- 博客(88)
- 收藏
- 关注
RSS订阅原创 数信院开年大促 — 生信服务器
数信院推出年终算力优惠活动，提供独享/共享/VHPC超算全系列服务。活动包含300元抵用券、两年9折三年8折优惠，并配备免费增值服务如预装软件、技术指导等。服务器配置覆盖从入门到顶级科研需求，包括X1-X6型号和VHPC集群，支持各类生信分析任务。独享版服务器提供专属算力，满足不同阶段科研需求。活动旨在为科研人员提供高性价比、便捷高效的算力解决方案。
2026-01-08 17:36:21
518
原创 数信云X3高性能版服务器
摘要：数信云推出三款生信分析共享服务器套餐，满足不同科研需求。X1基础款（1197元/年）适合新手入门；X2进阶款（1597元/年）配备GPU，提升单细胞/AI模型训练效率；X3旗舰款（4997元/年）支持百万级数据分析。全系提供RStudio、Jupyter等工具及预装软件包，并赠送技术指导、装包服务等福利，2-3年套餐享折扣优惠，助力科研效率提升5-10倍。（149字）
2025-12-26 16:19:02
207
原创 数信院生信服务器到底有多猛？
生信分析全面向时代迈进，传统服务器已经越来越难以满足现在的数据分析需求。科研越来越快、数据越来越大，但算力却常常跟不上。数信院正式推出目前生信圈顶级配置：数信院 X3 服务器。
2025-12-10 13:52:59
939
原创 如何在服务器上使用 Gemini 3 进行生信分析：从入门到进阶
Google最新大模型Gemini3正在革新科研绘图流程，让SCI级论文配图实现"一键生成"。该模型具备多模态理解能力，可同时处理文本、图像和实验数据，支持Python/R/MATLAB等语言的代码自动生成与调试。在生物信息学领域，Gemini3能快速完成RNA-seq、ChIP-seq等分析流程，自动产出火山图、热图等专业图表，显著提升科研效率。部署在服务器上时，还能直接处理TB级数据，并通过持续对话优化图形细节。未来，大模型将使科研绘图从耗时环节转变为最轻松的工作步骤之一。
2025-12-08 10:40:23
1127
原创 Claude助力生信分析：零基础快速完成生信分析全流程
【摘要】Claude是由Anthropic开发的大型语言模型，能通过自然语言交互简化复杂的生信分析流程。该工具可实现全自动化分析：从数据质控（FastQC/MultiQC）、序列比对（Bowtie2）、去重复处理，到peak检测（MACS3）、注释分析（HOMER/ChIPseeker）和差异分析（DiffBind），全程无需编写代码。用户只需通过对话指令，Claude即可自动执行命令、生成可视化图表并输出专业报告。该方案显著降低了生信分析门槛，使科研人员能专注于数据解读而非技术细节，标志着生信分析进入智能
2025-12-06 14:32:34
980
原创 为什么要做HIC三维基因组测序？（原理）
摘要：Hi-C技术通过捕捉基因组三维空间接触信息，揭示基因折叠与调控机制。该技术采用甲醛交联、酶切、生物素标记等步骤，结合高通量测序构建基因组立体图谱。相比传统线性研究，Hi-C能解析基因互作网络，对疾病机制研究具有重要意义。改进的in situ Hi-C和4碱基酶切技术提升了分辨率，而HiChIP和HiCUT等衍生技术进一步整合蛋白互作信息，为三维基因组学研究提供更精准的工具。
2025-12-05 14:51:16
730
原创 生物信息分析：Singularity容器技术深度解析与实战指南
摘要：生物信息分析面临环境依赖复杂、版本管理困难、资源竞争激烈等挑战。Singularity容器技术相比Docker更适合HPC环境，具有依赖简单、系统整合度高、无守护进程等优势。文章详细介绍了Singularity的安装步骤，包括GO语言环境配置和镜像构建方法，并演示了从下载镜像、创建沙箱到打包运行的完整流程。该技术通过权限继承机制保障安全性，解决了生物信息分析中的环境可移植性和资源管理问题，为生信流程提供了轻量级容器解决方案。
2025-12-05 14:49:10
943
原创 单细胞测序分析（十一）轨迹分析
