2. 什么是笔记本以及如何使用它？
笔记本
Drylab Notebook 是一个轻量级、稳定、以笔记本为中心的环境，旨在进行交互式数据探索、可视化和标准分析。它优先考虑简单、快速启动和可重现性。
此环境对于希望拥有一个无许多专业或实验包开销的干净 Jupyter 工作空间的用户来说是理想的。
什么是 Notebook？
每个分析会话都有一个持久的笔记本——一个 .ipynb 文件保存到您的工作区。它记录了会话期间生成的每个代码单元、markdown 单元、bash 命令和脚本文件，使得您的工作可重现且易于共享。
您的笔记本位置：/Your Project/note.ipynb
核心功能
交互式分析
通过 Jupyter 使用 Python、R 和 Bash 笔记本
逐步数据探索
快速迭代分析和图形
统计分析
描述性统计和假设检验
回归和经典机器学习
大规模和单细胞数据的差异表达
轻量级转录组学工作流程
基本的 RNA-seq 和 scRNA-seq 分析
聚类、降维、可视化
简单的轨迹和拟时间分析
报告和可视化
达到出版标准的图表
表格和汇总统计
可共享的笔记本和报告
包含工具（高级）
Python
核心科学栈：NumPy、Pandas、SciPy、scikit-learn
可视化：Matplotlib、Seaborn、Plotly
转录组学：Scanpy、AnnData
基因组学实用工具：pysam、Biopython
文件格式：HDF5、Parquet、Excel
R
Tidyverse 风格的数据操作
Seurat 和 SeuratObject
Bioconductor 核心（DESeq2、edgeR、limma）
单细胞基础设施（SingleCellExperiment、scater、scran）
基本的轨迹和空间支持（slingshot、SpatialExperiment）
系统及运行时
带有 Python、R 和 Bash 内核的 Jupyter 服务器
最少的生物信息学 CLI（samtools、bedtools、bcftools）
优化以实现稳定性和低开销
典型应用
探索性数据分析
教学和培训
用于手稿的图形生成
在扩大规模前的初步分析
新学习计算生物学的用户
细胞类型
类型 | 目的 | 示例 |
|---|---|---|
| 运行 Python （或 R） |
|
| 记录您的工作 | 标头、笔记、标题 |
| Shell 命令 |
|
| 将脚本写入磁盘 | R 脚本，配置文件 |
关键笔记本操作
append — 在指定索引处添加一个新单元（默认用于新代码）
edit — 原地修改单元（仅限简单的拼写错误/参数修正）
Ai edit — 使用 AI 修改单元
edit_and_move — 删除错误单元并在末尾重新添加修正版本。调试后使用此功能，以确保笔记本自上而下正确运行。
如何打开笔记本
点击右上角的“笔记本”选项卡以打开笔记本窗口。使用顶部的“预览/编辑”按钮在它们之间切换。
预览模式
笔记本的只读视图
将 markdown 单元渲染为格式化文本（标头、表格、粗体等）
显示上次运行的所有单元输出（图表、表格、打印结果）
使用此功能来查看您的工作、分享结果或阅读文档
不能进行意外编辑
编辑模式
交互模式，您可以在其中编写和修改单元
Markdown 单元显示原始语法（例如
## 标题，*粗体**）代码单元完全可编辑并具有语法高亮
您可以添加、删除、重新排序或修改任何单元
在积极进行分析时使用此功能