CRAN 任务视图：基因组学、蛋白质组学、代谢组学、转录组学和其他组学

本任务视图重点关注最主要的用于组学数据分析的 CRAN 包，包括与注释和数据库相关的包。组学一词涉及各种以“-omics”结尾的生物学科，例如基因组学、蛋白质组学、代谢组学、转录组学。我们包含了发布日期超过一年的并且定期更新的 CRAN 包。因此，非常新的包可能尚未出现，但如果它们得到维护，可能会很快被包含进来。还包含了来自 Bioconductor 项目 的一些额外包，并非旨在提供详尽的描述，而是指向必须了解的包或专注于 CRAN 包未充分涵盖的组学包。补充信息也可以在 Phylogenetics、MachineLearning、Agriculture 或 MissingData 任务视图中找到。请注意，涵盖统计遗传学数据（DNA 数据、单倍型估计、种群结构、遗传流行病学）、系统发育学和系统发育基因组学的包不在本任务视图的范围内。更多包可以在 Bioconductor、R-Forge 和 GitHub 上找到。

如果您认为我们遗漏了此列表中的一些重要包，请通过电子邮件联系维护者，或在上面链接的 GitHub 存储库中提交问题或拉取请求。

任务视图按主要主题结构化

• 注释和数据库
• 基因组学
• 转录组学
• 蛋白质组学
• 代谢组学
• 其他组学
• 多组学
• 特定任务
• 特定应用领域

注释和数据库

• 数据库: geneExpressionFromGEO 可用于轻松从 GEO 下载基因表达数据集。 cbioportalR 提供了来自 cBioPortal 的临床和基因组数据。 pinfsc50 提供了植物病原体疫霉的基因组数据。
• 功能注释: enrichR 提供了对 Enrichr 数据库的接口。 biomartr 提供了对 BioMart 数据库的接口。 msigdbr 提供了对 MSigDB 的接口，用于基因集富集分析。 gprofiler2 提供了对 g:Profiler 的接口（包括功能富集分析、标识符转换或跨物种的直系同源性）。
  toprdata 提供来自 Ensembl 基因组构建的基因和外显子信息。 read.gb 可以读取来自 NCBI 核苷酸数据库的带有 .gb 扩展名的记录。 Map2NCBI 通过查询 NCBI 数据库，提供关于通过其位置描述的标记的信息。 PSSMCOOL 包含从位置特异性评分矩阵 (PSSM) 计算各种特征。
• 基因符号转换： aliases2entrez 将人类基因符号转换为来自 NCBI 数据库的已整理基因 entrezID。 AnnotationBustR 将子序列提取到 FASTA 文件中
  来自 GenBank 注释，其中基因名称可能在不同登录号之间有所不同。 BED 是 Neo4j 数据库的接口，提供不同生物实体标识符之间的映射。更具体地说， riceidconverter 可用于转换水稻生物标识符。
  babelgene 在来自多个数据库的人类和非人类基因直系同源物/同源物之间进行转换。
  hgnc 下载并导入 HUGO 基因命名委员会关于将基因符号映射到其他数据库中的基因条目。
• 基因集/通路富集: WebGestaltR 使用 WebGestalt 进行基因集富集和网络拓扑分析。 GOxploreR 提供了一种探索基因本体的方法。 liger 和 GSA 也提出了基因集富集分析的方法。 VAM 提出了一种基因集检验方法，该方法比标准方法更适合处理单细胞 RNA 测序数据。 tmod 提供了用于转录组和代谢组分析中基因集富集分析的功能。 sigora 校正了通路富集分析中的过度表示偏差。 permPATH 使用置换检验进行通路富集分析。 CePa 旨在通过网络拓扑信息找到显著的通路，而 pathfindR（伴随着数据包 pathfindR.data）和 netgsa 也使用网络信息进行富集分析。 SlaPMEG 对纵向组学数据进行通路富集分析。 topologyGSA 使用给定的基因通路信息对基因表达数据进行检验。 diffEnrich 比较两个实验衍生的基因或蛋白质组的的功能富集。 DysPIA 使用 DysPIAData，根据预先排序的基因对列表识别失调通路。

