- 综合排序
- 最热优先
- 最新优先
- 来自专栏医学和生信笔记
机器学习和临床预测模型公开课全文及回放
周五公开课文字内容以及录屏回放。 视频已上传到b站，我的b站账号：阿越就是我 本文目录： 从医学统计到机器学习 机器学习在临床中的应用 机器学习和临床预测模型有什么关系？ 唯一不同且是最重要的一点：临床预测模型更加注重结合临床背景进行解释。 生信常见的各种数据库id, hgnc gene symbol, entrez id, ensembl id等？中心法则？表观遗传涉及哪些内容？什么是甲基化？单核苷酸多态性SNP, 拷贝数变异CVN？ 解决你80%的问题 临床预测模型常见发文类型 临床预测模型类文章主要内容是3个部分： 模型的建立-各种算法，logistic、决策树等等 模型的评价-各种指标和图表，ROC、C-index、校准曲线、决策曲线等等 模型的解释：临床预测模型必须不能脱离临床，单纯的数字游戏没有任何意义。
1.9K32编辑于 2023-02-14 - 来自专栏医学数据库百科
临床相关突变查询数据库
写在前面 越来越多的研究发现某一个基因的突变和很多的临床特征有关系。如果我们想有查找临床性状和基因突变的关系的话，内容比较全面的就是ClinVar数据库了。 ClinVar 数据库是ncbi旗下用于查看临床相关突变的数据库。但是其数据库的内容比较多，而且检索界面不是很友好。所以经常看不懂其结果。所以今天就介绍一个检索简单的突变和表型的数据库。 通过其名字我们就知道这个是一个简易版的Clinvar数据库。 输入 数据库的输入很简单，我们可以数据疾病；基因名; 突变等。都可以。 我这里输入gastric cancer。 另外数据库也提供了下载的功能。我们点击Show Table就可以看到其下载结果的地方了。 写在后面 以上就是这个数据的所有功能的。输入关键词—界面友好的查看结果。是不是很简单。 一直再说这类汇总其他数据库的资源，最怕的资源更新慢的问题。不过看这个数据库还是经常更新的。所以可以放心使用的
1.3K40发布于 2021-11-18 - 来自专栏百味科研芝士
基于SEER数据库的临床预测模型轻松发3分SCI
今天继续和大家分享一篇临床预测模型文章，同样是基于SEER数据库的一篇预测模型，于2019年11月发表在Annals of Translational Medicine（IF=3.689）上。 of prognostic nomogram for young patients with gastriccancer 标题：建立并验证青年胃癌患者预后的预测模型 文章总体概览： 作者通过检索SEER数据库 DCA结果 笔者总结：本文通过SEER数据库建立了青年胃癌患者OS和CSS的预后预测模型，并进行了验证。通过统计学分析+R语言技术建立了临床适用性较强的Nomogram。 2008年，肿瘤权威期刊《Journal of clinical medicine》发表了一篇文章对Nomogram进行了详细介绍，文中指出纳入Nomogram的变量应该取决于临床资料的可获取性和临床证据 因此，此时X-tile就可以大显身手了，其可以寻找一个最佳的年龄截断值，将患者分为3组，3组之间的生存模式差异实现最大化， 本文来源：临床预测模型Nomogram 参考文献： 1.
