掌握Excel表格拆分技巧，提升数据处理效率！
1538
2022-12-21
常用生物数据分析软件（生物信息数据分析软件）
本篇文章给大家谈谈常用生物数据分析软件，以及生物信息数据分析软件对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。
今天给各位分享常用生物数据分析软件的知识，其中也会对生物信息数据分析软件进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！
简单说：
Excel：普遍适用，既有基础，又有中高级。中级一般用Excel透视表，高级的用Excel VBA。
hihidata：比较小众的数据分析工具。三分钟就可以学会直接上手。无需下载安装，直接在线就可以使用。
SPSS：专业统计软件，没有统计功底很难用的。同时包含了数据挖掘等高大功能。
SAS：专业统计软件，专业人士用的，不懂编程还是不要碰了。
MARLAB：建立统计与数学模型，但是比较难学，很难上手。
Eview：比较小众，建立一些经济类的模型还是很有用的。计量经济学中经常用到。
各种BI与报表工具：FineBI，FineReport，tableau，QlikView等。
短序列比对软件： bwa,bowtie,tophat,SOAPAligner 等
局部比对软件：Blast,blat,CorssMatch 等
多序列全局比对软件：Muscle,clustalw 等
基因预测软件：Glimmer,GeneMark,Augustus,FgeneSH,SNAP,GeneScan,EuGENE,Glean等
重复序列预测软件：RepeatMasker,TRF等
聚类软件：MCL,hcluster_sg等
统计软件：pLINK，TASSEL，R，SPSS等
...
数据库相似性搜索——核酸序列与核酸数据库比较（BLASTN）
蛋白质序列与数据库中蛋白质序列比较（BLASTP）
两序列比对（Align two sequences）
DNA序列分析——ORF Finder(www.ncbi.nlm.nih.gov/gorf/gorf.html)
分析实验序列外显子部分——GENSCAN（http://genes.mit.edu/GENSCAN.html）
分析实验序列的可能酶切位点——NEBcutter2.0 (http://tools.neb.com/NEBcutter2/index.php)
注： Custom digest -- view gel
限制性内切酶数据库——REBASE(http://rebase.neb.com/rebase/rebase.html)
设计引物扩增实验序列——Genefisher
Primer 3
蛋白质序列分析及结构预测：
1.预测蛋白质的分子量及等电点:ExPASy（Compute pI/Mw）
2.分析蛋白质的基本物理化学性质：ExPASy（ProtParam）
3.分析蛋白质的亲水性和疏水性：ExPASy（ProtScale）
4.分析蛋白质在各种蛋白酶和各种化学试剂处理后的内切产物：ExPASy（PeptideMass） [* ：kinase K]
5.分析蛋白质的信号肽：ExPASy（SignalP）
6.预测蛋白质的二级结构：ExPASy（Jpred 3）
多物种分子系统发育分析：EMBL（www.ebi.ac.uk/embl/)--Toolbox--Clustal2W
人脂联素蛋白质序列：NP_004788
人类胰岛素生长因子IB前体：P05019
打开google 首页，搜索VecScreen，进入VecScreen首页，复制序列，运行，View report。
二、结果：
输出序列长度918bp，
载体序列的区域456bp——854bp.
克隆载体：M13mp18 phage，pGEM-13Zf(+)，pBR322，pRKW2。
2、使用相应工具，分析下列未知序列的重复序列情况，输出重复序列的区域、包含的所有重复序列的类型、重复序列的总长度及Masked Sequence。
一、步骤：
进入google首页，进入ICBI主页，对序列进行BLAST。得出序列是human的。
进入google首页，搜索RepeatMasker，进入RepeatMasker主页，进入RepeatMasking，复制序列，DNA source选择human，运行！点击超链接，在结果中选择
Annotation File ：RM2sequpload_1287631711.out.html
3、使用CpGPlot/CpGReport/Isochore工具，分析下列未知序列，输出CpG岛的长度、区域、GC数量、所占的百分比及Obs/Exp值。一、步骤：
进入google首页，搜索CpGPlot，进入CpGPlot主页，program中选择cpgreport复制序列，运行！
二、结果：
CpG岛的长度：385bp
区域：48——432；
GC数量：Sum C+G=297，百分数=77.14
Obs/Exp：1.01
4、预测下面序列的启动子，输出可能的启动子序列及相应的位置。一、步骤：
进入google首页，进入ICBI主页，对序列进行BLAST。得出序列是human的
进入google首页，搜索Neural Network Promoter Prediction，进入主页，复制序列，选择eukaryote，运行！
二、结果：
位置：711—761 ，1388—1438，1755—1805；
5、运用Splice Site Prediction工具分析下面序列，分别输出内含子－外显子剪接位点给体和受体的区域及剪接处位置的碱基。一、步骤：
进入google首页，进入ICBI主页，对序列进行BLAST。得出序列是human的
进入google首页，搜索Splice Site Prediction，进入主页，复制序列。Organism选择Human or other。其他默认，运行！
二、结果：
供体：
受体：
6、对下面序列进行六框翻译，利用GENESCAN综合分析(首先确定给定序列的物种来源)哪个ORF是正确的，输出六框翻译（抓图）和GENESCAN结果(包括predicted genes/exons 和 predicted peptide sequence(s) 两个部分)。一、步骤：
进入google首页，进入ICBI主页，对序列进行BLAST。得出序列是Zea的
进入google首页；搜索NCBI，进入主页，选择all resources（A~Z），选择O，选择ORF finder。复制序列，默认，运行！
二、结果：ORF图
三、步骤：进入google首页，搜索GENESCAN，进入主页，Organism:Maize， ，其他默认，运行！
四、结果：
G7、进入REBASE限制性内切酶数据库，输出AluI、MboI、EcoI三种内酶的Recognition Sequence和Type。
一、步骤：进入google首页，google in English，搜索REBASE，进入主页， 分别输入AluI、MboI、EcoI，运行！
在MboI中选择第一个，EcoI选择第二个。
二、结果：
ENSCAN图
8、使用引物设计工具，针对下列未知序列设计一对引物，要求引物长度为20-25bp，扩增产物长度300-500bp，退火温度为50-60℃。请写出选择的一对引物（Forward Primer and Reverse Primer）、及相应的GC含量、引物的位点、Tm值和产物长度。一、步骤：进入google首页，搜索genefisher，进入主页，复制fasta格式，chechk input， sunmit， ； ；设置一下引物长度为20-25bp，扩增产物长度300-500bp，退火温度为50-60℃； 。
二、结果：
GC含量：
引物的位点：
Tm值：
产物长度：。
9、将下面的序列用NEBcutter 2.0工具分析，用产生平末端及有四个酶切位点的酶进行酶切，并用抓图提交胶图（view gel），要求1.4% agarose和Marker为100bp DNA Ladder。
一、步骤：
进入google首页，进入ICBI主页，对序列进行BLAST，得知是linear。
进入google首页，搜索NEBcutter 2.0，进入主页，选择linear，运行！选择custom digest， ，把“1”改为“4”，选择平末端，后digest。View gel。选择1.4% agarose和Marker为100bp。
二、结果：
然后就是蛋白质的了一般都在expasy里swiss-prot 适用于检索的 compute pi/mw 求理论分子量 分子量 protparam物理化学性质 protscale亲水性疏水性 peptidemass分析蛋白酶和化学试剂处理后的内切产物
NCBI(www.ncbi.nlm.nih.gov)-GenBank数据库
数据库相似性搜索——核酸序列与核酸数据库比较（BLASTN）
蛋白质序列与数据库中蛋白质序列比较（BLASTP）
两序列比对（Align two sequences）
DNA序列分析——ORF Finder(www.ncbi.nlm.nih.gov/gorf/gorf.html)
分析实验序列外显子部分——GENSCAN（http://genes.mit.edu/GENSCAN.html）
分析实验序列的可能酶切位点——NEBcutter2.0 (http://tools.neb.com/NEBcutter2/index.php)
注： Custom digest -- view gel
限制性内切酶数据库——REBASE(http://rebase.neb.com/rebase/rebase.html)
设计引物扩增实验序列——Genefisher
Primer 3
蛋白质序列分析及结构预测：
1.预测蛋白质的分子量及等电点:ExPASy（Compute pI/Mw）
