watermel__的博客

packageurl

R语言：将两种及两种以上组学数据转.h5文件转换方式。

使用satijalab开发的loomR读取loom文件，具体详见https://satijalab.org/loomr/loomr_tutorial。

【代码】R语言：多个向量合并。

创建好的.h5文件结构如下，和10X提供的.h5文件结构是一样的。

此时我已经知道了我应该往哪个虚拟环境里面安装igraph包，就是 /public/home/hpc/.local/share/r-miniconda/envs/r-reticulate/py_module_available(“igraph”)＃返回了False。use_condaenv(“r-reticulate”)＃指定虚拟环境。即可，继续提交我的R任务，成功出结果！...

packageurl #R包存放的路径。

今天解决了个大问题！这样处理之后，一切问题迎刃而解，啥毛病都没有了，正常读取，非常快速！根据这段代码，我锁定了有问题的文件：genes.tsv。我灵机一动，那就换一种读法！

代码】R语言按照指定的顺序对dataframe进行排序。

CellHashing和CITE-seq的测序原理基本一样，只是换了一个应用场景。它解决的问题是如何将不同样本的细胞混起来测序（便宜），测完了还能区分哪个细胞来源于哪个样本，这样做也减少了批次效应。...

人类参考基因中线粒体基因是以“MT-”开头的，而在小鼠中是以“mt-”开头的

目标：想使用cicero计算一下gene activity scores,根据cicero文档https://cole-trapnell-lab.github.io/cicero-release/docs/用这两句命令，安装cicero成功安装，然后按照教程跑pipeline，注意此时安装的cicero支持的是Monocle2版本运行到降维这步的时候，开始报错：后来知道是Monocle2的问题，我的数据集细胞数7万以上，Monocle2跑不了这么大的数据集，我决定安装适配Monocle3版本的ci

获得了一批新的scRNA-seq的fastq.gz文件，每个样本的数据形式为：我打算使用10X cellranger处理fastq.gz文件，下载及安装方式在官网：https://support.10xgenomics.com/single-cell-gene-expression/software/downloads/2.0这个网址写了10X cellranger处理fastq.gz文件的命名规则https://support.10xgenomics.com/single-cell-gene-expr

SC3 - consensus clustering of single-cell RNA-Seq data这是scRNA-seq聚类方法里面比较经典的聚类方法，在跑数据集的时候，几个一千多个细胞的小数据集没有报错，但是运行一个5000+细胞以上的数据集时，在这步：疯狂报错！！！就很无语，难道这种经典方法我都跑不通嘛！到了推理原因的时刻了First，小数据集上我能跑通，所以问题不是在这个方法上，应该是因为数据集大小的改变，哪些参数不合适了，我去看了SC3的手册：https://bioconducto

因为Ubuntu中自动把r升级到了 4.2.0版本，RStudio中的一些包在使用的时候会报错，比如跑cisTopic的时候：为了解决这个问题，要将Rstudio Server一起升级，解决方案如下：使用管理员账号安装的教程看：https://blog.youkuaiyun.com/watermel__/article/details/120724232?ops_request_misc=%257B%2522request%255Fid%2522%253A%252216554425671678218468187

之前运行这步的时候报错了如下：后来发现原因是Ubuntu自动把R包更新到4.2版本，但是Rstudio版本没有更新，更新Rstudio即可,更新Rstudio的教程看此教程：。

因为一个R包的需要，R环境必须小于3.5，就新建个虚拟环境：看看有哪些版本的R可以下载：选择r 3.4.3安装：很完美，R从4.2降到了3.4

有的时候数据会以.RDS的格式被提供，这个时候就只能用R语言读取文件。如果遇到超大数据怎么把数据存储出来呢？可以发现这个数据特征数非常多，我要获取归一化以后的data矩阵。代码如下：save_npz_.py文件里面的内容：...

http://www.sthda.com/english/wiki/ggplot2-violin-plot-quick-start-guide-r-software-and-data-visualizationps:ggplot作图介绍https://www.math.pku.edu.cn/teachers/lidf/docs/Rbook/html/_Rbook/ggplot2.html

file里面是基因以及对应的功能，要计算两两基因间的功能相似度，普通for循环太慢了，故用foreach并行操作：library(GOSemSim)library(data.table)library(org.Mm.eg.db)library(foreach)library(doParallel)getDoParWorkers( ) #查看注册了多少个核，配合doMC package中的registerDoMC( )使用getDoParRegistered( ) # 查看doPar是否

我是直接获取管理员权限，在Ubuntu中使用apt-get命令安装：sudo apt-get install libopenblas-dev安装成功以后，重启RStudio(kill -9 PID)即可。确实加速了很多PS：还有个GPU加速的cuBLAS库，以后可以试试。

随机输入矩阵：cell_name <- colnames(mix_rna)cell_name_new <- sample(cell_name)ord <- as.vector(cell_name_new) indx <- factor(colnames(mix_rna), levels = ord) mix_rna<-mix_rna[,order(indx)]mix_atac<-mix_atac[,order(indx)]

