- 综合排序
- 最热优先
- 最新优先
- 来自专栏张善友的专栏
SQL Server 2008 R2 主数据服务
主数据服务(Master Data Services，MDS)既是一个概念又是一个产品，主数据服务的概念是对核心业务数据有一个集中的数据入口看守人，数据项如客户账单地址，雇员/客户姓名，以及产品名称应该集中管理 主数据服务应用程序可以保证所有表只有一个正确的地址，而一个MDS可以是一个本地应用程序，SQL Server 2008 R2包括一个应用程序和一个接口管理核心数据。 ://www.ibm.com/developerworks/cn/data/library/techarticles/dm-0904loulj/index.html SQL Server 2008 R2主数据服务安装 :http://www.cnblogs.com/studyzy/archive/2009/12/28/sqlserver2008r2-mds-setup.html Configuring a MDS load-balanced Management Server 技术概述:http://www.ibm.com/developerworks/cn/data/library/techarticles/dm-0903infosphere2/
1K60发布于 2018-01-30 - 来自专栏深蓝居
SQL Server 2008 R2主数据服务安装
SQL Server 2008 R2的主数据服务（Master Data Services，简称MDS）已经放出，目前是CTP版本，微软提供了下载地址： http://www.microsoft.com ；第3个下载就是主数据服务的自解压文件：Master Data Services X64 可执行文件 ；第4个下载是StreamInsight，一个复杂事件处理的框架，这里暂不讲解。 主数据服务只提供了64位版本，所以必须要在64位的操作系统或者虚拟机中安装。 主数据服务是什么？我在之前的一篇介绍SQL Server 2008 R2的博客中推荐过一篇主数据管理和实施的文章，这里再次推荐一下，对主数据是什么存在疑问的可以仔细研读。 若要安装SQL2008R2的MDS，除了是64位操作系统外，还需要服务器上安装了ASP.NET的IIS，当然SQL2008R2数据库也是必须的。
1.1K30编辑于 2022-06-16 - 来自专栏生物信息与临床医学专栏
多基因风险评分2
由于人类是一个二倍体生物，这也就意味着人的染色体基因型是由两种碱基组成，如果一个人在染色体某一位置上的基因型（SNP）是AA，并且AA就是野生型，突变的情况是A突变成G，那么基因型AG就是杂合型，GG就是纯合突变型 ，为了方便计算，我们规定基因型为AA的人的等位基因剂量为0，AG的等位基因剂量为1，GG的等位基因剂量为2，我们也称该SNP的等位基因剂量分别是0、1、2，其他相关知识点可参考往期遗传学概述。 通常情况下我们需要获取某一个SNP对该疾病的效应等位基因（effect allele）、效应量（effect size，通常是BETA或OR）、效应量的标准误以及该效应量的P值，一般来说该P值是要小于全基因组显著水平的 这种方法是最早提出也是最为简便的计算方法，就是将每个个体上的SNP的效应值和等位基因剂量相乘，然后将各个SNP的得分累加后获取个体的PRS。 关于多基因风险评分的计算方法就讲到这里，在下期内容中我会和大家介绍如何使用PRSice软件来快速计算PRS，敬请期待！
2K21发布于 2020-08-27 - 来自专栏数据科学（冷冻工厂）
三维基因组｜基因组结构 (2)
在分子生物学中，顺式调控元件是指染色体 DNA 中调节同一染色体上基因转录或表达的区域。反式作用因子是指与基因的顺式作用元件结合以控制其表达的可溶性蛋白质。 人们发现它聚集在拓扑关联域（TAD）的边界，并且可能在将基因组划分为“染色体邻域”（发生调控的基因组区域）方面发挥作用。 这一观察结果最初来自 FISH 研究，后来通过全基因组 Hi-C 数据进行了验证，该数据表明同一染色体上的基因座之间的相互作用比不同染色体之间的反式接触要频繁得多。 基因组到 TAD 的空间划分与许多线性基因组特征相关，例如组蛋白修饰、协调基因表达、与核纤层和 DNA 复制时间的关联、增强子-启动子相互作用。 一个众所周知的例子是 β-珠蛋白簇的基因座控制区 (LCR)，它通过长距离染色质接触与其在类红细胞中的靶基因（其中 β-珠蛋白基因活跃）强烈相互作用，但不同谱系的细胞之间几乎没有相互作用。
45510编辑于 2024-03-02 - 来自专栏生信技能树
基于全基因组的基因家族分析（2）：SlNRAMP家族基因成员鉴定