2.分析蛋白质的基本物理化学性质：ExPASy（ProtParam）
3.分析蛋白质的亲水性和疏水性：ExPASy（ProtScale）
4.分析蛋白质在各种蛋白酶和各种化学试剂处理后的内切产物：ExPASy（PeptideMass） [* ：kinase K]
5.分析蛋白质的信号肽：ExPASy（SignalP）
6.预测蛋白质的二级结构：ExPASy（Jpred 3）
多物种分子系统发育分析：EMBL（www.ebi.ac.uk/embl/)--Toolbox--Clustal2W
人脂联素蛋白质序列：NP_004788
人类胰岛素生长因子IB前体：P05019
一、SAS系统简介
SAS是一个庞大常用生物数据分析软件的系统，它目前常用生物数据分析软件的版本可以在多种操作系统中运行。当前在国内被广泛使用的最新版本是8.2版，功能很强大，我深有体会。
据说9.0版已在国外面世，已经有一些有关它的抢先报道在网络上广为流传，说它如何如何美妙，令人不禁充满期待。
SAS8.2的完整版本包含以下数十个模块。
BASE，GRAPH，ETS，FSP，AF，OR，IML，SHARE，QC，STAT，INSIGHT，ANALYST，ASSIST， CONNECT，CPE，LAB，EIS，WAREHOUSE，PC File Formats，GIS，SPECTRAVIEW， SHARE*NET， R/3，OnlineTutor: SAS Programming，MDDB Server，IT Service Vision Client， IntrNet Compute Services，Enterprise Reporter，MDDB Server common products，Enterprise Miner，AppDev Studio，Integration Technologies等。
所谓模块，我的理解是将功能相近的程序、代码等集中起来组成相对独立的部分，就称之为模块，类似于办公软件系统office中包含的word、excel、access等。各模块具有相对独立的功能范围，我们常用的模块有base，graph，stat，insight，assist，analyst模块等，分别执行基本数据处理、绘图、统计分析、数据探索、可视化数据处理等功能。其余模块我用得很少，知道得也很少，所以也就不多说了。
SAS系统的长处，体现于它的编程操作功能的无比强大。SAS一直以来也是注重于其编程语言的发展，对于可视化方式的菜单操作投入较少，其较早的版本仅有很少的菜单操作功能，使用起来也是非常的别扭。这很可能就是在windows人机交互式操作系统占统治地位的今天，SAS较少被人问津的原因之一。
到了最新的几个版本，SAS也对可视化操作方法投入了一定的关注。从8.0版以后，出现了几个功能强大的可视化操作的模块，如insight模块和analyst模块等，其菜单操作的方便程度以及人机界面的亲和性绝不亚于SPSS等著名的可视化统计分析软件。
然而要想完全发挥SAS系统强大的功能，充分利用其提供的丰富资源，掌握SAS的编程操作是必要的，也只有这样才能体现出SAS在各个方面的杰出才能。
二、SAS系统基本操作及基本概念
哪位要是连软件的安装和打开都要我啰嗦的话，我劝您还是买一套洪恩的《开天辟地》好好热热身先。
SAS 8.2的界面中间是三个并排（或层叠）的窗口，那个叫做Program Editor的窗口（窗口标签为Editor）就是用来输入SAS语句的，编程操作的所有内容都是在该窗口内完成的，各位还是要跟它先多熟悉一下。
（一）数据集（dataset）和库
统计学的操作都是针对数据的，SAS中容纳数据的文件称为数据集，数据集又包含在不同的库（暂且理解为数据库吧）中。SAS中的库分为永久性和临时性两种。顾名思义，存在于永久库中的数据集是永久存在的（只要你不去删除它），临时库中的数据集则在你退出SAS后自动被删除。至于SAS中库的概念，最简单的理解就是一个目录，一个存放数据集的目录。
数据集的结构完全等同于我们一般所理解的数据表，由字段和记录所构成，在统计学中我们习惯将字段称为变量，在后面的内容中字段和变量我们就理解为同一种东西吧常用生物数据分析软件！建立数据集的方法很多，编程操作中有专门的数据读入方法来建立数据集，但需要将数据现场录入，费时费力。如果数据量大，我劝各位还是先以其它方法将数据集建好，否则程序语句的绝大部分会浪费在数据的输入上。
What are 其它方法？各位是不是去参考一下别的书籍或资料。要不您是不是可以等一等，我准备若干年后出一本SAS操作大全。
（二）SAS程序概述
和其它计算机语言一样，SAS语言（称为SCL语言，SAS Component Language）也有其专有的词汇（即关键字）和语法。关键字、名字、特殊字符和运算符等按照语法规则排列组成SAS语句，而执行完整功能的若干个SAS语句就构成了SAS程序。
SAS程序包括多个步骤和一些控制语句，一般情况下均包括数据步和过程步，一个或多个、数据步或过程步，它们之间任何形式的组合均可成为一段SAS程序，只要能完成一个完整的功能。通常情况下SAS程序还包括一些全程语句，用以控制贯穿整个SAS程序的某些选项、变量或程序运行的环境。
SAS程序的语句一般以关键字开始，以一个分号结束，一条语句可占多行（SAS每看到一个分号，就将其以前、上一个分号以后的所有东东当作一条语句来处理，而不管他们处在多少个不同的行中）。SAS语句对字母的大小写不敏感，你可以根据个人习惯决定字母的大写或小写。
1. 库名（库标记）的定义
为了保存宝贵的数据和方便操作起见，我习惯于指定自己的库名及其路径（目录），因为SAS系统中已有的永久库（SASUSER）无论库名还是其对应的路径都太过繁琐，使用太不方便。程序中用到的数据，都可以永久的保存于该路径下，保证以后可以重复使用。指定库名的语句为全程语句，其格式如下常用生物数据分析软件：
Libname 库名 ‘路径’；
例如我们指定的库名为“a”，路径为：“e:\data\”，SAS语句如下：
libname a ‘e:\data\’;
2. 数据步
SAS的数据步以data语句开始，用于创建和处理数据集。Data语句以关键字“data”开始，格式如下：
data 数据集名;
例如：data a.case; 将创建在库a中名为case的SAS数据集，语句执行后你可在与库a对应的目录下看到刚刚建立的数据集文件case。
Data语句所指定的数据集，一般都是以“库名.数据集名”的格式出现的，也可以单独的“数据集名”出现，此时的数据集系统默认为是临时库中的数据集，退出系统后将会被删除。
data语句有两个重要的功能，标志数据步的开始和命名将要创建的SAS数据集。
除data语句外，数据步一般情况下还包括infile语句、input语句以及datalines语句等。在不同的数据输入方式下对于它们的使用方式也不一样。
SAS程序有两种常见的数据输入方式，即从外部文件读入和直接输入两种方式。
（1）外部文件读入方式
数据若已经包含在某个外部文件（文本文件或数据文件）中，可用此方法输入数据到数据集文件中。
在以上介绍的data语句后，写入以下语句：
infile ‘外部文件的所在位置及名称’ 选项;
input 变量名1变量名2 …变量名n;
infile语句用于从外部文件读入数据，必须出现在input语句之前。它的功能是指定一个包含原始数据的外部文件。
input语句用于向系统表明如何读入每一条数据记录。它的主要功能有：读入由语句指定的数据列，为相应的数据域定义变量名，确定变量的读入模式。
例如：
libname a ‘e:\data\’;
data a.student;
infile ‘e:\data\student.txt’;
input name height weight;
以上程序将目录“e:\data\”下的文本文件“student.txt”中的数据输入数据集student中，该数据集存放于目录“e:\data\”下。
（2）直接输入方式
数据量较少或操作者意志力坚强的情况下采用此种输入方式，在data语句之后写入如下语句：
input变量名1变量名2 …变量名n;
datalines;（在以前的版本下为cards，新版本下两者可通用）
… … … …（数据行）
… … … …（数据行）
… … … …（数据行）
;
datalines语句用于直接输入数据，标志着数据块的开始。
注意：这里的数据行中数据之间以空格分隔，当然也可以其它东东如逗号等来分隔，这里大家先以空格来分隔好了。因为不同的分隔方式下input语句要采取相应的控制选项，这些我们以后再讨论，这里我们还是省省力气吧。另外数据行输完后不能像其它语句那样直接在后面加上分号，而要另起一行输入分号，这样SAS才认为这是在输入原始数据而不是在搞别的什么。
例如：
libname a ‘e:\data\’;
data a.student;
input name $ height weight;（name后面的$符号表示变量name为字符型变量）
datalines;
Linda 171 51
Mary 168 50
Selinna 169 49
;
以上程序将直接建立数据集文件student，该数据集文件存放于目录“e:\data\”下。
3. 过程步
SAS程序的过程步表示一个处理过程，如排序、T检验、方差分析等等。过程步以关键字proc开始，后面紧跟着过程名，用以区分不同的程序步，并以关键字run结束。
一般的格式如下：
proc 过程名 选项列表；
……（其它语句）；
……（其它语句）；
run；
SAS程序中涉及的过程多达数百种，实现统计功能时常用的过程也有数十种之多，现将最为常用的过程名称及其所能实现的功能列入下表（表1.1），以便各位提前热热身。
表1.1 常用的过程名称及其功能
过程名
功 能
Sort
将指定的数据集按指定变量排序
Print
将数据集中的数据列表输出
tabulate
将数据按照指定的分类变量以表格的形式分类汇总
Means