摘要 单细胞测序轨迹分析技术（如Slingshot和Monocle3）为解析细胞发育动态提供了有力工具。Slingshot基于最小生成树算法构建非线性发育轨迹，适用于分析小鼠胚胎发育等过程。Monocle3则擅长处理复杂轨迹，在Vα14iNKT胸腺细胞分化研究中展现出优势。两种方法均能识别关键分化节点，并通过伪时间分析揭示基因表达动态变化。分析流程包括数据预处理、轨迹构建和可视化，其中Monocle3还支持3D轨迹展示和差异表达基因检测。这些技术为发育生物学和疾病研究提供了新的分析维度。
2025-12-05 14:45:01
367
原创 Linux服务器必备技能：如何让任务在关闭终端后继续运行？
摘要：本文介绍了四种Linux系统下保持任务持续运行的工具。1）nohup：适合临时任务，简单易用但功能有限；2）screen/tmux：终端复用工具，支持多任务管理和会话保持；3）systemd：系统级服务管理，适合长期运行的生产环境服务；4）Supervisor：专业进程管理工具，提供可视化监控。文章详细说明了每种工具的使用方法、优缺点及适用场景，并建议根据任务性质选择合适的工具，同时强调日志记录和资源监控的重要性。这些工具能有效解决SSH断开或终端关闭导致的任务中断问题。
2025-12-04 10:43:30
730
原创 Claude Code / Gemini CLI / Codex CLI 安装大全（Linux 服务器版）
本文提供了三大AI代码助手(ClaudeCode、GeminiCLI、CodeXCLI)在Linux服务器上的统一安装指南。适用于Ubuntu18.04+/CentOS7+/Debian9+系统，要求Node.js18+/20+环境。安装步骤包括：1)安装Node.js；2)通过npm安装对应工具；3)在数信云BIOAPI控制台获取专用Token；4)配置环境变量或设置文件；5)启动工具。三个工具分别需要配置不同的目录和参数，但都使用数信云API作为后端服务。文章最后提供了三大工具的对比表格，包括安装命令、
2025-12-04 10:35:57
1445
原创 GPT-5-Codex VS Gemini 3 VS Claude Sonnet 4.5 新手小白入门学习教程
AI工具正在改变生物信息学工作方式，三大主流模型各有优势：Claude擅长全流程分析脚本生成，GPT-5-Codex注重操作安全性控制，Gemini3在多模态绘图方面表现突出。测试显示，Claude对生物信息学理解最深，能直接生成可执行的Snakemake脚本；GPT-5-Codex提供安全模式选择；Gemini3在文献图表复现方面表现出色。这些工具使零代码完成生信分析成为可能，显著降低了分析门槛。数信云服务器已集成三大模型，为用户提供开箱即用的生信分析环境。
2025-12-04 10:29:20
1100
原创 单细胞测序分析（八）手动注释细胞
大家好！上一期我们深入探讨了单细胞测序分析中的自动注释细胞方法。在本期中，我们将讨论单细胞测序分析的另一个重要步骤——。虽然自动注释工具提供了高效的解决方案，但在复杂的生物学问题或特殊实验设置下，手动注释依然不可或缺。
2025-12-02 14:22:20
273
原创 单细胞测序分析（七）自动注释细胞
自动注释细胞是指利用已有的数据库或机器学习模型，将测序得到的单细胞数据进行分类，识别出细胞的类型、亚型及其可能的功能。不同于传统的手动标注方法，自动注释通过算法和已有标注的基因表达谱进行推断，能够快速、系统地识别出数据中的细胞群体。
2025-12-02 14:16:24
407
原创 单细胞测序分析（六）过滤双细胞
在单细胞RNA测序中，我们希望对每个单独的细胞进行测序分析。然而，在样本制备过程中，可能会出现多个细胞聚集在一起的现象，形成所谓的“双细胞”或“多细胞”。双胞的存在可能会对下游分析（如聚类、差异表达等）产生误导，因此在分析过程中识别和过滤双胞是一个重要的步骤。
2025-12-02 14:13:45
274
原创 单细胞测序分析（五）降维聚类&数据整合
