1.精选| 2021年3月R新包推荐(第52期）
2.FindVariableFeatures
3.Seurat 4 源码解析 8: step4 QC可视化 VlnPlot()

精选| 2021年3月R新包推荐(第52期）

       由黄小伟，细胞细胞系统一位在杭州有赞数据分析团队任职的处理处理大数据专家，推荐的源码年3月R语言新包精选（第期）如下：

       计算方法方面，gamlss支持通用加性模型的细胞细胞系统密集计算，waydown则提供了非梯度场近似势函数的处理处理Helmholtz分解算法。

       数据包包括aopdata，源码uiautomator2.0 源码用于获取AOP项目相关数据，细胞细胞系统如就业、处理处理健康和教育服务；bardr提供了莎士比亚全集的源码R数据结构；metro则访问华盛顿大都会运输局的透明数据API。

       工程学领域，细胞细胞系统pipenostics关注热损失模型和腐蚀诊断；基因组学方面，处理处理glmmSeq用于表达式数据建模，源码ondisc支持大规模单细胞数据分析，细胞细胞系统SignacX则用于单细胞RNA测序数据的处理处理细胞表型分类。

       机器学习包如opitools和poems，源码分别用于文本分析和模式建模。医药领域，dampack分析健康经济模型，rdecision用于医疗干预建模。

       音乐领域gm用于音乐创作，网络图形方面sfnetworks与tidygraph和sf包集成，dorisdb源码valhallr则提供了Valhalla路由引擎接口。

       科学工具如asteRisk计算卫星位置，forImage测量单细胞大小，OpenSpecy分析光谱，tidypaleo进行地层数据分析，VulnToolkit则处理潮汐数据。

       统计领域corncob、hawkesbow等提供了针对不同数据类型的统计模型和诊断工具。

       应用工具如clock处理日期时间，crosstable创建复杂表格，openapi 源码pkgdepends跟踪包依赖，pkglite支持包源代码转换。

       可视化方面，datplot、ferrn和funcharts提供了数据可视化和诊断图，gghilbertstrings用于数据映射，mapsf则支持专题地图设计。

       尽管个人水平有限，但期待您的批评指正，共同提升R语言包的级数源码使用体验。近5期的Top R包，涵盖了广泛的应用领域，对数据分析和科学研究大有裨益。

FindVariableFeatures

         单细胞文章层出不重，在重现文章数据的时候发现，有的文章提供的是处理后的单细胞矩阵，而不是原始counts。其中有的数据甚至是scaled data，这样我就有疑问：直接利用scaled data能否进行单细胞分析。

          单细胞数据进行分析主要有几个步骤：lognormalized，FindVariableFeatures，scaledata，PCA，FindClusters。其中，可以略过lognormalized和scaledata步骤，但是FindVariableFeatures用来发现高可变基因，似乎只有scaled data不能进行高可变基因的发现，且这一步的高可变基因用于后续PCA分析，也不能省略，因此我看了下FindVariableFeatures的源码（Seurat V3版本）：

          可以看到，高可变基因的获取是利用原始counts矩阵或者lognormalized data的j计算的，也就是说seurat作者认为scaled data来计算高可变基因可能是不准确的，因此文章只提供了scaled data是不能进行高可变基因的计算的。

          当然，会有好(tai)奇(gang)的人问了，我就是要用scaled data来运行FindVariableFeatures，会得到比较可靠的高可变基因吗？因此，我测试了下运用counts, lognormalized data, scaled data来进行高可变基因获取：

        可以看到，利用scaled data计算出来的高可变基因与counts,data计算出来的差别是很大的。

        那么没有高可变基因是不是就不能进行PCA等降维分析了呢？理论上当然不是，RunPCA可以自己指定基因来运行。

Seurat 4 源码解析 8: step4 QC可视化 VlnPlot()

       本文旨在深入解析Seurat 4.1.0版本中用于质量控制和可视化的VlnPlot()函数，为不同层次的用户提供全面理解。VlnPlot()函数是Seurat分析流程中的关键组成部分，帮助用户以可视化形式评估数据质量，从而为后续分析提供可靠依据。下面，我们将逐步解析该函数的aopp源码实现原理及用途。

       VlnPlot()函数的实现基于R语言，位于seurat-4.1.0/R/visualization.R:文件中。其核心逻辑简洁而高效，通过一个if语句判断新版本的split.by功能是否发生变化，根据实际情况返回ExIPlot()函数。这个函数不仅揭示了Seurat包在设计时注重用户友好性和错误提示的特性，也展现了其内部结构的复杂性。

       ExIPlot()函数则在文件中占据更多空间，定义在seurat-4.1.0/R/visualization.R:。它主要调用了SingleExIPlot()函数，通过这个函数进一步细化表达与身份的可视化。SingleExIPlot()函数在代码的最后十几行中首次调用ggplot2库，展示数据可视化的过程。

       在解析过程中，我们还探讨了与VlnPlot()函数相关的其他函数，如DefaultAssay<-()、AutoPointSize()、InvertHex()、interaction()等，它们在数据处理、颜色生成、颜色反转、交互作用计算等不同环节发挥着关键作用。其中，AutoPointSize()函数用于自动调整散点图中点的大小，InvertHex()则提供了一种将颜色从进制转换为互补色的方法，进一步丰富了数据可视化的表现形式。

       本文还提到了一些R语言技巧，如如何控制函数参数改变时的提示显示次数、合理设置图形列数、自动获取差异尽可能大的颜色以及如何使用Scales库中的hue_pal()函数等。这些技巧对于提升R语言编程效率和数据可视化质量具有重要意义。

       总结而言，VlnPlot()函数是Seurat包中用于质量控制和可视化的强大工具，通过其内部实现逻辑和与之相关的辅助函数，为用户提供了一种高效、直观的方法来评估和理解单细胞转录组数据的质量。通过深入解析这些函数的实现细节，用户不仅可以更好地利用Seurat包进行数据分析，还能进一步提升数据可视化能力，为科学研究提供有力支持。