当年我准备考博的时候，健康院某PI（本来的意向导师）找我帮他在iMac上安装盗版的Papers（文献管理器）和Illustrator（PS的兄弟），安装后，跟我说：“我们做科研的，最重要的软件就是Papers和Illustrator。”，当然后来感觉挺坑我，就放弃了。
这么多年过去了，至今这两个软件我都没用过！我画图，追求的是全部由代码产生，至今还没有修图的需求，也就没有试过Illustrator了。
Illustrator必须有些门槛，而且关键是Adobe绑死在PDF上，实际上如果80%的问题都可以用PowerPoint解决，剩下那20%，反正也不常用。而PowerPoint的优点是没有门槛，傻瓜式操作，像我这种怀疑自己智商的人，都会用啊！
要是R画的图，能够在PowerPoint里面编辑就好了！
要是R画的图，能够在PowerPoint里面编辑就好了！
要是R画的图，能够在PowerPoint里面编辑就好了！
biobabble作者群有一个小伙伴提出来的问题。
没错，凡是给biobabble投稿的小伙伴都会被拉入作者群。
话说有一个矩阵，我们让它某个值缺失，算出来的距离和原来的竟然是一样的：
> dat = matrix(1:10, 2)
> dist(dat)
1
2 2.236068
> dat[1,1] = NA
> dist(dat)
1
2 2.236068
这有点反直觉，实际上你再搞个缺失值，它算出来还是一样的：
> dat[1,3] = NA
> dist(dat)
1
2 2.236068
但以我的经验，我通常不敢轻易说人家有bug，我们得确认一下。
在《一图告诉你venn plot和upset plot的关系》一文中，我们应该很清楚这两者的关系，upset plot是更清晰的呈现方式，而且能够支持无数多个分类，在《转UpSet图为ggplot?》一文中，又介绍了一个转化UpSetR输出为ggplot2便于嵌图和拼图的方法，但这个需要一个补丁，然后我提交的这个补丁，一直没有被作者接收。而且毕竟UpSetR是用grid写的，像grid这种高级货，玩起来还是有点难度，我一直在想应该有一个ggplot2版本的upset plot，最近就让我在gayhub上发现了。
这包已经在CRAN上，所以可以用最简单的方式安装：
install.packages("ggupset")
library(tidyverse)
library(ggupset)
tidy_movies %>%
distinct(title, year, length, .keep_all=TRUE) %>%
ggplot(aes(x=Genres)) +
geom_bar() +
scale_x_upset(n_intersections = 20)
你是否对《R包辣鸡之CorMut》之篇还有印象？没有的话，快点打开阅读一下，这文章让作者毕业了，毕竟发表的是一篇Bioinformatics。
《[连载3]：辣眼睛，一篇抄袭引发的系列血案！》，而这一篇文章中揭露了某讲师抄袭了两个R包，晋升副教授了！文章中还稍带了另外一个学生也是抄袭，当然也发表了SCI，也毕业了。
今天讲另外一个R包，它做下面的事情：
当然前面的事情是goseq干的，它的功能就是衔接了goseq的输出，让我们还看看它每一步都在做什么。
在《一个更好用的pheatmap》一文中介绍了pheatmap的新功能，它输出为一个pheatmap的对象，这个对象在终端上打出来，会出来图，你可以用ggplot2::ggsave()来保存图片，文章的结尾处卖了一个关子，就是用cowplot来拼，这个有许多人问过我，因为大家一般都认为cowplot只能用于ggplot2的输出，pheatmap感觉好像不太行，而且在很多人的感觉中，画图代码不是ggplot2写的，就是base写的，而pheatmap看上去就像是base一般，其实它是grid写的，我在下面两篇文章中都有示例代码，用于拼pheatmap，不过一般人看过了，也只是留下一点印象，终究还是记不住，因为涉及到grid的知识。
现在我们有一种你一定能记得住的方法了，以后再也不用问pheatmap怎么拼图了，首先pheatmap产生的是一个对象，然后这个对象我们可以用ggplot2给画出来，然后自然而然你能够用cowplot去拼，再熟悉不过了，如果这都不能理解记住，那我也没办法了。
library(ggplot2)
pups <- nlme::RatPupWeight %>%
janitor::clean_names() %>%
dplyr::mutate(litter = as.integer(litter))
p <- ggplot(pups, aes(x = litter, y = weight, color = treatment))
针对某一个x值，我们可以画出相应y的统计量，比如均值、方差等，这些都可以“手工”的方式通过图层叠加来实现。
p + geom_jitter(shape=1) +
stat_summary(fun.y = "mean", size=2, geom="point", color = 'black') +
stat_summary(fun.data = mean_cl_normal, geom="errorbar", width=.1, color='black')
我写过不少文章，都有提及提问的礼仪，会提问的人，比较容易得到帮助，而不会提问的人，理你才怪，比如说明明出错信息很明显，还给了你解决的提示而你却不看。举个例子现在需要编译的R包，如果缺少库文件，报错的话，一般会提示你Debian/Ubuntu系列apt安装什么包，Redhat系列yum安装什么，MacOS的话，brew安装什么，你按照提示装上再说，你不懂的话，你还不会把出错信息贴出来google一下吗？一般都有人解决了。 一个错误的示范
