<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[生信了]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/biocity</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; biocity]]></copyright><item><title><![CDATA[卡方检验简介]]></title><link>https://blog.youkuaiyun.com/biocity/article/details/127900538</link><guid>https://blog.youkuaiyun.com/biocity/article/details/127900538</guid><author>biocity</author><pubDate>Fri, 18 Nov 2022 11:02:40 +0800</pubDate><description><![CDATA[例如，我们可能对两种治疗后患者的主观改善感兴趣(只使用“是”或“否”回答)，而不是测量个体的 SLR。例如，直腿抬高 (SLR) 的受试者能够将腿抬高大于 0 度，这让我们可以计算两组的平均 SLR，并进行 t 检验。然而考虑到数据中的随机错误，我们没有足够的证据来说明观察到的差异表明了真正的潜在差异。我们检测的 p-value（任何 2×2 table 的卡方检验），是计算出的卡方值到坐标最右侧曲线下的面积。在这个例子中，我们的观测值是分类的而非定量的，所以我们应当关注比例而非均值。]]></description><category></category></item><item><title><![CDATA[TargetMine - 多组学数据整合和药物靶点分析平台]]></title><link>https://blog.youkuaiyun.com/biocity/article/details/127900123</link><guid>https://blog.youkuaiyun.com/biocity/article/details/127900123</guid><author>biocity</author><pubDate>Thu, 17 Nov 2022 11:18:53 +0800</pubDate><description><![CDATA[使用TargetMine分析平台可一次查询多个数据库中的关联信息，从而能够更全面地评估研究目标，减少信息遗漏。同时该平台提供多种富集分析和相互作用分析工具，可对输入数据和查询结果进行进一步分析，减少多个工具的交叉使用。]]></description><category></category></item><item><title><![CDATA[免疫受体 AIRR 分析平台 immuneML 简介]]></title><link>https://blog.youkuaiyun.com/biocity/article/details/127003955</link><guid>https://blog.youkuaiyun.com/biocity/article/details/127003955</guid><author>biocity</author><pubDate>Fri, 23 Sep 2022 09:14:29 +0800</pubDate><description><![CDATA[免疫系统在肿瘤分型和治疗中发挥着重要的作用。TCR 和 BCR 都属于适应性免疫受体 Adaptive immune receptor repertoires (AIRR)。AIRR 组成信息结合 MHC，年龄，性别等，在基于受体库的预测和分析免疫状态（健康，疾病，感染等）方面有特殊作用，可应用于疾病诊断。基于序列的抗原和表位结合预测对 AIR-based 的治疗靶标发现和工程化改造具有重要意义。]]></description><category></category></item><item><title><![CDATA[单细胞组学简介]]></title><link>https://blog.youkuaiyun.com/biocity/article/details/126901413</link><guid>https://blog.youkuaiyun.com/biocity/article/details/126901413</guid><author>biocity</author><pubDate>Sat, 17 Sep 2022 11:04:01 +0800</pubDate><description><![CDATA[我们知道生命过程是建立在细胞时空动态调控的基础上的。比如，胚胎发育过程中，随着时间推进，细胞不断分裂、分化、成熟；其过程同时也受到空间信息的调控，比如周边细胞的细胞间通讯。最小的生命单位是细胞，我们可以对细胞进行测序来研究其动态变化过程。05 年左右兴起的 bulk 测序以其高通量的优点迅速成为生命科学领域的重要研究手段，并大大推动了该领域的研究进展。bulk 测序往往是将一群细胞混合在一起测序，难以捕捉细胞间可能存在的异质性。]]></description><category></category></item><item><title><![CDATA[TogoID - 生物医学数据库ID转换工具]]></title><link>https://blog.youkuaiyun.com/biocity/article/details/126793989</link><guid>https://blog.youkuaiyun.com/biocity/article/details/126793989</guid><author>biocity</author><pubDate>Sat, 10 Sep 2022 09:47:47 +0800</pubDate><description><![CDATA[现有ID转换工具存在支持的数据库范围有限，难以加入新的ID转换，对应ID的生物意义不清晰，不提供可用API等问题。TogoID项目通过扩大数据库范围，定义本体明确描述ID之间关系，基于云托管的数据定期更新，构建了友好的web界面和API，满足了ID转换的各类需求。：当需要多个步骤转换时，对应实体在源数据库，中间数据库和目标数据库中的种类并不相同，此时需要仔细查看。当有多个可能的来源时，需要点选，然后右侧可显示目标关联数据库。包含基因，转录本，蛋白，结构，化合物，信号通路，疾病和文献等48个数据库。]]></description><category></category></item><item><title><![CDATA[线性回归模型（OLS）3]]></title><link>https://blog.youkuaiyun.com/biocity/article/details/126674027</link><guid>https://blog.youkuaiyun.com/biocity/article/details/126674027</guid><author>biocity</author><pubDate>Sat, 03 Sep 2022 09:57:17 +0800</pubDate><description><![CDATA[本文是系列文章的第三篇。前两篇文章中：本文将介绍线性回归模型的模型评估。包括以下 4 个小节：1. 模型评估
2. 示例：mtcars 数据集
3. 模型推导
4. 附录代码]]></description><category></category></item><item><title><![CDATA[线性回归模型（OLS）2]]></title><link>https://blog.youkuaiyun.com/biocity/article/details/126165204</link><guid>https://blog.youkuaiyun.com/biocity/article/details/126165204</guid><author>biocity</author><pubDate>Thu, 04 Aug 2022 19:21:01 +0800</pubDate><description><![CDATA[本系列文章基于R语言中lm函数的输出，介绍线性回归模型的例子和原理。
本文是系列文章的第二篇，将介绍线性回归模型中的一些常见假设以及基于这些假设对回归系数的检验。
]]></description><category></category></item><item><title><![CDATA[线性回归模型（OLS）1]]></title><link>https://blog.youkuaiyun.com/biocity/article/details/126165067</link><guid>https://blog.youkuaiyun.com/biocity/article/details/126165067</guid><author>biocity</author><pubDate>Thu, 04 Aug 2022 19:13:53 +0800</pubDate><description><![CDATA[本系列文章基于R语言中lm函数的输出，介绍线性回归模型的例子和原理。本文是系列文章的第一篇，将介绍线性回归模型的定义并给出一个R语言的示例。线性回归模型是我们日常工作中处理数据时经常使用的一种基础模型。...]]></description><category></category></item><item><title><![CDATA[R语言作图——Heatmap(热图)]]></title><link>https://blog.youkuaiyun.com/biocity/article/details/125522489</link><guid>https://blog.youkuaiyun.com/biocity/article/details/125522489</guid><author>biocity</author><pubDate>Wed, 29 Jun 2022 15:14:13 +0800</pubDate><description><![CDATA[R语言画热图的保姆级教程]]></description><category></category></item><item><title><![CDATA[R语言作图入门——软件安装，数据导入]]></title><link>https://blog.youkuaiyun.com/biocity/article/details/124062387</link><guid>https://blog.youkuaiyun.com/biocity/article/details/124062387</guid><author>biocity</author><pubDate>Sat, 09 Apr 2022 16:05:06 +0800</pubDate><description><![CDATA[R软件安装，数据导入]]></description><category></category></item><item><title><![CDATA[R语言作图——Beeswarm plot拓展]]></title><link>https://blog.youkuaiyun.com/biocity/article/details/123927922</link><guid>https://blog.youkuaiyun.com/biocity/article/details/123927922</guid><author>biocity</author><pubDate>Sat, 02 Apr 2022 20:29:56 +0800</pubDate><description><![CDATA[从2018开始，小仙开始在公众号上分享R语言作图系列的文章，虽然是龟速更新，但到现在也是有了不少文章，常见的图表类型也画差不多了。可能R语言作图系列会有结束的一天，但小仙目前还是想继续写下去，目前小仙的思路是先把初级教程完善，尽量达到一号在手、美图我有的状态， 然后在此基础上提供一些图形拓展的思路， 拓展系列的教程不会那么详细，但会尽量保障大家在结合初级图形教程的基础上能够画出来。想告诉大家的是，虽然我们更新很慢，但是我们没有弃号，还在坚持啊啊啊！如果大家有什么图形想要画，但暂时有困难的，欢迎来信！