FindNeighbors 函数用于计算数据集中每个细胞的 k 个最近邻居，并可选构建共享近邻图（SNN），通过计算每个细胞和其 k 个最近邻居之间的邻域重叠（Jaccard 指数）来实现。作为科研创新的一部分，我们还为用户提供免费的AI技术服务，帮助您在数据分析、预测建模等方面提升研究效率，为您的科研成果加速赋能。4.海量实用脚本资源：即拿即用，效率翻倍。计算资源：如果计算资源有限，RPCAIntegration 是一个高效的选择，而 scVIIntegration 适合在有 GPU 资源时使用。
2025-12-02 14:09:09
1091
原创 如何使用服务器R绘制lr通讯弦图？
摘要：LR通讯弦图是一种用于可视化细胞间配体-受体信号通路的环形网络图。该图通过圆形布局展示不同细胞类型（扇区）及其配体-受体相互作用（弦连接），其中弦的粗细和颜色反映通讯强度。本文详细介绍了使用R语言（Seurat、CellChat和circlize包）分析PBMC单细胞数据并绘制LR通讯弦图的完整流程，包括数据预处理、细胞注释、通讯网络分析和可视化步骤。该方法可应用于免疫微环境等研究，直观展示细胞间关键信号通路。数信院提供高性能服务器和专业生信技术支持服务，助力科研分析。
2025-12-02 13:57:36
602
原创 单细胞测序分析（三）质控和过滤（动态参数）
本文介绍了单细胞RNA测序数据分析中的质控和过滤环节。质控是确保数据质量的关键步骤，主要关注细胞总RNA数目、基因数目、线粒体基因比例等指标。文章详细演示了如何在Seurat中添加线粒体、核糖体等基因信息，并通过可视化评估数据质量。同时介绍了两种过滤方法：固定参数过滤和基于中位数/MAD的动态参数过滤。最后简要介绍了数信院云服务器在科研计算中的优势。这些步骤为后续单细胞数据分析奠定了质量基础。
2025-12-01 12:44:09
383
原创 数信院用户-生信免费答疑
数信院提供专业生物信息学答疑服务，帮助科研人员解决代码报错、算法选择、数据分析等难题。服务特色包括：1）硕博团队支持，涵盖多组学领域技术指导；2）个性化解决方案，优化分析流程；3）快速响应机制。购买共享/独享服务器可获赠答疑服务，实现算力资源与技术指导的无缝衔接，助力科研突破。
2025-12-01 12:42:36
601
原创 单细胞测序分析（二）从不同文件构建seurat对象
本文介绍了两种构建Seurat单细胞分析对象的方法：1) 从H5文件导入原始计数数据，使用Read10X_h5()函数读取；2) 从处理过的表达矩阵(如TPM/FPKM)导入。对于多样本分析，建议将每个样本构建为单独的Seurat对象并存入列表，可通过循环批量处理。文章还提供了常见问题的解决方案：H5文件版本匹配、基因ID转换、细胞过滤阈值调整等注意事项，帮助用户顺利完成数据导入步骤。
2025-12-01 12:39:36
219
原创 单细胞测序分析（一）软件安装&准备测序数据
和Scanpy是两个流行的单细胞 RNA 测序（scRNA-seq）分析工具，它们分别基于 R 和 Python 语言开发。两者在功能、性能、可扩展性和用户友好性等方面各有优劣，适合不同的科研需求。（非友商一般去租用三方云服务器，坚持每一个环节所需硬件都做到自行采购，做到完全自主化，硬件升级不设上限）。：处理10x Genomics单细胞数据，完成原始序列（FASTQ）到基因表达矩阵的转换。：单细胞数据庞大，建议预留充足硬盘空间（处理10x数据需>50GB）。
2025-12-01 12:34:53
906
原创 纯小白也能看懂的R单细胞分析-特殊的标准化策略（加标归一化）
摘要：本文介绍了单细胞RNA测序数据中的加标标准化方法，该方法通过引入外源性RNA来校正技术偏差。作者使用RichardTCellData数据集，演示了如何通过computeSpikeFactors()函数计算加标大小因子，并与反卷积大小因子进行对比分析。结果显示不同归一化方法会导致基因表达模式和方向的显著差异，特别是对Malat1基因的分析表明归一化策略会影响生物学解释。文章强调选择归一化方法需考虑实验目的，若总RNA含量变化反映生物学信号，加标标准化可能更合适，而直接应用内源基因大小因子可能导致过度归一
2025-12-01 11:28:50
501
原创 为什么要做单细胞转录组？
