- 博客(26)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 ipynb文件太大打不开
在运行命令时，某一个cell报错了，导致最终ipynb文件竟然有190MB，完全无法在jupyter中打开，可以先用记事本打开查看报错原因，然后将ipynb的所有输出删掉。会删除所有cell的output。
2025-03-11 10:04:58
105
原创 读入或写入h5ad文件时，报错
可能是obs或var的index，或者名称出现了None，以及值不是str/object类型或者是存在adata.raw有一些冲突。
2025-03-05 21:33:03
145
原创 conda环境创建软连接
原本我的conda安装在/home下面，但是目前的空间不足，很影响后续的使用，因此我在/home下创建了一个软链接，链接到/picb下，也就是说实际的miniconda目录是在/picb下的。如果有需求更改miniconda3实际目录的某些名称，比如将miaoy改为miao，那么只需要更新一下这个软链接，conda是可以继续使用的。如果使用jupyter的话，原jupyter空间也在home下，可以将jupyter的空间也链接到picb下。
2024-12-05 11:35:27
230
原创 ingest&BBKNN使用
1. ingest方法不是无偏的整合不同datasets，从而学习一个joint representation（as CCA (e.g. in Seurat) or a conditional VAE (e.g. in scVI) ，BBKNN，would do），而是根据已处理好的ref，将新数据投射上去，因此只需要处理一次ref，就可以不断的添加新数据映射上去2. 在执行前我们需要对 adata_ref 运行 neighbors()
2024-11-08 12:17:14
845
原创 ACC、AUC、auPR
1. test acc：模型正确预测的样本占总样本的比例。如果该样本中零值大概是73%的比例，test acc高而auc低说明模型没学到有用的信息，将所有样本都判断为0都有73%的正确率，更何况随机猜测(auc=0.5)，因此准确率会稍高于73%2. AUC：ROC曲线下的面积，ROC曲线是真阳率（True Positive Rate, TPR）对假阳率（False Positive Rate, FPR）的图表表示。AUC越高，意味着模型对正负样本的区分能力越强（能把正样本找全）。
2024-03-20 10:54:13
1491
1
原创 GFETM: Genome Foundation-based Embedded Topic Model for scATAC-seq Modeling阅读笔记
考虑到scATAC数据中的染色质特征是与特定的高染色质可及性基因组区域（用DNA序列表示）相关的，因此，整合来自GFMs的核苷酸序列embeddings（来自人类参考基因组的pre-trained），可能会增强染色质特征的embeddings，并提升scATAC数据的建模。GFETM在多个数据集上展现了sota的性能，并在不同batches、tissues、species、omics 之间都展示了泛化性和可迁移性。
2024-03-16 17:03:18
685
1
原创 基因、转录组的命名
一个基因（Gene）可以通过不同方式被转录（Transcription）成多个转录本（Transcript），每个转录本可以被翻译（Translation）成一个蛋白（Protein）。
2024-03-08 12:12:27
1159
1
原创 在linux中安装pytorch
下载过程中，torch有大概2G，下载速度很慢很慢，因此，直接在提供下载的网址将该文件下载下来，并传到 /picb/bigdata/project/myy/torch-1.13.1+cu116-cp38-cp38-linux_x86_64.whl 下,然后用。尝试之后发现它还是安装的cpu版本的，有人是这样说的，也就是conda安装时自动替换为cpu版本了。（我的服务器nvidia-smi出来后是11.7版本的）所以放弃用conda下载了，可恶！安装好torch之后，再继续用。
2023-12-07 19:33:01
436
原创 h5文件的读取（h5py、scanpy）
HDF：hierarchical data format 层次数据格式- h5文件中有两个核心概念：group 和 datasets-- group 包含了其它groups和datasets，像字典一样工作（类似目录）-- dataset 即numpy.ndarray，像numpy数组一样工作（类似文件）
2023-11-07 14:06:51
7081
原创 kipoi使用-DeepSEA
tsv内容是：，共10条序列，作为后续的example；fa内容是无间断的30万个碱基：chr22：32000000_32300000。
2023-08-30 21:11:48
210
原创 iGWAS文献总结---图像GWAS的自监督学习表示
iGWAS用于识别，通过对比学习从医学影像中发现的表型相关的遗传因素。使用视网膜眼底照片，提取代表其特征的128维向量作为表型，用EyePACS数据集中的4万张图像训练模型，从UKB中的65629名英国白人参与者的130967张图像中生成表型的表示特征，GWAS鉴定出34个相关基因座。WNT7B是新发现的，功能验证表明与视网膜血管发育有关。这种基于医学图像自监督表型分析，对 传统的 用人类专家定义的成像表型来说 是一种改进。
2023-08-07 16:36:41
326
1
原创 DeepSEA-用深度学习预测非编码变异的效应
从原始序列中预测非编码变异的效应，基于深度学习模型，预测不同的染色质特征，以及预测单核苷酸改变后的染色质效应。可以利用该方法改进功能变异的优先级排序（包括eQTL和疾病相关变异）
2023-08-06 21:29:07
1093
原创 GWAS_tutorial 学习笔记
主要是根据https://github.com/MareesAT/GWA_tutorial跑了一遍GWAS的基本流程，以及附有一些个人理解
2023-06-22 20:38:19
1532
5
空空如也
做chromVAR时
2022-03-15
TA创建的收藏夹 TA关注的收藏夹
TA关注的人