Novedades RStudio. Quarto

2023-08-09

Novedades RStudio: Quarto

BIENVENIDOS

Presenta: Erick Cuevas Fernández

¿Por qué Quarto?

  • Genera material interactivo utilizando Python, R, Julia y Observable.
  • Difunde artículos, presentaciones, páginas web, blogs y libros de calidad profesional y reproducibles en formatos como HTML, PDF, MS Word, ePub, entre otros.
  • Difunde saberes e innovaciones a lo largo de la organización mediante la publicación en Posit Connect, Confluence o otras plataformas de edición.
  • Redacta usando el formato markdown de Pandoc, incorporando ecuaciones, menciones, enlaces internos, conjuntos de imágenes, destacados, estructuras complejas y otros elementos.

Vamos solo a trabajar directamente en RStudio

Se irán colocando aqui las instrucciones para que sirvan de guía.

HTML

  1. Abre un archivo en RStudio de Quarto.
  2. Elije de output HTML.
  3. Cambia la pre visualizacion al Viewer

Siguientes pasos

¿Qué notas de diferente con respecto a RMarkdown?

  • Genera un Chunk para cargar los datos de PBMC4K.
```{r}
#| label: load-data
#| message: false

library(BiocFileCache)
bfc <- BiocFileCache()
raw.path <- bfcrpath(bfc, file.path(
    "http://cf.10xgenomics.com/samples",
    "cell-exp/2.1.0/pbmc4k/pbmc4k_raw_gene_bc_matrices.tar.gz"
))
untar(raw.path, exdir = file.path(tempdir(), "pbmc4k"))

library(DropletUtils)
library(Matrix)
fname <- file.path(tempdir(), "pbmc4k/raw_gene_bc_matrices/GRCh38")
sce.pbmc <- read10xCounts(fname, col.names = TRUE)
```

Continua en tu archivo HTML

  1. Modifica el YAML para agregar en html: el flag code-link: true. ¿Qué es lo que sucede?
  2. Escribe texto para citar los datos utilizados de este link. ¿Cómo haríamos eso?

Siguiente ejercicio

  • Escribe el siguiente chunk:
```{r}
#| label: gene-annotation
#| message: false
#| warning: false

library(scater)
rownames(sce.pbmc) <- uniquifyFeatureNames(
    rowData(sce.pbmc)$ID, rowData(sce.pbmc)$Symbol
)
library(EnsDb.Hsapiens.v86)
location <- mapIds(EnsDb.Hsapiens.v86,
    keys = rowData(sce.pbmc)$ID,
    column = "SEQNAME", keytype = "GENEID"
)

set.seed(100)
e.out <- emptyDrops(counts(sce.pbmc))
sce.pbmc <- sce.pbmc[, which(e.out$FDR <= 0.001)]
```

Nuestra primera tabla

  • Escribe en tu HTML: “Table 1 es una tabla que nos muestra los outliers de las primeras 20 células”

¿Cómo hacemos el hipervinculo de Table 1?

```{r}
#| label: tbl-p1
#| tbl-cap: Outliers de las primeras 20 células
#| output-location: slide

library(dplyr)
library(gt)

df <- data.frame(e.out[1-20])
df |> 
  slice_head(n = 10) |>
  gt() |>
  tab_header(
    title = "Outliers",
    subtitle = "Outliers de las primeras 20 células"
  )
```

Nuestra primera tabla

Table 1:

Outliers de las primeras 20 células
Outliers
Outliers de las primeras 20 células
Total LogProb PValue Limited FDR
1 NA NA NA NA
0 NA NA NA NA
1 NA NA NA NA
0 NA NA NA NA
1 NA NA NA NA
1 NA NA NA NA
0 NA NA NA NA
0 NA NA NA NA
0 NA NA NA NA
1 NA NA NA NA

Nuestro primer plot

Agrega el chunk y la lista a tu HTML y observa lo que sucede.

```{r}
#| label: fig-p1
#| fig-cap: Tamaño de libreria
#| output-location: slide
#| message: false

## Calculando el tamaño de las librerias

lib.sf.pbmc <- librarySizeFactors(sce.pbmc) # <1>
ls.pbmc <- colSums(counts(sce.pbmc)) # <2>
plot(ls.pbmc, lib.sf.pbmc, log="xy", # <3>
  xlab="Library size", ylab="Size factor") # <3>
```
  1. Estimar factores de normalización
  2. Calcular el tamaño de las librerias
  3. Plot

Nuestro primer plot

Figure 1: Tamaño de libreria

Vamos a cambiar a presentacion

  • Cambia el YAML del output a revealsjs
  • Agrega chalkboard: true

¿Qué sucedió?

Artículos

Para esta sección vamos a ir a quarto-journals.

El fin

MUCHAS GRACIAS

EBM 2023