未来为你而来

在Seurat 与 Cellranger 之间互通的二三事中，我们遇到了 dgTMatrix 和 dgCMatrix 这两个稀疏矩阵的不同表示。先前不清楚的时候，在必应中搜索稀疏矩阵中，出现最多的文章就是诸如 《理解Compressed Sparse Column Format (CSC)》这一类文章，我就不吐槽 CSDN 了，唉。这也就说明了作为写代码的人，你为什么要去直接看英文的原始资料，因为你永远不知道，翻译资源的那个人英文水平怎么样，更别提他的技术水平了。我这里是为了记录自己的学习内容，目的是为了自己观看。如果有某位同学进来了，还是看英文资料比较好一点，放在 参考 中了，你可以自己查阅。

最近，在做单细胞测序的分析，出现了这么一个需求：Cellranger 中没有像 Seurat 一样进行单细胞数据中常见的几类质控，比如 nGene，nUMI, percent of mitochondria genes 等，因此对于 cellranger 得到的矩阵先要经过这类质控，再进行 cellranger analyze 的后续分析。本来 Cellranger 自己有进行后续的 Rkit 包进行分析，但由于第三方包的发展，这个包已经被废弃了。鉴于 Cellranger 主页自己推荐使用 Seurat 进行后续分析，我们也就选择了这个软件进行质控及后续分析。

这几天在耍一耍 rosalind 上面的题目，遇到了几道所谓“斐波那契兔子”的问题，还有一道求最长公共子串的问题。根据题目给的提示，这类“斐波那契”问题都可以归属于动态编程的范畴。那么动态编程具体指的是什么呢？

动态规划(dynamic programming)是运筹学的一个分支，是求解决策过程(decision process)最优化的数学方法。20世纪50年代初美国数学家R.E.Bellman等人在研究多阶段决策过程(multistep decision process)的优化问题时，提出了著名的最优化原理(principle of optimality)，把多阶段过程转化为一系列单阶段问题，利用各阶段之间的关系，逐个求解，创立了解决这类过程优化问题的新方法——动态规划。

以上是百度百科上的定义，看不懂啊看不懂。不过没关系，经过下面的问题就应该会好懂一点。

近期，在使用 R 做数据分析的时候，总是会遇到单独对列或者对行进行处理、筛选，不可避免地用到 apply 这类函数。记得以前在 Javascript 中有个库叫做 “underscore”，支持纯粹的函数式编程。仔细想想，R 中这类 apply 函数，其实也就是函数式编程。那干脆再看看相关资料，看看具体是如何的。

程序员，男的又叫“程序猿”，女的又称“程序媛”，但是，他两又合称“码农”。既然是码农，自然要除虫。哈？除什么虫？你不知道？天啦噜，活捉一只不会写 Bug 的生物。让我来告诉你，什么叫 Bug，下面这货就是了：

看见没，既然有了虫子，就要除掉它啦。这里给你所有类型的杀虫剂。

这只是一个测试

╮(╯▽╰)╭，说来也惭愧。自己花2天时间写个简易的静态博客，包含类似 hexo new, hexo publish 之类的功能，主题就照着 less 官网的形式来写。虽然也依葫芦画瓢添加上文章分类、标签等功能，但是多多少少总会出现点 bug，比如文章列表在点击“展开”之后再点击收回，再点击“展开”的话，就有可能出现文章列表排序不一致的情况，也是要吐血了。发布到 GitHub 上才发现这个问题。这是其一。自己写这个页面框架，在移动端适配方面还是有点不如意，特别是我偷懒直接使用 Rmd 直出 HTML 页面的形式，总有一点异样的味道。这是其二。最近心里有些波动的情况，又时常会想起当初要不要坚持搞这个的问题，人呐，就是这样滴哦，一出现不如意，就想起当初，如果当时。哈哈，这其实也怪生信这个坑，一旦掉入包安装的错误怪圈，就不容易出来，等到腰酸背痛，双目发涩快要失明，就发觉啊，莫名其妙的一下午就这么过去了，就这么过去了。也就时候听见，嘀嗒，嘀嗒，嘀嗒。每次我敲下键盘，它总是响应我这些声音。窗外的邻居喧嚣，也没遮掩掉它。感觉它想要我写点什么，究竟写什么？不好说，写着看吧。伴随着嘀嗒嘀嗒的声音，总算有一些句子出现在这屏幕上。然后是一声滴~~~~~~哒，那么些东西，就回退到这里，那就停手罢，今天就这样。因为：

这只是一个测试。

以前就看过一些 dplyr 的使用，记得当初说是和 tplyr，reshape2 并称 R 数据处理三剑客，想想和 web 开发的 HTML，JavaScript，CSS 的三剑客有些类似。这两天又在《R 数据科学》看到 dplyr 的使用，还挺详细的。现在把书里的相关用法记录在此，刚好也把书上的习题在这里做个回答，以加强使用。

久闻 ggplot2 大名，它的出图也在各个生信分析包中随处可见。今天恰好买来的新书《R 数据科学》里面有讲解，遂随着它一起学习一下，也将以前的相关学习一齐记录于此。

在学习生信的过程中，总是听说流程啊，管道啊，pipeline啊，到底这些意味着什么？你能把测序数据从ncbi下载下来，这不叫流程；你可以继续把数据做完质控，然后搞个比对，再做做什么差异分析啊、富集分析啊、各种类型数据的联合分析啊，这也不叫流程，谁知道你中间因为某个包安装用了多久的时间，谁晓得你这个过程是不是 reproducible 的？要是你中间出了问题怎么办，可控性如何？监控性如何？要是这些问题都能解答，我想就应该可以叫做一个流程了吧，流程化、自动化、可控化、高复用化。作为一个新人，要独自解决这些功能还是有些困难，肯定需要“假于物”的，恰好那天看到有个朋友说到用snakemake来些流程，哈哈，这不就有了，下面就说一说我初步学习使用的理解吧。

安装

environment: py2.7.x

• rMATs

1
2
3
4
5
6
7
8
9
10

# in linux
wget http://rnaseq-mats.sourceforge.net/rMATS.4.0.2.tgz

# check version to use, in python
import sys
print sys.maxunicode
# 1114111: rMATS-turbo-xxx-UCS4
# 65535: rMATS-turbo-xxx-UCS2

"path/to/rMATs-turbo-xxx-UCS{x}/rMATS.py"