一、immunedeconv包的下载与安装
immunedeconv包：用于根据组织RNA测序数据估算免疫细胞组分的计算方法。该包的资源不同于一般的R包，并没有储存在CRAN或者bioconductor中。在github中查找immunedeconv，搜索页面出来的第一个就是可供R语言调用的immunedeconv包。点击进入便可以找到immunedeconv包的相关内容，以及下载、使用等相关信息。
点击进入，页面的最下方就是immunedeconv包下载的源代码，这是调用remote包中的install．github（）函数进行下载。
执行命令如下：
install．packages（＂remotes＂）
remotes：：install＿github（＂icbi－lab／immunedeconv＂
网络差！以上代码执行失败，另寻他法。
尝试1：通过各种查阅资料，使用devtool包中的install．github（），依然报错了，使用remotes：：install＿github（＂icbi－lab／immunedeconv＂）和devtool：：install．github（＂icbi－lab／immunedeconv＂），都出现下面的错误：
尝试2：继续百度，找到一个类似的情况，＂invalid multibyte string＂提示此处存在错误编码字符。在这里附上原文标题，需要的朋友们可以参考一下，简书《［R｜报错解决］Error in nchar（object， type ＝ ＂chars＂） ： invalid multibyte string， element 1》。
最终，多次努力之下如愿下载、安装、成功加载immunedeconv包（以下展示）。具体的过程就不再展示了，因为下载immunedeconv包需要的依赖包较多，而每个人的计算机已有的内置包不一样，所以每个人可能会遇到的一些问题不一样。总之，报错提示差什么就补什么。 执行命令如下：
＃＃＃＃＃＃＃＃＃安装immunedeconv＃＃＃＃＃＃＃＃＃＃
library（devtools）
Sys．setlocale（category ＝ ＂LC＿ALL＂，locale ＝ ＂us＂） ＃调整内码格式
install＿github（＂icbi－lab／immunedeconv＂）
library（＂immunedeconv＂）
ls（＂package：immunedeconv＂）
＃ ［1］ ＂dataset＿racle＂
＃ ［2］ ＂deconvolute＂
＃ ［3］ ＂deconvolute＿cibersort＂
＃ ［4］ ＂deconvolute＿epic＂
＃ ［5］ ＂deconvolute＿mcp＿counter＂
＃ ［6］ ＂deconvolute＿quantiseq＂
＃ ［7］ ＂deconvolute＿quantiseq．default＂
＃ ［8］ ＂deconvolute＿timer＂
＃ ［9］ ＂deconvolute＿xcell＂
＃ ［10］ ＂deconvolution＿methods＂
＃ ［11］ ＂eset＿to＿matrix＂
＃ ［12］ ＂get＿all＿children＂
＃ ［13］ ＂make＿bulk＿eset＂
＃ ［14］ ＂make＿random＿bulk＂
＃ ［15］ ＂map＿cell＿types＂
＃ ［16］ ＂map＿result＿to＿celltypes＂
＃ ［17］ ＂scale＿to＿million＂
＃ ［18］ ＂set＿cibersort＿binary＂
＃ ［19］ ＂set＿cibersort＿mat＂
＃ ［20］ ＂timer＿available＿cancers＂
＃ ［21］ ＂xCell．data＂
二、 deconvolute＿xcell（）的文件分析
deconvolute＿xcell（ ） 是immunedeconv包中的一种基于基因表达标志，用于评估混合组织中的64种免疫和基质细胞类型组成的计算方法。故首先用它来分析手头的已有bulk array基因表达矩阵。
第一步：准备表达矩阵（行名已注释为gene symbol，与immunedeconv包中要求的hugo 基因名一致；列名为样品名）并写入R．
temptable＜－read．table（file ＝＂GSE10186＿annotated＿exprSet．txt＂ ，header ＝ TRUE，sep ＝ ＂ ＂，row．names ＝ 1）
测试读取出内容如下：
第二步：执行deconvolute＿xcell（）并查看结果
abc ＜－ deconvolute＿xcell（gene＿expression＿matrix ＝ temptable ，arrays ＝ TRUE）
