第一次复现代码的图，记录一下。

第一张图

代码如下：

#0.安装R包 ---- #devtools::install_github('caleblareau/BuenColors')
#utils::install.packages(pkgs = "ggstatsplot")
#InstallData("pbmc3k")

#1.加载R包和测试数据 ---- rm(list = ls())
library(SeuratData) #加载seurat数据集
getOption('timeout')
options(timeout = 10000)
data("pbmc3k")
sce <- pbmc3k.final
library(Seurat)
DimPlot(sce,reduction = "umap",label = TRUE) unique(Idents(sce)) sce$celltype = Idents(sce)

#2.单细胞分析基本流程 ----
#主要是拿到 tSNE和Umap的坐标，因为默认的 pbmc3k.final 是没有的
sce <- NormalizeData(sce, normalization.method = "LogNormalize",
scale.factor = 1e4)
sce <- FindVariableFeatures(sce,
selection.method = "vst", nfeatures = 2000)
sce <- ScaleData(sce)
sce <- RunPCA(object = sce, pc.gene s = VariableFeatures(sce))
sce <- FindNeighbors(sce, dims = 1:15)
sce <- FindClusters(sce, resolution = 0.8)
set.seed(123)
sce <- RunTSNE(object = sce, dims = 1:15, do.fast = TRUE)
sce <- RunUMAP(object = sce, dims = 1:15, do.fast = TRUE)
DimPlot(object = sce, reduction = "umap",label = TRUE)

#3.定义分组信息 ---- Idents(sce) = sce$celltype

#4.寻找各个单细胞亚群的特征性高表达量基因---- sce.markers <- FindAllMarkers(object = sce,
only.pos = TRUE,
min.pct = 0.25,
thresh.use = 0.25)

save(sce, sce.markers, file = 'tmp.Rdata')

作为一位0基础，纯小白，跟着曾老师学习生信。

第三次考核的内容是跑代码。

原本拿到任务觉得好难，连任务都没有看明白，但是光看时无法解决问题的。就一个字“干”！

点开一篇，把代码复制进RStudio，发现完全运行不了，甚至我实际一开始都没有找到运行按钮。

#0.安装R包 ---- #devtools::install_github('caleblareau/BuenColors')

#utils::install.packages(pkgs = "ggstatsplot")

#InstallData("pbmc3k")

由于是第一次使用：

1.chrome浏览器没有运行；

2.没有使用开发者工具：devtools；

3.也没有安装packages；

以上问题靠各种搜索一个一个解决了。

4.也不知道InstallData("pbmc3k")，需要先安装 seuratData
好在找到了曾老师之前发的文章，有解决方法：

install.packages('devtools') devtools::install_github('satijalab/seurat-data') library(SeuratData) #加载seurat数据集 getOption('timeout') options(timeout=10000) InstallData("pbmc3k")
data("pbmc3k")
sce <- pbmc3k.final

等以上都搞定了，直接运行就一点点出图了。

哈哈，很开心！记录一下自己的第一张图，虽然完全是拿来主义，但也是值得鼓励下自己的！