对指定的数值变量进行简单的统计描述
Freq
对指定的分类变量进行简单的统计描述
Ttest
对指定的变量做t检验
Anova
对指定的变量做方差分析
npar1way
对指定的变量做非参数检验
Reg
对指定的变量做回归分析
Corr
对指定的变量做相关分析
Discrim
对指定的变量做判别分析
Cluster
对指定的变量做聚类分析
Chart
绘出低分辨率的统计图
4. 几个常用的重要过程
在进入一般统计学功能实现的内容之前，有关数据预处理和执行重要公共功能的过程大家有必要预先掌握，这里选出几个常用的和重要的过程进行讨论。
（1）对SAS文件进行操作的datasets过程
datasets过程是对数据文件进行管理操作的工具，利用它我们可以实现以下功能：
将SAS文件从一个库中拷入另一个库中；
对SAS文件进行重命名；
修复损坏的SAS文件；
删除SAS文件；
列出某一SAS库中所有的SAS文件；
列出一个SAS数据集的属性，如最后修改时间、数据是否压缩、数据是否索引等；
对SAS文件进行设置密码的操作；
向SAS数据集添加记录；
对SAS数据集的属性以及数据集内变量的属性进行修改；
创建或删除SAS数据集的索引；
创建并管理SAS数据集的核查文件；
创建或删除SAS数据集的完整性规则。
datasets过程的一般格式如下：
proc datasets <选项列表；
age 当前文件名 相关文件名列表</选项列表；
append base=数据集名 <data=数据集名 其它选项；
audit 文件名<（操作密码）； initiate；<其它代码；
change 旧文件名1=新文件名1 <…旧文件名n=新文件名n <选项列表；
contents <data=数据集名 <其它选项；
copy out=库标记 <其它选项；
exclude 文件名 <其它选项；（该语句只能在copy语句后出现，不能和select语句同时出现）
select 文件名 <其它选项；（该语句只能在copy语句后出现，不能和exclude语句同时出现）
delete 文件名 <其它选项；
exchange文件名1=交换文件名1 <…文件名n=交换文件名n <选项列表；
modify 文件名 <选项列表；
<modify语句之从属语句；
repair文件名 <选项列表；
save文件名 <选项列表；
run；
是不是太繁琐了，我都有些不耐烦了。不过我还是得写，已经写了嘛常用生物数据分析软件！不忍心浪费掉，最起码可以用来充充数，扩大一下篇幅。至于各位，嫌烦的可以略过此部分，想用的时候再来温习也不迟。下面我就不厌其烦地向各位介绍一下各选项及各条语句的含义和用法。
proc datasets语句后各选项的含义及用法见下表（表1.2）。
表1.2 proc datasets语句后各选项的含义及用法
选项
含义及用法
alter=转换保护密码
SAS文件设置有转换操作密码时用以验证操作的合法性，密码正确时代码才会被执行
details/nodetails
控制有关SAS文件的详细信息显示与否，前者为显示，后者不显示，默认值为后者
force
此选项具有两个功能：（1）在过程步的语句存在错误时仍然强制程序的执行；（2）在append语句中，两个数据集的变量不完全相同时仍然强制append语句的执行。
gennum=
控制对衍生数据集的处理方式，等号后可为all, hist, revert或某一整数
kill
此选项表示删除待处理的库中的所有文件，应慎用
library=库标记
用以指定所要处理的库
memtype=成员类型
指定处理所针对的库成员类型（文件类型），默认值为all（所有类型）
nolist
在日志文件中禁止对所处理文件目录的显示
nowarn
在语句中指定的文件不存在等情况下，禁止显示出错信息，强制程序继续执行
pw=操作密码
SAS文件设置操作密码时验证操作的合法性（包括读、写保护以及转换保护的文件）
read=读保护密码
SAS文件设置读保护密码时验证操作的合法性
age语句用于批量地重命名文件，按照当前文件和相关文件的排列顺序，依次将后一个文件名重命名给前一个文件，结果是最后一个文件被删除，当前文件名被废弃。
对此语句我所了解的就这么多，而且还是通过试验得出的结论，但总感觉还是理解的不对，哪位若有高见还请不吝赐教。
append语句执行向数据集添加记录的功能，选项“base=数据集名”用以指定要添加记录的数据集，“data=数据集名”则指定所要添加的记录所在的数据集，此选项若省略则默认为当前数据集（最近一次操作的数据集）。
audit语句用于对文件的核查，生成核查文件并对其进行管理；change语句以新文件名替换旧文件名；contents语句用于显示指定数据集或当前数据集的各种属性；copy语句用于将当前库中相应的文件拷贝到指定的库中，选项“out=库标记”用来指定文件要拷贝到的目标库；delete语句用于删除指定的文件；exchange语句的功能是将等号前后两个文件的文件名进行互换；modify语句用于修改文件各方面的属性；repair语句用于对指定的文件（受到过某种损坏）进行修复，使其恢复到可以使用的状态；save语句的功能是将其指定的文件保留，当前库中的其他所有文件则被删除。
（2）对数据文件中记录进行排序的sort过程
sort过程的功能是对指定数据集中的记录按照指定的变量进行排序。由于诸多过程有对数据集记录进行排序的需要，比如过程步中存在by语句（用以将数据文件分割为若干部分）的情况下，就需要按照by语句后的变量对数据先行排序，所以sort过程非常有用，而且非常常用。
sort过程的一般格式如下：
proc sort 选项列表；
by <descending 变量名1 <变量名2 … 变量名n；
run；
proc sort语句后各选项含义及其用法见下表（表1.3）。
表1.3 proc sort语句后各选项含义及其用法
选项
含义及用法
data=数据集名
用以指定sort过程所要处理的数据集，若省略则默认为最近建立或处理的数据集
datecopy
此选项指定在不改变文件创建日期和修改日期的条件下对文件进行排序操作
out=数据集名
将排序后文件以指定的文件名存储，原文件不进行任何修改，若无此选项则将原文件覆盖
sortseq=排序依据
指定对字符型变量排序时依据的标准
reverse/equals/noequals
指定输出数据中的排序方式，三者分别表示将字符变量的次序翻转显示，在排序变量的各水平内部次序保持不变，在排序变量的各水平内部允许次序的改变
nodupkey/noduprecs
指定重复变量的消除方式，前者表示除去排序变量值重复的记录，后者表示除去所有变量值重复的记录
sortsize=
用以指定可用最大内存的大小，等号后为表示内存大小的数值及单位，比如10m
force
用以强制执行重复排序（对已建立索引的文件排序）过程
tagsort
指定在临时文件中仅存储排序变量和记录编号，以减少对磁盘空间的使用
by语句即用以指定排序所要依据的变量，变量可为数值型也可为字符型，其后可指定多个变量，sort过程在按照靠前的变量进行排序的情况下再按照靠后的变量进行排序。by语句中每个变量前可用descending/ascending选项来指定按照其排序的方式（降序或升序），默认状态为升序。
（3）将数据文件输出显示的print过程
print过程的功能是将SAS数据集的记录以一定的方式显示到输出设备（显示屏），可以显示其全部的变量或部分变量。利用此过程，你可以创建从简单列表到可进行数据汇总的各种报告的各种不同的表单。
print过程的一般格式如下：
proc print 选项列表；
by <descending 变量名1 <变量名2 … 变量名n 其他选项；
pageby 变量名；
sumby 变量名；
id 变量名；
sum变量名；
var变量名；
run；
proc print语句后可跟的选项含义及其用法见下表（表1.4）
表1.4 proc print语句后选项含义及其用法
选项
含义及用法
contents=文本
用以指定html内容文件中指向输出的链接的标识文本，等号后可为任何文本
data=数据集名
指定所要处理的数据集，等号后为数据集文件名
double
指定在相邻的记录间插入一空行
n=字符串
在报告的末尾或by变量各水平分组的末尾显示显示记录的数目，并以等号后的字符串对其进行标识
noobs
禁止记录编号在报告中的显示
obs=列标题
用以指定记录编号所在列的列标题
round
对未进行格式化的数值变量进行四舍五入，统一格式化为带两位小数的十进制数值
rows=page
规定页面格式，目前’page’是此选项唯一可用的值，表示在每一页中只显示一条记录的一行变量值，即一行中显示尽可能多的记录数
width=列宽度
指定列的宽度，可取的值有’full’,’minimum’,’uniform’,’uniformby’等，
heading=方向
取值可为v（vertical）或h（horizontal），表示列标题显示的方向（横向或纵向）
label
指定以变量标识作为相应的列标题，否则以变量名作为列标题
split=字符
首先此选项指定以变量标识作为列标题，以指定的字符作为列标题换行的标志
style=类型元素
指定报告中特定位置所要应用的类型元素（涉及很多内容，详细内容略）
by语句在所有过程中的用法都相同，即将数据集分割为若干小数据集分别进行处理。pageby语句用来控制换页时变量的显示方式，对于其后所指定的变量，相同的值不会显示在不同的页中，该变量某一值的记录在一页的剩余部分显示不下时，则从该值的第一条记录开始换行显示。sumby语句的作用和pageby语句相似，只不过是将换页的动作换为求和，对指定变量的每一值计算var变量的总计值。id语句的作用是用指定的变量值代替记录编号对每一条记录进行标识。sum语句用于指定报告中要进行求和操作的变量，var语句用于指定要在报告中显示的变量。
