1.与转录分析是不同的 2.因为之前在这里经历的实在是太多了，所以这里就不做全局的整理，主要记录一些tips

    2022.4.8

    1. 矩阵/数据框的隐式循环

    apply()函数 1行，2列
    但对于列表，；apply()：结果会生出列表 sapply()把返回结果变为向量或矩阵

    1. log(x/y) = logx-logy P值越小越有信心认为差异大
    2. 热图的输入数据是数值型矩阵/数据框
    3. 箱线图：输入数据一个是数值型向量，还有一个是字符串向量（重复值）
    4. 矩阵取出的一行数据会带列名，也就是向量的names
    5. PCA中美个图的大点指的是中心位置
    6. 富集分析种 Gene Ratio 19/468 19是该通路的差异基因；468是分析的总的差异基因可以匹配到KEFF数据库中，而不是这条通路的

    BgRatio 36/7916 36是该通路一共有的基因，7916是KEGG中的所有基因
    GO term可以提供关系图（所以可以找到一些都有关系的基因）

    1. 数据下载后，“./GSExxxxx” 这个点意思是在工作目录下
    2. 表达矩阵的数值还得自己看一看，是不是小于15或20
    3. 探针注释的方法：捷径/四种常规的主食方法
    4. 多个探针对应一个个gene symbol：最大值/平均/R包随机取
    5. PCA的修改，需要把数据进行转置处理才能整合为像一个的格式
    6. scale = row 把数据按行进行标准化处理——忽略基因之间的表达数值的绝对值大小，保留同一基因在不同样本间的比较

    breaks = seq（-3，3，length.out = 100） 100 是生成100个数，也就是是说热图中有100个渐变的颜色
    -3，3 尽量均一，避免礼裙纸对整张图的影响

    1. 可能存在聚类与分组的不匹配——解决办法： 全部基因：不匹配可以接受

    差异基因：比去匹配，所以换基因来画，或者直接不聚类也可以

    1. 热途中，annotation_col = annotation_col 后者是自己根据实际请求group_list 生成的
    2. read.table 中 quote = ‘\’ 其实是read.delim()的默认参数，就是单双引号的区别

    2022.4.9

    1. idmap() 函数中，type=soft，使用官方表格注释；=pipe，信息来自于自主注释表格
    2. geoChina（） 国内服务器，适用于便捷途径
    3. annoGene（）可以对基因进行注释，for example： a = annoGene(IDs, ID type) 括号里分别是一串基因名向量，和；‘symbol’
    4. PCA的圈是置信区间的意思，三个样本画不出来圈
    5. roenames = F，不显示行名
    6. 如何在保存图片时按照相应的比例——width修改
    7. as.ggplot()可以将热图转化为ggplot的类型的图，所以就可以用patchwork拼图了
    8. deg表格（差异基因分析结果），p值默认从小到大排列
    9. cor函数 是将谁放在列名，就是在计算谁的相关性
    10. paletteer非常好用的配色R包 recordPlot函数可以讲画板里的图直接扣出来，这样就不用管是否是ggplot类型直接拼图了
    11. Ont = ‘All’ 三个成分都分析 readable = TRUE gene ID直接转化为gene symbol（在分析结果的表格里）
    12. file.exists(‘xxx’) 判断某个文件是否在工作目录下
    13. gene其实很容易没发富集KEFF通路上——很正常
    14. p.adjust 一般比p 值大一些，所以如果用p的话，需要在文章中说明
    15. source（） 不打开某个脚本但是全选打开的意思
    16. KEGG同路图双向了，即上下跳基因富集在同一个通路上，为了避免麻烦：1 分开画上下调 2少展示几条通路
    17. cytoscape 大网络太大了 可以展示小网络
    18. WGCNA 加权网络公表达

    最后，小洁老师后面给的多分组以及联合分析的代码和案例，只能自己抽空研究研究了。
    如果有空的话自己找个合适的例子看看！