BioinformaticsAndMe

[R] transform (데이터열생성 함수) Start

BioinformaticsAndMe

transform (데이터열생성 함수)

: transform 함수는 데이터프레임에 새로운 열(변수)을 생성하는 함수

: 아래 예제는 iris 데이터의 Sepal.Length x 4 값을 갖는 새로운 변수 Sepal_multiply 열을 생성

# transform 함수 실행
result_1 <- transform( iris, Sepal_multiply = 4*Sepal.Length )
head(result_1)
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species Sepal_multiply
1          5.1         3.5          1.4         0.2  setosa           20.4
2          4.9         3.0          1.4         0.2  setosa           19.6
3          4.7         3.2          1.3         0.2  setosa           18.8
4          4.6         3.1          1.5         0.2  setosa           18.4
5          5.0         3.6          1.4         0.2  setosa           20.0
6          5.4         3.9          1.7         0.4  setosa           21.6

# cbind 함수를 사용해 동일한 결과를 얻을 수 있음
result_2 <- cbind(iris, data.frame(Sepal_multiply = 4*iris$Sepal.Length))
head(result_2)

[R] transform (데이터열생성 함수) End

BioinformaticsAndMe

[R] subset (데이터추출 함수) Start

BioinformaticsAndMe

subset (데이터추출 함수)

: subset 함수는 조건에 맞는 matrix 혹은 data.frame 결과를 추출

: 추출하고자 하는 조건이 복잡해질수록 구문이 길어지는 문제점을 보완하기 위한 함수

: 결측치가 포함된 데이터에서 에러를 쉽게 피할 수 있음

# iris 데이터에서 'setosa' 종 추출
result_1 <- subset(iris, Species=='setosa')
head(result_1)
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa
2          4.9         3.0          1.4         0.2  setosa
3          4.7         3.2          1.3         0.2  setosa
4          4.6         3.1          1.5         0.2  setosa
5          5.0         3.6          1.4         0.2  setosa
6          5.4         3.9          1.7         0.4  setosa

# Sepal.Length가 5를 넘고, 'setosa' 종 추출
result_2 <- subset(iris, Sepal.Length>5 & Species=='setosa')
head(result_2)
   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1           5.1         3.5          1.4         0.2  setosa
6           5.4         3.9          1.7         0.4  setosa
11          5.4         3.7          1.5         0.2  setosa
15          5.8         4.0          1.2         0.2  setosa
16          5.7         4.4          1.5         0.4  setosa
17          5.4         3.9          1.3         0.4  setosa

# Sepal.Length가 5를 넘고, 'setosa' 종 추출한 데이터에서 select된 정보만 출력
result_3 <-subset(iris, Sepal.Length>5 & Species=='setosa', select=c('Petal.Length', 'Petal.Width', 'Species') )
head(result_3)
  

[R] subset (데이터추출 함수) End

BioinformaticsAndMe

화학결합 (Chemical bond) Start

BioinformaticsAndMe

화학결합 (Chemical bond)

: 원자 집합체에서 구성 원자들 간에 작용하는 힘 혹은 결합을 의미

: 생명체에서 중요한 5가지 화학결합들이 존재

1. 공유결합 (Covalent bond)

-오비탈의 전자 한 쌍을 두 원자가 서로 공유하는 결합 상태

-전기음성도 차이가 작은 원자들 사이의 결합

*전기음성도(Electronegativity): 공유결합에서 원자가 공유하는 전자를 끌어 당기는 힘

-결합력: 삼중결합>이중결합>단일결합

2. 이온결합 (Ionic bond)

-양이온과 음이온 사이에서 전자를 얻거나 읽으며, 정전기적 인력으로 이루어진 결합

*양이온(Cation): 양전하를 띠는 이온

*음이온(Anion): 음전하를 띠는 이온

-전기음성도 차이가 큰 원자들 사이의 결합

3. 수소결합 (Hydrogenic bond)

-전기음성도가 큰 F(플루오린)/O(산소)/N(질소)과 수소(H) 사이에서 작용하는 결합

-수소는 부분적인 양전하, 다른 원자들은 부분적인 음이온을 가짐

-수소결합은 약한 결합으로, 단백질과 같은 생물분자의 안정성에 관여

*수소결합은 이온결합이나 공유결합보다는 약함

4. 반데르발스힘 (Van der Waals force; 분산력)

