R语言文本合并
R语言中合并方式有很多，目前我常用的有两种：
- 两个文本对象有相同的行名，通过行名的匹配进行信息合并。#比较常用于将文件2的某几列信息添加到文件1中。
- 两个文本对象通过相同的列用merge进行合并，后面主要讲解merge函数。
文本读取
首先我们先进行文本的读取，常用的文本格式主要有txt/tsv(TAB分割，制表符)，csv(逗号分隔)， xlsx(二进制文件)，前两种R的自带包即可读取不用额外安装R包，但xlsx需要先安装xlsx对应的R包才能读取，下面主要对这三种格式进行举例。
#TAB分割文件可以通过read.delim()和read.table()读取，读取方式如下：
file1 <- read.delim(file="filename.txt", header=T, check.names=F, stringsAsFactors=F, row.names=1)
#header=T，表示将读进来信息对象的第一行作为表头，相同代码也可以用head=1;
#check.names=F，表示表头是否调整，如果是T/TRUE，第一行表头中的 ’-/_/=‘ 等特殊字符会转换成'.'
#如果文本中前几列是不想要的内容，可以用skip=2，表示表过前两行，那么第三行可能就作为表头, 如果有注释信息可以用comment.char="#"会自动过滤开头为#的行
#stringsAsFactors表示都进来的每一列信息是否要因子话，因子这个概念比较复杂，如果理解不深刻，后续可能会有很多隐患，建议需要的时候再设定。
#row.names=1，表示第一类作为行名，既然作行名，就要求不允许有重复，否则报错，不给此参数代表默认行名1，2，3，...
#以上参数可在多个文本读取函数中使用，如read.table/read.csv.
####csv文本
file1 <- read.csv(file="filename.csv", header=T, check.names=F, stringsAsFactors=F, row.names=1)
####万能读取方式read.table
file1 <- read.table(file="filename.txt", sep="\t")
#sep="\t", 可以设定任意的分割方式，比如sep=","；sep="-"; sep=";" 需要注意的是xlsx不支持。
#sep="\t" 等价于read.delim(); sep="," 等价于read.csv(), \
#如果用了read.csv且参数加了sep=",",那么sep=","的任何设置都是无效的，且程序会报warning（此warning无影响）
####xlsx表读取
#EXCEL表是二进制格式的，所以需要特定的包进行解析，常见的包有xlsx，以此为例。
#xlsx包的安装请参考:(https://www.jianshu.com/p/0fbf7cc52413)
library(xlsx)
file1 <- read.xlsx(“filename.xlsx”,sheetIndex=1,startRow=1,endRow=100,colIndex=1:100,encoding = "UTF-8")
#sheetIndex=1,第几个sheet表
#startRow=1,endRow=100,colIndex=1:100,都是用于控制sheet表中读取的行列数目
文件合并
指定列合并：
#假如两个文件有两列是一致的，且两列列名均为gene 或分别为"gene","symbol";
combined <- merge(x=file1,y=file2,by="gene", all=L)
combined <- merge(x=file1,y=file2,by.x="gene",by.y="symbol",all=L)
#all=L表示两个文件匹配不上的也会保留，且用NA填充，如果只保留某一个文件的所有内容可用all.x=T or all.y=T, "L"等价于两者同时保留
按照信息匹配：
#假如两个文件有同一属性的列名，比如symbol，且需要将文件2中的log2FC根据symbol加入到文件1表达信息中
要求两列需要有相同的行数和行名顺序可不一致。
file1$log2FC <- file2[rownames(file1), 'log2FC']
limma差异分析
limma 文档
limma同时支持芯片和测序数据。
limma基本原理
从limma教程来看limma仅支持read counts和CPM输入进行差异分析(ReadCounts/CPM/TPM/FPKM都是些啥东东，看这里)，但有相关测试说TPM和ReadCounts的测试结果基本没差转录组差异分析FPKM与count处理差别
，且有相关基于FPKM转换为TPM后进行差异分析的文章(Front. Mol. Neurosci. IF4.8)。从以上信息可知针对测序数据limma可以支持ReadCounts/CPM/TPM/FPKM进行差异分析，但严谨的说limma仅支持前两者。
以下为可参考的教程或文献：
- RPKM/FPKM/TPM探讨归一化概念的文献，文章(Theory in Biosciences IF1.1)
- FPKM和TMP相互转换，TPM、RPKM与FPKM相互转换R代码 - 简书 (jianshu.com)
- limma进行差异分析，差异分析|使用limma包 - 简书 (jianshu.com)
