在《R-3.6 – set.seed》和《欧式距离如何应对缺失值？》中暴露了biobabble作者群，今天就来揭秘一下。
凡是给本公众号投过稿，或者是被我约过稿的，都会被我拉入群，目前在群里有8个小伙伴，分别是有原创文章发表在biobabble公众号的，其中有介绍自己的软件工具的，包括scihub_ck，csvtk，bioView, basicTrendline等优秀作品，首次在公众号平台上介绍。
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。
最近有一些考研失利的同学问我怎么申请香港的学校，其实我的经验并不多，因为我读博的时候，并没有想要去香港，在港大临近截止日期的时候，很突然地去申请，然后竟然中了。当然毕竟在港大也待了几年，要说经验，多少也是有一点的。
为什么港校是一个选择
美帝的话，基本上可以说已经没机会了。要的话，再过一年，请赶早。欧洲还是有些机会的，因为欧洲读博就跟工作似的，有时候有funding了，打了广告，就招人了。只不过你要时刻去留意，而且不一定能让你撞上。
而港大（其它香港学校我不了解），每年招3轮学生，分别在12月、4月、8月，刚好如果你考研或考博之后，不管考得好不好，都可以试一下，给自己多一个选择，因为4月31号截止，时间不冲突，完全赶得上。
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')