4.8K33发布于 2020-02-24 - 来自专栏生信技能树
TCGA数据库临床资料官方大全
因为TCGA计划跨时太长，纳入研究的病人数量太多， 或多或少有点资料继续错误或者不完整，所以TCGA团队下功夫在计划结束后（April 2018）完整的系统性的公布了权威的临床资料。 看起来是乱码，但的确是真实的下载地址：https://api.gdc.cancer.gov/data/1b5f413e-a8d1-4d10-92eb-7c4ae739ed81 题外话：关于不同数据源的TCGA临床资料冲突的讨论 =clin1[,3]/30 clin1[clin1[,3] <0,3]=0 #重新读入TCGA-CDR数据 clin3=read_excel(". /TCGA-CDR-SupplementalTableS1.xlsx",sheet=3,na="NA") clin3 = as.data.frame(clin3) rownames(clin3) = substring (clin3[,2],1,12) clin3 = clin3[, -c(1:3)] 我在比较这两个文件的时候发现了不一致， 然后搜索解决方案居然找到了我以前华西医学院的学生的分享;https://www.jianshu.com
5.3K41发布于 2019-06-15 - 来自专栏生信宝典
临床基因组分析相关数据库汇总
一、人群SNV频率数据库 数据库名称 网站 简介 dbSNP https://www.ncbi.nlm.nih.gov/snp/ dbSNP 包含人类单核苷酸变异、微卫星和小片段插入和缺失，以及常见变异和临床突变的发表 ClinGen https://www.clinicalgenome.org/ ClinGen是美国国立卫生研究院(NIH)资助的数据库资源，用于精准医学，研究基因和变异的临床相关性。 三、表型数据库 数据库名称 网站 简介 GeneReviews http://www.genereviews.org/ GeneReviews 是为忙碌的临床医生提供的国际即时护理资源，以标准化的期刊样式格式提供与遗传病相关的临床相关和医学上可操作的信息 DECIPHER https://www.deciphergenomics.org/ 使用Ensemble基因组浏览器，将基因芯片数据和临床表型进行关联，便于临床医生和研究人员使用的细胞分子遗传学数据库 七、其他数据库 数据库名称 网站 简介 Pharmgkb https://www.pharmgkb.org/ PharmGKB是一个综合资源，为临床医生和研究人员管理有关基因变异对药物反应影响的知识。
2.7K20编辑于 2022-01-19 - 来自专栏从百草园到三味书屋
公开重症监护数据库MIMIC代码仓库介绍
； EHR二次分析需要临床专家和数据科学家的合作，在EHR数据库上推导或者定义一些概念是需要资源的，对于没有特别强的临床背景或者数据科学技能的人来说巨大障碍； 该文介绍MIMIC代码仓库，介绍与重症相关概念的导出以及相关假设条件等 ； 公开数据已经逐渐有了，公开相应的数据代码同样重要。 疾病严重程度评分Severity of illness scores 在回顾性数据库中难以计算 大多都是在前瞻性实验中获取的； 常规收集的数据缺相应元素。 机械通气时长：识别机械通气时长需要复杂的逻辑规则（文中图3） 血管加压药物使用 CRRT 脓毒症sepsis sepsis定义有多种版本，这里给出了Angus 2001，Martin 2003，Iwashyna 结论 公开数据库的案例已经不少，为了让研究更加透明，也需要公开相应数据分析和数据处理的代码 补充 代码库地址：https://github.com/MIT-LCP/mimic-code 之前以MIMIC-III
2.1K10编辑于 2023-03-09 - 来自专栏脑电信号科研科普
EEG脑电公开数据库大盘点
对于刚进入EEG领域的同学来说，利用网上公开的EEG数据库练练手，顺便发表一些论文是个不错的选择。 公开数据库对于促进科学研究的快速发展意义重大，公开数据的建立可以让全世界各国的领域内研究者对某些问题进行更深入更全面的研究。 EEG/ MEG/MRI/ fNIRS公开数据库大盘点》），但最近笔者又搜罗了不少EEG的公开数据库网站，因此在这篇推文里笔者把目前的EEG公开数据库进行了较为全面的总结，希望对大家有所帮助。 网址：https://openneuro.org/ 3.BCI Competitions 包括多个基于EEG的BCI竞赛的脑电数据集。 isip.piconepress.com/projects/tuh_eeg/html/downloads.shtml 6.PhysioNet PhysioNet于1999年在美国国立卫生研究院（NIH）的主持下成立，其提供大量的生理和临床数据以及相关的开源软件来
4.2K20编辑于 2022-05-02 - 来自专栏深度学习与python
Pinecone 无服务器向量数据库公开预览
