Nature：与R语言一起探索未知的世界

在Royo刚刚开始做博后的时候，她拿到了第一份基因组测序试验的结果，当时她面临一个选择，将这些数据交给相关的专家进行分析，或者是自己学着去分析这些数据。她选择了后者，开始学习如何使用免费的开源统计软件R来进行数据分析。在Royo供职的瑞士Friedrich Miescher生物医学研究所（Friedrich Miescher Institute for Biomedical Research in Basel, Switzerland）里，R软件已经被用于常规的数据统计工作。但是Royo跟随的却是一个更大的潮流，很多学术科研机构都在尝试摆脱商业化的数据分析软件，而R软件就是一个很好的选择。

R软件之所以如此受欢迎，除了因为它是免费软件之外，还有一个原因就是因为它能以不同的面目面对不同的使用者。首先，也是最重要的一点，需要用命令行形式进行输入的编程语言对于非程序员而言就是噩梦。但是R语言的初学者就可以越过这些复杂的编程步骤，使用预设的一套软件，这里面包含有各种统计分析命令和图形化的数据形式。这样一些预制的软件就在“黑匣子”般的商业化的软件与专业的程序员之间建起了一个中间地带。“R语言让一切都变得非常简单，能够满足我的所有需要。” Rojo评价道。

实际上，这也正是R语言的开发者在20世纪90年代开发这套工具时的初衷和设计。新西兰奥克兰大学（University of Auckland in New Zealand）的统计学家Ross Ihaka和 Robert Gentleman对计算机非常感兴趣，但是他们找不到能够满足他们需要的软件。于是他们决定自己开发一套软件，完成数据分析和统计的工作。他们将这套工具命名为R语言，有一部分原因是因为他们俩名字的第一个字母都是“R”，另外一部分原因是因为当时有一套非常流行的编程语言名叫“S”，所以他们取名“R”。

在互联网刚刚兴起的年代，R语言就迅速获得了全世界需要统计学软件，同时也愿意贡献自己想法的科学家的广泛关注。Ihaka和Gentleman决定向所有人免费开放R语言的源代码。很快，擅长写程序的科学家就利用R语言开发出了各种软件包和预设的程序，以满足各种不同的工作需要。据Gentleman介绍，他也可以为从事天文学研究的人写一套程序，但是如果是天文学家自己来写这套程序，那肯定会好用得多。

数学解决方案

Karline Soetaert是荷兰皇家海洋研究所（Royal Netherlands Institute for Sea Research in Yerseke）的一名海洋学家，她在2008年时想到要对Scheldt河河口里的浮游生物（zooplankton）的健康状况做一番了解。Soetaert想要沿着Scheldt河测算一下这些浮游生物的死亡速度，但是当时还没有相应的R语言软件可供她使用。为了解决这个问题，她与另外两名生态学家使用R语言开发了deSolve软件，这也是第一款使用R语言编写的，能够解微分方程（differential equations）的软件。“其他的软件也可以解决这个问题，但是都非常贵，而且都不是开源软件。” Soetaert着重强调道。现在，deSolve软件已经被广泛使用，比如流行病学家在构建感染性疾病模型时，遗传学家在研究基因调控网络问题时，新药研发人员在了解药物的药代动力学问题时都会用到deSolve软件。

2003年是R语言问世十周年的日子，当时科学家已经开发了200多款不同的R语言软件，而且也出现了第一批引用“R项目（R Project）”的文献。到今天为止，已经诞生了6000多个R语言软件包，可以用来解决各种各样、遍布各个科研领域的问题。其中有些软件，比如Bioconductor（参见go.nature.com/s7mq39）能够帮助科研人员对人类基因组与荷兰人基因组（Neanderthal genome）进行比对；有些软件，比如IPMpack（参见go.nature.com/cyhons）能够对种群增长（population growth）进行建模；有些软件，比如quantmod（参见go.nature.com/jxqasm）能够帮助科研人员预测产权价格（equity prices）；还有些软件，比如ggplot2（参见ggplot2.org）能够帮助科研人员使用漂亮的图片将数据结果展示出来。专业人士还能够利用R语言，比如knitr（http://yihui.name/knitr）写出底稿，将原始的数据至于其中，供读者使用。去年在Elsevier出版社的Scopus数据库中，平均在每100篇专业文献当中就大约有1篇文献用到了R语言，或者R语言相关软件，在农业科学和环境科学相关文献中，这个比例会更高，详见附图“R语言的快速上涨趋势”。

R语言使用小贴士

*可以在R的网站CRAN （Comprehensive R Archive Network）http://cran.r-project.org上安装R语言。这里提供了关于这个系统的介绍: go.nature.com/jh9jb8。