单细胞转录组技术：打开精准医疗新维度 单细胞RNA测序技术自2009年诞生以来，已发展成研究细胞异质性的利器。相比传统转录组测序，该技术能精确解析不同细胞类型的基因表达特征，识别稀有细胞亚群（如0.1%的循环肿瘤细胞），揭示干细胞分化轨迹。以10x Genomics为代表的平台通过微流控技术实现高通量单细胞捕获，结合条形码标记和UMI计数，可同时分析数万个细胞。2023年该技术入选《Science》年度突破，全球相关论文增长67%，市场规模预计2025年达78亿美元。从阿尔茨海默病研究到临床AML分型试剂盒
2025-11-29 11:23:44
568
原创 单细胞和bulk整合谁最强？scAB和Scissor
摘要：本文介绍两种整合单细胞RNA测序(scRNA-seq)和批量RNA测序(bulkRNA-seq)数据的算法。scAB通过矩阵分解整合数据，输出可进行下游分析的W和H矩阵；Scissor通过构建细胞相似性网络，输出与表型相关的单细胞标签。文章详细展示了两种算法的实现流程，包括数据预处理、参数选择和结果可视化。这两种方法都能提高单细胞数据分析的分辨率和鲁棒性，适用于细胞分群、通路分析和生存分析等任务。相关代码已在共享服务器预装，可直接调用。
2025-11-29 11:20:49
378
原创 纯小白也能看懂的R单细胞分析-找高变基因的基础概念
摘要：本研究通过分析10X Genomics的PBMC单细胞数据，探讨了高度可变基因(HVG)的筛选方法。首先利用DropletUtils包读取原始数据并构建SingleCellExperiment对象，然后采用scran包的modelGeneVar函数计算基因表达方差，区分技术噪声和生物学变异。结果显示，基因表达方差与均值存在相关性，通过拟合趋势线可分离技术成分和生物学成分。最终筛选出生物学变异显著的基因（如LYZ、S100A9等）用于后续分析，这些基因能更好反映细胞间真实的生物学差异。研究还讨论了负生物
2025-11-29 11:17:08
875
原创 纯小白也能看懂的R单细胞分析-放缩对数转换与标准化流程总结
本文介绍了单细胞RNA测序数据的标准化处理流程。主要步骤包括：1）计算三种大小因子（库大小因子、反卷积大小因子和加标大小因子）以校正测序深度差异；2）使用大小因子进行计数归一化；3）对标准化数据进行对数转换以缩小数值范围；4）选择性调整潜在变量；5）将处理后的数据用于下游分析。文中以R语言中的scater包为例，展示了通过computeSumFactors计算大小因子，用logNormCounts实现归一化及对数转换的过程，并指出不同分析工具（如Seurat）可能有不同的标准化方法。
2025-11-29 11:14:26
158
原创 R包安装太麻烦？技术团队帮你预装好了！
数信院生信服务器已预装常用R包和软件，覆盖转录组、表观组、基因组分析及可视化等需求，包括Seurat、Signac、limma等工具，并提供测序质控、定量等上游分析软件。用户无需重复配置环境，特殊需求可向技术部提出补充安装。
2025-11-29 11:11:03
225
原创 纯小白也能看懂的R单细胞分析-多种标准化思路
单细胞RNA测序数据的标准化方法比较 摘要：单细胞RNA测序数据存在技术偏差，需要标准化处理以确保生物学差异的准确识别。本文比较了两种标准化方法：基于文库大小的归一化通过调整总RNA计数校正技术偏差，但可能受基因表达不平衡影响；反卷积归一化则通过聚类和联合因子计算提高精度，能更准确反映单细胞特性。实验使用Zeisel数据集，结果显示反卷积方法能有效校正文库大小因子的偏差，特别是在细胞类型分类时表现更优。标准化方法的选择应取决于具体分析目标，反卷积策略更适合处理细胞异质性较大的数据集。
2025-11-28 13:12:38
635
原创 文献分享|ARD|单细胞测序揭示肾脏CD163+树突状细胞参与人类狼疮性肾炎
中山大学附属第一医院研究发现狼疮性肾炎(LN)患者肾脏中存在CD163+树突状细胞(DC3s)亚群，具有强促炎和抗原呈递能力。通过单细胞测序分析40例LN患者肾脏样本，发现DC3s与疾病严重程度相关，并能预测治疗反应。研究表明DC3s通过iPTEC-CD163+DC-T细胞轴促进炎症反应，揭示了其在LN发病机制中的关键作用。该发现为LN诊治提供了新靶点，DC3s可作为疗效预测标志物。研究成果发表于影响因子27.4的期刊。
