- 博客(25)
- 收藏
- 关注
RSS订阅原创 单细胞测序数据整合（Seurat V4.0） vignettes
Introduction to scRNA-seq integration • Seurathttps://satijalab.org/seurat/articles/integration_introduction.htmlIntroduction to scRNA-seq integrationCompiled: January 11, 2022Source: vignettes/integration_introduction.Rmd基于R seurat v4.0的内置整合数据方法的R
2022-05-01 22:54:18
4869
4
原创 单细胞数据挖掘 P 3.1 QC以及细胞周期判断
「生信技能树」单细胞数据挖掘_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1pa4y1s76J?p=10P3.1 QC空细胞及重复细胞质控以及细胞周期判断空细胞质控load("scRNA.Rdata")library(Seurat)##1、detect special cells----# empty droplet# BiocManager::install("DropletUtils")library(DropletUtils)e
2022-04-15 00:47:28
1490
原创 【单细胞分析】P2.5、聚类，筛选marker基因，可视化
「生信技能树」单细胞数据挖掘_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1pa4y1s76J?p=8 #5.1 聚类 pc.num=1:20 #基于PCA数据 scRNA <- FindNeighbors(scRNA, dims = pc.num) # dims参数，需要指定哪些pc轴用于分析；这里利用上面的分析，选择20 scRNA <- FindClusters(scRNA, resolution = 0.5)
2022-04-14 18:38:00
5128
1
原创 单细胞数据挖掘 P2.4、降维，PCA分析，可视化
「生信技能树」单细胞数据挖掘_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1pa4y1s76J?p=7&spm_id_from=pageDriver4、降维，PCA分析，可视化这里主要需要使用scRNA的矩阵，不需要其他的sce，因此先清空内存，释放算力。load("For_PCA.Rdata") ### 4、降维，PCA分析，可视化---- sessionInfo() #先进行归一化（正态分布） scRNA <- Sc
2022-04-13 00:51:15
2696
原创 单细胞数据挖掘 P2.3 挑选hvg基因，可视化
「生信技能树」单细胞数据挖掘_哔哩哔哩_bilibili生信技能树又一单细胞系列课程上线啦~小伙伴们快来学习呀https://www.bilibili.com/video/BV1pa4y1s76J?p=6一、构建hvg并查看是否有MT/ERCC基因混杂情况hvg基因为高变化基因，即在各个样本中，表达量差异最为明显的基因。#highly Variable gene:简单理解sd大的 scRNA <- FindVariableFeatures(scRNA, selection.metho
2022-04-12 22:31:57
1484
原创 单细胞数据挖掘 P2.2 构建Seurat对象，质控、绘图
单细胞数据挖掘 P2.2 构建Seurat对象，质控、绘图「生信技能树」单细胞数据挖掘_哔哩哔哩_bilibili生信技能树又一单细胞系列课程上线啦~小伙伴们快来学习呀https://www.bilibili.com/video/BV1pa4y1s76J?p=5该章节承接P2.1单细胞课程一、筛选思路及方法# 2.1 构建seurat对象，质控 #In total, 2,343 cells from tumor cores were included in this analysis...
