最近也没闲着，上一篇文章中，说到了sva虽然可以计算替代变量，但是有了替代变量后只能用limma进行差异分析，并没有输出矫正后的表达量矩阵，这点还是很苦恼的。所以上次更新中只加入了能够矫正已知批次的combat_fix。
但是最近又看到新的R包snm,这个R包更牛了，可以矫正多个批次效应，同时还可以矫正数字型批次，并且最重要的是可以返回表达量矩阵。
一下子就打通了最后一公里。svn+snm组合拳简直不要太完美！
至此，基本上我已经写完整个R包的功能和框架，至少我自己是觉得暂时没啥可以大修大改了。所以补充了说明文章，整理了整个R包的矫正思路。
fixbatch矫正思路
整个R包的开发历程还算顺利，其间也锻炼自己的代码水平，顺带更新了自己另外的两个R包。整个开发过程收获颇丰。
今天主要说的是，fixbatch有自己的logo了。感谢Y叔的hexSticker包，方便100分！
最开始我其实想用PPT画logo的，毕竟PPT简单又实用，但是后面想到Y叔之前好像发过一个专门做hex sticker的R包，就去谷歌了下。果然搜索结果排名第一。果然是Y叔做的R包，牛逼，让人羡慕。
最开始我的构思是这样的，严格上讲，批次效应存在任意一个实验中，这是无法彻底避免，更何况生物供试个体的差异效应也算一种批次效应。所以无关变量与关注变量是共存的，彼此无法彻底分离。有点像太极黑白双鱼图。
所以最开始我想搞个太极图，额，这个脑洞一开，我就有点顶不住了，这也那个啥了吧，怪怪的。
所以我又想，批次效应是实验的第一步要处理的拦路虎，只有解决了这个问题，才能真正去关注感兴趣的生物问题。有点像推开门进入大观园的感觉。
所以思路就是太极+门 = 太极门，想法就是两扇黑门，中间是门缝，两遍是白色的门环。
额，构思完后发现，这个黑门也太丧气了，像曹操的脸谱。丑！
那我就改个颜色吧，改什么颜色了，就用中国风！说干就干，用上我的xbox的中国风配色，估计效果不错！
#记得更新下xbox
#devtools::update_packages("xbox")
library(xbox)
library(ggplot2)
library(hexSticker)
#构建绘图数据
dat <- tibble::tribble(
~id, ~value, ~x, ~y,
"right", "grey", 1, 1L,
"right", "grey", 1, 8L,
"right", "grey", 3, 7L,
"right", "grey", 3, 2L,
"left", "grey", 3.5, 7L,
"left", "grey", 3.5, 2L,
"left", "grey", 5.5, 1L,
"left", "grey", 5.5, 8L
)好了，门的绘图数据做好了，给门上什么颜色呢，中国风肯定少不了红色，但是为了体现太极风，还要选择个对比色。
用看看xbox中都有什么颜色，我选中了“two5”的橙红色和青绿色，以及“three2”的淡粉色适合做空白背景，边框就用“two4”的亮橙色。
#中国风配色
back_color = xbox::need_colors("three2")[1]
bord_color = xbox::need_colors("two4")[1]
#绘图
ggplot(dat, aes(x = x, y = y)) +
geom_polygon(aes(fill = id, group = id)) +
geom_point(aes(x = 3.25-0.5,y = 4.5),color =back_color,size = 6) +
geom_point(aes(x = 3.25+0.5,y = 4.5),color =back_color,size = 6) +
scale_fill_manual(values = xbox::need_colors("two5")) ->p
p <- p + theme_void() + theme_transparent() + theme(legend.position="none")
#生成hex sticker
sticker(p, package="fixbatch", p_color = bord_color ,p_size=20, p_y = 0.4,s_x=1, s_y=1, s_width=1.5, s_height=1.5/1.3,
h_fill=back_color, h_color = bord_color, filename="ggplot21.png")
logo
效果我个人非常满意，开心！