Statistics with R – 2021 session

Programme

• Session 1. R base en explorant des données omiques

• Session 2. Renforcement de R

• Session 3. Statistiques pour les données à haut-débit / RStudio et rapport Rmarkdown

• Session 4. Analyse en composantes principales / Exploration des données multidimensionelles

• Session 5. Classification supervisée et apprentissage

• Session 6. Classification non-supervisée / Analyse d’enrichissement

• Travail personnel

Goals

The aim of this module is to provide you with the bases of R programming and to present you some statistical concepts for high-throuput data.

To follow this course, prior knowledge is expected on:

• R environment,
• getting help in R,
• types of variables (particularly on vectors).

Link to the prerequisites

Intervenants

1. Claire Vandiedonck (https://orcid.org/0000-0002-6669-6923)
2. Jacques van Helden (https://orcid.org/0000-0002-8799-8584)
3. Anne Badel (https://orcid.org/0000-0002-2777-5979)
4. Magali Berland (https://orcid.org/0000-0002-6762-5350)
5. Antoine Bridier-Nahmias (https://orcid.org/0000-0002-0376-6840)
6. Olivier Sand (https://orcid.org/0000-0003-1465-1640)
7. Bruno Toupance (https://orcid.org/0000-0002-8244-1824)
8. Clémence Réda(https://clreda.github.io/)
9. Yves Clément (https://orcid.org/0000-0002-5932-9412)
10. Olivier Taboureau (https://orcid.org/0000-0001-7081-2491)

Course links

Doc	Description	URL
Git pages	Web site of the course (to see the supports)	https://du-bii.github.io/module-3-Stat-R/stat-R_2021/
Git repo	Repository enabling to download or clone the teaching material on your computer	https://github.com/DU-Bii/module-3-Stat-R
Serveur Jupyter Hub IFB	Python but also R!	https://jupyterhub.cluster.france-bioinformatique.fr/
RStudio at IFB cluster	link to RStudio on th IFB cluster	https://rstudio.cluster.france-bioinformatique.fr/
Slack	forum pour échanges et discussions	https://dubii.slack.com

Teaching material

Session 1. R base en explorant des données omiques

• Date: 03/03/2021 de 9h30 à 12h30
• Instructeurs : Claire Vandiedonck & Anne Badel
• Helpers : Antoine Bridier-Nahmias, Clémence Réda, Bruno Toupance, Jacques van Helden

Objectifs

1. Vérification et consolidation des prerequis: session R, vecteurs, matrices.
2. Dataframes: création, extraction de données, manipulation.

Supports de cours

• Slides: Slides for the whole session

• Questions: lien wooclap et proposition de solution

• Tutorial:

  • on dataframes (notebook ipynb et sa version exécutée en html)
  • on factors (notebook ipynb et sa version exécutée en html)

• Practical:

  • Practical on dataframes applied to omics data et son corrigé en .ipynb ou son corrigé en .html

• Data:

  • Temperatures.txt,rawData,
  • metadata
  • Accès local (pour usagers du cluster IFB-core): shared/projects/dubii2021/trainers/module3/data/pavkovic/1.datainit

Session 2. Renforcement de R

• Date: 04/03/2021 de 13h30 à 16h30
• Instructeurs : Claire Vandiedonck & Magali Berland
• Helpers : Antoine Bridier-Nahmias, Yves Clément, Bruno Toupance, Jacques van Helden

Objectifs

1. Contrôles de flux: boucles versus vectorisation, excutions conditionnelles

2. Fonctions: implémentation

3. Paquets/librairies: installation et troubleshooting, chargement, utilisation

4. Figures à façon avec R base

5. Introduction au Tidyverse: ggplot2, dplyr, tidyr

Supports de cours

• Slides:

  • Slides for part 1 to 4
  • Introduction au tidyverse

• Tutorial:

  • on functions (notebook ipynb)
  • on packages (notebook ipynb)

• Practical:

  • optional on loops, conditions and functions (notebook ipynb et son corrigé)
  • on figures (notebook ipynb et son corrigé)
  • TD introduction au tidyverse (format html, format ipynb) et ses corrigés: partie 1 sur ggplot au format ipynb et partie 2 & 3 pour dplyr et tidyr au format ipynb