-무극성분자 내에 전자가 국부적으로 쏠리며 전하를 띠게 되고, 분자들 사이에 인력이 작용하면서 생기는 결합

*분자의 전자밀도가 변하면서 일부 양전하와 음전하를 띠어 서로 끌리는 힘

-짧은 거리 사이에서의 인력

-각 결합은 수소결합보다 약하고 일시적이지만, 결합이 많은 경우 단백질과 같은 커다란 분자 안정화에 기여

#Reference

1) https://socratic.org/questions/covalent-bonding-vs-ionic-bonding

2) https://namu.wiki/w/%ED%99%94%ED%95%99%20%EA%B2%B0%ED%95%A9

3) http://webcache.googleusercontent.com/search?q=cache:3L9i7xYQLw0J:cms6.cku.ac.kr/common/downLoad.do%3FsiteId%3Dopt%26fileSeq%3D140761+&cd=1&hl=ko&ct=clnk&gl=kr

4) https://chemdictionary.org/hydrogen-bond/

5) https://socratic.org/questions/how-can-van-der-waals-forces-be-either-attractive-or-repulsive

6) https://terms.naver.com/entry.nhn?docId=5141721&cid=60266&categoryId=60266

7) https://chem.libretexts.org/Bookshelves/Physical_and_Theoretical_Chemistry_Textbook_Maps/Supplemental_Modules_(Physical_and_Theoretical_Chemistry)/Physical_Properties_of_Matter/Atomic_and_Molecular_Properties/Intermolecular_Forces/Hydrophobic_Interactions

화학결합 (Chemical bond) End

BioinformaticsAndMe

랜덤포레스트(Random Forest) Start

BioinformaticsAndMe

랜덤포레스트(Random Forest)

# R randomForest package 설치 및 로딩
install.package('randomForest')
library(randomForest)

# iris 데이터 사용
data(iris)
str(iris)
'data.frame':	150 obs. of  5 variables:
 $ Sepal.Length: num  5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
 $ Sepal.Width : num  3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...
 $ Petal.Length: num  1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...
 $ Petal.Width : num  0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...
 $ Species     : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 ...

# iris 데이터를 7:3 비율로 trainData 및 testData로 샘플링
ind <- sample(2, nrow(iris), replace = TRUE, prob = c(0.7, 0.3))
trainData <- iris[ind == 1, ]
testData <- iris[ind == 2, ]

# randomForest 분석결과 100개의 tree가 생성
# 랜덤하게 두 개 변수를 선택하여 가지의 분류기준을 정함
rf <- randomForest(as.factor(Species) ~ ., data = trainData, ntree = 100, proximity = TRUE, 
                   importance = TRUE)

# Out-of-Bag sample의 오차율과 교차표 확인 가능
print(rf)
Call:
 randomForest(formula = as.factor(Species) ~ ., data = trainData,      ntree = 100, proximity = TRUE, importance = TRUE) 
               Type of random forest: classification
                     Number of trees: 100
No. of variables tried at each split: 2

        OOB estimate of  error rate: 4.46%
Confusion matrix:
           setosa versicolor virginica class.error
setosa         40          0         0  0.00000000
versicolor      0         35         3  0.07894737
virginica       0          2        32  0.05882353

# trainData의 randomForest model을 이용한 예측값 출력
predict(rf)
         1          2          3          4          6          7          8          9         10         11         12         13         15         17         18         19 
    setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa 
        20         21         22         23         24         25         27         30         31         32         33         34         35         37         38         41 
    setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa 
        42         43         44         45         46         47         48         49         51         52         54         55         56         57         59         62 
    setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor 
        63         64         65         67         68         69         70         71         73         75         76         77         78         79         80         82 
versicolor versicolor versicolor versicolor versicolor versicolor versicolor  virginica versicolor versicolor versicolor versicolor  virginica versicolor versicolor versicolor 
        83         84         85         87         88         89         91         93         94         95         96         97         98         99        101        102 
versicolor  virginica versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor  virginica  virginica 
       103        104        105        106        107        108        109        110        112        114        115        118        119        125        126        127 
 virginica  virginica  virginica  virginica versicolor  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica 
       128        129        130        132        133        134        136        138        139        141        143        144        145        146        148        150 
 virginica  virginica  virginica  virginica  virginica versicolor  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica 
Levels: setosa versicolor virginicaa

# 실제 trainData값과 예측값을 비교하는 교차표 출력
table(predict(rf), trainData$Species)
             setosa versicolor virginica
  setosa         40          0         0
  versicolor      0         35         2
  virginica       0          3        32

