生信小博士的博客

目标是在服务器上配置一个JupyterHub，支持多个用户登录使用。建议在Ubuntu 20.04以上哦以root权限配置全局的JupyterHub作为入口首先，我们安装python3和python然后，需要手动安装npm安装configurable-http-proxy最后配置jupyterhubhub是一个中心，具体需要调用jupterlab和notebook，因此建议安装测试下安装状态Jupyterhub的启动有两种1、基于命令行参数2、基于配置文件第一步，生成配置文件。

使用的是阿里云的ubuntu20系统，

【代码】gsea分析。

免疫浸润计算方法是CIBERSORT和ssgsea 画图_YoungLeelight的博客-优快云博客 ggplot画热图 合并细胞组合细胞 单细胞基因整体表达量 合并多个细胞整体表达量条形热图 合并热图_YoungLeelight的博客-优快云博客

allDiff_pair

【代码】geo自建函数 id转换 探针转换 实现表达矩阵expr 与注释文件ids探针名称转换 留下平均表达值最大的那个探针对应的基因。

*

画出每个基因在不同分组下的表达 及其显著性。

简单来说，时依协变量的意思就是，对一个人来说，在研究期间，该变量随着时间的改变而发生了变化，所以英文叫做time dependent，也就是说，依赖于时间变化而改变的变量。举个简单例子，性别gender，很明显不是时依协变量（除非有极其特殊的情况），然而gender*时间t，两个变量的乘积，这就是个时依协变量了。比如污染状态，这个如果城市的工厂关闭一段时间，大气状况变成了“优”，如果工厂恢复运作，大气状况变成了“污染”，这就随时间而发生了变化，而且是靠外部力量推动的变化。中，一切变得大为不同。

【代码】生存分析 合并三个数据集的结果 自建函数id转换 geo duqiang。

自己事先从总的差异基因筛选出来的，显示为红色或者绿色。

【代码】批量基因生存分析 简洁版本。

【代码】批量生存分析画图 循环画图 必须用pdf 不可以使用jpeg。

多因素logistic回归 最终发现了四个因素 显著性影响是否发生肺动脉高压那么这种简单粗暴的 多因素逻辑回归有没有可能漏掉了一些 协变量呢，下面进入。

这些具体事件可以是死亡，也可以是肿瘤转移、复发、病人出院、重新入院等任何可以明确识别的事件，而不同条件即为不同的分组依据，可以是年龄、性别、地域、某个基因表达量的高低、某个突变的携带与否等等。下图是钟南山院士在对欧洲呼吸学会针对 Covid-19 的报告中提到的研究结果，他们对湖北省内和省外的病人从开始症状到入院时间做了分析，从发生症状开始，入院则是我们刚才讲的 event 事件，而湖北省内外则是不同的分组条件。图中还提到，

数据准备：1.phe 临床信息 dataframe格式。行名顺序要与表达矩阵样本顺序一致2.表达矩阵临床信息 meta信息给感兴趣的指标进行赋值。

#deseq2 素材准备 包括矩阵和meta信息。2.在geo官网把文件下载下来，然后读取。#表达矩阵样本顺序和meta信息是否一致。

自建函数，只要输入一个长的类似于"ENST00000641515.1|OR4F5-202|OR4F5|2618|protein_coding|"的字符串，#探索矩阵 发现一个基因对应多个探针。#就可以返回第一个 | 之前的名字。

【代码】向量是否存在两个以及两个以上等于0的值 na NA 如何计算R中向量中大于某个值的元素数量 R如何按条件查找数据并删除符合条件的数据所在的行 判定一个向量是否包含0这个元素。

的确这个平台无法找到！

【代码】http://adv-r.had.co.nz/S4.html

【代码】S4 classes and methods s3类 s4类 s3对象 s4对象。

*

但是当我使用以下代码读取时候，发现不太对 读取出来的格式好像有问题 注意：观察到逗号，是不是csv的分隔符为逗号呢？3但是下载文章阅读之后 发现差异分析deseg2的时候 是需要meta信息 消除批次 年龄 实验方法这些因素影响的。莫非是因为显示的问题？在r中8-10行没有数据 所以sublime或者excel查看时候，直接跳过了NA行。我知道作者为什么行名这么长了 因为 有很多类型的基因都检测到了：假基因 非编码基因 编码基因。但是我使用sublime可以看到 啊 你看 6-8行都是有数据的。

【代码】r 提取元素函数 R语言中利用sapply函数提取列表中元素 提取满足某种要求的字符 提取固定符号出现时的字符串。

函数 https://blog.youkuaiyun.com/nixiang_888/article/details/124058558。就是分别取两个list里的第二个数，结果为。"["在R里作为一个函数使用，举。

