- 博客(5)
- 收藏
- 关注
RSS订阅原创 MOVICS系列教程(四) 示例文章解读
随着生物科学技术的发展和科研水平的提高，我们逐渐认识到单纯从转录组水平来研究基因的功能是不准确的，运用多组学来解决科学问题正成为大趋势。就拿近些年火热的单细胞测序技术，也逐渐推出了scATAC,蛋白组等一系列多模态数据的解决方式。MOVICS包最多可以同时整合6种多组学数据，这为我们更准确的揭示机制功能提供了有力工具。
2022-01-23 17:41:24
1005
原创 MOVICS系列教程(三) RUN Module
通过学习前面几个模块，我们已经发现了基于多组学数据找出的乳腺癌各亚型间具有非常显著的分子差异，而我们如果想深入挖掘其背后机制，就需要找出差异表达的基因是哪些,以及这些基因具有什么样的功能。而MOVICS第三个模块，也就是最后一个模块，将会帮助我们实现这个目的。
2022-01-23 17:37:50
1212
原创 MOVICS系列教程(二) COMP Module
相信你已经被上述各种炫酷的图片吸引住了，但是截止到目前为止，我们仍然只是从表型上找出乳腺癌的各亚型间分子功能的不同。而如果想更深入的挖掘其背后机制，就需要找出各亚型间这些差异表达的基因是哪些，这就是MOVICS第三个模块的作用了，Immugent将会在下一次推文中进行介绍，敬请期待！
2022-01-23 17:34:08
633
原创 MOVICS系列教程(一) GET Module
MOVICS第一个模块就是对多组学数据进行整合，通过联合多种统计算法揭示它们之间的关联，并总结出各组学的特征对样本进行分亚型。在这个模块中，你必须给MOVICS提供至少两个组学的数据，而且组学之间是独立的，要具体根据研究的科学问题来输入正确的数据。分完亚型后，我们就需要揭示各亚群之间的分子特征差异，Immugent将会在下一个推文中进行讲解。
2022-01-23 17:29:58
1713
原创 整合多组学数据进行分型之MOVICS
随着各项生物技术的不断推广，光靠转录组的数据我们往往无法精准的找到候选基因，如果联合多组学数据，在不同层面上综合进行分析，这样做出的结果往往更可靠，MOVICS就是实现这样功能的一个R包。
2022-01-23 17:15:35
3047
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