以上过程作用较为普遍，使用频率较高，有必要预先了解，以便于后面所讨论内容的顺利进行。
为节省篇幅，这里不进行实例演示。内容过于枯燥，可能的错误也难免，还请各位多多包涵。
SAS程序操作的大概情况就草草的这样介绍一下吧，说得太多的话我怕各位没有耐心看下去。更多的内容我想还是留在实际的例子中来介绍，这样大家可以好好的切身体会一下，然后就会印象深刻，实际运用起来也就得心应手了。
回答者：stop心 - 魔法学徒 一级 11-26 13:04
--------------------------------------------------------------------------------
提问者对于答案的评价：
回答好多问题攒200分，不容易
你回答并不理想， 但我从小说话算话的，兑现
--------------------------------------------------------------------------------
评价已经被关闭 目前有 2 个人评价
好
0% （0） 不好
100% （2）
对最佳答案的评论
好像spss就可以解决楼主的问题了 spss还好学一点
评论者： arico - 试用期 一级
--------------------------------------------------------------------------------
http://www.shareware.cn/pub/16512.html
评论者： 教育软件开发部 - 试用期 一级
--------------------------------------------------------------------------------
其他回答 共 11 条
QQ585858585999614
回答者：gaowang10 - 魔法学徒 一级 11-26 13:34
--------------------------------------------------------------------------------
我也想知道。
回答者：feng_peng - 助理 二级 11-26 14:42
--------------------------------------------------------------------------------
1楼说的很详细了
回答者：fangjian831030 - 见习魔法师 二级 11-26 14:53
--------------------------------------------------------------------------------
这东东贴上1000页也贴不完啊
回答者：seebysee - 试用期 一级 11-26 15:14
--------------------------------------------------------------------------------
你加我QQ25883586
我做你师父
回答者：gaizoudelu - 试用期 一级 11-26 16:11
--------------------------------------------------------------------------------
1、SAS系统简介
SAS是一个庞大的系统，它目前的版本可以在多种操作系统中运行。当前在国内被广泛使用的最新版本是8.2版，功能很强大，我深有体会。
据说9.0版已在国外面世，已经有一些有关它的抢先报道在网络上广为流传，说它如何如何美妙，令人不禁充满期待。
SAS8.2的完整版本包含以下数十个模块。
BASE，GRAPH，ETS，FSP，AF，OR，IML，SHARE，QC，STAT，INSIGHT，ANALYST，ASSIST， CONNECT，CPE，LAB，EIS，WAREHOUSE，PC File Formats，GIS，SPECTRAVIEW， SHARE*NET， R/3，OnlineTutor: SAS Programming，MDDB Server，IT Service Vision Client， IntrNet Compute Services，Enterprise Reporter，MDDB Server common products，Enterprise Miner，AppDev Studio，Integration Technologies等。
所谓模块，我的理解是将功能相近的程序、代码等集中起来组成相对独立的部分，就称之为模块，类似于办公软件系统office中包含的word、excel、access等。各模块具有相对独立的功能范围，我们常用的模块有base，graph，stat，insight，assist，analyst模块等，分别执行基本数据处理、绘图、统计分析、数据探索、可视化数据处理等功能。其余模块我用得很少，知道得也很少，所以也就不多说了。
SAS系统的长处，体现于它的编程操作功能的无比强大。SAS一直以来也是注重于其编程语言的发展，对于可视化方式的菜单操作投入较少，其较早的版本仅有很少的菜单操作功能，使用起来也是非常的别扭。这很可能就是在windows人机交互式操作系统占统治地位的今天，SAS较少被人问津的原因之一。
到了最新的几个版本，SAS也对可视化操作方法投入了一定的关注。从8.0版以后，出现了几个功能强大的可视化操作的模块，如insight模块和analyst模块等，其菜单操作的方便程度以及人机界面的亲和性绝不亚于SPSS等著名的可视化统计分析软件。
然而要想完全发挥SAS系统强大的功能，充分利用其提供的丰富资源，掌握SAS的编程操作是必要的，也只有这样才能体现出SAS在各个方面的杰出才能。
二、SAS系统基本操作及基本概念
哪位要是连软件的安装和打开都要我啰嗦的话，我劝您还是买一套洪恩的《开天辟地》好好热热身先。
SAS 8.2的界面中间是三个并排（或层叠）的窗口，那个叫做Program Editor的窗口（窗口标签为Editor）就是用来输入SAS语句的，编程操作的所有内容都是在该窗口内完成的，各位还是要跟它先多熟悉一下。
（一）数据集（dataset）和库
统计学的操作都是针对数据的，SAS中容纳数据的文件称为数据集，数据集又包含在不同的库（暂且理解为数据库吧）中。SAS中的库分为永久性和临时性两种。顾名思义，存在于永久库中的数据集是永久存在的（只要你不去删除它），临时库中的数据集则在你退出SAS后自动被删除。至于SAS中库的概念，最简单的理解就是一个目录，一个存放数据集的目录。
数据集的结构完全等同于我们一般所理解的数据表，由字段和记录所构成，在统计学中我们习惯将字段称为变量，在后面的内容中字段和变量我们就理解为同一种东西吧！建立数据集的方法很多，编程操作中有专门的数据读入方法来建立数据集，但需要将数据现场录入，费时费力。如果数据量大，我劝各位还是先以其它方法将数据集建好，否则程序语句的绝大部分会浪费在数据的输入上。
What are 其它方法？各位是不是去参考一下别的书籍或资料。要不您是不是可以等一等，我准备若干年后出一本SAS操作大全。
（二）SAS程序概述
和其它计算机语言一样，SAS语言（称为SCL语言，SAS Component Language）也有其专有的词汇（即关键字）和语法。关键字、名字、特殊字符和运算符等按照语法规则排列组成SAS语句，而执行完整功能的若干个SAS语句就构成了SAS程序。
SAS程序包括多个步骤和一些控制语句，一般情况下均包括数据步和过程步，一个或多个、数据步或过程步，它们之间任何形式的组合均可成为一段SAS程序，只要能完成一个完整的功能。通常情况下SAS程序 关于常用生物数据分析软件和生物信息数据分析软件的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。 常用生物数据分析软件的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于生物信息数据分析软件、常用生物数据分析软件的信息别忘了在本站进行查找喔。
本文目录一览：
- 1、利用生物软件进行数据分析有哪些
- 2、生物信息学一些基本的常用软件有哪些
- 3、生物信息学常用的软件有哪些？
- 4、列举常用的生物信息学数据库及序列对比常用软件及特点
- 5、16个常用生物信息在线工具
- 6、高分求助:常用生物统计学软件介绍及相互区别?需要详细一点
利用生物软件进行数据分析有哪些
数据分析软件有很多种，每一种都适合不同类型的人员。简单说：
Excel：普遍适用，既有基础，又有中高级。中级一般用Excel透视表，高级的用Excel VBA。
hihidata：比较小众的数据分析工具。三分钟就可以学会直接上手。无需下载安装，直接在线就可以使用。
SPSS：专业统计软件，没有统计功底很难用的。同时包含了数据挖掘等高大功能。
SAS：专业统计软件，专业人士用的，不懂编程还是不要碰了。
MARLAB：建立统计与数学模型，但是比较难学，很难上手。
Eview：比较小众，建立一些经济类的模型还是很有用的。计量经济学中经常用到。
各种BI与报表工具：FineBI，FineReport，tableau，QlikView等。
生物信息学一些基本的常用软件有哪些
序列拼接软件：velvet,SOAPdenvoo,SSAKE,ABySS,Trinity 等短序列比对软件： bwa,bowtie,tophat,SOAPAligner 等
局部比对软件：Blast,blat,CorssMatch 等
多序列全局比对软件：Muscle,clustalw 等
基因预测软件：Glimmer,GeneMark,Augustus,FgeneSH,SNAP,GeneScan,EuGENE,Glean等
重复序列预测软件：RepeatMasker,TRF等
聚类软件：MCL,hcluster_sg等
统计软件：pLINK，TASSEL，R，SPSS等
...
