補(bǔ)充知識(shí)點(diǎn)：

主成分分析

主要用途在于降維，析出主成分的顯著差異，削減/去除回歸分析和聚類分析中的次要因素及包含于內(nèi)的變量
princomp()R語(yǔ)言自帶函數(shù)
psych包的principal()函數(shù)---install.packages("psych")
scale()是對(duì)數(shù)據(jù)中心化的函數(shù)，當(dāng)參數(shù)scale=F時(shí)，表示采用中心化將數(shù)據(jù)按列減去平均值，scale=T表示按列進(jìn)行標(biāo)準(zhǔn)化，公式為（x-mean(x)）/sd(x)
options(digits=4, scipen=4)
scipen是指科學(xué)計(jì)數(shù)法，一般來說如果數(shù)字很大，比如十幾位甚至二十位的時(shí)候，在R里面就會(huì)顯示是科學(xué)計(jì)數(shù)法的，一般R默認(rèn)10萬(wàn)以上按照科學(xué)計(jì)數(shù)法顯示，scipen = 1相當(dāng)于默認(rèn)設(shè)置，scipen = 2， 則大于100萬(wàn)以上按照科學(xué)技術(shù)法顯示。而digits是設(shè)置顯示多少位有效數(shù)字。

利用eigen函數(shù)計(jì)算相關(guān)系數(shù)矩陣的特征值和特征向量（PCA非常重要部分）

set.seed()產(chǎn)生隨機(jī)數(shù)
用于設(shè)定隨機(jī)數(shù)種子，一個(gè)特定的種子可以產(chǎn)生一個(gè)特定的偽隨機(jī)序列，這個(gè)函數(shù)的主要目的，是讓模擬能夠重復(fù)出現(xiàn)，因?yàn)楹芏鄷r(shí)候我們需要取隨機(jī)數(shù)，但這段代碼再跑一次的時(shí)候，結(jié)果就不一樣了，如果需要重復(fù)出現(xiàn)同樣的模擬結(jié)果的話，就可以用set.seed()
genefu a package for breast cancer gene expression analysis
scran包中cyclone函數(shù)進(jìn)行單細(xì)胞轉(zhuǎn)錄組的細(xì)胞周期狀態(tài)推斷
TxDb objectsThe TxDb class is a container for storing transcript annotations.
GRanges objectsThe GRanges class is a container for the genomic locations and their associated annotations.

scran包中的cyclone函數(shù)

這里根據(jù)Scialdone et al. (2015) 提供的預(yù)測(cè)方法，簡(jiǎn)而言之就是利用一個(gè)做好的訓(xùn)練數(shù)據(jù)集和已知表達(dá)矩陣基因表達(dá)量變化進(jìn)行分類。在訓(xùn)練數(shù)據(jù)集中，已經(jīng)計(jì)算好了兩兩基因的差異（基因?qū)?，pair of genes / pairs），并且將屬于不同細(xì)胞周期（它規(guī)定了3種量化水平：G1、S、G2M）且存在差異的基因?qū)ψ鳛橐粋€(gè)marker pair。然后就在已知表達(dá)矩陣中對(duì)每個(gè)細(xì)胞測(cè)試這些marker pairs與訓(xùn)練數(shù)據(jù)集中的相似程度，每個(gè)細(xì)胞最后都得到了在G1、S、G2/M水平的分值，最后根據(jù)分值將細(xì)胞歸類。
cyclone函數(shù)主要需要三個(gè)元素：一個(gè)是sce單細(xì)胞對(duì)象表達(dá)矩陣，一個(gè)是pairs參數(shù)，還有一個(gè)是gene.names參數(shù)。
第二個(gè)參數(shù)

library(org.Mm.eg.db)
mm.pairs <- readRDS(system.file("exdata", "mouse_cycle_markers.rds", 
                                package="scran")) (系統(tǒng)默認(rèn))

pairs: a list of data frames produced by sandbag, containing pairs of marker genes
第三個(gè)參數(shù)要求是Ensembl ID