作者 | Renato Losio 译者 | 明知山 策划 | 丁晓昀 最近，Pinecone 宣布了其新的无服务器向量数据库的公共预览，旨在降低基础设施管理成本，同时提高生成式人工智能应用的准确性 根据向量数据库专家的说法，读、写和存储的分离显着降低了各种规模和类型的工作负载的开销。多租户计算层使用新的索引和检索算法实现了按需检索，从而实现了对 blob 存储进行内存高效的向量搜索。 在“重新构想向量数据库，实现知识丰富的 AI”一文中，Pinecone 工程副总裁 Ram Sriharsha 描述了团队为何以及如何重建 Pinecone，并讨论了向量数据库的重要作用： LLM 很容易产生幻觉 Ampt 的 CEO 兼创始人 Jeremy Daly 则表示： 它被吹捧为 "遏制 AI 幻觉的突破性进展"，但考虑到其他主要数据库也正在添加向量功能，分析人士表示，其接受者可能会很少。 Pinecone 并不是市场上唯一支持无服务器向量存储的参与者，其他数据库和数据平台供应商也提供了支持向量的无服务器数据库，包括 MongoDB 和 Snowflake。
64810编辑于 2024-02-29 - 来自专栏脑电信号科研科普
EEG MEGMRI fNIRS公开数据库大盘点
《本文同步发布于“脑之说”微信公众号，欢迎搜索关注~~》 公开数据库对于促进科学研究的快速发展意义重大，公开数据的建立可以让全世界各国的领域内研究者对某些问题进行更深入更全面的研究。 此外，我们个人同样可以利用各类脑科学公开数据库方便地进行各种研究。 笔者在这里较为全面地盘点目前免费的EEG/MEG/MRI/ fNIR公开数据库，希望对大家的研究有所帮助。 网址：http://myconnectome.org/wp/ 中国AD临床前期联盟多中心认知下降纵向研究数据库 中国AD临床前期联盟多中心认知下降纵向研究数据库(SILCODE)是由中国国家老年疾病临床医学研究中心 网址：https://openfmri.org/ 英国生物银行 英国生物银行(UK Biobank)数据库已经采集自3个中心，5000名被试的多模态MRI数据，包括结构MRI、静息态fMRI、任务态 网址：http://adni.loni.usc.edu/ NeuroMorpho NeuroMorpho主要用于搜集已经出版的研究中的神经元结构，是目前为止最大的3D神经元重建和相关元数据的数据库
4.1K01发布于 2020-11-18 - 来自专栏FreeBuf
如何使用S3Scanner扫描并转储公开S3 Bucket
关于S3Scanner S3Scanner是一款针对S3 Bucket的安全扫描工具，该工具基于Python开发，是一个强大的脚本工具，可以帮助广大研究人员快速扫描和识别不安全的公开S3 Bucket /venv/bin/activate（向右滑动，查看更多） 该工具由两个部分组成，即s3finder.py和s3dumper.sh。 s3finder.py 该脚本可以接受一个域名列表文件作为输入参数，并检测这些域名是否由Amazon S3托管。 s3dumper.sh 该脚本支持接收由s3finder.py创建的带有区域的域名列表作为输入参数。针对每一个S3域名，该脚本都会检测其中是否托管了公共可读的S3 Bucket，如果有，则将其转储。 工具使用样例 $> python s3finder.py -o output.txt domainsToCheck.txt$> s3dumper.sh output.txt （向右滑动，查看更多
97010编辑于 2023-05-12 - 来自专栏科研菌
如何用好公开数据库多种组学数据？
图4.胰腺癌中DNA拷贝数变异与甲基化异常频率之间的相关性 5.胰腺癌亚群的临床病理特征和免疫评分 作者进一步分析了iC1和iC2 / iC3 / iC4亚组之间的临床病理信息。 表3. iC1和iC2 / iC3 / iC4亚组之间临床特征的比较 接下来，作者使用TIMER工具来计算四个亚组的免疫评分。 表3. iC1和iC2 / iC3 / iC4亚组之间临床特征的比较 6.胰腺癌亚组分子特征的比较 为了分析四个亚组之间的不同分子特征，作者分别计算了iC1和iC2 / iC3 / iC4之间的差异表达基因 使用来自GEO数据库的外部GSE21501和GSE71729数据集来验证结果。 最后，在外部和内部数据集中选择了三个与胰腺癌预后相关的基因（GRAP2，ICAM3和A2ML1）。 由于尚无文献报道，作者将在进一步研究中研究这三个新靶标（GRAP2，ICAM3和A2ML1）在胰腺癌中的生物学和临床功能。
2.2K11发布于 2020-08-07 - 来自专栏科研菌
5+分新思路：公开数据库+简单实验验证！
作者通过构建PD-L2特定靶点的珠芯片，并利用TCGA数据库中的相关数据来进行相关性分析和p-value分析，发现了PD-L2甲基化→mRNA表达量变化→黑色素瘤病人存活率变化的具体途径和机制。 图2；三幅图分别对应着(a)、(b)、(c) 3.PD-L2甲基化通过影响mRNA的表达量，从而影响肿瘤浸润免疫细胞评分 作者利用mRNA表达量和各个CpG位点，来对很多种类的免疫细胞进行 Spearman等级相关性分析（图3）。 图3.