生物信息学常用的软件有哪些？
NCBI(www.ncbi.nlm.nih.gov)-GenBank数据库数据库相似性搜索——核酸序列与核酸数据库比较（BLASTN）
蛋白质序列与数据库中蛋白质序列比较（BLASTP）
两序列比对（Align two sequences）
DNA序列分析——ORF Finder(www.ncbi.nlm.nih.gov/gorf/gorf.html)
分析实验序列外显子部分——GENSCAN（http://genes.mit.edu/GENSCAN.html）
分析实验序列的可能酶切位点——NEBcutter2.0 (http://tools.neb.com/NEBcutter2/index.php)
注： Custom digest -- view gel
限制性内切酶数据库——REBASE(http://rebase.neb.com/rebase/rebase.html)
设计引物扩增实验序列——Genefisher
Primer 3
蛋白质序列分析及结构预测：
1.预测蛋白质的分子量及等电点:ExPASy（Compute pI/Mw）
2.分析蛋白质的基本物理化学性质：ExPASy（ProtParam）
3.分析蛋白质的亲水性和疏水性：ExPASy（ProtScale）
4.分析蛋白质在各种蛋白酶和各种化学试剂处理后的内切产物：ExPASy（PeptideMass） [* ：kinase K]
5.分析蛋白质的信号肽：ExPASy（SignalP）
6.预测蛋白质的二级结构：ExPASy（Jpred 3）
多物种分子系统发育分析：EMBL（www.ebi.ac.uk/embl/)--Toolbox--Clustal2W
人脂联素蛋白质序列：NP_004788
人类胰岛素生长因子IB前体：P05019
列举常用的生物信息学数据库及序列对比常用软件及特点
一般来说所用的分析工具有在线跟下载的 下面简要列举一些常用在线软件的使用 1、使用VecScreen工具，分析下列未知序列，输出序列长度、载体序列的区域、可能使用的克隆载体都有哪些。一、步骤：打开google 首页，搜索VecScreen，进入VecScreen首页，复制序列，运行，View report。
二、结果：
输出序列长度918bp，
载体序列的区域456bp——854bp.
克隆载体：M13mp18 phage，pGEM-13Zf(+)，pBR322，pRKW2。
2、使用相应工具，分析下列未知序列的重复序列情况，输出重复序列的区域、包含的所有重复序列的类型、重复序列的总长度及Masked Sequence。
一、步骤：
进入google首页，进入ICBI主页，对序列进行BLAST。得出序列是human的。
进入google首页，搜索RepeatMasker，进入RepeatMasker主页，进入RepeatMasking，复制序列，DNA source选择human，运行！点击超链接，在结果中选择
Annotation File ：RM2sequpload_1287631711.out.html
3、使用CpGPlot/CpGReport/Isochore工具，分析下列未知序列，输出CpG岛的长度、区域、GC数量、所占的百分比及Obs/Exp值。一、步骤：
进入google首页，搜索CpGPlot，进入CpGPlot主页，program中选择cpgreport复制序列，运行！
二、结果：
CpG岛的长度：385bp
区域：48——432；
GC数量：Sum C+G=297，百分数=77.14
Obs/Exp：1.01
4、预测下面序列的启动子，输出可能的启动子序列及相应的位置。一、步骤：
进入google首页，进入ICBI主页，对序列进行BLAST。得出序列是human的
进入google首页，搜索Neural Network Promoter Prediction，进入主页，复制序列，选择eukaryote，运行！
二、结果：
位置：711—761 ，1388—1438，1755—1805；
5、运用Splice Site Prediction工具分析下面序列，分别输出内含子－外显子剪接位点给体和受体的区域及剪接处位置的碱基。一、步骤：
进入google首页，进入ICBI主页，对序列进行BLAST。得出序列是human的
进入google首页，搜索Splice Site Prediction，进入主页，复制序列。Organism选择Human or other。其他默认，运行！
二、结果：
供体：
受体：
6、对下面序列进行六框翻译，利用GENESCAN综合分析(首先确定给定序列的物种来源)哪个ORF是正确的，输出六框翻译（抓图）和GENESCAN结果(包括predicted genes/exons 和 predicted peptide sequence(s) 两个部分)。一、步骤：
进入google首页，进入ICBI主页，对序列进行BLAST。得出序列是Zea的
进入google首页；搜索NCBI，进入主页，选择all resources（A~Z），选择O，选择ORF finder。复制序列，默认，运行！
二、结果：ORF图
三、步骤：进入google首页，搜索GENESCAN，进入主页，Organism:Maize， ，其他默认，运行！
四、结果：
G7、进入REBASE限制性内切酶数据库，输出AluI、MboI、EcoI三种内酶的Recognition Sequence和Type。
一、步骤：进入google首页，google in English，搜索REBASE，进入主页， 分别输入AluI、MboI、EcoI，运行！
在MboI中选择第一个，EcoI选择第二个。
二、结果：
ENSCAN图
8、使用引物设计工具，针对下列未知序列设计一对引物，要求引物长度为20-25bp，扩增产物长度300-500bp，退火温度为50-60℃。请写出选择的一对引物（Forward Primer and Reverse Primer）、及相应的GC含量、引物的位点、Tm值和产物长度。一、步骤：进入google首页，搜索genefisher，进入主页，复制fasta格式，chechk input， sunmit， ； ；设置一下引物长度为20-25bp，扩增产物长度300-500bp，退火温度为50-60℃； 。
二、结果：
GC含量：
引物的位点：
Tm值：
产物长度：。
9、将下面的序列用NEBcutter 2.0工具分析，用产生平末端及有四个酶切位点的酶进行酶切，并用抓图提交胶图（view gel），要求1.4% agarose和Marker为100bp DNA Ladder。
一、步骤：
进入google首页，进入ICBI主页，对序列进行BLAST，得知是linear。
进入google首页，搜索NEBcutter 2.0，进入主页，选择linear，运行！选择custom digest， ，把“1”改为“4”，选择平末端，后digest。View gel。选择1.4% agarose和Marker为100bp。
二、结果：
然后就是蛋白质的了一般都在expasy里swiss-prot 适用于检索的 compute pi/mw 求理论分子量 分子量 protparam物理化学性质 protscale亲水性疏水性 peptidemass分析蛋白酶和化学试剂处理后的内切产物
NCBI(www.ncbi.nlm.nih.gov)-GenBank数据库
数据库相似性搜索——核酸序列与核酸数据库比较（BLASTN）
蛋白质序列与数据库中蛋白质序列比较（BLASTP）
两序列比对（Align two sequences）
DNA序列分析——ORF Finder(www.ncbi.nlm.nih.gov/gorf/gorf.html)
分析实验序列外显子部分——GENSCAN（http://genes.mit.edu/GENSCAN.html）
分析实验序列的可能酶切位点——NEBcutter2.0 (http://tools.neb.com/NEBcutter2/index.php)
注： Custom digest -- view gel
限制性内切酶数据库——REBASE(http://rebase.neb.com/rebase/rebase.html)
设计引物扩增实验序列——Genefisher
Primer 3
蛋白质序列分析及结构预测：
1.预测蛋白质的分子量及等电点:ExPASy（Compute pI/Mw）
2.分析蛋白质的基本物理化学性质：ExPASy（ProtParam）
3.分析蛋白质的亲水性和疏水性：ExPASy（ProtScale）
4.分析蛋白质在各种蛋白酶和各种化学试剂处理后的内切产物：ExPASy（PeptideMass） [* ：kinase K]
5.分析蛋白质的信号肽：ExPASy（SignalP）
6.预测蛋白质的二级结构：ExPASy（Jpred 3）
多物种分子系统发育分析：EMBL（www.ebi.ac.uk/embl/)--Toolbox--Clustal2W
人脂联素蛋白质序列：NP_004788
人类胰岛素生长因子IB前体：P05019
16个常用生物信息在线工具
韦恩图
工具常用生物数据分析软件：Venny2.0
地址： http://bioinfogp.cnb.csic.es/tools/venny/index.html
基因预测
工具：FGENESH
地址： http://linux1.softberry.com/berry.phtml?topic=fgeneshgroup=programssubgroup=gfind
phylogenetic
工具：iTOL
地址： http://itol.embl.de/index.shtml
启动子区预测
工具：Promoter Scan
地址： http://www.cbs.dtu.dk/services/Promoter/
蛋白质一级结构分析