基因组学

• 序列操作和分析: GenomicTools.fileHandler 是一个用于处理最常用的基因组数据文件类型的 I/O 工具集合。 valr 可用于读取和操作基因组区间和信号。 KRIS 提供了用于生物信息学序列分析的各种例程函数。 bioseq 是一个用于操作生物（DNA、RNA 和氨基酸）序列的工具箱。 ftrCOOL 从核苷酸和肽序列中提取特征，并将它们转换为离散数字，以便用作机器学习模型中的预测器。
  agvgd 基于氨基酸侧链的性质和蛋白质多序列比对预测“错义”替换。 RNAsmc 提供了挖掘、比较和绘制 RNA 二级结构的功能。 vhica 可用于检测可移动元件与其与正常基因的差异相比的水平转移。
  AnaCoDa 包含一个模型集合，用于使用贝叶斯框架分析基因组范围的密码子数据。
  BASiNET 使用网络理论实现了一种对 RNA 序列进行分类的方法。 MINTplates 是一个专门用于探索和注释 tRNA 和其他基因组序列的框架。 cumSeg 估计平均偏移（分段常数）模型（如基因组序列）中变化点的数量和位置。
• 细胞分析： sonicLength 从 DNA 片段估计细胞克隆的丰度。类似地， scoper 执行谱聚类以从 B 细胞数据中识别克隆。 Signac 是一个用于分析和探索单细胞染色质数据的框架。 popPCR 允许对荧光激活细胞分选数据中的液滴进行分类以估计 DNA 目标浓度。
• 拷贝数数据： ioncopy 实现对扩增子测序数据中拷贝数的计算。 aroma.cn 实现了几种用于规范化和分析 DNA 拷贝数数据的方法，而 PSCBS 专注于亲本特异性 DNA 拷贝数数据的分析。
• 突变和 CRISPR： sigminer 从基因组改变记录计算改变特征， Rediscover 使用泊松-二项式模型识别互斥突变，而 mutSignatures 从体细胞突变目录识别突变特征。更一般地说， ICAMS 分析突变特征。此外，基于突变数据， ICBioMark 识别免疫治疗生物标志物。 pathwayTMB 使用新的基于途径的基因组来估计肿瘤突变负荷 (TMB)。 CB2 提供使用 Beta-Binomial 检验进行 CRISPR 合并筛选分析的功能。

转录组学

微阵列或其他连续表达数据

• 质量控制和规范化： POD 计算检测概率 (POD) 曲线和检测限 (LOD)。 NACHO 和 nanostringr 提供用于 NanoString nCounter 数据的质量控制或规范化的工具。 MiRNAQCD 是一个用于 miRNA 表达数据 QC 控制的工具箱。
• 集成工具（带 GUI）: maGUI 提供了一个图形用户界面来分析微阵列数据（包括注释、测试或网络推断）。depthTools（及其 R 指挥官 插件 RcmdrPlugin.depthTools）是基于数据深度进行基因表达分析的统计工具集合。OOMPA 提供了一组用于微阵列和蛋白质组学分析的 CRAN 包。
• 可视化: tinyarray 专注于 GEO 和 TCGA 表达数据的可视化。mpm 提供了基因表达数据的探索性图形分析，并采用了各种因子方法（包括 PCA）。
• 差异分析: limma 是微阵列差异分析中最重要的软件包之一。此外，TailRank 提供了用于微阵列数据集的尾部秩非参数检验。SMVar 实现了用于基因表达数据差异分析的方差结构模型。RNentropy 实现了基于信息论的方法来检测基因表达中的显著变化。optBiomarker 估计了 2 组测定中最佳生物标志物的数量。leapp 提出了一种潜在效应调整方法来抵消它们对检验中假设排序的影响。MCMC.qpcr 实现了用于 qPCR 数据的归一化和差异分析的贝叶斯方法。从更全局的角度来看，directPA 可以识别来自不同组学（包括微阵列和 RNA 测序数据）的多种处理/条件对通路的组合效应。
  ssize.fdr 提供了用于计算基因表达检验的适当样本量的函数，而 NewmanOmics 实现了用于基因组规模转录组学的 Newman 学生化极差统计量。
• 时间序列: TcGSA 和 TGS 实现了用于纵向基因表达数据分析的方法。survival666 实现了消除生存分析中共同表达基因影响的方法。GeneCycle 还分析基因表达时间序列以检测周期性表达的基因。BClustLonG 实现了用于聚类纵向基因表达数据的狄利克雷过程混合模型。
• 聚类: slfm 使用贝叶斯稀疏潜在因子模型进行基因表达分析。lmQCM 实现了用于基因共表达模块发现的基于图的方法。
• 预测: LPS 实现了用于基因表达特征的线性预测评分方法。SMDIC 从表达数据中识别体细胞突变驱动的免疫细胞。cubfits 使用序列和表达数据来预测蛋白质生产率。