68410发布于 2020-12-08 - 来自专栏生信技能树
TCGA数据库| 如何将表达矩阵与样本临床数据进行合并？
前面我们已经给大家介绍过TCGA数据库中样本barcode的详细组成：TCGA样本barcode详细介绍，现在我们来看看如何将基因表达矩阵与样本临床信息进行合并，方便后续做 比如生存分析，基因在不同样本分期 不同缩写代表的含义可取这个地址查看：https://gdc.cancer.gov/resources-tcga-users/tcga-code-tables/bcr-batch-codes 本次乳腺癌缩写为：BRCA 3、 ######################################################################## ########################## 3. 批量下载临床数据 ################################### ######################################################## 先看看各自的样本ID名，根据前面的介绍《TCGA样本barcode详细介绍》，可以看到 表达矩阵里面的是样本ID，临床信息中是patient ID，一个病人可能会取多个样本，比如同时存在正常样本与肿瘤样本
1.8K12编辑于 2025-01-08 - 来自专栏Rust语言学习交流
Rust公开课：《通过实战理解 Rust 宏》| Vol. 3
在本次公开课中帮助你理解 Rust Macro 的基本原理，学习如何创自已的 Rust 宏，以及查看源码学习宏的实现。
36430发布于 2021-08-12 - 来自专栏机器学习与统计学
OpenAI 公开 DALL·E 3关键技术！19页论文曝光
出场即炸场的DALL·E 3，又有新动向了！ 这次直接宣布对ChatGPT Plus和企业版用户开放，还连带公开了更多“官方推荐案例”。 不仅如此，OpenAI还一纸论文透露了DALL·E 3的关键技术细节。 相比其他AI，DALL·E 3表现最优秀的地方，应该就要属对提示词的完美遵循了。 论文一公开，可以说是解决了“如何让DALL·E 3遵循指令”这一让诸多人困惑的问题，有网友感叹： OpenAI终于又Open了？ 一起来看看这篇DALL·E 3论文的关键细节，以及它的更多用例。 用数据集让DALL·E 3“唯命是从” 先来看看DALL·E 3论文最大的亮点：提示词遵循（prompt following）。 这里是网友提到的DALL·E 3论文细节： 要是对DALL·E 3的更多技术细节感兴趣，也可以到论文中找找答案~ 论文地址： https://cdn.openai.com/papers/dall-e-3
45110编辑于 2023-11-28 - 来自专栏木鸟杂记
找数据库实习一定要刷公开课吗？
有同学在分布式系统&数据库论坛[1]问如何找到一个数据库实习。我感觉很多想做基础软件方向的在校同学可能都会有类似问题，所以开个小文简单聊聊。 最近两年我观察到一些风气：在简历上堆公开课项目。 我在各个平台也鼓吹过刷题和公开课，当然，以后我也仍会继续鼓吹。但在继续之前我想借此机会澄清下，刷题和公开课虽好，但这只是一种手段而不是目的。 如果我们把公开课当做一种开阔视野、领域进阶的一种手段，就不会去比拼公开课的数量，抄代码来完成实验，而是去扎实听讲、研读论文，搞清楚该学科的研究主旨和知识脉络。 因为以我和周围同事数据库面试校招的经验来说，大家对于实习生和校招生等新人，还是比较看重基本功和软技能。 最后小结下，对于公开课，在精而不在多；对于刷题，是手段而不是目的。