2025-11-28 13:10:19
656
原创 文献分享|NG|人类肾脏单细胞多组学和空间分析表明肾脏疾病进展中的纤维化微环境
摘要：Katalin Susztak团队在《Nature Genetics》发表研究，通过单细胞多组学和空间转录组技术分析人类肾脏，揭示纤维化微环境(FME)在肾病进展中的作用。研究整合338,565个细胞数据，构建多模态肾脏图谱，发现FME与ECM基因表达及纤维化程度正相关。研究发现受损近曲小管细胞(iPT)的异质性及其在FME中的富集，并鉴定出VCAM1+和HAVCR1+两种iPT亚型。生存分析表明高FME基因负荷样本更易进展为终末期肾病，证实FME基因可作为预后标志物。该研究为肾病机制和治疗提供了新见
2025-11-28 13:04:33
453
原创 Python单细胞分析-映射到引用的注释（下）
本文介绍了基于KNN的细胞类型标签转移方法。首先构建加权KNN模型（k=15），将参考数据集的细胞类型标签转移到查询数据集，并计算每个细胞标签转移的不确定性分数。通过UMAP可视化转移标签分布，使用箱线图分析不同类型的不确定性水平。设置阈值（0.2）将高不确定性细胞标记为"Unknown"。该方法不仅能实现跨数据集细胞类型注释，还能通过不确定性分析识别潜在新细胞类型或异常状态，为单细胞数据分析提供可靠注释和进一步研究方向。
2025-11-28 12:59:02
271
原创 生信领域地球最强CPU服务器
数信云重磅升级生信计算平台，推出顶级配置服务器：搭载768线程处理器、2.3T DDR5内存和双RTX5090旗舰GPU，算力较传统配置提升5-8倍。新平台支持大规模基因组分析、蛋白质预测等复杂任务，实现多任务并行处理。提供预装生信工具链和R/Python环境，支持SSH、RStudio和JupyterHub等多种访问方式，并配备专业技术团队提供7×24小时支持。首发用户可享专属定制服务和优先体验一站式分析平台。
2025-11-28 12:49:31
1156
原创 Python单细胞分析-映射到引用的注释（中）
本文介绍了基于参考模型的单细胞数据注释方法。通过将查询数据映射到经过训练的骨髓样本参考模型，利用scArches算法进行训练和潜在空间嵌入计算。结果显示查询数据与参考数据在UMAP可视化中部分混合，表明映射成功。文章还展示了基于KNN的标签传输方法原理，即通过查询细胞在参考数据中的最近邻细胞类型分布来推断其类型。最后提到可利用数信院服务器处理大规模单细胞数据。该方法通过整合多批次训练的良好注释参考模型，提高了注释的鲁棒性和准确性。
2025-11-27 10:58:28
390
原创 Python单细胞分析-映射到引用的注释（上）
你使用参考数据集中的注释信息（如肾小管上皮细胞、巨噬细胞等的标记基因表达模式）作为“参考”，并将查询数据集中的每个细胞映射到参考数据集中的最相似细胞群体。如果查询数据集中的某个细胞的基因表达模式与参考数据集中的肾小管上皮细胞非常相似，那么你就可以为查询数据集中的这个细胞分配“肾小管上皮细胞”标签。或者，它可以是已发布的且理想情况下经过精心策划的现有参考。scArches 将用作基于参考映射的标签传输的示例，它以现有的（基于变分自动编码器的）模型为基础，该模型将参考数据嵌入到低维、批量校正的空间中。
2025-11-27 10:50:24
654
原创 纯小白也能看懂的R单细胞分析-批次之前如何选择高变基因？
摘要：批次效应是实验中由不同批次处理引入的系统性误差，可能掩盖真实的生物学差异。通过分批次分析高变异基因（HVG），可减少批次效应影响。使用modelGeneVarWithSpikes()函数结合ERCC基因校正技术噪声，对每个批次单独进行趋势拟合和方差分解。可视化显示两批次均值-方差关系相似，表明实验重复性良好。HVG选择需权衡保留基因数量与噪声控制，常用方法是选取生物成分最大的前n个基因。对异质性不同的数据集，可采用不同比例（如10%）选择HVG，并可通过rowSubset()保存多组HVG结果以便后续
2025-11-27 10:43:04
676
原创 为什么做生信的人最终都逃不过一台服务器？
