环境win10nodev16.13.2问题学习CryptoZombies的教程，于是使用npm安装truffle:npmitruffle-g，结果装了老半天报错了：...600verbosestackError:Thegitreferencecouldnotbefound600verbosestackatmakeError(C:\Users\fygame\AppData\Roaming\npm\node_modules\npm\node_modules\@npmcli\git\lib\make-error.js:26:13)600verbosestackatC:\Users\fygame\Ap

参考生信技能树：pyscenic的转录因子分析结果展示之5种可视化、pyscenic的转录因子分析结果展示之各个单细胞亚群特异性激活转录因子本教程复现系列：pySCENIC的转录因子分析及数据可视化（二）pySCENIC的转录因子分析及数据可视化（三）1.安装pyscenic对于这些陌生的软件，现在发现最好还是直接给它弄个conda小环境来折腾，不然更难折腾出来教程内容。这一步是在linux下面操作#需要一些依赖,尤其是这个python3.7版本condacreate-npyscenicpython=3.7#创建小环境condaactivatepyscenic#激活小环境condainstal

无论是单细胞、空间组还是ATAC的数据，有时由于下游分析的需求或可视化的需求，同时由于python的运算速度的优势，目前越来越多单细胞分析的工具开始在python环境下开发（scanpy/spGCN/scVelo……），但是大家大多都习惯了R的分析环境（Seurat/Harmony/Monocle3……），所以我们经常需要在不同的环境中运行同一个分析对象，这所以涉及到的数据类型的转变就非常关键了。想直接想找工具将RDS转为python可读数据对象的包，目前还没有……（如果有大佬可以开发一下）。目前所以从数据本身出发有三种方式，总结自目前网络上一些可行的方法：1，提取矩阵（稀疏/稠密）和特征信息

适用背景单细胞转录组调控网络分析是单细胞转录组分析内容的高级分析之一，本文将介绍SCENIC/pySCENIC的流程，具体原理和内容不展开，主要展示代码复现流程。R的SCENIC基于AUCell，RcisTarget和GENIE3三个包进行分析，所以要先安装这些依赖包，而pySCENIC则已经封装好，直接用pip安装即可。只用SCENIC或pySCENIC也可以单独完成分析，但R语言运行起来很慢，pySCENIC可以有效提升分析速度，还用SCENIC是因为可视化用R语言会简单一些。可视化部分请看这篇文章SCENIC/pySCENIC结果可视化2022-11-08快来看看三步完成单细胞数据调控网