主要观点总结
文章主要介绍了生信分析中的可视化方法和工具，包括多marker联合展示、不同生信可视化方法的差别，以及R包安装和使用的建议。同时，文章还提到了空间组学的学习内容，并分享了相关的代码和推荐学习资源。
关键观点总结
关键观点1: 生信可视化方法和工具的介绍
文章提到了生信分析中的可视化方法，包括多marker联合展示，掌握了不同的生信可视化方法对于生物信息学的研究非常重要。
关键观点2: R包安装和使用的建议
文章给出了一些R包安装和使用的建议，包括使用BiocManager安装Bioconductor的镜像源以及解决R包安装困难的问题。
关键观点3: 空间组学的学习内容
文章强调了空间组学的学习内容，包括单细胞测序、空间转录组等领域，并分享了相关的学习资源。
关键观点4: 代码分享和推荐学习资源
文章分享了一些生信分析的代码和学习资源，包括单细胞、空转、生信基础手把手教学系列等，对于生物信息学的学习者很有帮助。
文章预览
不设置🌟有时会收不到公众号内容，code一段时间后会失效，代码在 文末 昨天给大家介绍了基本的使用，其实它还可以进行多marker联合展示，多个marker进行标注 掌握不同的生信可视化方法还挺重要的，差别很大，代码分享 （昨天的） if (!requireNamespace( "BiocManager" , quietly = TRUE )) install.packages( "BiocManager" ) options(BioC_mirror= "https://mirrors.westlake.edu.cn/bioconductor" ) getOption( "BioC_mirror" ) #确认下 BiocManager::install( "Nebulosa" ) install.packages( "ggrastr" ) library(Nebulosa) library(ggrastr) Nebulosa::plot_density(seu, c( 'CD3' , 'CD8' , "PD-1" ), joint = TRUE ） 装不上的可以试试这个，我是一下子就装上了 R包安装困难？那就试试西湖大学的镜像；easyTCGA包一键出各种统计图 ，推荐大家去试试 近期推文： 代码挺全面的一篇文章，咱们的课题生信部分基因上都会设计到 上游分析必须要会linux
………………………………