上.]]></description><category></category></item><item><title><![CDATA[R语言作图——Beeswarm plot(蜜蜂图)]]></title><link>https://blog.youkuaiyun.com/biocity/article/details/123686593</link><guid>https://blog.youkuaiyun.com/biocity/article/details/123686593</guid><author>biocity</author><pubDate>Wed, 23 Mar 2022 15:06:39 +0800</pubDate><description><![CDATA[原创：黄小仙
今天…
当小仙又打下"今天"这两个字的时候，小时候每天一篇日记的恐惧好像又回来了，过去这么久，我的文学功底果然没有一点长进！
今天给大家分享的图来自于Nature Biotechnology上的一篇文章。
Nature系列的文章就不用多说了，无数科研人心中的神刊，一篇Nature文章需要耗费大量的心血和经费。不过小仙想提醒大家一下，当你中了Nature，除了高兴之外还要留一下，文章发表还要再花一笔巨款。如果选择OA发表，版面费是€9500，换成人民币要66880元，不得不说这是个很吉利的数字啊]]></description><category></category></item><item><title><![CDATA[R语言作图——Circular bar plot(环形柱状图)]]></title><link>https://blog.youkuaiyun.com/biocity/article/details/122774779</link><guid>https://blog.youkuaiyun.com/biocity/article/details/122774779</guid><author>biocity</author><pubDate>Thu, 03 Feb 2022 11:31:15 +0800</pubDate><description><![CDATA[原创：黄小仙
不知不觉，距离小仙上次发文已经过去五个多月了。R语言作图系列的更新频率跟理想中的一月一次差别有点忒大了，不得不让小仙陷入深深的反思，对于时间的规划也有了一些新的感悟。
不知道大家有没有跟我一样的感受啊，举些例子：
放学、下班或者放假之后先把学习任务扔在一边，心想着，我先玩会游戏，等会玩够了再做；
网上看到一篇干货满满的文章，先点收藏，心想着，等我有空的时候再仔细看看；
听说身边的朋友利用空余时间做了什么了不起的事情，心想着，等我有空了，我也可以试一试；
…
这样的例子数不胜数了，哈哈，小仙常想]]></description><category></category></item><item><title><![CDATA[有趣有用的PCA——PCA压缩图片]]></title><link>https://blog.youkuaiyun.com/biocity/article/details/120589193</link><guid>https://blog.youkuaiyun.com/biocity/article/details/120589193</guid><author>biocity</author><pubDate>Sun, 03 Oct 2021 10:32:59 +0800</pubDate><description><![CDATA[PCA是数据降维的经典方法，本文给出了一个将PCA用于图片压缩的例子，并探索了标准化处理（normalization）对PCA的影响。文末还讨论了PCA推导第一主成分的过程。