RNA-seq 数据

• 通用：DESeq2 和 edgeR 是 RNA-seq 预处理和差异分析中最重要的一些软件包。
• 比对：MAAPER 将 3’ RNA-seq 测序读数分配到 polyA 位点。
• 解卷积：BisqueRNA 和 InteRD 提供了从批量表达数据中估计细胞类型丰度的算法。 scBio 也提出了一种用于批量 RNA-seq 数据的解卷积算法，但需要一个单细胞参考样本。更具体地说，imsig 估计了实体瘤中免疫亚群细胞的丰度。最后，omicwas 测试了与批量组学实验中细胞类型特异性表型的关联。
  
• 通用工具：Tmisc 是一个用于操作基因表达数据的实用函数集合。
• 模拟：seqgendiff 提供了一个框架来模拟各种假设下的 RNA-seq 数据，而 SeqNet 和 graphsim 都提供了基于调控网络的 RNA-seq 数据模拟。
• 差异分析：PQLseq 实现了一个混合模型来解释 RNA-seq（和其他计数数据）差异分析中的群体结构，而 glmmSeq 也使用了一个混合模型来处理转录组数据集中的重复测量。 NBPSeq 和 NBBttest 是两个分别使用负二项式和负二项式贝塔检验进行 RNA-seq 数据差异分析的软件包。 DiPALM 能够对不同条件下时间序列基因表达进行差异分析。 RVA 专注于 RNA-seq 数据的可视化，尤其是差异分析结果的可视化。
  类似地，markerpen 使用惩罚性 PCA 进行生物标志物发现。在差异分析之后，DGEobj 和 DGEobj.utils 提供了一个灵活的容器和一个函数工具包来管理和注释差异基因表达 (DGE) 分析结果。
• 聚类：HTSCluster 包含一个基于泊松混合模型的模型，用于对 RNA-seq 数据集进行聚类。
• 其他：SIBERG 实现了一种方法来识别双峰表达基因。 CeRNASeek 提供了几个函数来识别和分析 miRNA 海绵。

单细胞 RNA-seq

• 通用工具：Seurat、iCellR 和 pagoda2 包含一个用于单细胞数据分析的函数集合，包括差异分析（第一个基于 SeuratObject 的结构）。sccore 和 singleCellHaystack 也提供了单细胞差异分析的方法，第二个基于 KL 散度。
• 质量控制：SoupX 提供了一种方法来从单细胞 RNA-seq 数据中去除 mRNA 污染。
• 细胞聚类和注释：conos 和 scINSIGHT 可用于识别在各种条件下获得的单细胞 RNA-seq 数据集集合中的循环细胞簇。 stochprofML 使用对数正态分布的混合模型来模拟来自细胞群体的异质性。 ADAPTS 使用流式分选或单细胞样本构建细胞类型特征矩阵，并解卷积批量基因表达数据。 FiRE 可以从大量的单细胞表达数据中发现稀有细胞。
  scSorter 根据标记基因将细胞分配到已知的细胞类型，而 SignacX 使用神经网络识别细胞类型。 clustermole 可用于识别人类和小鼠单细胞转录组数据中的细胞类型。
• 生物标志物发现：DIscBIO 是一个用户友好的多算法管道，用于单细胞转录组学中的生物标志物发现。
• 细胞轨迹：dynwrap、treefit 和 SCORPIUS 从单细胞基因表达数据中推断细胞轨迹。 phateR 可用于可视化具有轨迹的单细胞数据。
• 其他：rPanglaoDB 可以从 PanglaoDB 下载和合并单细胞 RNA 测序数据。