今天用MOFA方法多组学聚类，在mofa <- run_mofa(mofa)这步疯狂报以下错误：Connecting to the mofapy2 python package using reticulate (use_basilisk = FALSE)…Please make sure to manually specify the right python binary when loading R with reticulate::use_python(…, force=TRUE)

library(rhdf5)Error in value[[3L]](cond) : Package 'rhdf5' version 2.36.0 cannot be unloaded:Error in unloadNamespace(package) : namespace 'rhdf5' is imported by 'HDF5Array', 'MOFA2' so cannot be unloaded这是从两个地方导入包导致的解决方法：unloadNamespace('MOFA2')unlo

1.Python读取.h5ad文件（比R方便）在这里插入代码片import anndataimport pandas as pdadata=anndata.read("/home/R/R_data/Seurat/PBMC10/output/adata.h5ad")adata.X.todense()X=pd.DataFrame(adata.X.todense())cell_name=adata.obs.indexchr_name=adata.var.indexX.index=cell_name

列名很好设置：header=1即可设置列名mix_atac <-read.table('output/SCALE_ATAC.tsv',sep='\t',header = 1)行名设置：先保存第一列，再删掉第一列，然后将保存的行名赋给dataframe的行名mix_atac_row <- mix_atac$Xmix_atac <- mix_atac[,-1]rownames(mix_atac) <- mix_atac_row...

这个问题真的困扰我许久！今日终于解决！其实非常简单！假如两个服务器上的隧道都是8787映射到8787那登录的网址分别是：http://localhost:8787/http://服务器IP:8787/

start<-Sys.time()end<-Sys.time()运行的程序 runningtime<-end-startcat(runningtime)

去重：library(dplyr)ok <- ok %>% distinct(geneexp.entrez_id ,.keep_all =TRUE)#geneexp.entrez_id为ok(dataframe)中要去重的列 ok字典：#利用list建立字典list_data <- list()for (i in 1:length(m2h.g$NCBI.gene..formerly.Entrezgene..ID.1)){ list_data[[i]]<-m2h

geneexp.entrez_id = mapIds(x = org.Mm.eg.db, keys = geneLookup, keytype = "ENSEMBLTRANS", column = "ENTREZID")#先将小鼠的转录本ID转为小鼠的ENTREZIDlibrary(annotationTools)library(biomaR

RStudio:想在RStudio中调用python文件library(reticulate)source_python("metrics.py")报错：Error in py_run_file_impl(file, local, convert) : ImportError: /usr/lib/x86_64-linux-gnu/libstdc++.so.6: version `GLIBCXX_3.4.26' not found (required by /home/***/miniconda

1 获得管理员权限2 在自己的用户目录下安装RStudio Server\home\user-name3 查看当前r-base的可安装版本,发现没有想要的最新版本的r-baseapt-cache madison r-baser-base | 3.4.4-1ubuntu1 | http://cn.archive.ubuntu.com/ubuntu bionic/universe amd64 Packagesr-base | 3.4.4-1ubuntu1 | http://cn.archive

用了各种方法解决不了，最后conda安装成功conda install -c r r-stringi

问题：存值失败，代码如下for (i in (1:11)){ cat('i :',i,'\n') CO=unlist(strsplit(cluster[i,],split = '\t')) H=length(CO) for (j in (1:H)) cat('nrow(df) :',nrow(df),'\n') df[nrow(df)+1,] <- c(CO[j],i)} 存值结果明显不是我想要的：问题原因：for循环内的内容要用{ }括

假如要添加k-means聚类标签：object@meta.data$k.means.clusters <- k.means.result绘制自定义标签的UMAP图：DimPlot(object , reduction=‘umap’,group.by = “k.means.clusters”)同时显示自定义标签和UMAP图和Seurat中louvain聚类的UMAP图plot3<-DimPlot(object, reduction = “umap”,group.by = ‘ident’)

1.windows安装R包出现non-zero exit status问题2.只能单独安装这个non-zero exit status的R包要是install.packages(‘包名’)不好使，就去找.zip形式的包RStudio安装.zip包的方式：

哭死！想要安装cisTopic (https://github.com/aertslab/cisTopic/blob/master/README.md)，一直出现Installation failed: Failed to connect to raw.githubusercontent.com port 443: Connection refused错误，查了好多教程，总结如下：1.https://www.ipaddress.com/进入此网站，输入要访问的域名：得到IP地址，任选一个添加到服务器的

1.新建一个虚拟环境conda create -n R_env python=3.72.下载r-baseconda install r-base=4.0.53.用conda下载需要的R包去这个网站https://anaconda.org/，搜索想要下载的R包例如：搜索Seurat在当前虚拟环境下conda install 即可4.进入R环境R5.查看已安装的包installed.packages()6.加载包library(包名)...

https://blog.youkuaiyun.com/sinat_35187039/article/details/80239668

 1.利用安装在服务器上jupyter notebook中的R核来执行R代码，要是已经配置好了jupyter notebook一直找不到R核,那就在jupyter notebook安装的环境中进入R环境再次进行配置，详见之前的教程：https://editor.youkuaiyun.com/md/?articleId=115184963 2.导入要使用的基因和细胞关系矩阵，我这里使用的是.csv文件，所以使用read.csv()函数进行读取。 3.因为R中的Peason相关性是针对列与列之间的关系，所以选取需要