weixin_41368414的博客

转录因子结合motif富集到调控网络 (RcisTarget)

基于bulk 和单细胞 转录组数据的基因调控网络推断 (GENIE3)

单细胞转录组数据中识别细胞对“基因集”的响应 (AUCell)

单细胞转录组之评估不同单细胞亚群的分化潜能 (Cytotrace)

单细胞转录组之差异表达分析 (Monocle 3)

单细胞转录组之拟时性分析(Monocle 3)

单细胞转录组之轨迹分析 (Monocle 3) 聚类、分类和计数细胞

基因表达估计组织浸润免疫细胞和基质细胞群的群体丰度的软件包——MCP-counter

SCI文章中只有生信没有实验该怎么办？

基于TCGA的免疫浸润细胞分析在线小工具——TIMER

SCI文章中表达基因Cox模型的风险因子关联图（ggrisk）

SCI 文章绘图之和弦图及文章复现（Chord Diagram）

基于表达估计恶性肿瘤组织的基质细胞和免疫细胞（ESTIMATE）

最近好多文章都是以单个基因为中心，干湿结合发一篇分值蛮高的 SCI 论文，这个同样也是目前的一个趋势，单个基因在 pan-cancer中的分布情况，比如功能，临床预测预后等，都是一个方向，精细分析一个基因将是个性化诊疗的一个方向。我们看到发在frotiers上的一篇文章，就是单基因生信分析的这个思路。

RNA 20. SCI 文章中单样本免疫浸润分析 （ssGSEA）近一年发文量最高的方法之单样本免疫浸润分析 （ssGSEA）

SCI 文章中无监督聚类法 （ConsensusClusterPlus）

GSVA 也是 SCI 文章中常见的分析方法，在我们获得多个pathway的时候，可以比较pathway在样本分组中的差异，这样可以更好的确定每个通络的活性。前言GSVA全名Gene set variation analysis（基因集变异分析），是一种非参数，无监督的算法。与GSEA不同，GSVA不需要预先对样本进行分组，可以计算每个样本中特定基因集的富集分数。换而言之，GSVA转化了基因表达数据，从单个基因作为特征的表达矩阵，转化为特定基因集作为特征的表达矩阵。GSVA对基因富集结果进行了量化，可以更方

全网最全面的解读Hub 基因分析流程

全网最全决策曲线绘制方法 DCA

全网总结最全的校准曲线 Calibration curve

全网最全 C-index 汇总

临床上列线表已经占据大样本临床研究的半壁江山，非常流行!

基于 RNA-seq 检测融合基因的可视化

基于 RNA 数据分析1-13期基本介绍完成，而基因融合同样也是转录组测序中能够获得的对于临床上非常有意义的数据，这期就看看融合基因该怎么分析，增添文章的内容。

蛋白互作网络分析同样也是 SCI 文章中出现频率最高的分析方法，下面就给大家梳理一下流程！

全网最完成的WGCNA 分析流程

免疫浸润也是近几年肿瘤研究的一个重要方向。通过表达数据即可推算出这个整体样本中究竟有哪些免疫细胞。下面我们就基于数据库数据来看下整个流程分析！

全网最全 GSEA 分析流程！

全网最全 KEGG 注释结果绘图，直击 SCI 绘图标注，关注我，您最好的选择！前言1. KEGG 原理KEGG(Kyoto Encyclopedia of Genes and Genomes)数据库是系统地分析基因功能、链接基因组信息和功能信息的数据库，包括代谢通路（pathway）数据库、分层分类数据库、基因数据库、基因组数据库等。KEGG的pathway数据库是应用最广泛的代谢通路公共数据库。富集的含义：这里pathway富集的含义与GO富集的含义相同，也是表示差异基因中注释到某个代谢通路的基因数目在

全网最全 GO 注释结果绘图，直击 SCI 绘图标注，关注我，您最好的选择！

大多我们在做完差异表达之后都会看下我们的差异基因筛选的是否能将分组结果展现出来，都会选择热图，主要是热图技能聚类，又可以展现表达量的大小，非常直观，所以这期我们就说下热图的绘制方法。