debug template qmd

- add library packages
- update figure path

Author: MartinaHYang

Template/visualization_guidance_CH.qmd

@@ -1,161 +1,177 @@
----
-title: "Contribution_guidance"
----
-
-
-对于可视化教程的示例指导
-
-## Example
-
-【Figure. 示例图】
-
-展示以上示例图的标题/图注，并对示例图xy轴或其他标识物的含义解读。
-
-## 环境配置
-
--   系统要求 跨平台（Linux/MacOS/Windows）
-
--   编程语言: R
-
--   依赖资源: （填充可视化教程依赖的R包或其他资源）
-
-```{r packages setup, message=FALSE} #代码示例----- # Installing necessary packages if (!requireNamespace("readr", quietly = TRUE)) {   install.packages("readr") }  # Loading the libraries library(readr)      # Read tsv files}
-```
-
-## 数据准备
-
--   需包含R内置的数据集（如iris、penguins）和生物医学相关数据集（如组学数据、生存信息、临床指标等）。
--   生物医学相关数据集需上传至Bizard腾讯云以便获取插入教程的链接，来自于公共数据集的数据最佳，若由个人/组织提供需确保数据能够被公开。数据集大小需小于1MB。
-
-```{r load data, message=FALSE}
-# 数据读入和处理代码可以自由选择是否展示------
-# 读取 TSV 数据
-data <- readr::read_tsv("https://bizard-1301043367.cos.ap-guangzhou.myqcloud.com/TCGA-LIHC.htseq_counts.tsv.gz")
-
-# 筛选并重塑第一个基因 TSPAN6 的数据(Ensembl ID: ENSG00000000003.13)
-data1 <- data %>%
-  filter(Ensembl_ID == "ENSG00000000003.13") %>%
-  pivot_longer(
-    cols = -Ensembl_ID, 
-    names_to = "sample", 
-    values_to = "expression"
-  ) %>%
-  mutate(var = "var1")  # 添加一列来区分变量
-
-# 筛选和重塑第二个基因 SCYL3 的数据 (Ensembl ID: ENSG00000000457.12)
-data2 <- data %>%
-  filter(Ensembl_ID == "ENSG00000000457.12") %>%
-  pivot_longer(
-    cols = -Ensembl_ID, 
-    names_to = "sample", 
-    values_to = "expression"
-  ) %>%
-  mutate(var = "var2")  # 添加一列来区分变量
-
-# 合并两个数据集
-data12 <- bind_rows(data1, data2)
-
-# 查看最终的合并数据集
-head(data12)
-```
-
-## 可视化
-
-### 1. 基础绘图
-
-使用基础函数绘制图片的图注和简介。
-
-例：\@fig-BasicHist 显示了 TSPAN6基因在不同样本中的表达水平分布。
-
-```{r fig1BasicHist}
-# 基础绘图代码示例-----
-#| label: fig-BasicHist
-#| fig-cap: "Basic Histogram"
-#| out.width: "95%"
-#| warning: false
-
-# 基础柱状图
-p1 <- ggplot(data1, aes(x = expression)) +
-  geom_histogram() + 
-  labs(x = "Gene Expression", y = "Count")
-
-p1
-```
-
-补充基础代码可以扩展的重要参数，并提供对应的绘图代码。 
-例：
-::: callout-tip
-**关键参数: `binwidth` / `bins`**
-
-`binwidth` 或 `bin`参数决定了每个分区包含多少数据。修改这些值会极大地影响直方图的外观和传递的信息。
-:::
-
-```{r fig2binwidth/bins}
-# 代码示例（以补充参数bins为例）-----
-#| label: fig-bins
-#| fig-cap: "Key Parameters: `binwidth` / `bins`"
-#| fig.width: 8
-#| fig.heright: 2
-#| out.width: "95%"
-#| warning: false
-
-p2_1 <- ggplot(data1, aes(x = expression)) +
-  geom_histogram(bins = 30, fill = "skyblue", color = "white") +
-  ggtitle("Bins = 30") + 
-  labs(x = "Gene Expression", y = "Count")
-
-p2_2 <- ggplot(data1, aes(x = expression)) +
-  geom_histogram(bins = 50, fill = "skyblue", color = "white") +
-  ggtitle("Bins = 50") + 
