第二章 R语言与Bioconductor环境搭建

好，咱们正式开始动手。在做任何数据分析之前，得先把家伙事儿备齐。我见过太多人卡在第一步——环境没搭好，后面全白费。这一章，咱们就把R、RStudio、limma以及那几个常用数据操作包，一次性安排明白。

2.1 R语言：你的数据分析引擎

R是什么？说白了，就是一个专门为统计分析和图形展示设计的编程语言。在生物信息学这个圈子里，R几乎是标配。为什么？因为Bioconductor——这个专门处理生物数据的R包仓库，里面装满了像limma、DESeq2、edgeR这样的神器。

我个人习惯，安装R时直接从官网下载。别用系统自带的包管理器，版本往往滞后，后续容易出兼容性问题。

安装过程没什么特别的，一路默认即可。但有一点要注意——安装路径不要带中文和空格。我曾经在项目里因为路径有个空格，折腾了半小时才发现问题。

2.2 RStudio：让编码变得优雅

R自带的那个界面，说实话，有点简陋。RStudio就是给R穿上一件漂亮的外套——代码高亮、变量查看、绘图窗口、项目管理，全都有。我刚开始用R时，直接裸写，效率极低。后来换了RStudio，感觉打开了新世界的大门。

安装RStudio也很简单：

1. 去官网 https://www.rstudio.com/ 下载对应系统的免费版
2. 安装时默认选项即可
3. 先装R，再装RStudio，顺序别搞反

2.3 安装limma包：核心战备

limma是线性模型分析芯片数据的老牌包，后来也扩展到RNA-seq等场景。它的核心思路是——用经验贝叶斯方法稳定小样本的方差估计，说白了就是让你在样本数不多的时候，结果还能靠谱。

安装limma，有两种主流方式：

方式一：BiocManager安装（推荐）

if (!requireNamespace("BiocManager", quietly = TRUE))
    install.packages("BiocManager")
BiocManager::install("limma")

方式二：直接安装（不推荐）

install.packages("limma")

安装完成后，验证一下：

library(limma)
sessionInfo()

如果没报错，说明装好了。嗯，就这么简单。

2.4 常用数据操作包介绍

在正式做批次校正之前，有几把“瑞士军刀”你得先认识。它们虽然不是limma本身，但几乎每个分析流程都离不开。

安装这些包，一句话就行：

install.packages(c("dplyr", "tidyr", "ggplot2", "stringr"))

library(dplyr)
library(tidyr)
library(ggplot2)
library(stringr)
library(limma)

2.5 Bioconductor生态简介

Bioconductor是R的扩展仓库，专门针对生物信息学。里面不仅有limma，还有处理基因组的GenomicRanges、处理高通量测序的DESeq2等等。它的最大好处是——所有包都遵循统一的数据结构，比如ExpressionSet，你用limma做完差异分析，结果可以直接喂给其他包做可视化，无缝衔接。

我个人建议，安装Bioconductor核心包时，用这个命令：

BiocManager::install()

它会安装一堆常用包，省得你一个个找。不过别全装，有些你可能用不上，占空间。

2.6 本章知识结构总览

下面这张图，把咱们这章的内容串起来了。从最基础的R语言出发，到RStudio提升编码体验，再到limma和常用数据操作包的安装与定位。你照着这个脉络走，环境搭建就不会乱。

2.7 避坑指南：我的血泪史

环境搭建看似简单，但坑不少。我把自己踩过的几个坑列出来，你碰到类似问题时，直接对照排查：

• 问题1：安装limma时报错“无法打开URL”
  原因：CRAN镜像没设好。
  解决：运行 chooseCRANmirror() 选一个国内的镜像，或者直接用 BiocManager::install("limma")，它会自动用Bioconductor镜像。
• 问题2：library(limma) 提示“不存在叫limma这个名字的包”
  原因：包没装成功，或者没装对版本。
  解决：先运行 find.package("limma") 看看安装路径对不对。如果找不到，重新用BiocManager装一次。
• 问题3：RStudio突然打不开或闪退
  原因：可能是R版本升级后，RStudio没及时更新。
  解决：升级RStudio到最新版，或者降级R版本到RStudio支持的范围内。我一般保持两者都是最新稳定版。
• 问题4：数据操作包和limma版本冲突
  原因：某些旧版dplyr和limma有函数命名冲突。
  解决：加载时先加载limma，再加载dplyr。如果还冲突，用 limma:: 显式调用limma的函数。