把早年沒填完的坑（單細胞測序的細胞型別鑑別）給重新拾起來
參考**
前置知識
單個資料集中各個方法的評估
測試場景：對於監督式：用已知細胞群體分類的資料集（要求資料集有已分類的資料集）來訓練，再對資料集進行分類；對於先驗知識型別：具備mark基因或者預訓練的前提。
圖注：de下標是依賴於mark基因（此處是差異基因）的先驗知識方法
小結：
資料集間單個方法的評估
測試場景：總體是用乙個資料集訓練用另乙個資料集來評估，先測試只有測序方式差別的兩個資料集；其次測試pbmc1和2共42種組合（pbmc1有7種測序方式，pbmc2有6種），乙個用於訓練乙個用於分類；還有兩個資料集採用同一測序方式的資料集的評估。
跨越物種、單細胞測序與單神經元測序、不同注釋深度資料集
測試場景：只對於監督式，列標籤用於訓練，灰色塊用於分類，在乙個資料集訓練在灰色塊進行分類
用mnn法合併三個資料集用於訓練，另一資料集用於分類
測試場景：合併或者不合併
拒絕選項評估
前置知識
基因輸入特點的評估
圖注參考原文
總結值得注意的點：
資料處理：
安裝r3.6和python3.7，版本參考文章當時的最新版本，並安裝對應r包和python模組
$ rscripts cross_validation.r "cel-seq/cl_pbmc1labels.csv" 1 "cel-seq"
$ python
>>> from run_svmrejection import run_svm
>>> run_svm("cel-seq/cl_pbmc1.csv","cel-seq/cl_pbmc1labels.csv","cel-seq/cv_folds.rdata","results/cel-seq/pbmc1")
$ r> result
> capture.output(result, file = "results/cel-seq/pbmc1/svm_evaluation.result")" # 儲存list的方法
unzip: cannot find zipfile directory in one of... 是壓縮檔案大小超過2gb，不能使用預設的unzip，用7z
scrnaseq_benchmark github
原文原文資料
r中儲存list物件的方法
unzip解壓失敗（ cannot find zipfile directory）
C Primer Chapter One學習筆記
筆記 1.流 從io裝置上讀入或寫出的字串行，用來說明字元隨時間順序生成或消耗。2.輸入輸出符可連用原因 operator 或operator 返回stream物件。3.要測試程式那個語句出錯，使用cout 4.新建乙個內建型別，如int i 0 最好先初始化，不然用到的時候沒初始化會產生奇怪的錯誤...
BroadcastReceiver學習筆記
需要注意 的是,不要在 onreceive 方法中新增過多的邏輯或者進行任何的耗時操作,因為在廣播接收 器中是不允許開啟執行緒的,當 onreceive 方法執行了較長時間而沒有結束時,程式就會報錯。有序broadcast，sendorderedbroadcast intent,null abort...
CDISC SDTM SE domain 學習筆記
整理翻譯自 sdtm ig 3.2 www.cdisc.org sdtm se subject elements 鞏固每個subject的epochs和elements的起止時間點.se對於有多個 時期的試驗有著重要的用處 如crossover試驗 se包含乙個subject從乙個element進入...