蛋白质组学

• 通用工具：ChemoSpec 包含一系列函数，用于各种蛋白质组学光谱数据的自上而下的探索性化学计量学。
• 蛋白质和 DNA 之间的关系：geno2proteo 允许使用 ENSEMBL 注释查找任何给定基因组位点的 DNA 和蛋白质序列。 PredCRG 包含一个计算模型，用于预测由昼夜节律基因编码的蛋白质。
• 蛋白质结构和序列：compas 操作和分析蛋白质数据库 (PDB) 文件的 3-D 结构几何形状。 bio3d 包含用于处理、组织和探索蛋白质结构、序列和动力学数据的工具。 ampir 是一个工具包，用于在全基因组范围内从蛋白质序列预测抗菌肽。 ptm 包含用于分析蛋白质中翻译后修饰的函数。 pbm 包含各种模型来分析蛋白质-配体相互作用。
• 质谱蛋白质组学: wrProteo 包含用于分析质谱蛋白质组学数据的函数集合。 aLFQ 实现了 LC-MS/MS 最常见的绝对无标记蛋白质丰度估计方法，而 iq 也实现了质谱的蛋白质定量。 protViz 包含用于可视化和分析小型质谱蛋白质组学数据集的函数。
  PTXQC 和 ypssc 都旨在分析 MaxQuant（用于大型质谱数据集的定量蛋白质组学工具）的输出。 protti 除了可以分析 MaxQuant 的输出外，还可以分析 Spectronaut 或 Proteome Discoverer 的输出。 prozor 确定了解释肽谱匹配的最小蛋白质集。 net4pg 实现了一种方法来处理鸟枪法蛋白质组学中鉴定中的歧义。
• 插补: 几个包实现了用于蛋白质组学数据集插补的函数：imputeLCMD（左删失插补）、imp4p（包括缺失值机制的估计）和 mi4p（多重插补）。另请参阅 MissingData 视图。
• 差异分析: canprot 包含癌症和细胞培养实验中已发表的差异表达蛋白质的数据文件。
• 可视化: cp4p 提供了蛋白质组学的校准图，用于检查 FDR 控制程序的假设并计算调整后的 p 值。 LSPFP 提供了鸟枪法蛋白质组学分析中肽的图。
• 预测: krm 是一个专门用于基于核的回归方法的包，其中包括一个用于蛋白质序列的核。
• 单细胞蛋白质数据 (CITE-seq): dsb 包含用于归一化和降噪液滴单细胞蛋白质组学数据的函数。

代谢组学

• 数据: metaboData 包含各种代谢组学数据集的示例。
• 通用工具: omu 提供代谢组学分析工具（包括可视化），而 lilikoi 是一套代谢组学工具，包括归一化和各种预测方法。 MetabolomicsBasics 还包括用于探索代谢组学数据的基本函数（峰值提取、去卷积等）。
• 鉴定: erah 可用于通过 GC-MS 非靶向代谢组学中的谱库匹配来鉴定代谢物。
• 测试和生物标志物发现: iCARH 实现了一种用于分析时间过程代谢组学数据集的方法，包括生物标志物发现。 MetabolicSurv 包含代谢组学特征的生物标志物发现和生存分析方法。 MetSizeR 计算代谢组学实验中目标统计功效的样本量。
• 聚类: RAMClustR 包含一个用于质谱代谢组学数据的聚类算法。
• 通量数据: fbar 是一个用于通量平衡分析和相关代谢建模技术的工具包。

其他组学

• 甲基化: BiasCorrector 是一个用于校正 DNA 甲基化分析中测量偏差的 GUI。 rBiasCorrection 对甲基化数据进行偏差校正。 TCA 可以将整体条件特异性 DNA 甲基化数据分解为条件和个体特异性甲基化水平，并检测与表型的关联。
• Hi-C: InteractionSet 是一个 Bioconductor 包，提供适合 Hi-C 数据的数据结构。 HiTC 是一个用于操作和分析 Hi-C 数据的包，而 diffHic 专注于 Hi-C 实验的差异分析。
• 脂质组学: interep 可以对具有重复测量的高维脂质组学数据集进行交互分析。 flippant 允许基于荧光测定法（连二亚硫酸盐重排测定法）分析脂质重排活性的活性。
• 细菌基因组学、微生物组和宏基因组学: phyloseq 是用于分析高通量微生物组数据最重要的包之一。 BarcodingR 使用 DNA 条形码进行物种识别。 enveomics.R 包含用于微生物生态学以及基因组学和宏基因组学其他应用的函数集合，是 Enveomics 集合的配套包。
• AIRR-seq / Rep-seq: alakazam 提供用于高通量适应性免疫受体库测序（AIRR-Seq；Rep-Seq）分析的方法。