PCA (Principal component analysis，主成分分析) 是一个经典的数据降维方法，可以将高维数据映射到低维空间中，使得低维空间中点在新坐标轴（主成分）上的坐标间方差尽可能大。PCA被广泛应用于各行各业的数据分析，其中当然也包括生物数据的分析。
讲解PCA的文章数不胜数，本文旨在作为一个学习笔记，不对PCA.]]></description><category></category></item><item><title><![CDATA[R语言作图——3D scatter(3D散点图)]]></title><link>https://blog.youkuaiyun.com/biocity/article/details/119512191</link><guid>https://blog.youkuaiyun.com/biocity/article/details/119512191</guid><author>biocity</author><pubDate>Sun, 08 Aug 2021 11:51:53 +0800</pubDate><description><![CDATA[原创：黄小仙
它来了它来了，它顺着网线走来了…
哈哈，今天小仙给大家带来的是3D散点图。

强调一下啊，咱们这个教程里第一次出现了3D图，第一次出现了交互式图形（简单粗暴的理解为，你点击，图会动）
今天主要给大家介绍一下plotly这个R包，顺便分享下3D散点图的画法。
plotly是一个在线的数据分析和可视化工具，具有图表类型丰富、可交互等等一堆优点，关键是它还有相应的R包和Python包。R包的绘图风格是这个样子的，是不是还挺好看！

如果大家想画交互式图形，可以试试这个plotly包。
不过目前小仙对]]></description><category></category></item><item><title><![CDATA[R语言作图——Line plot with colored background]]></title><link>https://blog.youkuaiyun.com/biocity/article/details/119035802</link><guid>https://blog.youkuaiyun.com/biocity/article/details/119035802</guid><author>biocity</author><pubDate>Fri, 23 Jul 2021 15:15:46 +0800</pubDate><description><![CDATA[原创：黄小仙
看我今天给大家带来了什么？