-  labs(x = "Gene Expression", y = "Count")
-
-cowplot::plot_grid(p2_1, p2_2)
-```
-
-### 2. 更多进阶图表 (例：密度曲线和柱状图结合)
-
-介绍复杂的可视化类型，例如使用包含更多自定义参数的函数、使用多种基础图表叠加、添加统计学检验等。 
-例：密度曲线可以平滑地表示数据分布。直方图依赖于分位数，而密度曲线则不同，它使用核密度估计(KDE)来平滑分布。这样就能更清楚地了解数据的整体趋势和形状。
-
-```{r fig3w/Density Curve}
-# 进阶绘图代码示例-----
-#| label: fig-DensityCurve
-#| fig-cap: "Histogram with Density Curve"
-#| out.width: "95%"
-#| warning: false
-
-p1 <- ggplot(data1, aes(x = expression)) +
-  geom_histogram(aes(y = after_stat(density)), bins = 30, fill = "skyblue", color = "white") +
-  geom_density(alpha = 0.2, fill = "#FF6666") + 
-  labs(x = "Gene Expression", y = "Density")
-
-p1
-```
-
-如果你有需要的话可以选择使用`callout-tip`添加对参数的详细描述。
-
-## 应用
-
-展示可视化图表在生物医学文献中的实际应用，如果基础图表/进阶图表被广泛应用在各类生物医学文献，则可以选择分别展示。
-
-例： 
-### 1. 基础柱状图的应用
-
-::: {#fig-HistApplications}
-![](images/Hist_app1.jpeg){fig-alt="HistApp1" fig-align="center" width="60%"}
-
-基础柱状图的应用
-:::
-
-图 9 显示了 n = 6时人类X染色体和人类Y染色体直方图相对频率的差异。 \[1\]
-
-需补充图片图注和来源文献信息。可视作者意愿补充对该图的代码复现。
-
-## 参考文献
-
-例： 1. Costa, A. M., Machado, J. T., & Quelhas, M. D. (2011). Histogram-based DNA analysis for the visualization of chromosome, genome, and species information. *Bioinformatics, 27*(9), 1207–1214. <https://doi.org/10.1093/bioinformatics/btr131>
-
-## 共享者
-
--   **编辑**: 您的姓名。
--   **审阅**: 审阅者姓名。
+---
+title: "Contribution_guidance"
+---
+
+
+对于可视化教程的示例指导
+
+## Example
+
+【Figure. 示例图】
+
+展示以上示例图的标题/图注，并对示例图xy轴或其他标识物的含义解读。
+
+## 环境配置
+
+-   系统要求 跨平台（Linux/MacOS/Windows）
+
+-   编程语言: R
+
+-   依赖资源: （填充可视化教程依赖的R包或其他资源）
+
+```{r packages setup, message=FALSE} 
+#代码示例----- 
+# Installing necessary packages
+if (!requireNamespace("readr", quietly = TRUE)) {
+  install.packages("readr")
+}
+if (!requireNamespace("ggplot2", quietly = TRUE)) {
+  install.packages("ggplot2")
+}
+if (!requireNamespace("tidyverse", quietly = TRUE)) {
+  install.packages("tidyverse")
+}
+
+# Loading the libraries
+library(readr) 
+library(ggplot2) 
+library(tidyverse)
+```
+
+## 数据准备
+
+-   需包含R内置的数据集（如iris、penguins）和生物医学相关数据集（如组学数据、生存信息、临床指标等）。
+-   生物医学相关数据集需上传至Bizard腾讯云以便获取插入教程的链接，来自于公共数据集的数据最佳，若由个人/组织提供需确保数据能够被公开。数据集大小需小于1MB。
+
+```{r load data, message=FALSE}
+# 数据读入和处理代码可以自由选择是否展示------
+# 读取 TSV 数据
+data <- readr::read_tsv("https://bizard-1301043367.cos.ap-guangzhou.myqcloud.com/TCGA-LIHC.htseq_counts.tsv.gz")
+
+# 筛选并重塑第一个基因 TSPAN6 的数据(Ensembl ID: ENSG00000000003.13)
+data1 <- data %>%
+  filter(Ensembl_ID == "ENSG00000000003.13") %>%
+  pivot_longer(
+    cols = -Ensembl_ID, 
+    names_to = "sample", 
+    values_to = "expression"
+  ) %>%
+  mutate(var = "var1")  # 添加一列来区分变量
+
+# 筛选和重塑第二个基因 SCYL3 的数据 (Ensembl ID: ENSG00000000457.12)
+data2 <- data %>%
