- 博客(97)
- 收藏
- 关注
RSS订阅原创 【Ngene】2-别再瞎试了！用实验设计（DOE）高效找到最优解
实验设计的核心在于系统组合属性水平，以可靠估计模型参数。设计必须服务于模型，需明确参数类型（通用/特异）、交互效应及非线性效应，并满足可识别性约束。全因子设计虽全面但不可行，正交设计通过消除属性相关性提高模型稳定性。Ngene提供序列正交和同时正交两种方法，各有优缺点。为应对现实调查限制，可采用阻塞或折叠技术。OOD设计强调方案间差异，但灵活性较低。设计前需明确模型、参数数量和受访者负担，正交设计仅是起点而非最优解。
2025-12-16 21:40:15
440
原创 【Ngene】1.初步认识Ngene
Ngene是一款由离散选择建模专家开发的实验设计软件，其核心优势在于有效设计理念，通过优化算法最大化有限样本的数据价值。需要代跑或咨询可以私信加我
2025-12-06 10:54:10
94
原创 【GWAS】 2-全基因组分析可视化-网站部分
本文介绍了全基因组关联分析（GWAS）的基本概念和常用可视化网站。GWAS通过分析单核苷酸多态性（SNP）与表型的关联来定位致病变异，利用连锁不平衡原理进行标记。重点推荐了6个GWAS数据库网站：BnaGWAS（自带示例数据）、easyGWAS（含多物种数据）、GWAS Atlas（基于英国生物库）、AraGWAS Catalog（拟南芥专用）、GWAS Catalog（人类数据）和GWAS Central（汇总研究结果）。这些网站提供曼哈顿图、QQ图等可视化工具，支持数据查询和下载。文章还推荐了gwasl
2025-12-03 20:30:36
953
原创 【GWAS】 1-全基因组关联性分析概述
什么是GWAS[^1]核心思想GWAS基本流程1. 研究设计与样本收集2. 基因分型与数据质量控制（QC）3. 统计分析（Statistical Analysis)4.结果可视化与解读5.后续分析与应用（Post-GWAS Analysis）参考1全基因组关联分析(Genome-Wide Association Study, GWAS)是一种基因组学研究方法，通过比较不同个体间的全基因组遗传变异，探究这些变异与特定性状之间的关联性。
2025-11-27 23:16:30
674
原创 【操作系统-知识点】1.3 中断与异常 (Interrupts and Exceptions)
中断和异常是CPU暂停当前程序并转去执行特定处理程序的机制。中断由外部设备触发（异步），分为可屏蔽和不可屏蔽两类，用于协调CPU与外设速度差异并实现多任务。异常由CPU内部指令触发（同步），分为故障（如缺页）、陷阱（如系统调用）和终止（如除零错误）。中断处理过程包括硬件自动保存断点、加载中断服务程序，以及软件层面的保护现场、执行处理和恢复现场。中断机制极大提高了系统效率，实现异步事件驱动和多任务处理。
2025-10-13 00:34:17
1016
原创 “华为杯”研究生数模竞赛新手指南：从组队到获奖的全面攻略
数学建模竞赛不仅是一场知识的比拼，更是一次团队协作和成长的旅程。对于新手来说，最重要的不是最终的奖项，而是在这个过程中学到的知识、锻炼的能力以及收获的友谊。希望这篇博客能为你提供有益的参考，祝愿每一位踏上“华为杯”征程的研究生，都能享受比赛，取得令自己满意的成绩！
2025-09-11 23:27:37
1096
原创 Ngene：实验设计的尖端利器
Ngene是一款专为陈述选择实验设计的Windows软件，支持正交设计、高效设计等多种实验类型，提供灵活属性设置和先进算法优化。其核心功能包括模型平均化、HTML模拟界面生成和用户友好操作。安装需.NET 3.0支持，提供评估版和付费激活两种模式。通过命令驱动语法文件实现设计，适合市场、交通等领域研究。新手可从全因子设计入手，配套手册提供详细指导。
2025-09-02 17:41:52
1166
原创 以太网交换机全解：原理、关键技术与应用
