背景
上次的笔记中，我们详细介绍了Seurat 的标准流程还有一些可视化的方法。
其实我个人一直以来使用的都是V4版本，不过好在V4和V5在数据结构方面的变动并不显著，所以前面的两篇笔记是按照更新后的V5版本来写的。因此，已经熟悉V4的小伙伴们也不用担心，我在第一篇笔记里面已经给出把V5降成V4的办法，直接照搬就行。
在Seurat处理数据集期间的数据结构变化之前，我们要先学习一些基础知识。因为读取数据、认识数据结构、指定变量是所有数据分析的基础。
01 基础数据类型
数据集是由数据构成的一个矩形数组，通常行表示观测（例如用于表示年龄大小的数字、用于表示性别的男女），列表示变量（例如年龄、性别）。
R语言中有许多用于储存数据的结构，包括向量（vector）、矩阵（matrix）、数组（array）、数据框（data frame）和列表（list）。
我们来尝试一下创建不同的数据结构：
1. 向量
R语言中最基础的数据格式，向量。向量是用于储存数值型、字符型、逻辑型数据的一维的数组。使用函数c( )可以创建向量，比如：
用过Rstudio的大家都知道，Rstudio界面分为四部分，我们这次主要用到的是它的右上角这一块内容，这里会标一个Environment的字样，这个框里面显示的就是当前R会话中加载的数据、变量和函数等信息，并且在运行的过程中这个信息会不断地变换。
运行以后在environment当中就会出现以下被定义好的向量。其中a是数值型向量（number），b是字符型向量（character），c则是逻辑型向量（logic），d是矩阵，e是复数，f是列表。
使用class函数我们可以直接查看数据的类型：
（比起向量，其实还有一种更加基础的数据格式，即标量。标量是只含有一个元素的向量，用于储存常量，例如f <- 3、h <- TRUE。）
2. 矩阵
矩阵是一个二维的数组，可以通过函数matrix( )创建矩阵，在这里我用R语言实战中的代码来进行演示，首先来看看标准格式：
vector表示矩阵中的变量；nrow和ncol用来指定行和列的数目；dimnames是可选项，可以用来通过字符型变量来给行和列命名；byrow同样是可选项，用来选择是按行填充(byrow=TRUE) 还是按列填充(byrow=TRUE) 。
接下来我们来看一下创建矩阵的实例：
3. 数组
数组的内容和矩阵很像，但是维度可以大于2。数组可以通过array函数创建，基本格式如下：
vector表示数组中的变量；dimensions是一个数值型向量，表示每个维度的最大值；dimnames是可选项，与矩阵类似，表示每个维度的命名。
接下来是创建数组的实例：
4. 数据框
一个矩阵、数组只能储存一种类型的变量。由于数据框可以同时包含多种类型（数值型、字符型等）的变量，它将是R语言中最常见的数据结构。可以用函数data.frame( )创建，基本格式如下：
其中col1、col2、col3表示数据框的第一二三列，可以是任何类型的变量（字符型、数值型、逻辑型）。
接下来是创建数据框的实例：
5. 列表
列表是作为复杂的一种数据类型，可以储存刚才讲到的任何一种数据结构。如下：
先简单认识一下R语言的基础知识、数据类型，有了上面的这些知识，我们就可以去回顾前两篇笔记里的PBMC数据了。
注意，以上内容用到的大部分代码都可以在《R语言实战》一书的作者所创建的网站www.manning.com上找到。
02 加载数据
我们先参照之前篇笔记的代码把数据加载好，然后创建Seurat对象。
加载了10X的矩阵数据后，可以看到，整个数据大小是29.9M。这里对它的描述是Large dgCMatrix，是R中用于存储和操作大型矩阵的数据结构。
可以看到，pbmc.data一共包含6个部分（我们称之为插槽），分别是：i，p，Dim，Dimnames，x 和 factors。
03 认识数据
i: 这个 i 可以使用pbmc.data@i来调用查看，因为全部展示在文章里面太占位置了，因此我们使用head只展示前100个元素。
根据我们的第一篇笔记，就可以知道这个i代表的是所有细胞当中有表达的基因的数量。
p: p 可以使用pbmc.data@p调用，但是同样只展示前100个。
似乎并不能看出来它代表的是什么信息，虽然已知的是我们的数据集一共有2700个细胞，加上这里还有一个0，正好是2701个元素。
再来看看最后的100个元素确认一下。
可以看到最后一个数值刚好是2286884，即所有细胞当中有表达的基因的数量。那么从0开始，到2286884结束，这个p代表的就是每个细胞中表达的基因数逐个累加而形成的数值。
Dim: 通过pbmc.data@Dim调用，可以看到这个列表信息很简单，就两个元素32738和2700，一个基因数，一个细胞数。
Dimnames: 可通过pbmc.data@Dimnames调用。environment里面对它的描述是“List of 2”，也就是两个列表。
可以看出这两个列表分别是基因信息列表和代表细胞的barcodes信息列表。
x: 通过pbmc.data@x调用。里面存储的是代表每个基因表达量的UMI计数。
factors：也是通过pbmc.data@factors来调用，但之前从environment里面已经能看出来，它现在还只是一个空的list。
@factors插槽是用来存储与矩阵行或列相关的分类变量的。例如，如果我们有一个病人的年龄或性别这样的信息，并且想把这些信息与矩阵的行或列联系起来，我们可以用因子（factors）来表示这些分类变量。
但现在@factors 插槽显示list() 表示这个列表是空的，也就是说当前没有这样的信息被存储在这个矩阵中，这是正常的。
到此为止，该外周血单个核细胞(PBMC)数据集的结构信息就讲完了。我们下一次就来看看在对这个数据集创建Seurat以后，那些数据分析的标准流程会对数据结构产生什么样的影响吧。
https://images.app.goo.gl/TYWBEMsxaTTZMwHn8
往期文章推荐
详解单细胞分析基础流程（一）：标准分析
手把手教学｜单细胞分析基础流程（二）：Seurat数据可视化
经验总结｜生物信息学的学习方法