工具：PredictProte
地址： https://www.predictprotein.org/home
工具：ExPASy-ProtParam tool
地址： http://web.expasy.org/protparam/
信号肽
工具：SignalP
地址： http://www.cbs.dtu.dk/services/SignalP/
跨膜结构域
工具：TMHMM Server v. 2.0
地址： http://www.cbs.dtu.dk/services/TMHMM/
蛋白质亚细胞定位
工具：PSORT II Prediction
地址： http://psort.hgc.jp/form2.html
蛋白质三级结构预测
工具：SWISS-MODEL
地址： http://swissmodel.expasy.org/interactive
短序列拼接
工具：Cap3
地址： http://doua.prabi.fr/software/cap3
多序列比对相似性展示
工具：SimiTriX-SimiTetra
地址： http://cotton.hzau.edu.cn/EN/tools/BioERCP/simitrix.php
绘制GO注释结果
工具：WEGO （Web Gene Ontology Annotation Plotting）
地址： http://wego.genomics.org.cn/cgi-bin/wego/index.pl
蛋白质domain
工具：Pfam database
地址： http://pfam.xfam.org/
基因组杂合性评估
工具：GenomeScope （Estimate genome heterozygosity, repeat content, and size from sequencing reads using a kmer-based statistical approach）
地址： http://qb.cshl.edu/genomescope/analysis.php?code=example2
circos****图
工具：CIRCOS （可以用来画基因组数据的环状图常用生物数据分析软件，也可以用来绘制其它数据的相关环状图。）
地址： http://mkweb.bcgsc.ca/tableviewer/visualize/
高分求助:常用生物统计学软件介绍及相互区别?需要详细一点
SAS一、SAS系统简介
SAS是一个庞大常用生物数据分析软件的系统，它目前常用生物数据分析软件的版本可以在多种操作系统中运行。当前在国内被广泛使用的最新版本是8.2版，功能很强大，我深有体会。
据说9.0版已在国外面世，已经有一些有关它的抢先报道在网络上广为流传，说它如何如何美妙，令人不禁充满期待。
SAS8.2的完整版本包含以下数十个模块。
BASE，GRAPH，ETS，FSP，AF，OR，IML，SHARE，QC，STAT，INSIGHT，ANALYST，ASSIST， CONNECT，CPE，LAB，EIS，WAREHOUSE，PC File Formats，GIS，SPECTRAVIEW， SHARE*NET， R/3，OnlineTutor: SAS Programming，MDDB Server，IT Service Vision Client， IntrNet Compute Services，Enterprise Reporter，MDDB Server common products，Enterprise Miner，AppDev Studio，Integration Technologies等。
所谓模块，我的理解是将功能相近的程序、代码等集中起来组成相对独立的部分，就称之为模块，类似于办公软件系统office中包含的word、excel、access等。各模块具有相对独立的功能范围，我们常用的模块有base，graph，stat，insight，assist，analyst模块等，分别执行基本数据处理、绘图、统计分析、数据探索、可视化数据处理等功能。其余模块我用得很少，知道得也很少，所以也就不多说了。
SAS系统的长处，体现于它的编程操作功能的无比强大。SAS一直以来也是注重于其编程语言的发展，对于可视化方式的菜单操作投入较少，其较早的版本仅有很少的菜单操作功能，使用起来也是非常的别扭。这很可能就是在windows人机交互式操作系统占统治地位的今天，SAS较少被人问津的原因之一。
到了最新的几个版本，SAS也对可视化操作方法投入了一定的关注。从8.0版以后，出现了几个功能强大的可视化操作的模块，如insight模块和analyst模块等，其菜单操作的方便程度以及人机界面的亲和性绝不亚于SPSS等著名的可视化统计分析软件。
然而要想完全发挥SAS系统强大的功能，充分利用其提供的丰富资源，掌握SAS的编程操作是必要的，也只有这样才能体现出SAS在各个方面的杰出才能。
二、SAS系统基本操作及基本概念
哪位要是连软件的安装和打开都要我啰嗦的话，我劝您还是买一套洪恩的《开天辟地》好好热热身先。
SAS 8.2的界面中间是三个并排（或层叠）的窗口，那个叫做Program Editor的窗口（窗口标签为Editor）就是用来输入SAS语句的，编程操作的所有内容都是在该窗口内完成的，各位还是要跟它先多熟悉一下。
（一）数据集（dataset）和库
统计学的操作都是针对数据的，SAS中容纳数据的文件称为数据集，数据集又包含在不同的库（暂且理解为数据库吧）中。SAS中的库分为永久性和临时性两种。顾名思义，存在于永久库中的数据集是永久存在的（只要你不去删除它），临时库中的数据集则在你退出SAS后自动被删除。至于SAS中库的概念，最简单的理解就是一个目录，一个存放数据集的目录。
数据集的结构完全等同于我们一般所理解的数据表，由字段和记录所构成，在统计学中我们习惯将字段称为变量，在后面的内容中字段和变量我们就理解为同一种东西吧常用生物数据分析软件！建立数据集的方法很多，编程操作中有专门的数据读入方法来建立数据集，但需要将数据现场录入，费时费力。如果数据量大，我劝各位还是先以其它方法将数据集建好，否则程序语句的绝大部分会浪费在数据的输入上。
What are 其它方法？各位是不是去参考一下别的书籍或资料。要不您是不是可以等一等，我准备若干年后出一本SAS操作大全。
（二）SAS程序概述
和其它计算机语言一样，SAS语言（称为SCL语言，SAS Component Language）也有其专有的词汇（即关键字）和语法。关键字、名字、特殊字符和运算符等按照语法规则排列组成SAS语句，而执行完整功能的若干个SAS语句就构成了SAS程序。
SAS程序包括多个步骤和一些控制语句，一般情况下均包括数据步和过程步，一个或多个、数据步或过程步，它们之间任何形式的组合均可成为一段SAS程序，只要能完成一个完整的功能。通常情况下SAS程序还包括一些全程语句，用以控制贯穿整个SAS程序的某些选项、变量或程序运行的环境。
SAS程序的语句一般以关键字开始，以一个分号结束，一条语句可占多行（SAS每看到一个分号，就将其以前、上一个分号以后的所有东东当作一条语句来处理，而不管他们处在多少个不同的行中）。SAS语句对字母的大小写不敏感，你可以根据个人习惯决定字母的大写或小写。
1. 库名（库标记）的定义
为了保存宝贵的数据和方便操作起见，我习惯于指定自己的库名及其路径（目录），因为SAS系统中已有的永久库（SASUSER）无论库名还是其对应的路径都太过繁琐，使用太不方便。程序中用到的数据，都可以永久的保存于该路径下，保证以后可以重复使用。指定库名的语句为全程语句，其格式如下常用生物数据分析软件：
Libname 库名 ‘路径’；
例如我们指定的库名为“a”，路径为：“e:\data\”，SAS语句如下：
libname a ‘e:\data\’;
2. 数据步
SAS的数据步以data语句开始，用于创建和处理数据集。Data语句以关键字“data”开始，格式如下：
data 数据集名;
例如：data a.case; 将创建在库a中名为case的SAS数据集，语句执行后你可在与库a对应的目录下看到刚刚建立的数据集文件case。
Data语句所指定的数据集，一般都是以“库名.数据集名”的格式出现的，也可以单独的“数据集名”出现，此时的数据集系统默认为是临时库中的数据集，退出系统后将会被删除。
data语句有两个重要的功能，标志数据步的开始和命名将要创建的SAS数据集。
除data语句外，数据步一般情况下还包括infile语句、input语句以及datalines语句等。在不同的数据输入方式下对于它们的使用方式也不一样。
SAS程序有两种常见的数据输入方式，即从外部文件读入和直接输入两种方式。
（1）外部文件读入方式
数据若已经包含在某个外部文件（文本文件或数据文件）中，可用此方法输入数据到数据集文件中。
在以上介绍的data语句后，写入以下语句：
infile ‘外部文件的所在位置及名称’ 选项;
input 变量名1变量名2 …变量名n;
infile语句用于从外部文件读入数据，必须出现在input语句之前。它的功能是指定一个包含原始数据的外部文件。
input语句用于向系统表明如何读入每一条数据记录。它的主要功能有：读入由语句指定的数据列，为相应的数据域定义变量名，确定变量的读入模式。
例如：
libname a ‘e:\data\’;
data a.student;
infile ‘e:\data\student.txt’;
input name height weight;
以上程序将目录“e:\data\”下的文本文件“student.txt”中的数据输入数据集student中，该数据集存放于目录“e:\data\”下。
（2）直接输入方式
数据量较少或操作者意志力坚强的情况下采用此种输入方式，在data语句之后写入如下语句：
input变量名1变量名2 …变量名n;
datalines;（在以前的版本下为cards，新版本下两者可通用）
