Rでマイクロアレイ・データを使う

はじめに †

Rで使えるマイクロアレイ・データをダウンロードして解析してみます．

マイクロアレイ・データについては，以下のページを参考にしてください．

• DNAマイクロアレイ・データを解析する - とうごろうぃき

ここでは，GitHubに公開されているR用のdatamicroarrayパッケージを利用します． このデータセットには，以下のデータが含まれています．

• 乳がん (Breast Cancer)
  • Chin (2006)
  • Chowdary (2006)
  • Gravier (2010)
  • Sorlie (2001)
  • West (2001)
• 中枢神経障害 (Central Nervous System Disorders)
  • Pomeroy (2002)
• クローン病 (Crohn's Disease)
  • Burczynski (2006)
• 結腸がん (Colon Cancer)
  • Alon (1999)
• グリオーマ (Glioma)
  • Sun (2006)
• ハンチントン病 (Huntington's Disease)
  • Borovecki (2005)
• 白血病 (Leukemia)
  • Chiaretti (2004)
  • Golub (1999)
  • Yeoh (2002)
• 肺がん (Lung Cancer)
  • Gordon (2002)
• リンパ腫 (Lymphoma)
  • Shipp (2002)
• 骨髄腫 (Myeloma)
  • Tian (2003)
• 前立腺がん (Prostate Cancer)
  • Singh (2002)
• 肉腫 (Sarcoma)
  • Nakayama (2007)
• 小円形青色細胞腫瘍 (Small Round Blue Cell Tumors)
  • Khan (2001)
• その他 (Miscellaneous)
  • Christensen (2009)
  • Su (2002)
  • Subramanian (2005)

ダウンロード †

GitHubで公開されているパッケージをダウンロードするには，devtoolsパッケージが必要です． そこで，まずdevtoolsパッケージをインストールします． install.packagesコマンドを実行すると，パッケージをダウンロードするサーバーを聞かれますので，リストからJapanのどれかを選択します． ただし，私がやったときは，Hyogoにしたらダウンロードに失敗したのでTsukubaにしました．

> install.packages("devtools")

次に，devtoolsパッケージを使って，datamicroarrayパッケージをダウンロードします．

> library(devtools)
> install_github('datamicroarray', 'ramey')

ダウンロードするのに時間がかかりましたが，これでデータが使えるようになりました．

使い方 †

それでは，Alon (1999) の結腸がん (Coron Cancer) データセットを使ってみます．

> library(datamicroarray)
> data('alon', package='datamicroarray')

マイクロアレイ・データには，2つの変数があります．

• x: [math]n \times p[/math] データ行列．[math]n[/math] はデータ数，[math]p[/math] は特徴数．
• y: 長さ [math]n[/math] のファクター・ベクトル．

> dim(alon$x)
[1]   62 2000
> table(alon$y)
 n  t 
22 40 

Alon (1999)には2000次元のデータが62個含まれていて，62個のデータのうち22個がラベルn，残り40個がラベルtであることがわかります．

describe_data関数を使うと，データの一覧を表示できます．

        author year   n     p  K              Disease
1         alon 1999  62  2000  2         Colon Cancer
2    borovecki 2005  31 22283  2 Huntington's Disease
3   burczynski 2006 127 22283  3      Crohn's Disease
4    chiaretti 2004 111 12625  2             Leukemia
5         chin 2006 118 22215  2        Breast Cancer
6     chowdary 2006 104 22283  2        Breast Cancer
7  christensen 2009 217  1413  3                  N/A
8        golub 1999  72  7129  3             Leukemia
9       gordon 2002 181 12533  2          Lung Cancer
10     gravier 2010 168  2905  2        Breast Cancer
11        khan 2001  63  2308  4                SRBCT
12    nakayama 2001 105 22283 10              Sarcoma
13     pomeroy 2002  60  7128  2            CNS Tumor
14       shipp 2002  58  6817  2             Lymphoma
15       singh 2002 102 12600  2      Prostate Cancer
16      sorlie 2001  85   456  5        Breast Cancer
17          su 2002 102  5565  4                  N/A
18 subramanian 2005  50 10100  2                  N/A
19         sun 2006 180 54613  4               Glioma
20        tian 2003 173 12625  2              Myeloma
21        west 2001  49  7129  2        Breast Cancer
22        yeoh 2002 248 12625  6             Leukemia

参考文献 †

• ramhiser/datamicroarray - GitHub