生物信息学入门——环境搭建记录（pycharm 安装R语言）

背景

纯计算机出身，无生物学背景（仅普通高中生物知识），本来要做基于mRNA和miRNA组学的癌症分型。一番调研发现生物信息学东西很多。
查了半天，一般建议是linux + R语言 + 统计学知识 + 生物学知识等。

为什么选PyCharm

• 先开始已经准备整linux了，在windows上安装了应用商店的ubuntu，但发现后续教程很多都是用windows上的RStudio。
• 加上自己电脑本身一般，还是有点担心linux能不能hold住。
• 而且我们数据量暂时不大，对linux的需求可能不那么强烈
• 新手入门可能别整那么麻烦吧（安装linux，安装conda，学一大堆），赶紧先上手更好？
• 偶然间发现pycharm提供R语言支持，最终决定用pycharm。

安装配置R

主要参考这个教程如何在 Pycharm 中高效使用 R 语言 （图文详解）

我之前装过pycharm，这次直接装R，基本完全按教程，没啥毛病。除了以下几点：

1. 我的电脑上清华的源一直不太稳定，下载R用的中科大的源，很好。
2. 教程跑代码的时候，报错如下：

Error in library(ggplot2) (main.R#6): 不存在叫‘ggplot2’这个名字的程辑包
Show stack trace
Install package ‘ggplot2’

只需点最后的Install package 'ggplot2'即可。

关于R markdown

3. Rmarkdown不是必须的，但有点想弄。它不是实时渲染的，需要用如下代码渲染：

library(rmarkdown)
render('input.Rmd')

此时会报一个错：

render(“input.Rmd”)
错误: pandoc version 1.12.3 or higher is required and was not found (see the help page ?rmarkdown::pandoc_available).

参考此文：https://blog.csdn.net/santiagozhang/article/details/105070736
原因是我们用的是pycharm而不是rstudio，Rstudio会子带pandoc；解决方法是安装pandoc（pandoc下载链接）, 然后重启pycharm。

关于RGUI

4. 起初我看到很多教程里都有RGUI，但我搜索结果如下，并没有找到RGUI，最后发现这个点开就是RGUI了：
   
   

关于R语言教程

接下来懒得找教程了，就看菜鸟教程挺好：
https://www.runoob.com/r/r-basic-syntax.html

关于中文支持

5. 菜鸟教程里有一个：

> cat(1, "加", 1, "等于", 2, '\n')
1 加 1 等于 2

但我实测会报错：

Error in (function (file = “”, n = NULL, text = NULL, prompt = “?”, : invalid multibyte character in parser at line 1

实测发现是对汉语的支持不够，把汉字改成别的即可。发现如果用RGUI则无此问题，可以支持汉字。暂未找到解决办法（并没有详细找）

后续工作

• R语言入门：后续准备继续看菜鸟的R语言入门教程（有其他语言基础的话，略看即可，到时候用到再查）
• 统计学方法：之后看其他论文里用了哪些统计学方法来弄一下数据？观察出一些先验的结论？学习这些统计学方法的原理和R语言实现。
• 聚类：接着就是聚类，kmeans起步，后面再看咋弄。
• 分类：最后的最后，如果确定类是这样聚了，咱再弄分类。
  后面这些都要结合生物学知识了

回望

• Pycharm对R的支持可能有点问题，在不确定到底是什么的触发机制下，可能会出现很简单的代码一跑就卡住，但任务管理器各方面都看不出什么异常（同样的代码上次跑很快就出了结果，这次就一直卡在这里）。后期可能考虑换RStudio，因为听说它并不大（跟Visual Studio，PyCharm之类的比）
• R语言的入门光看菜鸟可能有点不是很够，尤其是数据类型啥的真的得看，可以补充一下：
  • https://zhuanlan.zhihu.com/p/62275099
    比如这几个我粗略一看就发现挺重要，没标量的是我还没看不一定不重要：
    

后续

Pycharm比较慢，经常莫名其妙卡住。
已转RStudio，在一些方面可能确实不如pycharm丝滑/符合习惯，
但真的很快啊！！！！也不卡啊！！！！
RStudio yyds