机器学习相关R语言代码仓库系列1

#前两天有个老师加我微信找我要代码，可能是初学者，初学者的确常有困扰，这些代码到哪里去找，代码源泉在哪，我开始学习主要是看书，现在网络资源很多，我准备做个系列，这些网址都是持续更新优质代码，我称为代码仓库，希望对读者朋友有用！

今天我把资源再挖深一层！不仅继续推荐两个核心Awesome仓库（awesome-R 和 awesome-machine-learning），还特别扩展了多组学专属仓库 awesome-multi-omics（https://github.com/mikelove/awesome-multi-omics），并从这些仓库里挑出**真正实战好用、经得起检验的包**，逐个深度讲解——**为什么好用、在临床检验组学场景下的价值、典型用法、潜在坑点**。这些包我自己在项目中都反复用过，绝对是“少走十年弯路”的级别！

1. 镇馆之宝：awesome-R（R语言包全百科，持续更新到2025+）

链接：https://github.com/qinwf/awesome-R（星标6.4k+，社区金矿）

这个仓库按功能分类收录了上千个包，从数据清洗到高级建模一网打尽。最新更新还加了网络分析CTV、Polars接口等。适合我们检验组学的核心板块：数据处理、可视化、机器学习、生物信息学。

深度推荐好用包（临床检验组学实战向）：

• tidyverse 全家桶
  （dplyr + tidyr + ggplot2 + readr + purrr + stringr + tibble）
• 为什么好用？现代R的“官方语言”，代码像写中文一样流畅，处理杂乱的LIS导出数据（如缺值、异常格式）几行搞定。比base R快10倍、可读性高100倍。
• 检验组学场景：清洗多批次检验结果、长宽表转换、合并临床表型+组学数据。
• 典型用法：data %>% mutate(across(where(is.character), as.numeric)) %>% drop_na() %>% group_by(group) %>% summarise_all(mean)
• 推荐指数：★★★★★（不会tidyverse，别说你会R）
• data.table
• 为什么好用？大数据杀器，百万行蛋白质组数据秒级操作，多核并行。
• 场景：处理全院级检验时序数据、高通量代谢组汇总。
• 坑点：语法独特，先看vignette别硬上。
• 推荐指数：★★★★★（大数据必备）
• ggplot2 + extensions
  （ggrepel, ggfortify, ggtree, patchwork, hrbrthemes）
• 为什么好用？绘图天花板，美观+自定义无敌。ggtree专画系统发育树，patchwork一键拼多图。
• 场景：热图展示差异蛋白、箱线图比较组间检验指标、生存曲线、富集气泡图。
• 推荐指数：★★★★★（SCI论文图90%靠它）
• caret / tidymodels
• 为什么好用？tidymodels是新一代，语法统一、管道化，支持自动调参+模型比较。caret经典但稍老。
• 场景：用多项检验指标预测疾病分型、交叉验证评估模型稳健性。
• 推荐指数：★★★★★（建模从这里起步）
• xgboost + ranger + glmnet
• 为什么好用？xgboost精度王者，ranger随机森林高速版，glmnet自动变量筛选。
• 场景：高维组学特征（如数百代谢物）筛选生物标志物、预测预后。
• 推荐指数：★★★★★（竞赛/临床预测必备）
• pheatmap
• 为什么好用？简单漂亮的热图，支持聚类、注释行/列。
• 场景：展示差异表达基因/蛋白聚类结果。
• 推荐指数：★★★★☆（热图首选）

2. 机器学习专区：awesome-machine-learning（R部分精炼）

链接：https://github.com/josephmisiti/awesome-machine-learning#r-general-purpose-machine-learning

R语言机器学习包最全列表，这里推荐的都是成熟稳定、文档完善的。

额外深度推荐：

• h2o
• 为什么好用？分布式AutoML，一键跑数十种模型，自动选最优。
• 场景：快速筛选检验+组学联合预测模型。
• 推荐指数：★★★★☆
• mlr3
• 为什么好用？模块化设计，支持管道、基准测试、超参搜索。
• 场景：系统比较RF vs XGBoost vs GLMNET在同一数据集的表现。
• 推荐指数：★★★★★（进阶必学）

3. 重磅升级：多组学整合神器（awesome-multi-omics 专场）

链接：https://github.com/mikelove/awesome-multi-omics（Bioconductor大牛维护）

这个仓库专收多组学整合工具，特别适合我们“智慧检验组学”——临床样本常涉及转录组+蛋白质组+代谢组联合分析。重点推荐以下实战王者：

• mixOmics
  （2017持续更新，重磅中的重磅！）
• 为什么好用？一站式多组学整合框架，支持sPLS、DIABLO、MINT等方法，能处理多块数据、变量筛选、生物学解释。
• 检验组学场景：联合RNA-seq + 蛋白质组 + 临床检验指标，找共变模块、构建多组学生物标志物。
• 典型用法：diablo <- block.splsda(X = list(rna = rna_data, prot = prot_data), Y = disease_status)
• 优势：内置丰富可视化（circos plot、heatmap、network），文档极好，有完整case study。
• 推荐指数：★★★★★（多组学必学第一包！）
• MultiAssayExperiment
  （2017，Bioconductor核心）
• 为什么好用？标准多组学数据容器，能优雅管理多层数据+临床表型，所有下游包都兼容。
• 场景：存储并操作转录+蛋白+代谢+检验数据，避免数据混乱。
• 推荐指数：★★★★★（多组学项目从这里开始）
• RGCCA
  （Regularized Generalized CCA）
• 为什么好用？处理多块高维数据，稀疏化变量筛选，支持监督/无监督。
• 场景：探索多组学层间相关性，找驱动因子。
• 推荐指数：★★★★☆
• omicade4
  （Multiple Co-Inertia Analysis）
• 为什么好用？经典多表共惯量分析，可视化极强。
• 场景：快速看多组学数据集间一致性。
• 推荐指数：★★★★
• STATegRa
  （DISCO, JIVE, O2PLS）
• 为什么好用？实现多种经典多组学分解方法。
• 场景：分解联合变异 vs 特异变异。
• 推荐指数：★★★★
• SmCCNet
  （2024最新版带Shiny可视化）
• 为什么好用？稀疏多正则相关网络分析，构建组学间网络。
• 场景：找跨组学调控网络，用于机制研究。
• 推荐指数：★★★★☆（网络爱好者必试）

4. Bioconductor生态补完（组学分析命脉）

• DESeq2 / edgeR / limma
  ：差异分析三剑客，limma最万能（支持蛋白质组、代谢组）。
• clusterProfiler
  ：富集分析神器，支持最新数据库。
• survminer + survival
  ：生存分析+美观KM曲线。
• pROC + tableone
  ：ROC曲线、基线表一键生成。