我们将重要的文件上传到Google云端服务器保存，最主要的原因就是能够在需要这份文件时可以轻松地从Google云端服务器将其下载下来。但是据不少Google用户反馈说，在使用Google Drive文件时，无法将文件下载下来，这是怎么回事呢？如果您也同样遇到这样的问题，那么请您阅读这篇文章，查看我们在本篇文中提供的13种解决Google Drive下载不了文件的方法。Google云盘。

前些天我发现了乳腺癌领域的PAM50算法原理探索，在：PAM50的概念及分子分型算法原理 ，其实并不难，然后我注意到他们在挑选50个基因的时候，提到了多个探针对应同一个基因到底该如何取舍。，这个概念主要是在boxplot图表里面显示出来。当然了，不同芯片平台也是有一些细微的差别。

在使用apply函数应用自己写的函数提高运算速度的时候，我遇到了问题(其实还是自己apply函数运用的不够熟练)。使用apply处理一个数据框，我想对每一行进行处理，每一行上使用自己编写的函数进行计算。具体的代码不需要看，它的意思就是我输入一个向量或数组x，还有后面两个参数vars_event和str1，最后会得出一个数值结果。

在同一个 mutate() 中可以同时创建或计算多个列，它们是从前往后依次计算，所以可以使用前面新创建的列。注意，不能用sum(), 它会将整个列的内容都加起来，类似的还有 mean().用数据框的列计算新列，若修改当前列，只需要赋值给原列名。

Abstract。

然后，它将估计基因方面的分散（gene-wise dispersions），并缩小这些估计，以产生更准确的离散估计，以建立计数模型。注意:DESeq2中有一些单独的功能，可以让我们以一种循序渐进的方式执行工作流中的每一步，而不是单个调用。在执行差异表达分析之前，通过在QC期间的探索和/或之前的知识，了解数据中存在的变异来源是一个好主意。一旦知道了变异的主要来源，就可以在分析前删除它们，或通过在你统计模型的设计公式中包含他们来控制。然后，要运行实际的差异表达分析，我们使用对函数DESeq()的单个调用。

没给我回信的两个实验室：其中一个实验室，那个质粒也是他们根据别人赠与的质粒改造的，所以估计不是自己的版权自己不敢乱给嘿嘿。而另一个实验室就是那个赠与他们质粒的实验室，但是也没有给我回信，我查了一下，觉得可能是据他们构建那个质粒的时间太久了，好几十年了所以，我觉得大家尽量找原版的质粒索要，就是最初构建质粒的实验室，可能会更容易获得一些。这下我踏实了，等吧……

简单的说，随机森林就是用随机的方式建立一个森林，森林里面有很多的决策树，并且每棵树之间是没有关联的。得到一个森林后，当有一个新的样本输入，森林中的每一棵决策树会分别进行一下判断，进行类别归类（针对分类算法），最后比较一下被判定哪一类最多，就预测该样本为哪一类。在整个森林的生长过程中m将保持恒定；对于有不同级别的属性的数据，级别划分较多的属性会对随机森林产生更大的影响，所以随机森林在这种数据上产出的属性权值是不可信的。包含一个好方法可以估计遗失的资料，并且，如果有很大一部分的资料遗失，仍可以维持准确度;

请问老师，分析某癌症TCGA数据后得到多个差异表达miRNA，但遇到个问题，某些miRNA在癌症组织中表达上调，提示为促癌基因，但做生存分析却发现高表达患者生存期却延长；同样，癌症组织中表达降低的miRNA，提示为抑癌基因，但做生存分析时却出现高表达生存期反而缩短的想象。3、这个基因的高表达与癌症的发生有关，低表达与癌症的发展有关，这说明这个基因并不是单独起作用的，有可能是被动调控的。2、在在癌症发生早期表达发生了变化，而在癌症发展过程中变化并不明显。1、他在差异和预后的结果中有一个结果可能是假阳性的。

【代码】TGCA数据的标准化以及差异分析。

【代码】找出TCGA中的配对样本并正确展示数据。

该数据，列名就是基因名，行名就是样本名。为了缩短数据处理时间，我们在此只取前。首先，做这个相关性分析，在这里需要安装几个R包。自己构建数据 artificial data。作为后续的实验分析。

第一步当然得处理一下数据。

【代码】ggplot 更改坐标顺序 R语言绘图 | 调整ggplot2坐标轴标签排列顺序。