美貌与智慧并存的折线图
这个图看起来很简单哈，但是画起来稍微有点繁琐，小仙马上又要开始唠叨模式，希望对大家能有所帮助。
Step1. 绘图数据的准备
首先还是要把你想要绘图的数据调整成R语言可以识别的格式excel中保存成csv格式。
数据的格式如下图：

Step2. 绘图数据的读取
data&lt;-read.csv(“your file path”, header = T) 

Step3.绘图所需package的调用
library(ggplot2)

S]]></description><category></category></item><item><title><![CDATA[R语言作图——Scatter plot with marginal density]]></title><link>https://blog.youkuaiyun.com/biocity/article/details/114519276</link><guid>https://blog.youkuaiyun.com/biocity/article/details/114519276</guid><author>biocity</author><pubDate>Mon, 08 Mar 2021 09:05:55 +0800</pubDate><description><![CDATA[原创 ：
黄小仙
大家好呀，今天小仙分享图是这个样子滴，边缘带有密度图的散点图。

Step1. 绘图数据的准备
首先要把你想要绘图的数据调整成R语言可以识别的格式，建议大家在excel中保存成csv格式。
作图数据格式如下：
（今天偷懒啦，直接借用了iris数据集）

Step2. 绘图数据的读取
data &lt;- read.csv(“your file path”, header = T, check.names = F)
#注释：header = T表示数据中的第一行是列名，如果没有列名就用hea]]></description><category></category></item><item><title><![CDATA[R语言作图——Dumbbell plot(哑铃图)]]></title><link>https://blog.youkuaiyun.com/biocity/article/details/113810545</link><guid>https://blog.youkuaiyun.com/biocity/article/details/113810545</guid><author>biocity</author><pubDate>Sun, 14 Feb 2021 20:05:22 +0800</pubDate><description><![CDATA[原创：黄小仙
又是一年春来到，小仙祝大家在新的一年开开心心、顺顺利利！
今天给大家分享的图是哑铃图(Dumbbell plot)。

Step1. 绘图数据的准备
首先要把你想要绘图的数据调整成R语言可以识别的格式，建议大家在excel中保存成csv格式。
作图数据格式如下：

Step2. 绘图数据的读取
data &lt;- read.csv(“your file path”, header = T, check.names=F)
#注释：header=T表示数据中的第一行是列名，如果没有列名就用hea]]></description><category></category></item><item><title><![CDATA[R语言作图——Slope chart(坡度图)]]></title><link>https://blog.youkuaiyun.com/biocity/article/details/110521786</link><guid>https://blog.youkuaiyun.com/biocity/article/details/110521786</guid><author>biocity</author><pubDate>Thu, 03 Dec 2020 10:34:09 +0800</pubDate><description><![CDATA[原创：黄小仙

今天小仙给大家分享一下Slope chart(坡度图)的画法，我在paper中看到的图是这样的
这个图的意思大概是Nasal Tissue比Brochial Tissue的ACE2表达量高(ACE2就是新冠病毒的受体啦) 。为了复刻这张图，小仙捏造了一组差不多的数据，竟然感觉比原图好看！
废话不多说，进入正题。
Step1. 绘图数据的准备
首先要把你想要绘图的数据调整成R语言可以识别的格式，建议大家在excel中保存成csv格式。
作图数据格式如下：

Step2. 绘图数据的读取
dat]]></description><category></category></item><item><title><![CDATA[R语言作图——Split violin plot]]></title><link>https://blog.youkuaiyun.com/biocity/article/details/109288171</link><guid>https://blog.youkuaiyun.com/biocity/article/details/109288171</guid><author>biocity</author><pubDate>Mon, 26 Oct 2020 13:44:52 +0800</pubDate><description><![CDATA[原创：黄小仙
最近小仙同学在好几篇文献里看到了这种小提琴图，暂时就肤浅地认为这是作者为了更好地比较对照组与实验组的差别，所以将同一个基因的小提琴图各画了一半，放在一起。为了跟上可视化的潮流，小仙也来尝试画一下这个没查到正经名字的图。

Step1. 绘图数据的准备
首先要把你想要绘图的数据调整成R语言可以识别的格式，建议大家在excel中保存成csv格式。
作图数据格式如下：

Step2. 绘图数据的读取
data&lt;-read.csv(“your file path”, header = T)
#注]]></description><category></category></item></channel></rss>