论文Ahighlyconservedcorebacterialmicrobiotawithnitrogen-fixationcapacityinhabitsthexylemsapinmaizeplantshttps://www.nature.com/articles/s41467-022-31113-w本地pdfs41467-022-31113-w.pdf数据代码链接https://github.com/PlantNutrition/Liyu今天的推文我们重复一下论文中的Figure2fimage.png这个图怎们看，然后表达的是什么含义，我暂时还想不明白，论文中给的图注是Ternaryplo

论文https://www.nature.com/articles/s41559-022-01771-6#code-availability论文没有权限下载但是查看数据代码链接的时候发现github主页上提供了论文的下载链接论文中的图做的都非常好看，而且提供数据和代码，我们可以找来学习数据代码链接https://github.com/sebepedroslab/chromatin-evolution-analysis今天的推文我们学习一下论文中提供的画多序列比对的代码。我没有在论文中找到对应的图，只是github的链接里有数据和代码论文中国提供的代码library(stringr)librar

在进行一些数据分析是经常会需要将一个数据对象转化为矩阵，以及稀疏矩阵（sparsematrix）和稠密矩阵之间的互化。问题&报错在R环境中，用的非常普遍的函数就是as.matrix(),但是，当转化的稀疏矩阵对象非常巨大的时候，例如细胞数目非常多的单细胞数据，R就会报如下类似的错误:ErrorinasMethod(object):Cholmoderror'problemtoolarge'atfile../Core/cholmod_dense.c原因&解决这是因为as.matrix这个函数本身不支持大体量的稀疏矩阵转换为稠密矩阵（也就是我们常规的矩阵），但如果采取用高级语言（例如R或python

今天我们学习绘制另一种柱状图，又称为南丁格尔玫瑰柱状图，如下图所示。南丁格尔玫瑰图是弗罗伦斯·南丁格尔所发明的。又名为极区图。是 一种圆形的直方图。南丁格尔自己常昵称这类图为鸡冠花图（coxcomb），并且用以表达军医院 季节性的死亡率，对象是那些不太能理解传统统计报表的公务人员。还是用我们上一次的测试数据。library(ggplot2)library(ggprism)library(ggthemes)datahead(data)先绘制一个基本的柱状图。pgeom_bar(stat="identity",color="white",     lwd=1,show.legend=FALSE,w

今天我们来测试画pie图我碰见的一个另外的包：ggPieDount。library(ggiraphExtra)library(tidyverse)library(moonBook)使用自带的一组测试数据acs。ggPieDonut(data=acs,aes(pies=sex))这个就是用其中sex做的一个简单的饼图。用pies指定。ggPieDonut(data=acs,aes(donuts=sex))这个是简单的一个环图，用donuts指定。我们还可以这2个参数一起用，一起绘制饼图和环图，如下：ggPieDonut(data=acs,aes(pies=sex,donuts=smoking))

    之前有一位粉丝后台留言说能不能出一期有关于共线性网络的文章，说实话，小编之前只在文献中看到过这类图，对于其原理也是迷迷糊糊。看了好多别人写的文章，根据大佬们的思路，我也大致整理了一些代码，希望能对大家有所启发。话不多说，直接上正文吧！1、前期准备rm(list=ls())#clearGlobalEnvironmentsetwd('D:\\桌面\\共线性网络分析')#设置工作路径#安装包install.packages('Hmisc')install.packages("igraph")#加载包library(Hmisc)library(igraph)2、加载、预处理数据1）加载数据df

从概念上讲，冗余分析（redundancyanalysis,RDA）是响应变量矩阵与解释变量矩阵之间多元多重线性回归的拟合值矩阵的PCA分析，也是多响应变量（multi-response）回归分析的拓展。简单一点来说，RDA是通过线性回归分析结合主成分分析的排序方法，目的是寻找能最大程度解释响应变量矩阵变差的一些列的解释变量的线性组合，也就是环境对于样本的影响，因此RDA是被解释变量约束的排序。对于算法的详细介绍，就不在这里赘述了，可以参考以下链接：群落分析的冗余分析（RDA）概述(qq.com)下面介绍可以进行RDA的一个R包，生态学统计分析常用的vegan，官网：https://githu

在仙桃学术上的生信工具里面，有一个折线图的绘图工具，可以很快速便捷的得出结论并可视化结果，当然不是说这个功能有多强大，而是统计学方法非常专业。比如用它自带的数据https://bioinfomatics.xiantao.love/biotools/data/demo/free/linePlot/%E6%8A%98%E7%BA%BF%E5%9B%BE.xlsx通过无脑式的鼠标点击，可得到下面一系列的结果。折线图可以看到有很多结果，包括各种统计学描述、各种格式的图片，以及一个demo.R比如统计描述组别1组别2数目最小值最大值中位数(Median)四分位距(IQR)下四分位上四分位均值(Mean)

之前我在网上搜索有关卡尔曼滤波器中P，Q，R矩阵的设置，感觉讲述得比较笼统。又因为我要使用雷达目标跟踪方面使用卡尔曼滤波器，因此针对雷达中目标匀速运动的情况来说明一下P，Q，R矩阵的设置。1.卡尔曼滤波器变量转移情况分析首先，我们可以画出卡尔曼滤波器中的变量计算的先后顺序，如下图所示。变量的含义在图后有说明。因为是匀速运动，因此A（运动方程）和H（量测矩阵）都是已知的，特别注意的一点是我的整个过程都是在笛卡尔坐标系进行的。另外Z(K)是当前K时刻的量测点，也是已知的。因此只需要确定，P(K)，Q和R的初值。2.P矩阵的设置对于的初值，可以根据航迹中已知的前两个点来确定。对于P矩阵初值的设定，可

写在前面：开始做单细胞之前，报班或者看视频之后：好像也不是那么难，做的时候发现无数的坑。因为没什么生信基础知识。这些写教程的老六们，不会去写基础知识，导致感觉我学的单细胞测序和别人的不一样。今天开个单细胞基础知识补充系，给生信初入门的小伙伴填个那些生信老六留下的坑。rds是R语言中利用二进制保存的源文件，加载readr包以后，使用write_rds(x,file='x.rds')保存文件，read_rds('x.rds')读取文件，比csv的好处是加载rds文件时不需要花时间再进行列项匹配，速度更快。读写RDS格式文件#1、导出RDS文件saveRDS(iris,file="iris.RDS"