爾云間? 一個(gè)專門做科研的團(tuán)隊(duì)

原創(chuàng)?小果?生信果

歡迎點(diǎn)贊+收藏+關(guān)注

最近小果作為一名新手開始學(xué)習(xí)機(jī)器學(xué)習(xí)方面的知識(shí)，遇到了一些困難，掉了很多根頭發(fā)后終于找到了解決辦法，快來看看你有沒有遇到這些問題吧！

本次學(xué)習(xí)主要是用到了survcomp，Hmisc，survival，survivalROC，CoxBoost這5個(gè)R包，小果本期主要分享Windows系統(tǒng)下如何順利將其安裝成功，希望大家能在安裝這一步少走彎路，節(jié)約一些時(shí)間哦~在Ubuntu系統(tǒng)下的安裝小果會(huì)分享在下期。

1. 如果你此前沒有安裝過其它相關(guān)的包，小果建議從安裝survcomp包開始。

首先打開Rstudio，在終端輸入以下代碼：

因?yàn)樾」麤]有指定安裝位置所以是默認(rèn)路徑，你也可以通過以下代碼指定安裝位置：

（后文小果都是默認(rèn)位置，就不再重復(fù)了）

等待片刻后，就安裝好了。

你可以輸入library(survcomp)來查看是否安裝成功，如果已成功安裝該包，則不會(huì)有錯(cuò)誤消息，并且該包將被加載。如果未安裝該包，則會(huì)收到錯(cuò)誤。

繼續(xù)安裝Hmisc，survival，survivalROC這3個(gè)包，你可以一個(gè)一個(gè)的裝也可以一次性裝，代碼如下，CoxBoost我們放在最后安裝。

同樣的，安裝完成后可以查看是否成功。

1. 最后，安裝CoxBoost，一個(gè)總是報(bào)錯(cuò)的包，讓小果的頭發(fā)少了一半。

在安裝這個(gè)包之前要做兩件事，如果你已經(jīng)完成了可以直接開始。

①?安裝devtools

?②?安裝Rtools?

網(wǎng)址https://cran.r-project.org/bin/windows/Rtools/

打開網(wǎng)址下載對(duì)應(yīng)版本即可，建議默認(rèn)安裝位置。

完成以上兩項(xiàng)工作后就可以開始下載CoxBoost了

代碼如下：

示例

至此5個(gè)包安裝結(jié)束，檢查一下：

終于成功了！希望小果能為你提供到幫助哦！

后記：

R包那么多，難道我要一個(gè)一個(gè)學(xué)嗎！別擔(dān)心，本公司上線云生信平臺(tái)，只需注冊(cè)賬號(hào)就能滿足你的多樣分析需求！這只是冰山一角哦~

生信人R語言學(xué)習(xí)必備

立刻擁有一個(gè)Rstudio賬號(hào)

開啟升級(jí)模式吧

（56線程，256G內(nèi)存，個(gè)人存儲(chǔ)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(jī)森林算法用于分類預(yù)測(cè)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(gè)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(duì)藥物反應(yīng)的敏感性
【6】基于R包NMF對(duì)樣本進(jìn)行分型分析
【7】DALEX包用于探索、解釋和評(píng)估模型；分析不同特征變量對(duì)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(píng)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(diǎn)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(dòng)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(diǎn)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(huì)預(yù)處理，學(xué)習(xí)起來
【24】代碼分享│機(jī)器學(xué)習(xí)-支持向量機(jī)遞歸特征消除（SVM-RFE）的構(gòu)建
【25】代碼分享│R可視化：對(duì)兩個(gè)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(píng)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(qiáng)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(shí)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(cè)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(duì)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(duì)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(píng)分和腫瘤純度
【42】自動(dòng)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(píng)價(jià)不同模型的一致性指數(shù)軟件
【45】用于探索、解釋和評(píng)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(xiǎn)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(xiǎn)評(píng)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(duì)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(duì)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(yàn)貝葉斯算法和支持向量機(jī)（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(jì)算64種免疫細(xì)胞相對(duì)含量及下游可視化
【61】基于甲基化數(shù)據(jù)評(píng)估腫瘤純度及下游可視化
【62】基于DiffCorr包識(shí)別不同表型下的差異共表達(dá)關(guān)系對(duì)
【63】基于逆累計(jì)分布函數(shù)識(shí)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

“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(shí)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。