生物狗喜欢画barplot，但毕竟只有均值和标准误差信息量太低，万一有outliers呢？万一不是正态分布呢？所以就吐槽了又吐槽，但大家还是乐此不疲，因为大家都在用，因为很多人只会画barplot，所以产生各种反barplot运动，并呼吁大家使用boxplot，boxplot有四分位数的统计量，可以反应outlier和数据的分布，比barplot高得多了。
然而事情是不断在进化的，我们的手段是要跟上潮流的，现在的潮流就是除了要有统计量，还要有原始数据，甚至于有统计推断，全集中一图中，揭开数据的红盖头，给大家呈现全方位无死角的面貌。
小伙伴发来这个图，问我是不是bug，这真是犯了程序员的社交礼仪。
你如果对一个程序员说，“你的代码有bug。” 他的第一反应是：
- 你的环境有问题吧
- 傻逼你会用吗。
如果你委婉地说：“你这个程序和预期的有点不一致，你看看是不是我的使用方法有问题。”
他本能地会想：“操，是不是出bug了！”
这显然不是bug，这是绝大多数人对ggplot2的误解，他们认为用xlim和ylim是放置一个窗口去看你的图，然而在ggplot2是限定一个窗口去过滤你的数据，并重新画图！你的数据被过滤了！如果是放置窗口在图上，一条线从A到B，如果B在窗口之外，那么线被截断了，你看到半条线，但如果是过滤数据呢？B不复存在，那么线条A到B也不复存在，没有B，A到B的线画不出来。就是这样，所以这绝逼不是bug，而是程序员本能反应的第二种情况，你用错了。
那么怎么样不过滤数据，而只是设置可视化窗口呢？你基本上很少看到有人这么用，因为几乎99%的人都只知道xlim和ylim，一般人我也不告诉他，快点拿去小抄把下面的代码记录一下。
王八拳是四肢生物，包括人类天生会的一种本能打斗方式，男女都会，老少皆宜。 – 百度百科
显然从定义上来看，这是一套在人类存在以前早已有之的古拳法，当然做为人类我们还是希望找到人类创始的起源，给人类找一点体面。
据(百度百科)说，有三种可疑的起源说法：
生信界的网红Stephen Turner在github上有个msigdf的包，我在他写这个包的时候，就写了个gist，连接clusterProfiler，我写gist的时候是2016年的8月，很高兴网红还惦记着我的gist。
msigdf这个包把著名的Broad Institute著名的Molecular Signatures Database (MSigDB)数据以data frame的形式打包成R包，这样子非常方便使用，当然他后来没有更新，而一个fork的版本，ToledoEM/msigdf把数据更新为最新版本v6.2，发布于2018年7月。
在《漫画版的进化树你见过吗？》一文中，我介绍过一个R包，可以把ggplot2转成漫画风格，今天介绍一个新的包，ggrough，它封装了一个叫roughjs的javascript库，可以把ggplot2转成手绘风格：
require(dplyr)
library(ggplot2)
count(mtcars, carb) %>%
ggplot(aes(carb, n)) +
geom_col() +
labs(title="Number of cars by carburator count") +
theme_grey(base_size = 16) -> p
p
做科研我们不爽的是没有结果，比结果更不爽的是结果不符合预期，故事不知道该怎么编，然而戏真的不要太多，学术不是以预期来驱动的，请尊重一下事实，还有你的小鼠。
we had a quick email exchange about this and I would like to report this. (I appologise for contacting you directly, rather than following the submission guideline). I have a dataset with 6166 proteins of which 201 proteins are upregulated. The problem is that specifying the background proteins using universe argument in clusterProfiler, decreases the number of significant GO categories (28 significant categories without the universe argument and 5 with this argument). At the same time when I use online GORILLA tool I get a lot of categories, with the background:
http://cbl-gorilla.cs.technion.ac.il/GOrilla/kwpgie9l/GOResults.html
and not categories without the background:
http://cbl-gorilla.cs.technion.ac.il/GOrilla/5y4n3hn1/GOResults.html
I am not sure whether this is a bug or not, so I decided to report it here
The dataset is presented below …
allProtUGO <- enrichGO(gene = upRegProt, OrgDb = org.Hs.eg.db, keyType = "UNIPROT", ont='ALL', pool = TRUE,
qvalueCutoff = 0.05)
identifiedProtUGO <- enrichGO(gene = upRegProt, OrgDb = org.Hs.eg.db, keyType = “UNIPROT”, ont=‘ALL’, pool = TRUE, qvalueCutoff = 0.05, universe = backgroundProt)
dim (allProtUGO@result) dim (identifiedProtUGO@result)
Bioconductor包的标准安装方法是：
source("https://bioconductor.org/biocLite.R")
biocLite(pkg_name)
这其实是非常不好的，多年以来，一直没有改进，试想一下，bioconductor的网站如果被人黑了，放一段危险的代码，然后你却傻傻地去source它，真的是画面太美！
Bioconductor终于是想要改变了，往CRAN上扔了一个叫BiocManager的包，以后通过CRAN安装这个包，再通过这个包来安装Bioconductor的包，显得安全多了，也不用大家费辣么多口水说你得先source一段网上的代码，当然这个BiocManager还不成熟，起码还没有在BiocInstaller加载的时候提示大家转而用BiocManager，也没有在Bioconductor的网页上介绍使用它来安装。
