最近做差异基因分析，需要将差异基因表达量映射到 KEGG 通路上生成 pathway 图。我用 Bioconductor 的 pathview 包出图后发现节点大得离谱、颜色也不对。在 AI 帮助下解决了问题，还学到一种新的打补丁方式。

之前我写过一篇博客，记录了我用pixi的tasks功能来修复Bioconductor包（如GenomeInfoDbData、BSgenome.Hsapiens.UCSC.hg38等）安装后缺依赖的问题。当时我只知道问题存在，但并不清楚根因，只是提供了一个不太理想的解决方案。

但是最近在AI的回答中，我搞清楚了真正的原因——这一切都源于Conda生态中的 post-link 脚本机制。

在上次尝试了对conda‑forge的包做小贡献之后，我想继续来点更进阶的：尝试将 singler‑py 这个 Python 包发布到 conda 生态中。结果不做不知道，一做…还有点麻烦…

在生物信息学绘图中，我们经常需要处理包含成千上万个数据点的图形，例如单细胞RNA测序的散点图。这类图形在保存为PDF等矢量格式时会面临文件过大、渲染缓慢的问题（除了AI其他软件基本都会直接死机），因为矢量图会记录每个数据点的坐标、颜色、大小等属性，导致PDF文件包含大量对象，进而影响查看和编辑的效率。

短时间内，我碰到两次需要修复R函数Bug的情况了，也顺便学习了一下如何进行热替换…

只要活的够久，就会见到足够多的囧事情。

从事生物信息分析，研究方向越前沿，就要面临越多来自信息侧的问题。即使是文章发的非常好，原作者共享了代码，甚至写了现成软件工具，也不代表我们能轻松顺利的用这些现成的东西来复现或进行研究，混乱的环境设置只是一方面，更多时候，由于软件作者并不是专业的软件工程师，工具功能大致能用已经谢天谢地了，不能奢望这些软件没有一点毛病，更不能奢望有性能可言（除非开发时性能本来就是开发点）。即使这工具来自于有实力的大实验室，很多时候也不能幸免，比如… Azimuth。

在使用pixi管理生物信息学分析环境时，经常会遇到一些Bioconductor的R包安装后出现依赖缺失的问题。目前暂不清楚这个问题的原因，用了pixi一年了，这个问题到目前为止（2025.10）也木有修复，因此本文介绍如何通过pixi tasks功能来解决这类问题。

在我们现在基于scanp的单细胞流程中，有一步需要将AnnData对象保存为loom格式。但是与保存为h5ad不同，当我们不做任何处理，将AnnData对象写入loom文件后再次读取时，会发现obs和var的索引（index）信息丢失了，这些索引（通常是细胞条形码和基因名）变成了普通的数字编号。

Milo是一种用于单细胞RNA测序数据的差异丰度分析方法，能够检测不同条件下细胞邻域的组成变化。