2022-04-12 00:30:28
3610
原创 单细胞测序下游分析 P 2.1 下载 探索 整理
「生信技能树」单细胞数据挖掘_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1pa4y1s76J?p=4这部分主要是下载GEO数据后，进行数据特征的探索以及整理。原始代码可参见up主之前的上传github地址。GEO数据下载地址：GEO Accession viewer NCBI's Gene Expression Omnibus (GEO) is a public archive and resource for gene expression d
2022-04-11 00:25:54
921
2
原创 【生信技能树】GEO数据库挖掘 P7 6差异分析
用limma包对芯片数据做差异分析 | 生信菜鸟团 http://www.bio-info-trainee.com/1194.html用limma包的voom函数来对RNA-seq数据做差异分析 | 生信菜鸟团 http://www.bio-info-trainee.com/1544.htmllimma包的使用技巧 - hzs319 - 博客园limmar package是一个功能比较全的包，既含有cDNA芯片的RAW data输入、前处理（归一化）功能，同时也有差异化基因分析的“线性”算法（limma:
2022-04-06 00:22:37
2298
原创 【生信技能树】GEO数据库挖掘 P6 5了解矩阵
【生信技能树】GEO数据库挖掘_哔哩哔哩_bilibilijimmy开始招学徒啦~这个课程就是周末的线下课的录屏哦~戳它了解→ https://mp.weixin.qq.com/s/gzyCRNnfgYkSsnjPSr-MGw 专栏：https://www.bilibili.com/read/cv719181这个系列视频包学包会，学不会……那就多看几遍……或者……欢迎报名jimmy的线下课呀~o(*￣▽￣*)ブhttps://www.bilibili.com/video/BV1is411H7Hq?p=6&a
2022-04-05 21:44:43
1633
原创 【生信技能树】GEO数据库挖掘 P5
【生信技能树】GEO数据库挖掘P5 4 ID转换技巧大全【生信技能树】GEO数据库挖掘_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1is411H7Hq?p=5&spm_id_from=333.1007.top_right_bar_window_history.content.click【方法1】本章接导入，利用read函数导入后是一个matrix【方法2】本章利用getGEO方式导入，获取其表达矩阵。如果使用getGEO获取的是一个对
2022-04-04 00:20:24
2331
原创 GEO学习笔记-P3 表达矩阵过滤
学习材料：【生信技能树】公共数据库挖掘实例（基于R语言） bilibili版本以及后续更新课程中的github材料为基础。本章节是以：【生信技能树】公共数据库挖掘实例（基于R语言）为基础，进行的代码复现与注释，章节标注以之为准。【生信技能树】公共数据库挖掘实例（基于R语言）_哔哩哔哩_bilibili今天小编给大家带来的是由我们jimmy大大亲自录制的公共数据库挖掘实例~纸上得来终觉浅，绝知此事要躬行，一起跟着大大来实践吧~https://www.bilibili.com/video/BV1Lt4.
2022-04-01 18:10:09
2498
1
原创 安装R包的经验总结
还有什么比看教程的时候被卡在安装R包更让人心烦的呢比如我就出现这种：package ‘BiocInstaller’ is not available (for R version 4.0.1)并且有些包还很难寻找。主要是因为URL地址无法被R所解读。因此有几个方法可以尝试：首先排除网络的问题，之后可参考以下情况：安装包的几个方法1、install.packages()2、需要寻找镜像，然后使用bioconductor包。当然需要先安装一下。伴随bioconductor升
2022-03-18 23:39:36
2259
原创 转录组测序分析项目及方法汇总(更新中)
转录组测序分析项目及方法汇总基于生工教学手册-从0开始解读转录组整理转录组测序分析项目及方法汇总 项目 方法 工作环境 PCA主成分分析 vegan package R package PCoA 主坐标分析 vegan package R package NMDS 非度量多维尺度法 （用以降维分析保留次第关系） Vegan package 样本距离：bray curtis 聚类树构建：h
2022-03-01 23:25:50
2653
原创 GEO学习笔记-P1-P2
学习材料：【生信技能树】公共数据库挖掘实例（基于R语言） bilibili版本GEO主要包含4种类型的数据：平台（Platform,GPL）、样本（Sample,GSM）、系列（Series，GSE）、数据集(Datasets,GDS)，以及表达谱。四种编号GPL，GDS，GSE和GSM可以获得完整的平台，数据集，系列以及样本的信息.其中：原始数据：GPL(Platform),GSM(Sample),GSE(Series)数据集GDS(DataSets), 表达谱(Profiles).