… … … …（数据行）
… … … …（数据行）
… … … …（数据行）
;
datalines语句用于直接输入数据，标志着数据块的开始。
注意：这里的数据行中数据之间以空格分隔，当然也可以其它东东如逗号等来分隔，这里大家先以空格来分隔好了。因为不同的分隔方式下input语句要采取相应的控制选项，这些我们以后再讨论，这里我们还是省省力气吧。另外数据行输完后不能像其它语句那样直接在后面加上分号，而要另起一行输入分号，这样SAS才认为这是在输入原始数据而不是在搞别的什么。
例如：
libname a ‘e:\data\’;
data a.student;
input name $ height weight;（name后面的$符号表示变量name为字符型变量）
datalines;
Linda 171 51
Mary 168 50
Selinna 169 49
;
以上程序将直接建立数据集文件student，该数据集文件存放于目录“e:\data\”下。
3. 过程步
SAS程序的过程步表示一个处理过程，如排序、T检验、方差分析等等。过程步以关键字proc开始，后面紧跟着过程名，用以区分不同的程序步，并以关键字run结束。
一般的格式如下：
proc 过程名 选项列表；
……（其它语句）；
……（其它语句）；
run；
SAS程序中涉及的过程多达数百种，实现统计功能时常用的过程也有数十种之多，现将最为常用的过程名称及其所能实现的功能列入下表（表1.1），以便各位提前热热身。
表1.1 常用的过程名称及其功能
过程名
功 能
Sort
将指定的数据集按指定变量排序
将数据集中的数据列表输出
tabulate
将数据按照指定的分类变量以表格的形式分类汇总
Means
对指定的数值变量进行简单的统计描述
Freq
对指定的分类变量进行简单的统计描述
Ttest
对指定的变量做t检验
Anova
对指定的变量做方差分析
npar1way
对指定的变量做非参数检验
Reg
对指定的变量做回归分析
Corr
对指定的变量做相关分析
Discrim
对指定的变量做判别分析
Cluster
对指定的变量做聚类分析
Chart
绘出低分辨率的统计图
4. 几个常用的重要过程
在进入一般统计学功能实现的内容之前，有关数据预处理和执行重要公共功能的过程大家有必要预先掌握，这里选出几个常用的和重要的过程进行讨论。
（1）对SAS文件进行操作的datasets过程
datasets过程是对数据文件进行管理操作的工具，利用它我们可以实现以下功能：
将SAS文件从一个库中拷入另一个库中；
对SAS文件进行重命名；
修复损坏的SAS文件；
删除SAS文件；
列出某一SAS库中所有的SAS文件；
列出一个SAS数据集的属性，如最后修改时间、数据是否压缩、数据是否索引等；
对SAS文件进行设置密码的操作；
向SAS数据集添加记录；
对SAS数据集的属性以及数据集内变量的属性进行修改；
创建或删除SAS数据集的索引；
创建并管理SAS数据集的核查文件；
创建或删除SAS数据集的完整性规则。
datasets过程的一般格式如下：
proc datasets <选项列表；
age 当前文件名 相关文件名列表</选项列表；
append base=数据集名 <data=数据集名 其它选项；
audit 文件名<（操作密码）； initiate；<其它代码；
change 旧文件名1=新文件名1 <…旧文件名n=新文件名n <选项列表；
contents <data=数据集名 <其它选项；
copy out=库标记 <其它选项；
exclude 文件名 <其它选项；（该语句只能在copy语句后出现，不能和select语句同时出现）
select 文件名 <其它选项；（该语句只能在copy语句后出现，不能和exclude语句同时出现）
delete 文件名 <其它选项；
exchange文件名1=交换文件名1 <…文件名n=交换文件名n <选项列表；
modify 文件名 <选项列表；
<modify语句之从属语句；
repair文件名 <选项列表；
save文件名 <选项列表；
run；
是不是太繁琐了，我都有些不耐烦了。不过我还是得写，已经写了嘛常用生物数据分析软件！不忍心浪费掉，最起码可以用来充充数，扩大一下篇幅。至于各位，嫌烦的可以略过此部分，想用的时候再来温习也不迟。下面我就不厌其烦地向各位介绍一下各选项及各条语句的含义和用法。
proc datasets语句后各选项的含义及用法见下表（表1.2）。
表1.2 proc datasets语句后各选项的含义及用法
选项
含义及用法
alter=转换保护密码
SAS文件设置有转换操作密码时用以验证操作的合法性，密码正确时代码才会被执行
details/nodetails
控制有关SAS文件的详细信息显示与否，前者为显示，后者不显示，默认值为后者
force
此选项具有两个功能：（1）在过程步的语句存在错误时仍然强制程序的执行；（2）在append语句中，两个数据集的变量不完全相同时仍然强制append语句的执行。
gennum=
控制对衍生数据集的处理方式，等号后可为all, hist, revert或某一整数
kill
此选项表示删除待处理的库中的所有文件，应慎用
library=库标记
用以指定所要处理的库
memtype=成员类型
指定处理所针对的库成员类型（文件类型），默认值为all（所有类型）
nolist
在日志文件中禁止对所处理文件目录的显示
nowarn
在语句中指定的文件不存在等情况下，禁止显示出错信息，强制程序继续执行
pw=操作密码
SAS文件设置操作密码时验证操作的合法性（包括读、写保护以及转换保护的文件）
read=读保护密码
SAS文件设置读保护密码时验证操作的合法性
age语句用于批量地重命名文件，按照当前文件和相关文件的排列顺序，依次将后一个文件名重命名给前一个文件，结果是最后一个文件被删除，当前文件名被废弃。
对此语句我所了解的就这么多，而且还是通过试验得出的结论，但总感觉还是理解的不对，哪位若有高见还请不吝赐教。
append语句执行向数据集添加记录的功能，选项“base=数据集名”用以指定要添加记录的数据集，“data=数据集名”则指定所要添加的记录所在的数据集，此选项若省略则默认为当前数据集（最近一次操作的数据集）。
audit语句用于对文件的核查，生成核查文件并对其进行管理；change语句以新文件名替换旧文件名；contents语句用于显示指定数据集或当前数据集的各种属性；copy语句用于将当前库中相应的文件拷贝到指定的库中，选项“out=库标记”用来指定文件要拷贝到的目标库；delete语句用于删除指定的文件；exchange语句的功能是将等号前后两个文件的文件名进行互换；modify语句用于修改文件各方面的属性；repair语句用于对指定的文件（受到过某种损坏）进行修复，使其恢复到可以使用的状态；save语句的功能是将其指定的文件保留，当前库中的其他所有文件则被删除。
（2）对数据文件中记录进行排序的sort过程
sort过程的功能是对指定数据集中的记录按照指定的变量进行排序。由于诸多过程有对数据集记录进行排序的需要，比如过程步中存在by语句（用以将数据文件分割为若干部分）的情况下，就需要按照by语句后的变量对数据先行排序，所以sort过程非常有用，而且非常常用。
sort过程的一般格式如下：
proc sort 选项列表；
by <descending 变量名1 <变量名2 … 变量名n；
run；
proc sort语句后各选项含义及其用法见下表（表1.3）。
表1.3 proc sort语句后各选项含义及其用法
选项
含义及用法
data=数据集名
用以指定sort过程所要处理的数据集，若省略则默认为最近建立或处理的数据集
datecopy
此选项指定在不改变文件创建日期和修改日期的条件下对文件进行排序操作
out=数据集名
将排序后文件以指定的文件名存储，原文件不进行任何修改，若无此选项则将原文件覆盖
sortseq=排序依据
指定对字符型变量排序时依据的标准
reverse/equals/noequals
指定输出数据中的排序方式，三者分别表示将字符变量的次序翻转显示，在排序变量的各水平内部次序保持不变，在排序变量的各水平内部允许次序的改变
nodupkey/noduprecs
指定重复变量的消除方式，前者表示除去排序变量值重复的记录，后者表示除去所有变量值重复的记录
sortsize=
用以指定可用最大内存的大小，等号后为表示内存大小的数值及单位，比如10m
force
用以强制执行重复排序（对已建立索引的文件排序）过程
tagsort
指定在临时文件中仅存储排序变量和记录编号，以减少对磁盘空间的使用
by语句即用以指定排序所要依据的变量，变量可为数值型也可为字符型，其后可指定多个变量，sort过程在按照靠前的变量进行排序的情况下再按照靠后的变量进行排序。by语句中每个变量前可用descending/ascending选项来指定按照其排序的方式（降序或升序），默认状态为升序。
（3）将数据文件输出显示的print过程
print过程的功能是将SAS数据集的记录以一定的方式显示到输出设备（显示屏），可以显示其全部的变量或部分变量。利用此过程，你可以创建从简单列表到可进行数据汇总的各种报告的各种不同的表单。
print过程的一般格式如下：
proc print 选项列表；
by <descending 变量名1 <变量名2 … 变量名n 其他选项；
pageby 变量名；
sumby 变量名；
id 变量名；
sum变量名；
var变量名；
run；
proc print语句后可跟的选项含义及其用法见下表（表1.4）
表1.4 proc print语句后选项含义及其用法
选项
含义及用法
contents=文本
用以指定html内容文件中指向输出的链接的标识文本，等号后可为任何文本
data=数据集名
指定所要处理的数据集，等号后为数据集文件名
double
指定在相邻的记录间插入一空行