+  filter(Ensembl_ID == "ENSG00000000457.12") %>%
+  pivot_longer(
+    cols = -Ensembl_ID, 
+    names_to = "sample", 
+    values_to = "expression"
+  ) %>%
+  mutate(var = "var2")  # 添加一列来区分变量
+
+# 合并两个数据集
+data12 <- bind_rows(data1, data2)
+
+# 查看最终的合并数据集
+head(data12)
+```
+
+## 可视化
+
+### 1. 基础绘图
+
+使用基础函数绘制图片的图注和简介。
+
+例：\@fig-BasicHist 显示了 TSPAN6基因在不同样本中的表达水平分布。
+
+```{r fig1BasicHist}
+# 基础绘图代码示例-----
+#| label: fig-BasicHist
+#| fig-cap: "Basic Histogram"
+#| out.width: "95%"
+#| warning: false
+
+# 基础柱状图
+p1 <- ggplot(data1, aes(x = expression)) +
+  geom_histogram() + 
+  labs(x = "Gene Expression", y = "Count")
+
+p1
+```
+
+补充基础代码可以扩展的重要参数，并提供对应的绘图代码。 
+例：
+::: callout-tip
+**关键参数: `binwidth` / `bins`**
+
+`binwidth` 或 `bin`参数决定了每个分区包含多少数据。修改这些值会极大地影响直方图的外观和传递的信息。
+:::
+
+```{r fig2binwidth/bins}
+# 代码示例（以补充参数bins为例）-----
+#| label: fig-bins
+#| fig-cap: "Key Parameters: `binwidth` / `bins`"
+#| fig.width: 8
+#| fig.heright: 2
+#| out.width: "95%"
+#| warning: false
+
+p2_1 <- ggplot(data1, aes(x = expression)) +
+  geom_histogram(bins = 30, fill = "skyblue", color = "white") +
+  ggtitle("Bins = 30") + 
+  labs(x = "Gene Expression", y = "Count")
+
+p2_2 <- ggplot(data1, aes(x = expression)) +
+  geom_histogram(bins = 50, fill = "skyblue", color = "white") +
+  ggtitle("Bins = 50") + 
+  labs(x = "Gene Expression", y = "Count")
+
+cowplot::plot_grid(p2_1, p2_2)
+```
+
+### 2. 更多进阶图表 (例：密度曲线和柱状图结合)
+
+介绍复杂的可视化类型，例如使用包含更多自定义参数的函数、使用多种基础图表叠加、添加统计学检验等。 
+例：密度曲线可以平滑地表示数据分布。直方图依赖于分位数，而密度曲线则不同，它使用核密度估计(KDE)来平滑分布。这样就能更清楚地了解数据的整体趋势和形状。
+
+```{r fig3w/Density Curve}
+# 进阶绘图代码示例-----
+#| label: fig-DensityCurve
+#| fig-cap: "Histogram with Density Curve"
+#| out.width: "95%"
+#| warning: false
+
+p1 <- ggplot(data1, aes(x = expression)) +
+  geom_histogram(aes(y = after_stat(density)), bins = 30, fill = "skyblue", color = "white") +
+  geom_density(alpha = 0.2, fill = "#FF6666") + 
+  labs(x = "Gene Expression", y = "Density")
+
+p1
+```
+
+如果你有需要的话可以选择使用`callout-tip`添加对参数的详细描述。
+
+## 应用
+
+展示可视化图表在生物医学文献中的实际应用，如果基础图表/进阶图表被广泛应用在各类生物医学文献，则可以选择分别展示。
+
+例： 
+### 1. 基础柱状图的应用
+
+::: {#fig-HistApplications}
+![](../images/Histogram_app1.jpeg){fig-alt="HistApp1" fig-align="center" width="60%"}
+
+基础柱状图的应用
+:::
+
+图 9 显示了 n = 6时人类X染色体和人类Y染色体直方图相对频率的差异。 \[1\]
+
+需补充图片图注和来源文献信息。可视作者意愿补充对该图的代码复现。
+
+## 参考文献
+
+例： 1. Costa, A. M., Machado, J. T., & Quelhas, M. D. (2011). Histogram-based DNA analysis for the visualization of chromosome, genome, and species information. *Bioinformatics, 27*(9), 1207–1214. <https://doi.org/10.1093/bioinformatics/btr131>
+
+## 共享者
+
+-   **编辑**: 您的姓名。
+-   **审阅**: 审阅者姓名。