以太网交换机凭借高速、稳定、成本低的特点，在局域网中几乎无处不在。从家庭网络到企业数据中心，交换机的功能不断扩展，已不仅仅是“二层转发设备”，更是现代网络的核心枢纽。在部署和管理时，合理利用 VLAN、QoS（信息流优先级）、组播和流量控制等技术，不仅可以提升网络性能，还能有效保障网络安全。
2025-08-11 16:38:44
1098
原创 【文件管理】高效的三级项目文件管理方法
本文介绍了一种高效的三级项目文件管理方法，通过"项目时间+名称"的一级目录、项目主要组件的二级目录和具体内容的三级目录，实现文件清晰分类。文章提供了详细的目录结构示例，包括参考文献、代码、PPT等分类，并建议采用统一命名规则、版本控制和定期备份。实施方法涵盖命名规范、文档说明、版本管理习惯养成，并附有Python自动创建目录的代码。这种结构化管理能快速定位文件、减少混乱，适合科研、开发等需要长期维护的项目，提高工作效率和团队协作流畅度。
2025-08-10 09:34:07
627
原创 链特异性文库是什么？为什么它在转录组测序中越来越重要？
链特异性文库是一种在RNA测序中保留转录方向信息的技术，能够区分RNA来源于DNA的正义链还是反义链。相比传统方法，它可显著提高基因定量精度，帮助识别重叠基因和非编码RNA。主流方法包括dUTP法、SMARTer法和连接法，其中dUTP法因操作简便成为Illumina推荐方案。数据分析时需特别注意链方向参数设置，如HISAT2的--rna-strandness和featureCounts的-s参数。该技术虽增加少量成本，但能大幅提升数据质量，尤其在研究lncRNA和复杂转录本时具有不可替代的优势。验证建库效
2025-07-31 22:58:43
1444
原创 小白python神经网络从入门到精通-0.学习路线
《Python神经网络从入门到精通指南》为初学者提供分阶段学习路径。第一阶段夯实Python和数学基础，重点掌握NumPy和线性代数等核心概念，并手动实现简单神经网络。第二阶段学习TensorFlow/Keras等框架，完成MNIST分类等经典项目，掌握CNN和RNN等模型。第三阶段聚焦模型优化技巧、Kaggle竞赛和项目部署。最后阶段建议阅读前沿论文并深入特定领域。指南强调动手实践，建议通过模仿经典项目代码和持续练习来掌握神经网络技术。学习过程中需保持耐心，将错误视为宝贵的学习机会。
2025-07-31 13:59:36
1093
原创 使用神经网络与5折交叉验证进行基因组预测：基础知识指南
通过掌握上述基础知识，您将能够使用神经网络进行基因组预测，并评估模型性能。这些知识不仅对基因组预测有帮助，也能提升您在生物学、机器学习和数据科学领域的能力。希望本文能够为您提供清晰的概念框架，帮助您更好地理解如何使用神经网络进行基因组预测并评估其表现。如果您希望深入了解某个领域，可以根据您的兴趣进一步学习相关内容。
2025-07-31 13:40:31
855
原创 使用神经网络与5折交叉验证进行基因组预测：完整指南
摘要：基于神经网络和5折交叉验证的基因组预测方法 本教程详细介绍了使用Keras神经网络和5折交叉验证进行基因组预测的完整流程。该方法通过整合基因型数据(SNP)、环境因子和表型数据，构建预测模型并进行性能评估。主要内容包括：1)数据预处理(主成分分析、标准化)；2)5折交叉验证的数据分割；3)神经网络架构设计(含正则化和批归一化层)；4)模型训练与学习率调整；5)预测结果评估(相关性和RMSE指标)。实验结果表明，该方法能有效预测表型特征，并提供了训练过程和预测结果的可视化方案。所有代码均可复现，适合基因
2025-07-31 13:31:26
921
原创 Python自动化实战：用`pyautogui`高效管理优快云博客文章
本文介绍了使用Python的pyautogui库实现优快云博客文章管理的UI自动化技术。文章详细解析了如何通过屏幕坐标定位、鼠标点击模拟和延时控制等核心方法，构建一个能够自动执行批量文章修改操作的脚本。重点包括：pyautogui库的基本功能介绍、自动化脚本的设计原理与实现步骤、精确获取屏幕坐标的方法，以及实际应用中需要注意的窗口活跃状态、坐标精度等技术细节。该方案旨在帮助博主提高工作效率，通过编程技术简化重复性操作，同时强调需在遵守平台规则的前提下合理使用自动化工具。
