- 博客(10)
- 收藏
- 关注
RSS订阅原创 Mime机器学习
C-index是一种衡量生存分析模型预测准确性的指标，值越接近1表示模型预测的准确性越高。点击External data，进入后点raw下载数据。*list_train_vali_Data 数据集：结构与train_data一样。其他列是基因名：其表达量为 用log2（x + 1）缩放的基因表达水平。*建议训练数据集包含超过 100 个样本，基因集包含超过 50 个基因。第一列是样本名（样本ID）；HR：风险比，主要用于生存分析，即。置信区间：有95%的概率包含真实值。查看其中Dataset1数据集。
2024-12-01 22:19:32
252
原创 Seurat基础分析
左上角的点可能与细胞异质性和特定细胞亚群的标识有关，而右上角的点可能与更广泛的细胞功能和调节有关。，其中左上角的点（低平均表达水平和高方差）通常指的是那些在少数细胞中表达量很高，而在大多数细胞中表达量很低的基因。相反，右上角的点（高平均表达水平和高方差）则指的是那些在所有或大多数细胞中普遍表达，但表达量变化大的基因。这些基因可能参与一些基本的细胞过程，或者在不同细胞中因应不同的生理状态而表现出不同的表达水平。：通过观察每个主成分的方差解释程度，可以找到一个“肘点”，即主成分的方差贡献开始显著下降的点。
2024-10-31 21:35:06
962
原创 生物信息学知识
GEO数据有五种：Platform （平台）、Samples （样本）、Series （系列）、DataSet （数据集）、Profile（基因表达谱）。平台为“GPL+数字”，样本为GSM+数字，系列为GSE+数字，数据集为GDS+数字。
2024-02-26 22:43:46
1766
原创 不是maf格式的somatic突变数据就没办法读入到maftools了么
因为使用的是百度李彦宏的文章数据，大家会比较倾向于处理tcga的肿瘤突变数据，虽然仅仅是输入数据的不一样，后续分析都是靠 maftools 这个包，maftools 全能无需我再吹嘘，必须花十几个小时认真掌握它！ 假如大家是在 https://xenabrowser.net/datapages/ ，找到 GDC TCGA Breast Cancer (BRCA) (20 datasets) ，数据库提供了4种somatic突变的maf文件供下载，somatic mut...
2021-10-06 17:45:18
904
原创 maf文件内容简介
原文章网址：https://mp.weixin.qq.com/s?__biz=MzIwODA1MzI4Mg%3D%3D&chksm=809f90a0b7e819b6e40d2fa0718ee3a022dad989f884c134d374e5a2f4504d85d2f8a408a3ef&idx=1&mid=2456012269&scene=21&sn=a84dd0a5b42c50f897341f0722bb9352#wechat_redirect ...
2021-10-06 17:26:15
3357
原创 2021-08-21 类器官单细胞图谱
阅读文章原网址：https://mp.weixin.qq.com/s/-4ezuQGRN9tM2R08Cb9S2Q目录1.类器官定义2.类器官的用途3.文章大意1.类器官定义 类器官属于三维（3D）细胞培养物，包含其代表器官的一些关键特性。此类体外培养系统包括一个自我更新干细胞群，可分化为多个器官器官特异性的细胞类型，与对应的器官拥有类似的空间组织并能够重现对应器官的部分功能，从而提供一个高度生理相关系统。（简单来说，将患者的正常细胞或肿瘤细胞在体外进行培养...
2021-08-21 15:27:46
482
原创 2021-07-21 harmony整合不同平台的单细胞数据
counts<-ileum@assays[["RNA"]]@counts##提取countsrecepters_lin<-ileum[c("ACE2","DPP4","ANPEP","CEACAM1"),]##提取特定基因的countstable(Idents(recepters_lin))gene11=recepters_lin[1,which(recepters_lin@active.ident=="Paneth")]a1=sum(gene11@assays$RNA@cou..
2021-07-21 02:16:10
2507
1
原创 2021-07-10 FindMarkers与AverageExpression 两个函数的差异
library(Seurat)sce=ileum##ileum为创建的Seurat对象dim(sce)##[1] 17284 5301 行为基因名，列为细胞名table(sce$seurat_clusters)## 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 ##629 571 415 367 364 359 336 262 259 259 230 226 219 163 153 149 132 .
2021-07-12 05:36:29
3521
2
原创 2021-06-27 barplot绘制堆积条形图
首先我们先看一下原始数据然后我们绘制堆积条形图#读取数据a <- read.table(file="sample_bacteria_percentage.txt",sep="\t",header=T,row.names=1)#生成png图片，删除之前的堆积柱形图png(file="before.png",width=560,height=400)#设置图片右边空白宽度，稍微宽一些，可以放置图注par(mar=c(5,4,4,10))#绘制堆积柱形图，样本名字垂直摆放，利用..
2021-06-27 22:26:51
1003
原创 2021-06-27 ggplot2绘制堆积柱形图
#1、设置路径setwd("C:\\Users\\23217\\Desktop\\test")#2、加载原始数据library(ggplot2)raw=read.table("sample_bacteria_percentage.txt",header=T,sep="\t")原始数据如下图，列为各样本名，行为分类library("reshape2")#将数据以class为分类标准重新整合data=melt(raw,id="class")整合完成的数据p=ggp..
2021-06-27 18:36:24
1642
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