# trainData의 randomForest model을 이용한 testData에 적합한 예측값 출력
irisPred <- predict(rf, newdata = testData)
irisPred
         5         14         16         26         28         29         36         39         40         50         53         58         60 
    setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa     setosa versicolor versicolor versicolor 
        61         66         72         74         81         86         90         92        100        111        113        116        117 
versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor versicolor  virginica  virginica  virginica  virginica 
       120        121        122        123        124        131        135        137        140        142        147        149 
versicolor  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica  virginica 
Levels: setosa versicolor virginica

# 실제 testData값과 예측값을 비교하는 교차표 출력
table(irisPred, testData$Species)
irisPred     setosa versicolor virginica
  setosa         10          0         0
  versicolor      0         12         1
  virginica       0          0        15

# randomForest 분석결과 변수별 중요도 확인
importance(rf)
                setosa versicolor virginica MeanDecreaseAccuracy MeanDecreaseGini
Sepal.Length  1.550198   2.904545  5.359329             6.234686         6.863905
Sepal.Width   1.616085   1.750807  1.932415             2.689961         1.582434
Petal.Length  8.829176  11.694845 11.303180            12.970271        30.346106
Petal.Width  10.915855  13.094225 14.000101            15.456179        35.045996

# 변수의 중요도를 dot 형식의 플롯팅
varImpPlot(rf)
#MeanDecreaseAccuracy: 정확도
#MeanDecreaseGini: 노드 불순도 개선

#Reference

1) https://towardsdatascience.com/understanding-random-forest-58381e0602d2

2) https://wikidocs.net/34086

3) http://rstudio-pubs-static.s3.amazonaws.com/4944_b042d59e3b174ec395bf2a20eab939d3.html

4) https://www.edureka.co/blog/random-forest-classifier/

5) https://www.codingame.com/playgrounds/7163/machine-learning-with-java---part-6-random-forest

6) https://www.researchgate.net/figure/An-example-of-bootstrap-sampling-Since-objects-are-subsampled-with-replacement-some_fig2_322179244

7) https://www.biostars.org/p/86981/

8) https://thebook.io/006723/ch10/03/04/03/

랜덤포레스트(Random Forest) End

BioinformaticsAndMe

OncoKB (Precision Oncology Knowledge Base) Start

BioinformaticsAndMe

OncoKB (Precision Oncology Knowledge Base)

: OncoKB는 정밀 종양학 지식 기반으로 암 변이에 따른 약물 치료 효과 정보를 모은 임상 데이터베이스

: 뉴욕 암병원이자 연구기관인 Memorial Sloan Kettering Cancer Center에서 개발

: FDA/NCCN/ASCO/ClinicalTrials.gov/논문 등에서 642개 암 유전자 변이 정보를 모았고, 임상팰로우/교수진들에 의해 검토됨

: https://www.oncokb.org/

#Reference

1) https://www.oncokb.org/

2) https://ascopubs.org/doi/full/10.1200/PO.17.00011

OncoKB (Precision Oncology Knowledge Base) End

BioinformaticsAndMe

[Methylation] RnBeads Start

BioinformaticsAndMe

RnBeads for DNA methylation

: DNA methylation은 후성유전학의 갈래로 질병과 발달에서 주요한 Epignentic mark로 알려짐

: RnBeads는 DNA methylation을 보는 Infinium microarray와 bisulfite sequencing에서 쉽게 분석해주는 R 패키지

*RnBeads 2.0 (https://rnbeads.org/) 

: RnBeads에서는 주요 Metylation mark를 찾는 다양한 방법과 시각화 과정을, 단지 R script 10줄 이내로 끝낼 수 있음

: 국내 DNA methylation 분석에서 표준 분석 툴로 자리 잡음

#Reference

1) https://genomebiology.biomedcentral.com/articles/10.1186/s13059-019-1664-9

2) https://www.sciencedirect.com/science/article/pii/S1046202314002692

3) http://www.incodom.kr/RnBeads

4) http://www.rnbeads.org/materials/example_1/index.html

[Methylation] RnBeads End

BioinformaticsAndMe

#생물정보학 교육정보

[Python] 자료형(Data type) Start

BioinformaticsAndMe

Python data type (자료형)