2025-07-31 09:50:13
870
1
原创 基因组选择育种-2.3多性状与多组学整合GS-GWAS
多性状与多组学整合技术正在革新基因组选择方法。多性状基因组选择（MTGS）模型通过同时分析多个相关性状，显著提高遗传力低或难测性状的预测精度。该技术利用性状间的遗传相关性，实现更全面的育种选择。GS-GWAS合并技术则结合全基因组关联分析（GWAS）和基因组选择（GS）优势，通过SNP加权、选择性标记等策略提升预测效果。例如，加权GBLUP方法可对GWAS识别的显著SNP赋予更高权重，而选择性标记方法仅保留显著SNP进行预测。这些整合方法不仅提高了预测准确性，还能揭示更深层次的遗传机制。
2025-07-30 11:37:18
876
原创 基因组选择育种-2.2.基因组预测模型
摘要： 本文介绍了基因组预测中的两种核心统计模型。RR-BLUP（岭回归基因组最佳线性无偏预测）假设所有SNP标记效应服从同一正态分布，通过岭回归方法处理高维数据中的共线性问题，并对效应值进行收缩以防止过拟合。贝叶斯模型则采用更灵活的先验分布，能更好处理稀疏遗传效应，包括BayesA、BayesB等变体，可区分大效应基因和微效基因。两种方法各有优势：RR-BLUP计算高效稳健，贝叶斯模型更符合复杂性状的遗传结构。文中还提供了R语言实现代码示例，为基因组选择育种提供了实用的统计工具。
2025-07-30 11:27:20
1332
原创 基因组选择育种-2.1.最佳线性无偏估计
基因组选择育种利用全基因组信息预测个体遗传潜力，核心方法是RR-BLUP和GBLUP。RR-BLUP通过岭回归直接估计每个SNP效应，假设所有标记贡献服从正态分布，并进行效应收缩防止过拟合。GBLUP则基于基因组亲缘关系矩阵，通过个体间基因组相似度预测育种值。尽管方法不同，两者在数学上等价，都能准确预测基因组育种值。实际应用中，RR-BLUP适用于解析标记效应，GBLUP更擅长处理群体结构，为育种决策提供可靠依据。
2025-07-30 11:19:10
844
原创 基因组选择育种-1.3.预测基础与评估
本文系统阐述了基因组选择育种中的预测基础和评估方法。核心内容包括：1）关联分析和标记辅助预测的理论基础，通过线性/混合线性模型识别标记与性状的关联；2）参考群体与预测群体的划分策略，前者用于训练模型，后者应用模型进行预测；3）交叉检验（K折、留一法）和预测准确率（皮尔逊相关系数）等评估方法，以及预测偏差的量化分析。这些环节构成了基因组选择的技术体系，是提高育种效率的关键。
2025-07-30 10:26:27
709
原创 基因组选择育种-1.2.遗传模型与群体结构
摘要： 基因组选择育种中，遗传模型设定（固定效应与随机效应）和群体结构/亲缘关系是影响预测准确性的关键因素。固定效应模型适用于特定处理组的比较，而随机效应模型通过方差组分分析处理抽样水平，混合模型（MLM）结合两者优势。群体结构和亲缘关系若未被校正，会导致假阳性关联和预测偏差，可通过主成分分析（PCA）或基因组亲缘关系矩阵（如VanRaden G矩阵）进行控制。精准建模这些“隐形之手”是提升基因组选择可靠性的核心。
2025-07-30 10:26:18
554
原创 基因组选择育种-1.1数量性状与遗传力
摘要：数量性状是现代育种的核心研究对象，其表型（P）由遗传效应（G）和环境因素（E）共同决定（P=G+E）。遗传效应包括可稳定遗传的加性效应（A）和复杂的显性（D）、上位性（I）效应。遗传力（h²）量化性状可遗传程度，其中狭义遗传力（加性方差/总方差）是育种关键指标。育种值（BV）反映个体遗传潜力，基因组估计育种值（GEBV）通过全基因组SNP标记实现早期精准预测。基因组选择结合表型模拟和遗传力分析，大幅提升了复杂性状的育种效率，为现代农业育种提供了革命性工具。