Session 3. Statistiques pour les données à haut-débit / RStudio et rapport Rmarkdown

• Date: 09/03/2021 de 14h30 à 17h30
• Instructeurs : Claire Vandiedonck & Antoine Bridier-Nahmias
• Helpers : Anne Badel, Clémence Réda, Jacques van Helden, Olivier Sand

Objectifs

1. Statistiques pour les omiques:

• Rappels de statistiques de base: flutuation d’échantillonage, théorie des tests
• Problème de la dimensionalité: Estimation des paramètres et tests multiples

1. RStudio & Rapport Rmarkdown

Supports de cours

• Slides: Slides for part 1
• Practical:
  • links: shiny app to simulate distributions - dabestr
  • live on statistics notebook ipynb et son corrigé en html ou en ipynb
  • optional on statistics [mean-comparison-test_random-numbers.html] ou mean-comparison-test_random-numbers.pdf] ou [mean-comparison-test_random-numbers.Rmd]
  • live on Rmd R markdown demo au format .Rmd et le rapport généré au format html

Session 4. Analyse en composantes principales et exploration des données multidimensionelles

• Date: 11/03/2021 de 9h00 à 12h00

• Instructeurs : Magali Berland & Jacques van Helden
• Helpers : Anne Badel, Clémence Réda, Claire Vandiedonck, Olivier Taboureau

Objectifs

1. Analyse en composantes principales (ACP)

   • Comprendre le principe de base de l’analyse en composantes principales, ainsi que les objectifs de cette méthode.

   • Réaliser une ACP avec R, obtenir des visualisations graphiques pour aider à l’interprétation (cercle des corrélations, biplot, contribution des variables et des individus).

2. Exploration de données multi-omiques multidimensionelles

   • Maîtriser les téléchargements et chargements de fichiers de données et métadonnées
   • Charger des fichiers de données
   • Rappel des concepts de base de corrélation entre deux variables
   • Extension à la corrélation entre $n$ variables
   • Applications à des jeux de données de multi-omiques

Supports de cours

• Slides: Cours sur l’ACP visualisable ici

• Practicals:

  • TD sur l’ACP visualisable ici a réaliser sur ces données : metadata et microbiota.abundance.log

  • Correction du TD sur l’ACP, visualisable ici

  • Tutoriel: exploration des données multi-omiques [html] [Rmd]

• Exercice : application de l’ACP aux données multi-omiques de Pavkovicz (2019)

  1. Téléchargez le Rmd source du tutoriel “exploration des données multi-omiques”
  2. Téléversez-le dans un dossier de votre espace sur le cluster
  3. Dans l’en-tête de votre version du Rmd, changez la valeur du self_contained en indiquant yes
  4. Lancez knitr pour générer le rapport en formats HTML et pdf pour vous assurez que l’original compile bien.
  5. Réalisez l’exercice “PCA of Pavkovicz data”
  6. Déposez les résultats (Rmd et fichier html self-contained) dans le sous-dossier TP4 du dossier de dépôt convenu sur slack

Sessions 5 et 6 (rassemblées en une journée)

• Date: 29/03/2021 de 10h00 à 13h00 et de 14h30 à 17h30
• Instructeurs : Anne Badel, Jacques van Helden, Olivier Sand
• Helpers : Claire Vandiedonck, Yves Clément, Bruno Toupance, Olivier Taboureau

Objectifs

Supports pédagogiques

Topics	Support	Formats
The TCGA BIC study case	Intro	[pdf]
Data loading and exploration	Tutorial (optional)	[html] [Rmd]
Principes du clustering	Cours	[html] [Rmd]
	Tutorial + practical	[html] [Rmd]
Analyse d’enrichissement fonctionnel	Cours	[html]
	Tutorial	[html] [Rmd]
	Practical	[html] [Rmd]
	Correction	[html] [Rmd]
Supervised classification	Slides
	Tutorial + practical	[html] [Rmd]

Travail personnel

1. Après la Session 1

   • finir le tutorial des dataframes pour demain jeudi après-midi -> poser des questions sur slack si des points sont obscurs
   • faire le practical dans vos séances de travail personnel du vendredi des 2 1ères semaines -> les données serviront de Fil Rouge tout au long du module
   • faire le tutorial sur les factors pendant le temps de travail personnel