knitr：：kable（abc［1：5，1：5］， digits＝2）
＃ ｜ ｜ GSM256425｜ GSM256426｜ GSM256427｜ GSM256428｜ GSM256429｜
＃ ｜：－－－－－－－－－－｜－－－－－－－－－：｜－－－－－－－－－：｜－－－－－－－－－：｜－－－－－－－－－：｜－－－－－－－－－：｜
＃ ｜aDC ｜ 0．00｜ 0．03｜ 0．03｜ 0．04｜ 0．04｜
＃ ｜Adipocytes ｜ 0．07｜ 0．09｜ 0．09｜ 0．08｜ 0．10｜
＃ ｜Astrocytes ｜ 0．00｜ 0．00｜ 0．00｜ 0．00｜ 0．00｜
＃ ｜B－cells ｜ 0．02｜ 0．00｜ 0．00｜ 0．07｜ 0．00｜
＃ ｜Basophils ｜ 0．00｜ 0．13｜ 0．05｜ 0．06｜ 0．14｜
第三步：将结果保存为．csv文件。
write．csv（file ＝ ＂GSE10186＿Xcell．csv＂）
三、for循环进行文件批量处理＃
1．将所有要分析的同类型文件放在同一个文件夹下，将其设置为当前工作路径
＃1．1获取该文件夹下的文件名和文件个数（我这里共有6个文件）
files＜－dir（）
files
＃ ［1］ ＂GSE10186＿annotated＿exprSet．txt＂ ＂GSE116174＿annotated＿exprSet．txt＂
＃ ［3］ ＂GSE14520＿GPL3921＿annotated＿exprSet．txt＂ ＂GSE14520＿GPL571＿annotated＿exprSet．txt＂
＃ ［5］ ＂GSE364＿annotated＿exprSet．txt＂ ＂GSE54236＿annotated＿exprSet．txt＂
n ＜－ length（files） ＃6L
＃2． for循环语句
＃2．1 简单试一试for循环是否可以正确执行。这里用的是批量提取文件的名称，并进行重命名
for （ i in 1：n）｛
print（paste（strsplit（files［i］，＂＿＂）［［1］］［1］，＂＿＂，i，＂＿Xcell．csv＂））
｝
＃2．2 正式进入循环：读入文件－执行deconvolute＿xcell（）－写出．csv文件，共循环6次。
for （ i in 1：n）｛
temptable＜－read．table（file ＝ files［i］，header ＝ TRUE，
sep ＝ ＂ ＂，
row．names ＝ 1，
quote ＝ ＂＂）
deconvolute＿xcell（gene＿expression＿matrix ＝ temptable ，
arrays ＝ TRUE） ％＞％
write．csv（file ＝ paste（strsplit（files［i］，＂［＿］＂）［［1］］［1］，＂＿＂，i，＂＿Xcell．csv＂））
｝
最终的结果：
四、批量处理过程中遇到的问题及解决方法
尽管自己认为for循环已经写得很完美了，但刚开始其实并没有想象中的那么顺利，囧…… 文件内容不变，还是刚开始的文件。但是系统一直报错：大意是结果只返回了第一条。在读文件的时候遇到了问题。具体什么原因，我就不得而知了，只有一步一步来尝试。
解决思路：
为什么结果只返回第一条？试一试循环，看是不是循环出问题了。可以看出，循环没有问题，因为可以输入6个结果；故可排除循环出问题的可能性。问题就出在读入文件－执行deconvolute＿xcell（）－写入．csv文件中。
既然不能循环，那就只有拆分开来处理。如下：依次处理，依次看每一步的执行情况。 第一个顺利。
oh．．．．．．第二个好像出问题了？原来for循环的问题出现在这里。
打开原文件查看，肉眼并不能发现数据格式问题。既然它继续提示字符带有引号（尽管在数据处理之前我已经统一去除了引号，这里为什么会这样提示，我也不知道原因），那就去掉引号吧。 read．table（）中quote＝＂＂参数可以用于指定包围字符型数据的字符。
增加该参数后，再次执行第二个文件的数据处理，结果就很顺利。在后面的4个文件中，也使用该参数，鉴定完毕，其他几个文件没有问题。
最后再次尝试for循环：在for循环中添加该参数，再次执行for循环。结果不出意料，非常顺利。就是我上面展示的“2．2 正式进入循环：读入文件－执行deconvolute＿xcell（）－写出．csv文件，共循环6次”后的结果了。
结论：在执行for循环的时候，例如从第1个文件到第20个文件，如果在第5个文件处出错，那么系统就可以执行到第4个文件，然后提示返回第1个文件，故我们需要解决第5个文件的问题。唯有解决第5个文件的问题，或者跳过第5个文件，才可以继续执行第6个文件到第20个文件的命令。
