单细胞测序分析之小技巧之for循环批量处理数据和出图

　　harmony整合不同平台的单细胞数据之旅生物信息学习的正确姿势
　　NGS系列文章包括NGS基础、转录组分析（Nature重磅综述关于RNAseq你想知道的全在这）、ChIPseq分析（ChIPseq基本分析流程）、单细胞测序分析（重磅综述：三万字长文读懂单细胞RNA测序分析的最佳实践教程（原理、代码和评述））、DNA甲基化分析、重测序分析、GEO数据挖掘（典型医学设计实验GEO数据分析（stepbystep）Limma差异分析、火山图、功能富集）等内容。
　　在进行单细胞转录组测序分析中，我们发现比如样本较多或者需要大量出图的时候，我一开始就是大量手动一个一个的出图，但回头想想，这样的操作模式不都是一样的嘛，直接用for循环不就搞定啦！基础
　　首先我们讲点for循环的基础知识及举个小栗子！
　　for循环基本结构如下：for（变量in值）｛｝
　　也就是说当变量在值的范围内将执行中括号内的操作。是不是非常简单？
　　我们举个栗子：
　　比如我们想要计算一个向量中偶数的个数：xc（2，5，3，9，8，11，6）count0for（valinx）｛if（val20）countcount1｝print（count）〔1〕3
　　在上面的示例中，由于向量x具有7个元素，因此循环迭代了7次。
　　在每次迭代中，val取x的对应元素的值。
　　我们使用了一个计数器来计算x中的偶数。我们可以看到x包含3个偶数。进阶
　　比如我们现在有两个患者的鼻腔样本，然后我们进行单细胞测序后，cellranger后我们在filtered中分别生成了3个文件：barcodes，features和matrix。我懒呀，我想万一我有好多个样本怎么办，不如用一个for循环来搞定！
　　于是我的文件就成了这个样子：batchlistlist（P2，P3）batchdatalistlist（P21，P31）for（iin1：length（batchlist））｛print（batchlist〔〔i〕〕）sobjectRead10X（paste（Inputfiles，batchlist〔〔i〕〕，sep））sobjectCreateSeuratObject（countssobject，min。cells0，min。features400，projectP23）sobject〔〔percent。mt〕〕PercentageFeatureSet（sobject，patternMT）sobjectsubset（sobject，subsetnFeatureRNA100nFeatureRNA8000percent。mt10）sobjectmeta。data〔，run〕batchlist〔i〕sobjectNormalizeData（sobject）batchdatalist〔〔i〕〕FindVariableFeatures（sobject，selection。methodvst，nfeatures5000）｝
　　那么我们仔细看一下刚才发生了什么，我们首先把我们的P2和P3设置为list，然后在for循环中我们分别进行了读取数据，提取线粒体基因比例，QC筛选，在metadata中添加新的一列，进行归一化并计算高变基因。最后将P2和P3合并在一个list中。
　　这时候一定会有好同志问这样一个问题，为什么在batchdatalistlist（P21，P31）中将P2和P3都赋值为1，这时候我们不妨不对其进行设置，使batchdatalistlist（P2，P3），我们会看见下图中的P2会消失哦！
　　在我们使用seurat中的FindAllMarkers（）得到每个cluster的高变基因后，我也同时得到了一个csv表，可是我觉得太不直观了，于是我现在要循环出一些不同clusters的vlnplot，我应该怎么办呢？嗨，循环起来呀！clusterssslist（0，1，2，3，4，5，6，7，8，9，10，11，12，13，14，15，16，17，18，19，20，21，22）for（iinclustersss）｛for（min1：nrow（run。combined。markers））｛if（run。combined。markers〔cluster〕〔m，〕i）｛filenamepaste（run。combined。markersgene〔m〕，VlnPlot。pdf，sep）pVlnPlot（objectrun。combined，featuresc（run。combined。markersgene〔m〕））print（p）ggsave（p，filenamepaste（i，run。combined。markersgene〔m〕，VlnPlot。pdf，sep））dev。off（）｝｝｝
　　我给解释一下上面的内容，首先我们把我们的cluster设为list，i代表cluster，m代表run。combined。marker的排序，使用两个for循环进行嵌套，最后在保存文件时将cluster基因名vlnplot结合进行保存。
　　每次看见这样出图我都特别有成就感，，，，哈哈哈哈，快haveatry！
　　其实也可以写一个apply版的，获得所有plotList，再用patchwork或cowplot进行拼图。plotMarkerfunction（cluster，run。combined）｛for（min1：nrow（run。combined。markers））｛if（run。combined。markers〔cluster〕〔m，〕cluster）｛filenamepaste（run。combined。markersgene〔m〕，VlnPlot。pdf，sep）pVlnPlot（objectrun。combined，featuresc（run。combined。markersgene〔m〕））ggsave（p，filenamepaste（i，run。combined。markersgene〔m〕，VlnPlot。pdf，sep））return（p）｝｝｝plotListlapply（clustersss，plotMarker，run。combinedrun。combined）这个Nature推荐的代码海洋竟然有文章作者上传的所有可重现性脚本，涉及单细胞、微生物组、转录组分析、机器学习等相关10X单细胞测序分析软件：Cellranger，从拆库到定量NBT45种单细胞轨迹推断方法比较，110个实际数据集和229个合成数据集重磅综述：三万字长文读懂单细胞RNA测序分析的最佳实践教程（原理、代码和评述）harmony整合不同平台的单细胞数据之旅