2025-07-30 10:25:52
616
原创 基因组选择育种-0.1.GWAS数学知识
GWAS（全基因组关联研究）需要掌握关键统计学与数学模型，包括：1）基础统计（均值、方差、p值假设检验）；2）线性回归分析，用于评估SNP与性状关联；3）混合线性模型控制群体结构；4）主成分分析（PCA）去除群体结构影响；5）多重假设检验校正（Bonferroni/FDR）；6）连锁不平衡（LD）分析SNP相关性；7）遗传力估计。这些方法共同支撑GWAS的数据建模与结果解读。
2025-07-30 08:50:52
921
原创 基因组选择育种-1.使用R进行植物GWAS分析
本文介绍了利用R语言进行植物全基因组关联分析（GWAS）的基本流程，重点介绍了GAPIT和FarmCPU等R包的使用方法。关键步骤包括：1）安装必要R包；2）准备表型和基因型数据；3）使用GAPIT进行GWAS分析；4）结果可视化（曼哈顿图和QQ图）；5）显著性分析和阈值选择；6）基因注释和后续分析。文章提供了完整的代码示例，展示了从数据导入到结果解释的全过程，适合植物遗传学研究人员进行GWAS分析参考。
2025-07-30 08:49:47
670
原创 基因组选择育种-0.GWAS分析简介
GWAS（全基因组关联研究）是一种通过扫描全基因组SNP变异来检测其与表型关联的方法。其流程包括样本采集、基因分型、质量控制、统计分析（如线性回归）、多重检验校正（如Bonferroni）及结果可视化（曼哈顿图）。GWAS广泛应用于疾病研究、作物性状分析和精准医学，常用工具包括PLINK、GEMMA等。该技术通过检测数百万SNP位点，揭示基因变异与表型的关系，但需严格控制假阳性（阈值通常为5e-8）。
2025-07-30 08:44:54
544
原创 实时温湿度监测系统：Micropython编码ESP32与DHT22模块的无线数据传输与PC端接收项目
使用Micropython来实现实时无线读取有wifi的房间的温湿度，并且可以在本地PC端实时接收数据并使用桌面小组件展示。
2024-07-09 21:15:55
1216
原创 植物的光合作用
叶片是光合作用的主要器官。Leaves are the main organs of photosynthesis.叶绿体是进行光合作用的细胞器，其类囊体膜（光合膜）是吸收光能并将之转化为活跃化学能的场所，碳同化过程在其间质中进行。高等植物的叶绿体色素包括叶绿素（a和b）和类胡萝卜素（胡萝卜素和叶黄素），它们分布在光合膜上。Chloroplast is the organelle for photosynthesis, and thylakoid membrane ( photosynthet.
2022-05-09 00:24:24
1052
原创 基因工程-7-基因表达谱研究技术
7.1基因表达谱研究技术胚胎原位杂交技术胚胎抗体染色技术基因芯片技术蛋白质组学技术.7.1.1胚胎原位杂交技术原位杂交（in situ hybridization ,ISH ），是利用碱基互补配对的原理，用带有标记的目的DNA或RNA片段作为核酸探针，与胚胎或组织内的mRNA进行杂交，然后通过放射自显影、荧光显微镜观察或酶促底物显色的方法予以显示，确定目的基因的mRNA的存在和定位情况。（1）原位杂交探针探针与mRNA互补杂交结合，是负链的；正链探针可以作为对照进行实验；
2022-05-07 13:45:31
2171
原创 基因工程-6-阳性转化子的鉴定
6.1遗传表型检测法（1）抗药性筛选氨苄青霉素（Ampr）；四环素抗性基因（Tetr）;氯霉素抗性基因（Cmr,cat）；卡那霉素抗性基因（Kanr）;（2）插入失活筛选插入之后引起载体功能改变。常用插入失活法、插入表达筛选法、噬菌斑筛选法。环丝氨酸筛选法——插入失活效应筛选 环丝氨酸结构与丝氨酸相近，细胞分裂时掺入到新合成的肽链中，影响折叠会导致生长的细胞致死。 四环素插入失活的重组子由于不抗四环素生长受抑制。（3）蓝白斑筛选6.2 酶...
