Seurat RunPCA报错？小果教大家，遇到报错不要怕
生信人R语言学习必备
立刻拥有一个Rstudio账号
开启升级模式吧
（56线程，256G内存，个人存储1T）
-
各位小伙伴们，大家好呀，我是你们的老朋友小果，最近小果在分析单细胞数据时遇到了一个问题，在这里和大家分享一下呀。
首先小果从10x Genomics支持网站上的一个公开数据集下载FASTQ文件。这是来自人类外周血单个核细胞(PBMC)的1,000个PBMC数据集，包括淋巴细胞（T细胞、B细胞和NK杀伤细胞）和单核细胞。
下载代码为：
wget https://cf.10xgenomics.com/samples/cell-exp/3.0.0/pbmc_1k_v3/pbmc_1k_v3_fastqs.tar此数据集大小为5.17G，不是很大，大概几分钟就可以下载完成喽。
之后对此压缩文件进行解压。因为这是一个tar文件而不是tar.gz文件，所以不需要使用-z参数来提取它。
代码：
tar -xvf pbmc_1k_v3_fastqs.tar使用cellranger进行定量后，得到三个文件夹如下所示：
小果以此三个文件夹作为输入文件，进行seurat的分析。
在进行下游分析时遇到一个问题，数据缩放之后进行PCA线性降维，代码如下，出现下图的错误。
#数据缩放all.genes <- rownames(scdata)scdata <- ScaleData(scdata, features = all.genes)#降维scdatascdata <- RunPCA(scdata, features = VariableFeatures(object = scdata))DimPlot(scdata, reduction = "pca")
我们可以发现，主要问题是RunPCA过程出现错误，导致流程中断。发现报错提示：最大的npcs必须严格遵循小于最小行列数的规则。
npcs必须要小于最小行列数，默认情况下npcs = 50，scdata查看矩阵行列数，发现最小值为30，将其改为29后，可以成功运行。
这边小果总结一下：
1.在学习某个软件或者某个包的使用时，我们可以详细查看每一个函数的使用手册，了解函数的原理、功能以及每个参数的作用，这样在我们之后实际操作过程中也比较方便快捷。
2.在遇到问题时，我们要仔细查看报错内容，根据报错提示找寻答案。
在做数据分析时，不可避免的会遇到降维分析，在这里小果给大家推荐一个做降维分析非常方便的小工具：PCA-UMAP和tSNE降维分析（http://www.biocloudservice.com/794/794.php），可以在线网页运行，运行速度很快，大家可以用起来哦。
以后大家遇到问题，也欢迎来和小果讨论呀。
微信号 | 18502195490
知乎 | 生信果
点击“阅读原文”立刻拥有
↓↓↓