2021-11-15 23:39:42
3618
原创 生存预测模型样本量计算（完善中）
预测模型的样本量计算一直都是困扰笔者很久的问题一般临床预测模型常见的有两类：非时间因素/包含时间因素举例来说，非时间因素建模常见于logistic/lasso等回归模型之后，时间因素相关的结局变量常见于cox等模型建模后。如果选用logistic模型，可使用的思路为：1、根据自变量数目进行预测，根据自变量（即构建模型的自变量）数量，10-20倍区间的样本量均可。具体理论后续补充或完善。2、将预测模型视为临床研究的思路，即A模型比B模型能提高结局的预测能力，即在某一类人群中（高危？or 低危？）模型
2021-06-29 22:28:38
4418
原创 tableone自动生成
目前比较好用的主流包有两个1、twogrps {CBCgrps}，可以比较两个亚组分析，同时可以生成总的比例分布以及亚族的比例及比较，缺点：比例显示无法精确到小数点2、package {tableOne} tableone包可以通过分层变量的设置来进行总体描述及亚组分析，也很好用。通过addoveral来获取总体的column值，就很完美可以精确到小数点后1位。Reference for twogrps{CBCgrps}Zhang Z. Univariate description and b
2021-06-29 11:45:23
946
原创 获取office序列号并删除
获取office序列号并删除以管理员模式打开CMD命令提示符cd office地址：同时获得lience的后5位cd C:\Program Files (x86)\Microsoft Office\Office16## 获取后5位script ospp.vbs /dstatus需要注意空格等内容，随后删除ospp.vbs的内容*****即为前出现的lience号cscript ospp.vbs /unpkey:*****注意空格最后可以再观察一次dstatus检测是否删除...
2021-06-13 10:38:53
1216
1
原创 如何获取训练集与验证集的样本ID编号
如何获取训练集与验证集的样本ID前提：对样本有进行ID的编号# 获取训练集ID# 1可替换为ID所在列的列数# in_train为原始data（未进行抽取训练集和验证集的完整data） training_set <- data[in_train,1] # 1可替换为ID所在列的列数 training_set <- as.data.frame(training_set) # 格式替换 names(training_set) <- c("training_ID") # 所在
2020-08-15 00:28:00
815
原创 R语言 疗效分析或数值可视化之瀑布图（柱状图）ggpubr
疗效分析的研究或者一些预测值需要可视化其排序和分布时，瀑布图是个很好的选择。瀑布图的本质，就是柱状图的分组与修改。考虑到投稿文章的要求，现有的R语言包中ggpubr是个非常适合医学研究的作图包# 在可视化的过程中，必须是dataframe或者matrix进行整体分析# data的信息至少包含两类：# 1、分组 2、实际data# 进行dataframe转化data <- as.data.frame(data)# 重新命名列名names(data)<-c("name1","n
2020-08-15 00:11:34
3736
1
转载 R语言 legend() 图例设置
legend(x, y = NULL, legend, fill = NULL, col = par(“col”),border = “black”, lty, lwd, pch,angle = 45, density = NULL, bty = “o”, bg = par(“bg”),box.lwd = par(“lwd”), box.lty = par(“lty”), box.col = par(“fg”),pt.bg = NA, cex = 1, pt.cex = cex, pt.lwd =
2020-07-17 00:50:23
9700
原创 R语言 KM曲线作图及logrank检验
高低危分两组library("survival")library("survminer") # best cutoff res.cut <- surv_cutpoint(RC_N, time = "time", event = "event", variables = c("value")) res.cat <- surv_categorize(res.cut) fit <- survfit(Surv(time, event) ~ value
2020-07-14 23:50:30
10649
原创 cox计算C-index及两模型进行C-index的比较，survcomp的安装及使用
计算COX模型的cindex以及两个cox模型的假设检验方法1：基于cox直接生成系数以及计算的C-index值library("survminer")library("survival")######### 生成COX模型cox_model <- coxph()####直接查看coxphsummary(cox_model)########## call之后： Concordance= 0.735 (se = 0.035 ) 即是C-index########## 查看cind
2020-05-17 16:42:34
16688
12
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