2. Après la Session 2

   • finir le practical sur tidyverse pour jeudi 11/03/2021
   • fnir le practical sur les figures avec R base (correction disponible)
   • faire le practical sur les paquets (correction disponible)
   • facultatif: faire le practical sur les contrôles de flux et fonctions (correction disponible)

3. Après la Session 3

   • revoir à tête reposée le practical sur les statistiques
   • revoir à tête reposée l’exemple de notebook Rmd sur Rstudio: Antoine l’a un peu complété
   • facultatif: pour les plus avancés, voir l’exemple du notebook .rmd optionnel sur les statistiques

4. Après la session 4

   • terminer le TP de Magali Berlan sur l’ACP
   • réaliser le travail personnel de Jacques van Helden : application de l’ACP aux données multi-omiques de Pavkovicz

5. Mini-projet

• Le but de ce travail est de mettre en oeuvre les méthodes vues dans le module 3 “R et statistiques” pour explorer le jeu de données de Pavkovic, et de rendre un rapport d’analyse au format .Rmd. Nous vous fournissons le fichier Prenom-NOM_m3-stat-R_mini-projet.Rmd à ce lien avec une trame des principales sections attendues. Certaines contiennent déjà du code. Vous devrez en compléter d’autres. Sentez-vous libres d’adapter cette trame ou d’y ajouter des analyses complémentaires si elles vous aident à interpréter vos résultats. La date limite pour rendre se travail est fixée au 26/05/21 minuit dans votre repertoire: /shared/projects/dubii2021/[login]/m3-stat-R/mini-projet

  L’activité atelier est annulée due à la charge de travail déjà importante.

R tutorials and good practice

Doc	Description	URL
Cheet sheats	RStudio Cheet sheats	https://rstudio.com/resources/cheatsheets/
Tutorial	Tutorial for Beginners by E. Paradis - English version	https://cran.r-project.org/doc/contrib/Paradis-rdebuts_en.pdf
Tutorial	Tutorial for Beginners by E. Paradis - French version	https://cran.r-project.org/doc/contrib/Paradis-rdebuts_fr.pdf
R style guide	Google’s R Style Guide	https://google.github.io/styleguide/Rguide.html
Another reference for R style guide	tidyversesStyle Guide	https://style.tidyverse.org/

Ressources

Category	Title	Description	Link
Coding	The tidyverse R style guide	Style recommendations for R code	https://style.tidyverse.org/
Coding	Tidyverse cheat sheet	One-poage summary of basic tidyverse syntax	https://s3.amazonaws.com/assets.datacamp.com/blog_assets/Tidyverse+Cheat+Sheet.pdf
Versioning	Happy Git and GitHub for the useR	How to manage versioning of R code on a github repository	https://happygitwithr.com/
Functions	R Documentation	List of R packages and functions	https://www.rdocumentation.org/
Functions	QuickR	List R functions for stats and plotting	https://www.rdocumentation.org/
Statistics and DataViz	STDHA	Statistical tools for high-throughput data analysis	http://www.sthda.com/english/
Basic stats explained to biologists	Points of Significance	Nature Methods collection	https://www.nature.com/collections/qghhqm/pointsofsignificance
DataViz	R Graph gallery	How to display your data	http://www.r-graph-gallery.com/all-graphs/
DataViz	DEFAKATOR	Détecter des graphiques trompeurs	https://www.youtube.com/watch?v=crTt-QIyS-o
DataViz	Using color sin R	Explains available packages for colors in R	https://www.stat.ubc.ca/~jenny/STAT545A/block14_colors.html#using-colors-in-r
DataViz	Using colors in R	How to do a high resolution figure with R base	https://danieljhocking.wordpress.com/2013/03/12/high-resolution-figures-in-r/
DataViz	DataViz	link tto the book	https://clauswilke.com/dataviz/

Licence

Ce contenu est mis à disposition selon les termes de la licence Creative Commons Attribution - Partage dans les Mêmes Conditions 4.0 International (CC BY-SA 4.0). Consultez le fichier LICENSE pour plus de détails.