì)菌群落功能豐度結(jié)果進(jìn)行差異功能分析及可視化
【47】基于基因差異分析結(jié)果繪制其在染色體上的分布
【48】利用逐步回歸法篩選特征基因構(gòu)建Cox風(fēng)險模型分析
【49】基于Immune Subtype Classifier進(jìn)行腫瘤免疫亞型分類
【50】不同物種之間的同源基因名稱轉(zhuǎn)換分析
【51】基于逐步多因素cox回歸篩選預(yù)后標(biāo)記基因并構(gòu)建風(fēng)險評分模型
【52】基于表達(dá)信息挖掘與關(guān)注基因密切相關(guān)的基因
【53】基因組學(xué)基因名稱修正分析
【54】基于Spearman算法構(gòu)建關(guān)聯(lián)網(wǎng)絡(luò)
【55】基于線性建模方法對代謝組和轉(zhuǎn)錄組數(shù)據(jù)整合分析
【56】基于lasso回歸模型方法篩選特征基因
【57】基于線性建模方法對代謝組和轉(zhuǎn)錄組數(shù)據(jù)整合分析
【58】基于參數(shù)型經(jīng)驗貝葉斯算法和支持向量機（SVM）篩選疾病亞型特征基因
【59】基于LDA(線性判別分析)算法的微生物biomarker的篩選
【60】基于R包xCell計算64種免疫細(xì)胞相對含量及下游可視化
【61】基于甲基化數(shù)據(jù)評估腫瘤純度及下游可視化
【62】基于DiffCorr包識別不同表型下的差異共表達(dá)關(guān)系對
【63】基于逆累計分布函數(shù)識別顯著偏差通路
【64】基于差異基因?qū)ν返挠绊懲诰蜿P(guān)鍵通路
【65】基于高通量數(shù)據(jù)的樣本相似性分析

需要以上代碼私信小果哦！

“生信果”，生信入門、R語言、生信圖解讀與繪制、軟件操作、代碼復(fù)現(xiàn)、生信硬核知識技能、服務(wù)器、生物信息學(xué)的教程，以及基于R的分析和可視化等原創(chuàng)內(nèi)容，一起見證小白和大佬的成長。