多组学

• 通用: MOFA2 和 mixOmics 是整合多组学数据集最重要的两个软件包。
• 单组学分析: wrMisc 包含一系列用于操作组学数据和执行各种统计分析（包括归一化和一些统计检验）的工具。 integIRTy 提供了一种方法来识别在不同组学中癌症中始终发生改变的基因。
• 通路分析: ActivePathways 将 p 值结合起来以获得富集的通路和过程。 ICDS 基于多组学的整合来识别癌症中功能失调的通路。
• 探索性整合分析: o2plsda 提供了用于执行 O2PLS-DA 以整合多组学数据的函数。类似地，CovCombR 可用于通过基于协方差的方法组合异构数据集，而 PMA 提出了一种稀疏典型相关分析来整合多个组学数据集。 CovCombR 和 packMBPLSDA 包含其他方法，通过基于协方差的方法组合异构数据集（第二个基于 PLS-DA），而 MOSS 提供了一种基于稀疏 SVD 的多组学整合方法。 semmcmc 还提供了一种基于结构方程模型 (SEM) 的组学整合方法，而 IMIX 使用高斯混合模型进行多组学数据整合。 solvebio 是 SolveBio API 的绑定，这是一个面向组学数据整合的生物医学知识中心。
  更具体地说，desiR 提供了用于对基因、蛋白质和代谢物数据进行排名、选择和整合的函数。
• 预测: prioritylasso 使用不同的组学优先级，通过连续的 Lasso 模型从多个组学进行预测。
• 聚类: PINSPlus 实现了一种用于组学数据整合的稳健聚类方法，LUCIDus 包含一种基于 ML 的整合聚类方法，而 RHclust 提出了一种基于 k 均值的组学聚类。
• 荟萃分析: metaRNASeq 和 metaMA 分别实现了用于 RNA-seq 数据和微阵列数据的荟萃分析的 p 值组合技术。 MetaIntegrator 提供了一个用于基因表达数据荟萃分析的管道。

特定任务

质量控制和归一化

• lineup 和 lineup2 包含用于检测和纠正组学数据中样本混淆的工具。

ChIP-seq 和 ATAC-seq 等数据的峰值调用和分析

• PeakSegOptimal 实现了一种基于泊松分布的计数数据的变化点检测方法，该方法包含适合峰值调用的约束，PeakSegDisk 提供了使用磁盘存储的大规模实现。 PeakSegJoint 实现了一个联合峰值检测，PeakError 计算峰值调用中相对于注释区域标签的真阳性和假阳性。

多重检验

• bayefdr 实现预期错误发现率的贝叶斯估计和优化，hommel 包含使用 Simes 不等式的封闭检验方法。 rSEA 执行同时富集分析，控制 FWER。 更具体地说，RobustRankAggreg 提供了一种聚合排名列表的方法，尤其是基因列表，DiscreteFDR 实现适用于离散检验的多重检验程序。

高维数据正则化

• whitening 实现高维组学数据的白化方法和 CCA。 mpmi 使用核平滑方法来比较大型基因组数据集中变量对。 hsstan 使用分层贝叶斯方法来发现高维数据集中的生物标志物。 supclust 实现潜在多个预测变量（包括“PELORA”和“WILMA”）的监督聚类方法。