n=字符串
在报告的末尾或by变量各水平分组的末尾显示显示记录的数目，并以等号后的字符串对其进行标识
noobs
禁止记录编号在报告中的显示
obs=列标题
用以指定记录编号所在列的列标题
round
对未进行格式化的数值变量进行四舍五入，统一格式化为带两位小数的十进制数值
rows=page
规定页面格式，目前’page’是此选项唯一可用的值，表示在每一页中只显示一条记录的一行变量值，即一行中显示尽可能多的记录数
width=列宽度
指定列的宽度，可取的值有’full’,’minimum’,’uniform’,’uniformby’等，
heading=方向
取值可为v（vertical）或h（horizontal），表示列标题显示的方向（横向或纵向）
label
指定以变量标识作为相应的列标题，否则以变量名作为列标题
split=字符
首先此选项指定以变量标识作为列标题，以指定的字符作为列标题换行的标志
style=类型元素
指定报告中特定位置所要应用的类型元素（涉及很多内容，详细内容略）
by语句在所有过程中的用法都相同，即将数据集分割为若干小数据集分别进行处理。pageby语句用来控制换页时变量的显示方式，对于其后所指定的变量，相同的值不会显示在不同的页中，该变量某一值的记录在一页的剩余部分显示不下时，则从该值的第一条记录开始换行显示。sumby语句的作用和pageby语句相似，只不过是将换页的动作换为求和，对指定变量的每一值计算var变量的总计值。id语句的作用是用指定的变量值代替记录编号对每一条记录进行标识。sum语句用于指定报告中要进行求和操作的变量，var语句用于指定要在报告中显示的变量。
以上过程作用较为普遍，使用频率较高，有必要预先了解，以便于后面所讨论内容的顺利进行。
为节省篇幅，这里不进行实例演示。内容过于枯燥，可能的错误也难免，还请各位多多包涵。
SAS程序操作的大概情况就草草的这样介绍一下吧，说得太多的话我怕各位没有耐心看下去。更多的内容我想还是留在实际的例子中来介绍，这样大家可以好好的切身体会一下，然后就会印象深刻，实际运用起来也就得心应手了。
回答者：stop心 - 魔法学徒 一级 11-26 13:04
--------------------------------------------------------------------------------
提问者对于答案的评价：
回答好多问题攒200分，不容易
你回答并不理想， 但我从小说话算话的，兑现
--------------------------------------------------------------------------------
评价已经被关闭 目前有 2 个人评价
好
0% （0） 不好
100% （2）
对最佳答案的评论
好像spss就可以解决楼主的问题了 spss还好学一点
评论者： arico - 试用期 一级
--------------------------------------------------------------------------------
http://www.shareware.cn/pub/16512.html
评论者： 教育软件开发部 - 试用期 一级
--------------------------------------------------------------------------------
其他回答 共 11 条
QQ585858585999614
回答者：gaowang10 - 魔法学徒 一级 11-26 13:34
--------------------------------------------------------------------------------
我也想知道。
回答者：feng_peng - 助理 二级 11-26 14:42
--------------------------------------------------------------------------------
1楼说的很详细了
回答者：fangjian831030 - 见习魔法师 二级 11-26 14:53
--------------------------------------------------------------------------------
这东东贴上1000页也贴不完啊
回答者：seebysee - 试用期 一级 11-26 15:14
--------------------------------------------------------------------------------
你加我QQ25883586
我做你师父
回答者：gaizoudelu - 试用期 一级 11-26 16:11
--------------------------------------------------------------------------------
1、SAS系统简介
SAS是一个庞大的系统，它目前的版本可以在多种操作系统中运行。当前在国内被广泛使用的最新版本是8.2版，功能很强大，我深有体会。
据说9.0版已在国外面世，已经有一些有关它的抢先报道在网络上广为流传，说它如何如何美妙，令人不禁充满期待。
SAS8.2的完整版本包含以下数十个模块。
BASE，GRAPH，ETS，FSP，AF，OR，IML，SHARE，QC，STAT，INSIGHT，ANALYST，ASSIST， CONNECT，CPE，LAB，EIS，WAREHOUSE，PC File Formats，GIS，SPECTRAVIEW， SHARE*NET， R/3，OnlineTutor: SAS Programming，MDDB Server，IT Service Vision Client， IntrNet Compute Services，Enterprise Reporter，MDDB Server common products，Enterprise Miner，AppDev Studio，Integration Technologies等。
所谓模块，我的理解是将功能相近的程序、代码等集中起来组成相对独立的部分，就称之为模块，类似于办公软件系统office中包含的word、excel、access等。各模块具有相对独立的功能范围，我们常用的模块有base，graph，stat，insight，assist，analyst模块等，分别执行基本数据处理、绘图、统计分析、数据探索、可视化数据处理等功能。其余模块我用得很少，知道得也很少，所以也就不多说了。
SAS系统的长处，体现于它的编程操作功能的无比强大。SAS一直以来也是注重于其编程语言的发展，对于可视化方式的菜单操作投入较少，其较早的版本仅有很少的菜单操作功能，使用起来也是非常的别扭。这很可能就是在windows人机交互式操作系统占统治地位的今天，SAS较少被人问津的原因之一。
到了最新的几个版本，SAS也对可视化操作方法投入了一定的关注。从8.0版以后，出现了几个功能强大的可视化操作的模块，如insight模块和analyst模块等，其菜单操作的方便程度以及人机界面的亲和性绝不亚于SPSS等著名的可视化统计分析软件。
然而要想完全发挥SAS系统强大的功能，充分利用其提供的丰富资源，掌握SAS的编程操作是必要的，也只有这样才能体现出SAS在各个方面的杰出才能。
二、SAS系统基本操作及基本概念
哪位要是连软件的安装和打开都要我啰嗦的话，我劝您还是买一套洪恩的《开天辟地》好好热热身先。
SAS 8.2的界面中间是三个并排（或层叠）的窗口，那个叫做Program Editor的窗口（窗口标签为Editor）就是用来输入SAS语句的，编程操作的所有内容都是在该窗口内完成的，各位还是要跟它先多熟悉一下。
（一）数据集（dataset）和库
统计学的操作都是针对数据的，SAS中容纳数据的文件称为数据集，数据集又包含在不同的库（暂且理解为数据库吧）中。SAS中的库分为永久性和临时性两种。顾名思义，存在于永久库中的数据集是永久存在的（只要你不去删除它），临时库中的数据集则在你退出SAS后自动被删除。至于SAS中库的概念，最简单的理解就是一个目录，一个存放数据集的目录。
数据集的结构完全等同于我们一般所理解的数据表，由字段和记录所构成，在统计学中我们习惯将字段称为变量，在后面的内容中字段和变量我们就理解为同一种东西吧！建立数据集的方法很多，编程操作中有专门的数据读入方法来建立数据集，但需要将数据现场录入，费时费力。如果数据量大，我劝各位还是先以其它方法将数据集建好，否则程序语句的绝大部分会浪费在数据的输入上。
What are 其它方法？各位是不是去参考一下别的书籍或资料。要不您是不是可以等一等，我准备若干年后出一本SAS操作大全。
（二）SAS程序概述
和其它计算机语言一样，SAS语言（称为SCL语言，SAS Component Language）也有其专有的词汇（即关键字）和语法。关键字、名字、特殊字符和运算符等按照语法规则排列组成SAS语句，而执行完整功能的若干个SAS语句就构成了SAS程序。
SAS程序包括多个步骤和一些控制语句，一般情况下均包括数据步和过程步，一个或多个、数据步或过程步，它们之间任何形式的组合均可成为一段SAS程序，只要能完成一个完整的功能。通常情况下SAS程序 关于常用生物数据分析软件和生物信息数据分析软件的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。 常用生物数据分析软件的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于生物信息数据分析软件、常用生物数据分析软件的信息别忘了在本站进行查找喔。
版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。
相关文章
推荐文章
最近发表
