细胞生物学的相关研究一直受限于数据的完整性和表型的完整性，对应激状态和稳态下的细胞区别观察不够充分。过去五年中，计算机视觉和语音识别领域通过对大量的无标签数据进行学习、建模，很好的解决了数据不足的问题。同样在最近的研究中，机器学习方法使用单细胞数据进行扰动建模也推动了细胞生物领域前进。对于生物学家来讲，无论研究基因、转录本、修饰、蛋白功能，都要频繁的进行人为干预，实现对感兴趣变量的正向或者反向改变，观察细胞表型的变化。整个过程需要对干预工具的构建、导入、实验观察，从而得出表型结论。扰动建模的目的就是想要通过数学模型的建立，通过对已有数据的分析、归纳和总结，对一个分子的功能在没有湿实验时做出预判

这里是佳奥！我们开始解析作者提供的表达矩阵吧！本次的代码在这里：https://github.com/jmzeng1314/scRNA_smart_seq2下载.zip后解压，开始下游分析！1安装R包rm(list=ls())Sys.setenv(R_MAX_NUM_DLLS=999)##Sys.setenv修改环境设置，R的namespace是有上限的，如果导入包时超过这个上次就会报错,R_MAX_NUM_DLLS可以修改这个上限options(stringsAsFactors=F)##options:允许用户对工作空间进行全局设置，stringsAsFactors防止R自动把字符串stri

这里是佳奥！我们开始解析作者提供的表达矩阵吧！本次的代码在这里：https://github.com/jmzeng1314/scRNA_smart_seq2下载.zip后解压，开始下游分析！1安装R包rm(list=ls())Sys.setenv(R_MAX_NUM_DLLS=999)##Sys.setenv修改环境设置，R的namespace是有上限的，如果导入包时超过这个上次就会报错,R_MAX_NUM_DLLS可以修改这个上限options(stringsAsFactors=F)##options:允许用户对工作空间进行全局设置，stringsAsFactors防止R自动把字符串stri