- 博客(51)
- 收藏
- 关注
RSS订阅原创 免疫浸润分析盘点(引用)
MCPcounter：通过估计微环境中不同类型免疫细胞的丰度，以及炎症程度，从而评估肿瘤免疫浸润情况。Cibersoft：它可以评估肿瘤组织中免疫细胞的丰度，并区分活跃的免疫细胞和抑制性的免疫细胞。ssGSEA：这是一种计算免疫细胞类型得分的方法，可以用于评估免疫细胞在肿瘤样本中的活跃程度。ESTIMATE：它可以评估肿瘤组织中免疫细胞浸润的程度，并同时考虑非免疫细胞的存在。IPS：这是一种预测肿瘤样本中多种细胞类型丰度的算法，包括免疫细胞和非免疫细胞。
2024-01-28 20:54:01
759
原创 limma：单通道数据和RNA-seq数据差异性分析标准方法
现在的主力的高通量测序机所产生的也是单通道数据，所以只要是被voom标准化（包括了log转化）的RNA-seq数据都可以看作和microarray一样的数据[引用]。分析单通道数据其实是最好理解的，和普通的线性回归或者方差分析几乎是一样的。与微阵列数据不同的是，单通道数据通常需要依赖对比，缺少内参，所以R中设计程序的适合没几个标准参数可以用。你会发现结果是一样的，以上是针对单通道数据和voom标化 RNA-seq数据而言的二组对比，也是最常用的差异性分析方法，分享给大家。第一种：不要设计矩阵。
2023-12-23 16:52:41
542
原创 R语言如果列表中有列表，且每个子列表有一个向量：如何转变为仅仅一个列表里面含有向量
有些时候，比如批量读取表格中的某一列的时候，最终你会得到列表里面装列表，且每个列表里面只有一个向量的情况。我们的目标是不要中间这一层列表，而是直接变成列表-向量这种简单的结构，如何完成呢。我觉得有很多方法，而我在这分享一种最简单的办法。每个列表，如列表A中含有一个向量，有217个字符串，B有426个。看结果，已经去掉中间这一层列表。cir.lists是列表文件。一行代码解决整个问题。
2023-08-25 20:26:59
1015
1
原创 差异性分析傻瓜版
write.csv(nrDEG_limma_voom,"结果.csv")path1输入你的第一个Excel。path2输入你的第二个Excel。
2023-08-10 18:45:09
183
原创 Error: ‘\l‘ is an unrecognized escape in character string starting “‘＜path to＞\l“
Error: '\l' is an unrecognized escape in character string starting "'<path to>\l"r - Error: '\l' is an unrecognized escape in character string starting "'<path to>\l" - Stack OverflowWell, no problem now. I just delete the file ".Rprofile" a
2023-05-11 19:04:52
996
1
原创 onenote不能同步，如何解决？
onenote属于immersive app。所以window为了稳定性考虑会限制这类应用的流量。原文是这样的：For早就有有开发者就开发了绕过这个机制的工具：fiddle web debugger。这个软件大家可以去官网下。
2023-04-19 00:28:35
1979
1
原创 affy包处理Affymetrix 芯片数据：3种标准化方法
芯片实验中存在大量干扰因素，标准化可以削弱这些干扰因素,使得实验条件下的测量可以相互比较,大大减小误差。affy包处理Affymetrix 芯片数据：3种标准化
2022-12-12 00:30:05
2194
原创 语言：Error in match.names(clabs, names(xi)) : 名字同原来已有的名字不相对
语言：Error in match.names(clabs, names(xi)) : 名字同原来已有的名字不相对
2022-11-28 22:33:34
720
翻译 单细胞分析可视化工具盘点
来自英国维康桑格研究所和土耳其盖布泽的大学的研究人员对13种常用的scRNA-seq交互式分析和可视化工具进行了测评，以帮助科研人员选择更适合自身实际的数据可视化方法。附加分析功能：可视化工具的一个实用功能是可以对用户选择的细胞进行额外的分析，如细胞类型注释、差异表达分析或标记基因识别。基于web进行数据托管、发布和共享（蓝色标记）：Web共享对应于托管和共享具有数据可视化功能的网页能力，而SaaS功能对应的是作者提供的工具的在线托管版本，只需要用户上传输入文件。基于web的可视化工具用户体验测评。
2022-11-25 13:30:10
591
原创 GO分析进阶后的归纳分析
当你仅仅罗列一张GO列表，里面涵盖的生物学方向、生物学成分大部分是重复的，这样给人的感官就不行。除非，你把每一条通路都放入数据库，比如rectome数据库中进行大类（上一级）注释，当然这一步骤可能需要手动来完成，那就太累了，我们根本没有那么多空余时间。有没有什么手段把的到的GO进行自动归纳，整理成大的板块，然后解读呢。例如，当你得到很多炎症细胞GO，如果归纳起来，或者说进行聚类分析整理起来，然后再罗列成“炎症GO”，解读成，我们的目标基因就是和炎症相关的，这样文章得到了升华，也让审稿人觉得你是真的懂
2022-11-12 12:19:21
1580
2
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