网络

• 基因网络推断: WGCNA 使用基于相关性的方法实现基因网络推断，而 GeneNet 则使用高斯图模型实现基因网络推断。 RGBM 从微阵列和 RNA 测序数据中实现基于自举的网络推断算法。 RNAseqNet 使用对数线性泊松模型实现网络推断，并可以处理缺失个体。 Patterns 包含用于推断生物网络的工具，这些工具采用针对单一或多个联合组学设计的算法。 parmigene 使用互信息方法进行网络推断。 networkABC 使用近似贝叶斯计算进行网络推断。 JSparO 为细胞命运转换的基因网络推断实现了联合稀疏优化。 Cascade 实现了一个建模工具，允许在 CascadeData 中提供的实验数据中进行级联网络的基因选择、逆向工程和预测。 miic 可用于使用信息论推断因果和非因果网络。
• 单细胞数据: scLink 和 scTenifoldNet 可用于从单细胞数据推断共表达网络，后者包括一种比较不同条件下这些网络的方法。
• 差异分析: scTenifoldKnk 使用共表达网络通过虚拟敲除方法识别差异调控基因，而 SIMMS 能够将分子谱与功能网络（如 PPI 网络）整合，以从生存数据中检测生物标志物。类似地，regnet 提供基于网络的正则化模型，以在高维生物数据中进行变量选择。更一般地，DiffCorr 实现了一种方法，用于识别相关网络中 2 个实验条件之间的模式变化，而 dnapath 将通路信息整合到两个基因表达数据集的差异网络分析中。 GANPA 是一种基于网络的基因加权算法，用于通路富集分析，并具有一个 GANPAdata 伴侣数据集包。 DRaWR 是一种基于网络的方法，用于对与给定基因集相关的基因或属性进行排名。
• PPI 网络: prioGene 可用于定义疾病特异性 PPI 网络并推断候选基因优先级。

聚类

• EMMIXgene 实现了一种基于混合模型的方法，用于对微阵列表达数据进行聚类，而 ORIClust 对短时间序列或剂量反应微阵列基因表达进行聚类。 OptCirClust 对循环数据（如循环 DNA 或 RNA 分子）进行聚类，而 adjclust 对适应基因组约束的约束聚类进行聚类。后者包括一个用于 Hi-C 数据集的包装器。

可视化

• 序列: JBrowseR 为 JBrowse 2 基因组浏览器提供了一个 R 接口。 chromoMap 提供任何生物体的染色体或染色体区域的交互式基因组可视化。类似地，seqinr 为生物序列（DNA 和蛋白质）数据提供可视化。
• 基因组规模数据: genoPlotR 生成各种基因或基因组图，可用于出版物。类似地，valr 可用于可视化基因组规模数据，RCircos 包含用于基因组可视化的 2D circos 图的集合，而 RIdeogram 提供函数以在图解上显示全基因组数据。更具体地说，gggenes 使用 ggplot2 方法绘制基因箭头图。 VALERIE 使得能够从单细胞数据中可视化可变剪接事件。
• 生物标志物发现方法的结果: func2vis 使用 ConsensusPathDB 提供富集基因本体 (GO) 术语、蛋白质复合物和途径的可视化和清理。 statVisual 实现用于转化医学和生物标志物发现的可视化。类似地，volcano3D 提供 3D 火山图和极坐标图，适合可视化 3 类问题的生物标志物差异分析结果。
• 多组学: OmicNavigator 专注于组学数据的可视化。 wilson 是一款基于 Web 的工具，致力于以交互方式可视化多组学数据。
• 其他: BioInsight 过滤并绘制计数矩阵中存在的不同 RNA 生物类型的丰度。

缺失值

• SurrogateRegression 在部分缺失的目标结果上执行估计和推断，同时借用来自相关替代结果的信息。

特定应用领域

• 癌症: oncoPredict 从细胞系筛选数据中提供生物标志物发现。 tidyestimate 从表达数据中推断肿瘤纯度。 driveR 是一种用于癌症驱动基因优先级排序的个性化或批次分析基因组数据的工具，它结合了基因组信息和先前的生物学知识。 DRomics 专注于使用剂量反应设计获得的组学数据，其中测试了大量剂量。
  
• 营养: BRINDA 计算反映炎症和贫血营养决定因素的生物标志物。

CRAN 包

相关链接

• Bioconductor 项目

其他资源

• CRAN 任务视图：Agriculture
• CRAN 任务视图：MachineLearning
• CRAN 任务视图：MissingData
• CRAN 任务视图：Phylogenetics
• Bioconductor 包：DESeq2
• Bioconductor 包：diffHic
• Bioconductor 包：edgeR
• Bioconductor 包：HiTC
• Bioconductor 包：InteractionSet
• Bioconductor 包：limma
• Bioconductor 包：mixOmics
• Bioconductor 包：MOFA2
• Bioconductor 包：phyloseq