corso

=> Controllare che tutti vedano e sentano
=> Giro di presentazioni

=> Premettere che questa sarà una chiacchierata

=> DOMANDE?

=> Per cosa pensate di dover usare R

Cosa preferite fare oggi:
  - Carichiamo un dataset e proviamo a modificarlo e disegnare plots
  - Qualcuno ha un dataset da provare d usare
  - Qualcuno ha un'immagine per un articolo che non sa come create
  - Prendiamo il codice di un'immagine ed esaminiamolo

1. Load tidyverse
2. Download data
3. Descrizione del dataset
4. SELECT
  - gene, sample, tissue, expression
  - remove columns
  - select with helper functions
5. FILTER
  - sex == "Male"
  - sex == "Male" & infection == "NonInfected"
  - Cosa volete filtrare?
    - Valori compresi tra
    - Valori higher or lower
    - Subset di geni (create lista e usare operatore %in%)
6. Combine FILTER e SELECT con il pipe operator
=> Challange: subset with genes higher than 50000, male mice, time 0, and retain only the columns gene, sample, time, expression and age
7. MUTATE
  - Update/create a new column time to hours: mutate(time_hours = time * 24)
  - mutate(time_hours = time * 24, time_mn = time_hours * 60)
7. Gruop_by/summarise
  - group_by(gene) %>% summarize(mean_expression = mean(expression))
  - summarise su diverse colonne
  - arrange
  - counting (long and short format)
8. Pivoting
- rna_exp <- rna %>%
  select(gene, sample, expression)

- rna_wide <- rna_exps %>%
  pivot_wider(names_from = sample,
              values_from = expression,
              values_fill = 0)
  - rna_long <- rna_wide %>%
    pivot_longer(cols = -gene,
                 names_to = "sample",
                 values_to = "expression"
                 )




rna %>%
  mutate(expression_log = log(expression)) %>%
  group_by(gene, time) %>%
  summarize(mean_exp = mean(expression_log)) %>%
  pivot_wider(names_from = time,
              values_from = mean_exp) %>%
  mutate(time_8_vs_0 = `8` - `0`, time_4_vs_0 = `4` - `0`) %>%
  select(gene, time_8_vs_0, time_4_vs_0)


  rna_fc <- rna %>% select(gene, time,
                           gene_biotype, expression_log) %>%
    group_by(gene, time, gene_biotype) %>%
    summarize(mean_exp = mean(expression_log)) %>%
    pivot_wider(names_from = time,
                values_from = mean_exp) %>%
    mutate(time_8_vs_0 = `8` - `0`, time_4_vs_0 = `4` - `0`)