拟时序分析后细胞类型按照不同state进行区分
前面我们已经介绍了：使用monocle做拟时序分析（单细胞谱系发育） 然后回答了一个学员的问题: 拟时序分析的热图提取基因问题 , 但是因为大家对monocle包的说明书不熟悉，对R不熟练，以至于无法个性化处理monocle的各种中间结果，所以问题是多种多样。
同样的单细胞天地的基础视频课程学员提问：想知道参考文献的下面的条形图如何绘制，因为没有给原文，不知道作者定义的pseudotime bins是什么，不过在monocle官网教程，有一个state的概念，所以可以大致绘制出下面的图形：
首先我们需要再次详细理解monocle输出的细胞谱系推断图
回到我们产生细胞谱系推断结果的函数：reduceDimension
load(file = 'ordering_genes_by_Biological_Condition_high.Rdata')
cds <- setOrderingFilter(cds, ordering_genes)
plot_ordering_genes(cds)
# 然后降维
cds <- reduceDimension(cds, max_components = 2,
method = 'DDRTree')
# 降维是为了更好的展示数据。
# 降维有很多种方法, 不同方法的最后展示的图都不太一样, 其中“DDRTree”是Monocle2使用的默认方法
# 接着对细胞进行排序
cds <- orderCells(cds)
## 最后两个可视化函数
plot_cell_trajectory(cds, color_by = "Biological_Condition")
实际上，就是给定有生物学意义的基因给 reduceDimension 函数，调整参数就可以出图，如下：
很容易理解，在这个细胞谱系推断图里面，其中一条轨迹是真实存在的，就是“GW16” and “GW21” ，“GW21+3” 这种孕期细胞，本身就是具有时间先后属性的，而且我们的monocle也的确找到了，在这个测试数据。
仔细摸索 reduceDimension 函数返回值
当然是先看函数的帮助文档了，在构建细胞谱系的时候有两个算法可以选择，而且还可以加入已知的混杂因素，这样reduceDimension 函数会帮助进行去混杂因素，做的纯粹的细胞谱系推断
Monocle provides two different algorithms for dimensionality reduction via reduceDimension. Both take a CellDataSet object and a number of dimensions allowed for the reduced space. You can also provide a model formula indicating some variables (e.g. batch ID or other technical factors) to "subtract" from the data so it doesn't contribute to the trajectory.
但是，帮助文档里面更多是对参数的介绍，帮助我们运行reduceDimension 函数，并没有对它返回值的介绍，需要我们自行摸索了。我们 str(cds) 就可以看到的确是这个对象被这个函数修改了，添加了两列信息，如下：
我们同样是简单探索一下Pseudotime和State的关系：
tmp=phenoData(cds)@data
plot(tmp[,30:31])
计算Pseudotime得分的10等分里面的不同细胞类型的比例
可以看到这里的State信息并没有用，在学员的求助的文献里面，是把Pseudotime得分进行10等分，因为我们这里只有65个细胞，所以10等分后再看4种细胞的比例，基本上画出来的图会很难看。
不过大体上的思路就是这样咯，十等分是很简单的， 假设得到了，就可以出下面的表格，就是学员想要的条形堆砌图的原始数据了哈。
这个时候，我再留一个疑问，是不是一定要使用monocle来进行细胞谱系推断呢？不知道大家有没有发现，学员之所以会有各种问题，其实本质上是R语言薄弱，所以我今天在生信技能树公众号分享了爆款R语言入门，基本上十万生信工程师都会跟着学习的，你也可以看看：生信分析人员如何系统入门R(2019更新版)