67720编辑于 2022-12-07 肿瘤突变位点临床解读数据库：CIVIC、JAX CKB、My Cancer Genome
作者，Evil Genius最近听美国人指挥，构建临床解读数据库，当然之前分享过数据库，文章在NGS基因测序（panel）报告解读数据库汇总 从工作的态度上看，我现在理解为什么科研人员都喜欢待在美国了。 1、CIVIC：免费开源的肿瘤突变位点临床解读数据库CIViC数据平台的全称是:Clinical Interpretation of Variants inCancer。 （3）“ClinicalEvidenceSummaries. tsv”：里面包含了变异位点对应的靶药，以及证据等级。 3、My Cancer Genome数据库数据库提供了癌症相关基因及特定癌症相关基因突变和临床相关性的最新信息，以及相关抗肿瘤药物类别、靶点和名称等信息，并且还收录了FDA批准或正在进行的临床试验，美国人特别推崇这个数据库 特点优势：为医生、病人、相关研究者提供了一个精准的肿瘤医学知识库实时更新肿瘤形成和发展的关键突变信息，以及相关治疗影响，包括目前的临床试验快捷搜索、匹配肿瘤突变和治疗的信息，辅助临床治疗数据来源：查询方面包括临床试验
1.2K20编辑于 2024-05-11- 来自专栏LN生物笔记
R语言 | GEO数据库的下载 以及表达矩阵和临床信息的提取
library(tidyverse) 2.利用AnnoProbe下载GEO数据库中的数据 以GSE14520数据系为例： gset=AnnoProbe::geoChina('GSE14520') 运行后 ，会得到一个叫做“gset”的对象，它是”list“数据类型 3.提取表达矩阵和临床信息 exprset <- data.frame(exprs(gset[[1]]))#exprs用于提取表达矩阵信息 expMatrix <- gset[[1]] pdata<-pData(exp)#pData用于提取临床信息 gset[[1]] 的意思是，从gset这个对象中提取第一列数据。 提取第二个平台的表达矩阵 expMatrix <- cbind(expMatrix1, expMatrix2)#两个表达矩阵合并为一个总矩阵 pdata1 <- pData(gset[[2]])#提取第一个平台的临床数据 pdata2 <- pData(gset[[1]])#提取第二个平台的临床数据 那么如何判断你下载的这个GSE是有几个GPL呢？
7.3K54编辑于 2023-02-23 - 来自专栏科研菌
公开数据库加点湿实验就发了7分+SCI！
）,3B，3C，3D分别为所有病人，stage I 病人与stage II病人的KM生存曲线，除了stage II病人可能因为样本量过少导致p=0.16外，其他组中，低风险组病人PFS均较好。 3E为高低风险组病人的OS生存分析，高风险组病人OS显著低于低风险组病人。 ? 图3.IBRS的预测效果验证 3.不同临床亚组中IBRS的验证 作者将TCGA中早期LUAD病人分为三个临床亚组：男/女，超过60岁/不超过60岁，抽烟/不抽烟，结果显示所有亚组中高风险组病人RFS时间均短于低风险组 表1展示了病人的临床特征。 表1.早期LUAD病人的临床特征 ?
90910发布于 2020-11-23 - 来自专栏进步集
原创 数据库3
count(*)—统计关系里面有多少元组 count(A)–计算属性A有多少个值 加distinct 就是查有多少不同的值 sum 就是把所有是a的属性求和 avg 求均值 A是某个表一个单个的属性
27620编辑于 2022-11-12
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号