*很多科研人员都建议使用功能强大的、免费的交互式软件RStudio，详见www.rstudio.com。

*有很多在线学习教程，比如DataCamp (go.nature.com/qndp6w), rOpenSci (ropensci.org), Software Carpentry (go.nature.com/wg3s9u)和R-bloggers (www.r-bloggers.com)。

*到go.nature.com/zrhdkj网页上浏览本文的在线版，获取更多R语言软件包信息。

统计学威力

对于很多使用者而言，R语言作为一种统计学软件是非常优秀的。美国田纳西大学（University of Tennessee in Knoxville）的统计学家Robert Muenchen对各种统计学软件都做过分析，他认为，R语言在统计学方面的功力与SPSS或SAS这些专业化的统计学软件不相上下。近十年来，R语言不仅跟上了统计学软件市场的领头羊，甚至已经取代了它们的地位。据Muenchen介绍，R语言非常有可能在今年夏天的时候成为头号统计学软件。

Bioconductor软件也是一款基于R语言开发的软件，主要应用于基因组学研究领域和分子生物学研究领域。Bioconductor软件能够帮助科研人员对海量的遗传序列数据进行处理和比较，对Gene Expression Omnibus等数据库进行检索，或者将数据上传到数据库当中等。该软件包含1000多个软件包，其中有一些软件还可以将数百万个由新一代DNA测序仪产出的DNA片段与已注释基因一一对应起来。

在深入学习R语言的过程中，Royo也在Friedrich Miescher研究所生物信息学组的组长——Michael Stadler的指导下接受了强化训练。Royo花了大约半年来钻研R语言和Bioconductor软件。但是美国加利福尼亚州伯克利数据科学研究所（Berkeley Institute for Data Science in California）的生态学家，rOpenSci组织（该组织旨在帮助科研人员接受并使用R语言，促进R语言的发展）的创始人Karthik Ram认为，还有更多的学习机会。Ram等人会针对科研人员的问题免费教授R语言课程，没有任何编程技巧的人都可以学习。

美国圣地亚哥州立大学（San Diego State University in California）的生态学家Megan Jennings就接受了Ram等人的培训。Jennings跟踪山猫（bobcats）、美洲狮（mountain lions）和其他野生动物，了解它们的运动情况。用了将近一年的时间，使用了36台摄像机，拍摄了40多万张照片，Jennings希望能够在一年的某一个时间跟踪某个动物的活动情况。一开始，Jennings决定用人工挑选照片，并且使用PRESENCE软件处理的方法来完成这项任务。后来在Ram的帮助下，Jennings自己写了一个R语言程序，能够自动识别带标记的照片，并将照片提纯，然后将特定的数据输送给另外一个R语言建模工具。“我以前要花一个小时才能完成的工作，现在只需要5分钟就搞定了。” Jennings介绍道。

R语言最大的优势就是它的在线支持能力。据Muenchen介绍，在统计学论坛中，与R语言相关的问题在所有商业化的统计软件当中名列第一。

“我们经常能够看到，有人在论坛上发出了一个提问贴，不到半个小时，相关软件的开发者就会出来回答这个问题。” Muenchen介绍道。这种快速反应能力就是从事基础科研工作的科学家最关注的。Royo还指出，她几乎能够在网上找到任何问题的答案。Royo现在基本上已经能够完成她所有的数据处理和分析工作，同时也给很多同事提供了大量的帮助。“不过我每天也都会在谷歌上寻找答案。” Royo说道。学习R语言不仅教会了Royo编程技巧，同时也让她能够对其他科学家的统计工作有更加深刻的认识。

据Ram介绍，虽然并不是每一位科学家都热衷于学习R语言编程技巧，但是与Python等语言（更不要说Perl或C语言了）相比，R语言还是要容易多了。据Muenchen介绍，会有越来越多的科研人员乐于接受用户友好式的软件，而非学习一门编程语言。比如与Royo一样，遗传学家Rabih Murr在博后期间也学习了同一门R语言课程，但是他并没有花那么多的时间去好好做练习。Murr认为，学习R语言，并且能够用R语言解决相应的科学问题也需要下一番功夫，他表示，这是一个按照重要性先后排序的问题。但是自从Murr今年当上了瑞士日内瓦大学（University of Geneva in Switzerland）实验室主任之后，他也打算雇一个有过R语言开发经验的员工了。

与其他的技能一样，学习R语言编程也并非一日之功。但是Jennings认为投入产出比是非常高的。她说道：“这就好比投资，现在花一番功夫，就能够为日后的工作节省时间，而且还能够学到一门非常有用的新技能，能够解决我们科学家经常会碰到的各种问题。”

原文检索：Programming tools: Adventures with R