2022-04-29 21:05:49
3810
原创 细胞工程-动物细胞工程-3- 动物细胞培养技术-1
第一节 概述一、基本概念1．动物细胞培养技术(animal cell culture) ：指从用无菌方法将动物体内的细胞或组织取出，模拟体内的生理环境，在体外进行培养，使离体细胞或组织生存、生长并维持结构和功能的一门技术。体外培养（in vitro culture)：分为组织培养（tissue culture）；细胞培养（cell culture）；器官培养（organ culture）。二、动物细胞体外培养特点（P243)无细胞壁，对环境极其敏感，包括PH值、温度、剪切力； 动.
2022-04-28 21:28:50
3171
原创 细胞生物学8-第八章-细胞骨架
0.细胞骨架的基本概念细胞骨架（cytoskeleton）一般指真核细胞细胞质内由蛋白质组成的复杂纤维状网架结构体系，包括：微丝、微管、中间纤维。广义的细胞骨架还包括核骨架和膜骨架。细胞骨架是高度动态的结构体
2022-04-25 17:58:10
10387
2
原创 基因工程-5-目的基因导入受体细胞的方法
外源基因导入受体细胞有多种方法，细胞类型不同，载体不同，导入方法也有差异。本章主要介绍将外源基因导入大肠杆菌细胞、导入酵母细胞、导入植物细胞以及导入动物细胞的不同方法。每种方法都有其独特的优点，但也有不足，因此，选择什么样的方法将外源基因导入受体细胞,需要根据具体情况来确定。5.1.1 自然条件下的转化过程5.1.2感受态受体细胞选择限制缺陷型 hsdR-：增大外源DNA的可转化性。重组缺陷型 rec-：转化亲和性：用于基因工程的受体细胞必须对重组DNA分子具有较高的可转化性。遗
2022-04-23 22:23:21
21184
原创 细胞生物学-7-叶绿体和线粒体
第七章 线粒体和叶绿体第一节 线粒体与氧化磷酸化一、线粒体的基本形态及动态特征高度动态的细胞器，包括运动导致的位置和分布的变化以及融合和分裂介导的形态、体积与数目的变化等。（一）线粒体的形态、分布和数目呈颗粒或短线状分布与细胞内能量需求密切相关；线粒体的数目呈动态变化并接受调控；与细胞类型相关，随着细胞分化而变化。（二）线粒体的融合和分裂线粒体融合和分裂时线粒体形态调控的基本方式，也是线粒体数目调控的基础。1，线粒体融合和分裂的分子基础依赖于特定的基因和蛋白质的参与和调控；2.线粒体
2022-04-22 17:54:07
9708
原创 细胞生物学-6-蛋白质分选与膜泡运输
第一节 细胞内蛋白质的分选蛋白质的靶向转运（protein targeting）或蛋白质分选（protein sorting）真核细胞中，除少量蛋白质在线粒体和叶绿体内合成外，绝大多数蛋白质都是有核基因编码，或在游离的核糖体上合成，或在糙面内质网结合的核糖体上合成，然后转运到细胞特定部位，组装成结构体与功能复合体，参与细胞生命活动的过程。一、信号假说与蛋白质分选信号信号假说（1）信号肽（signal prptide）位于蛋白质的N端，一般由16~26个残基组成；似乎没有严格.
2022-04-21 23:18:54
14380
3
原创 生物化学-第两章半-肽和蛋白质
一、肽和肽键肽是氨基酸的线性聚合物，因此也称为肽链（peptide chain）。一个氨基酸的α-氨基与另一个氨基酸的α-羧基之间失水形成的酰胺键称为肽键，所形成的化合物为肽。蛋白质是由一条或多条具有确定的氨基酸序列的多肽链构成的大分子。由两个氨基酸组成的肽叫做二肽，由多个氨基酸组成的肽叫多肽。组成多肽的氨基酸单元叫做氨基酸残基。二肽 tripeptide ，由两个AA组成的肽称为二肽。三肽 tetrapeptides,四肽 pentapeptides,寡肽 Oligope.