摘要： 生物信息学分析离不开Linux服务器，主要原因有三：一是高通量测序数据量庞大（单个样本可达几十GB），笔记本存储和算力不足；二是服务器配置（大内存、多核CPU、TB级存储）能高效完成比对、组装等计算密集型任务；三是主流生信工具（如BWA、GATK）多在Linux环境优化，命令行脚本更适合批量处理海量数据。服务器通过SSH远程连接，结合多用户管理功能，成为团队协作的高效计算平台。掌握Linux是生信分析的必备技能。
2025-11-27 10:32:01
1063
原创 纯小白也能看懂的R单细胞分析-选择特征基因之量化技术噪声
摘要：本研究探讨了单细胞基因表达数据分析中高变异基因的识别问题。研究发现，细胞类型特异性基因的强烈上调可能导致高丰度基因变异被夸大，影响分析准确性。为解决这一问题，研究提出利用外源性基因（spike-ins）拟合均值依赖趋势的方法，通过分析sce.416b数据集，使用modelGeneVarWithSpikes函数有效区分了生物学变异和技术变异。对于缺乏spike-ins数据的情况，研究建议基于泊松分布假设建立均值-方差关系。研究特别指出，传统认为"无趣"的看家基因（如RPS16、ACT
2025-11-26 12:58:10
430
原创 数信院GPTCelltype又更新了，这次代码更简单！
摘要：数信院技术团队针对国内用户使用GPT模型的问题，对GPTCelltype包进行了适配优化，并更新至GitHub。安装时需先卸载原包，再安装适配版本。用户需在数信院AI平台注册并购买API额度，将获得的令牌设置为环境变量后即可使用。该包通过GPT-4模型自动注释细胞类型，支持Seurat管道或自定义基因列表输入，注释结果可一键添加到Seurat对象中。虽然在大群注释上效果良好，但对亚群注释可能存在偏差，用户可手动修改特定细胞注释。
2025-11-26 12:55:53
448
原创 单细胞和bulk整合谁最强？scAB和Scissor
【摘要】单细胞RNA测序(scRNA-seq)和批量RNA测序(bulkRNA-seq)技术的快速发展产生了海量数据，但scRNA-seq的测序深度较浅限制了其分析精度。scAB和Scissor两种算法通过整合这两种数据类型，提高了分析分辨率。scAB采用矩阵分解方法，输出模块化矩阵用于下游分析；Scissor通过构建细胞相似性网络，标记与表型相关的单细胞。测试表明Scissor运行速度更快，适合大数据量分析。两种算法均已预装在共享服务器，支持Seuratv4/v5对象，为研究者提供了便捷的分析工具。
2025-11-26 12:53:21
751
原创 纯小白也能看懂的R单细胞分析-找高变基因的基础概念
摘要 本研究通过分析10X Genomics外周血单核细胞(PBMC)数据，探讨了单细胞RNA测序中高度可变基因(HVG)的选择方法。研究采用modelGeneVar函数计算基因表达变异，将总方差分解为技术成分(技术噪声)和生物学成分(真实生物变异)。结果显示，如LYZ、S100A9等基因表现出显著生物学变异，而部分基因出现负生物学成分，可能反映技术噪声或转录爆发等无关生物变异。研究强调选择高生物学变异基因对揭示细胞异质性的重要性，并讨论了均值-方差关系建模在区分技术噪声与真实生物变异中的作用。该方法可提高
2025-11-26 12:48:42
645
原创 文献分享|NG | 葡萄泛基因组促进性状遗传学和基因组育种
中国农科院深圳农业基因组研究所周永锋团队在《Nature Genetics》发表研究，构建了首个葡萄图形泛参考基因组Grapepanv1.0，整合了466份葡萄资源的基因组变异数据，绘制了包含SNP、InDel和SV的变异图谱。研究发现结构变异(SV)对15个农艺性状的遗传力贡献超过SNP，通过GWAS定位了148个重要性状相关位点，其中12个由SV揭示。研究还建立了葡萄多性状全基因组选择模型，预测准确率较以往提升16%以上，为葡萄精准育种提供了新工具。该成果不仅解决了单参考基因组偏差问题，也为其他多年生作
2025-11-26 12:44:42
775
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人