生物信息学-linux及Ubuntu22基础-2

退出python 可以输入exit（）或者按ctrl+D，就会回到linux

练习：运用python画一张基因表达图，读取一个RNA-seq表达矩阵并画图

第一步退出python交互模式

第二步，安装今天要用的包

在Ubuntu输入conda install pandas numpy matplotlib seaborn jupyter -y

conda :包管理器+环境管理器

conda install ：用conda安装软件

pandas :数据处理库，读取数据表及处理矩阵，统计，清洗数据

numpy:科学计算库，用于数值计算，矩阵运算，数组

matplotlib :绘图库，画折线图，散点图，箱线图，热图

seaborn :高级绘图库，基于matplotlib，图更加漂亮，统计图更方便

jupyter ：交互式编程环境，写代码，运行代码，显示图，写笔记

-y yes

第三步，输入jupyter notebook --no-browser

jupyter notebook 启动jupyter notebook服务器，即启动一个本地网页服务，可以在浏览器里写python，即jupyter实际上是python+浏览器的工作环境

no-browser：不要自动打开浏览器，因为目前在windows+WSL Ubuntu，如果不用这个参数，jupyter会尝试用linux浏览器打开，但是wsl没有浏览器，可能会报错

运行完后，复制网址地址至Edge浏览器打开，进入notebook，代码在linux运行，界面在windows浏览器显示

在jupyter notebook输入

首先输入

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

import seaborn as sns

解读：import pandas as pd :把pandas工具库加载到python里使用，且起个简称pd，以后用的时候直接写pd.read_csv()

其余同理

接着输入：

import seaborn as sns

df = sns.load_dataset("iris")

sns.boxplot(data=df, x="species", y="sepal_length")

代码解读：

import seaborn as sns：导入seaborn这个绘图库，并简称为sns，以后调用这个数据库就是sns.heatmap( ) ,  sns.scatterplot( ) ,  sns.boxplot( )

df = sns.load_dataset("iris") :  sns.load_dataset(“iris”)是seaborn自带的一个示例数据集，iris是一个经典的生物学数据，这一部分的意思是把数据存到变量df里，df通常代表DataFrame（数据表），总得意思就是把iris数据集读进来，存成一个数据表df

sns.boxplot(data=df, x="species", y="sepal_length")

用seaborn画一个箱线图（boxplot），x轴是花的种类，y轴是花萼长度

import pandas as pd

import numpy as np

import seaborn as sns

import matplotlib.pyplot as plt

第二步，创建一个模拟的RNA-seq数据

data = {

    "gene": ["TP53", "MYC", "GAPDH", "ACTB", "BRCA1"],

    "Ctrl_1": [120, 500, 1000, 900, 200],

    "Ctrl_2": [135, 480, 980, 920, 210],

    "Treat_1": [300, 200, 1100, 850, 400],

    "Treat_2": [280, 220, 1080, 870, 390]

}

df = pd.DataFrame(data)

df = df.set_index("gene")

代码解读：df =pd.DataFrame(data)，把data这个python 字典转换成表格数据（DataFrame）

DataFrame：类似Excel的表格结构

第三步，做log转换：让数据更容易画图

df_log = np.log2(df + 1)

df_log

代码解读：df_log = np.log2(df + 1)，给所有表达量加1，再做log2转换

选择log2的原因是RNA-seq表达量分布非常不均匀，做了log2转换后，差距不会那么夸张，加1是因为如果表达量为0，log2（0）是不存在的。这也是为什么论文中热图颜色范围大多是-2  -1  0  1  2 ，而不是原始表达量

df_log：显示转换后的表达矩阵

第四步，画热图

plt.figure(figsize=(6,4))

sns.heatmap(df_log, cmap="coolwarm")

plt.title("RNA-seq Expression Heatmap")

plt.show()

代码解读：plt.figure(figsize=(6,4))  创建一个画布（图像窗口），plt是matplotlib画图工具的简称，figure（）创建一张新的图，figsize=（6,4）图像大小是宽=6，高=4，单位是英寸（inch）

sns.heatmap(df_log, cmap="coolwarm")：sns是统计绘图库，heatmap是热图，不同数值代表不同颜色，画出颜色矩阵，df-log=np.log2（df+1），热图用的是log2表达量，cmap="coolwarm"是颜色方案，coolwarm表示蓝色-低表达，白色-中等，红色-高表达，其余常见配色有viridis, magma,  plasma, RdBu

plt.title("RNA-seq Expression Heatmap"):绘图添加标题

plt.show()：把图真正显示出来

真正的RNA-seq热图会多两步，即Z-score标准化，不同基因表达范围统一，第二就是聚类（基因聚类，样本聚类）

结果展示：

遇到的一个 Jupyter Notebook 的常见 WSL 问题：

File Save Error for Untitled.ipynb Failed to fetch，意思是浏览器和 Jupyter 服务器的连接 断开了，所以 Notebook 无法保存，也无法正常运行代码。这不是代码问题，而是 Jupyter 会话断开了。

解决办法：回到Ubuntu终端，先按ctrl+C，Shutdown this notebook server (y/[n])?，输入y，然后回车，再重启jupyter，在终端输入jupyter notebook ,再重新打开网页，新建一个notebook，继续运行代码，更稳定的习惯jupyter notebook --no-browser --port=8888，重新关掉打开也行。