2022-04-20 20:05:37
4069
原创 细胞工程-7-单倍体诱导
植物开花前后花的不同授粉前◼花药（花粉细胞）、未授粉的胚珠、未授粉的子房授粉后◼胚、授粉后的胚珠和子房、胚乳思考：✓培养的目的意义？得到纯合的基因型（单倍体染色体加倍之后是纯合）、单倍体植株便于诱变✓取材上的要求？花药（花粉细胞）、未授粉的胚珠、未授粉的子房授粉后✓材料预处理及培养方法、培养条件上的差异？✓离体培养时再生过程上的差异？✓再生植株上的差异？第一节 单倍体及单倍体育种一、单倍体的概念及其来源1.概念单倍体（haploid
2022-04-19 20:12:15
2007
原创 细胞工程-5-植物细胞培养和次生代谢产物生产
植物细胞培养（plant cell culture）是指在离体条件下对植物单个细胞或小细胞团进行培养并使其增殖的技术。第一节 植物单细胞培养技术单细胞培养是从外植体、愈伤组织或者细胞团中分离得出的单细胞，然后在一定条件下对其进行培养的过程。通过植物单细胞培养可对单个细胞进行细胞分裂、分化、生长和增殖过程的定点观察，从而进行定点分析和选择。一、单细胞分离机械法：介质保护细胞防止。不会受到酶的伤害；酶解法：纤维素和果胶酶；获得大量细胞；花粉细胞要用胼胝质酶；二、单细胞的培养技术植物
2022-04-19 18:08:43
3401
原创 自考-数据结构-6-查找运算
查找的基本概念查找表是由同一类型的数据元素构成的集合，以”查找“为核心，同时包括其他运算的非常灵活的数据结构。上面概念中的集合和数学上的定义是一致的，简单地说就是由任意一些可分辨的对象构成的整体作为一个数学概念，集合的元素是没有任何限制。查找表的逻辑结构是集合，对查找表进行的操作包括：查找表中的某一元素，读取表中的特定数据元素，插入和删除一个数据元素。若对查找表只进行前两个操作，称为静态查找表；若在查找过程中，向表中插入不存在的数据元素，或者从表中删除某个数据元素，称为动态查找表。
2022-04-19 17:03:42
393
原创 生物化学-第二章-氨基酸
一、蛋白质化学的研究历史蛋白质是一切生物体中普遍存在的，由天然氨基酸通过肽键连接而成的生物大分子；其种类繁多，各具有一定的相对分子质量，复杂的分子结构和特定的生物功能；是表达生物遗传性状的一类主要的物质。蛋白质存在所有的生物细胞内，是构成生物体最基本的结构物质和功能物质。蛋白质是生命活动的物质基础，几乎参与了所有的生命活动过程。生物体最主要的特征是生命活动，蛋白质是生命活动的体现者。蛋白质的功能酶的催化、结构组成、运动、保护作用、物质运输、信号传导、转录调控、营养物质存储酶的催化
2022-04-19 16:06:38
3479
1
原创 生物化学-第一章-绪论
目录一、生命属性和生物化学（一）化学成分复杂而同一、结构错综而有序细胞的分子组织层次（二）利用环境的物质和能量进行自我更新（三）自我复制和自我装配是生命状态的精华Genetic Foundations Genetic information is encoded in the linear sequence of four deoxyribonucleotides in DNAPhysical Foundations二、生物化学与分子生物学(一)现代生物化学的发展和分
2022-04-19 02:15:00
741
1
原创 自考-数据结构-广义表
广义表(Lists，又称列表)是一种非连续性的数据结构，是线性表的一种推广。即广义表中放松对表元素的原子限制，容许它们具有其自身结构。它被广泛的应用于人工智能等领域的表处理语言LISP语言中。在LISP语言中，广义表是一种最基本的数据结构，就连LISP 语言的程序也表示为一系列的广义表。广义表是n(n≥0)个元素a1，a2，…，ai，…，an的有限序列。其中：①ai--或者是原子或者是一个广义表。②广义表通常记作：Ls=( a1，a2，…，ai，…，an)。③Ls是广义表的名字，n为
2022-04-15 21:19:07
274
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