: 자료형이란 프로그래밍에 사용되는 숫자, 문자열 등 자료 형태의 모든 것

# 정수형(Integer type): 양 또는 음의 정수
1, 2, -8, -42
data_int = 150     #정수형 선언

# 실수형(Float type): 소수점이 포함된 실수
6.8, -13.5, 24e12
data_flo = 9.0     #실수형 선언

# 문자형(String type): 따옴표[ ' 또는 " ]에 들어간 문자형
'abc', "defg", 'ab12cd'
data_str = 'abcd'     #문자형 선언

#논리형(Boolean type): 참 또는 거짓
True, False
data_boo = True     #논리형 선언 (대소문자 구분해야함 → true는 error 발생)

# int(): 정수형 변환
x = int(1)  
y = int(2.8)
z = int("3")
print(x)
print(y)
print(z)
1
2
3

# float(): 실수형 변환
x = float(1)
y = float(2.8)
z = float("3")
w = float("4.2")
print(x)
print(y)
print(z)
print(w)
1.0
2.8
3.0
4.2

# str(): 문자형 변환
x = str("s1")
y = str(2)
z = str(3.0)
print(x)
print(y)
print(z)
s1
2
3.0

#Reference

1) https://wikidocs.net/11

2) https://www.slideshare.net/TonyNguyen197/python-language-data-types-61715303

3) https://www.w3schools.com/python/python_casting.asp

4) http://www.techgeekbuzz.com/python-type-conversion-type-casting/

[Python] 자료형(Data type) End

BioinformaticsAndMe

[Python] 주석 처리 Start

BioinformaticsAndMe

주석(Comment)

: 주석(comment)이란 무엇을 하는지 자연어로 기록하는 것 (프로그래밍에서 내용을 메모하는 목적)

# 단순 연산 결과 구하기
Result_1 = 1 + 1
Result_2 = 150 + 150

print(Result_1)
#print(Result_2)     # 주석 처리됐으므로 Result_2는 출력되지 않음
2

#Reference

1) https://ko.wikipedia.org/wiki/%EC%A3%BC%EC%84%9D_(%ED%94%84%EB%A1%9C%EA%B7%B8%EB%9E%98%EB%B0%8D)

2) https://www.zentut.com/python-tutorial/python-comments/

[Python] 주석 처리 End

BioinformaticsAndMe

피셔정확검정 (Fisher exact test) Start

BioinformaticsAndMe

피셔정확검정 (Fisher exact test)

: 피셔제곱검정은 범주형 데이터에서 초기하분포 기반의 정확한 p-value를 계산하는 방법

*초기하 분포(Hypergeometric distribution) - 모집단 비복원추출에서, 뽑은 n개 중 추출한 것이 x개인 확률변수 갖는 확률분포

: 샘플 수가 너무 적거나, 카테고리가 너무 많아서 테이블의 도수가 극도로 작아지는 상황에 주로 사용 

*구체적으로 기대빈도가 5 이하의 셀이 20%를 넘는 경우 피셔제곱검정 사용 (해당 조건에 카이제곱검정은 정확도 떨어짐)

피셔정확검정 R 예제

: 피셔정확검정의 예로서 한 바리스타가 '차를 먼저 따르고 우유를 나중에 넣는지, 우유를 먼저 따르고 차를 나중에 넣는지'의 문제

: 어느 것을 먼저 넣은 차인지 감별하는 바리스타의 능력이 통계적으로 유의한지 피셔정확검정 실시

*테스트를 반복할수록 바리스타 미각이 떨어지므로 총 10번의 실험 데이터를 얻음

# 피셔정확검정을 위한 2x2 contingency matrix 생성
TeaTasting_matrix <- matrix( c(4,2,1,3), nrow=2 )
TeaTasting_matrix
     [,1] [,2]
[1,]    4    1
[2,]    2    3

# 피셔정확검정 함수 사용
fisher.test(TeaTasting_matrix)
	Fisher's Exact Test for Count Data

data:  TeaTasting_matrix
p-value = 0.5238
alternative hypothesis: true odds ratio is not equal to 1
95 percent confidence interval:
   0.218046 390.562917
sample estimates:
odds ratio 
  4.918388 

#Reference

1) http://work.thaslwanter.at/Stats/html/statsCategorical.html

2) https://litfl.com/fishers-exact-test/

3) https://slideplayer.com/slide/4937227/

4) https://www.scalelive.com/fishers-exact-test.html

5) https://techntalk.tistory.com/entry/%ED%94%BC%EC%85%94%EC%9D%98-%EC%A0%95%ED%99%95%EB%8F%84-%EA%B2%80%EC%A0%95Fishers-Exact-Probability-Test

피셔정확검정 (Fisher exact test) End

BioinformaticsAndMe