1.找到你所感兴趣的基因家族 番茄（Solanum lycopersicum），最喜爱的蔬菜水果之一。摘录维基百科最基本的介绍，详细了解番茄的起源，自行Google。 The plant belongs to the nightshade family, Solanaceae. 2.获取基因家族pfam number 进入官网https://pfam.xfam.org 利用hmmsearch进行基因家族初步筛选 最基本的语法：hmmsearch Nramp.hmm protein.fa > out，一般我只用到这么简单的语法。 print "\n" : chomp' in.fasta | tail -n +2 > out.fasta # 最后在samrt网站确认是否是该家族成员，进行最后的鉴定。 含有NRAMP结构域的基因
1.5K20发布于 2019-05-14 课前准备---空间基因梯度2
至于空间基因梯度，主要是有如下的运用。 对伤口损伤的小鼠大脑皮层（损伤后3天）进行空间转录组梯度分析中，空间梯度分析从损伤核心（深红色点）向周边（浅粉色）的区域内进行分析，其中还这涉及到基因调控的一些内容。 usr/R###zhaoyunfei###20240801library(Seurat)library(Matrix)library(RcppML) library(ggplot2)library(dplyr = "/home/samples/DB/Spatial/data/ST/ST-liver2/",image.name = "tissue_lowres_image.png", filter.matrix = TRUE)data <- Load10X_Spatial(data.dir = "/home/samples/DB/Spatial/data/ST/ST-liver<em>2</em>/",filename = "
21220编辑于 2024-08-05- 来自专栏数据猿
投稿 | 大数据服务还是那个大数据服务吗？
大数据服务的现在及未来：智能+生态模式 未来人工智能+大数据生态模式将更多的应用于在商业场景下。HCR慧辰TMT研究部认为，大数据服务未来将有以下四种模式： 一是形成数据资源和计算资源提供平台。 PaaS服务将数据处理能力作为模块开放出来，使得数据挖掘技术的使用门槛和成本大幅降低，更多企业有能力利用云端数据服务创造附加价值。 另外也会形成基于数据存储、处理及挖掘技术的整体服务解决方案提供商，企业可以将数据服务完全外包给第三方机构，第三方机构也可以通过这种方式在云端整合资源并优化技术，提高准确率，同时产生推动行业发展的效果。
1.1K70发布于 2018-04-19 - 来自专栏张善友的专栏
承载WCF 数据服务
WCF 数据服务默认使用IIS 作为 Data Service 宿主，很显然这是个极好的选择，我们可以利用 IIS 强大的基础功能。
96950发布于 2018-01-22 - 来自专栏QAPM-腾讯客户端性能分析
【私有化质量实践2】最“年轻”的云原生数据服务
但是说实话，当时我们这个选择也让“年轻”的云原生数据服务的稳定性倍受挑战，QAPM在参与私有化项目TMF进行部署时，初期面临着严重的人力紧张的难题，在经过大半年的实践进行方案调整后，成功简化了部署流程， 下面我们就来说说”年轻“的云原生数据服务在私有化交付上遇到的困难和我们的解决方案。 ２）部署 软件运行在 SaaS 环境和私有化部署环境是截然不同的，SaaS 环境包含了所有租户的数据，SaaS 平台需要提供一种能力来隔离不同租户的数据。而私有化部署仅仅考虑自己就行了。 基于云原生helm，构建一键部署 而我们的解决方案，就是通过一键部署，减少部署步骤，节省时间与人力资源，具体步骤如下: [h80sj0iutm.png] 以前部署需要21步，现在只需2步，即可实现私有云的一键部署 写在最后 在云原生技术不断成熟和普及、国内开源文化和社区逐渐兴起、去IOE和自主可控的时代背景下，QAPM作为“年轻”的云原生数据服务平台，也在不断进行探索，构建发现、定位、解决、验证的闭环，助力客户高效率突破
2.1K41发布于 2021-02-09 - 来自专栏Linyb极客之路
数据服务开发经验
有状态服务或者说数据服务，上线遇到问题很棘手，回滚无济于事；而且数据加载通常都很慢，部署时间长；最终导致不敢修改代码，谨小慎微；服务质量也是能忍就忍，不愿意深度优化。 在我负责顺风车LBS以来，感受愈加强烈；区别于无状态服务，数据服务的几个方面需要格外关注。（此处假设数据服务类似redis基于内存，数据量大到需要磁盘存储，关注点会有所不同。） 对应数据服务，把锁分散在各层，尽量减少锁等待。 ? 以一个多级hash+跳表结构为例，操作跳表时，锁粒度已经可以非常细。 持久化方法 内存数据和binlog哪个先写？binlog文件多久刷盘？ struct Data { Header header; int dsize; void* data; }; 最后 还有两个无状态服务也会面临的重点，功能边界划分和线下环境搭建：内部数据服务不同于开源项目 自研数据服务听起来非常高大上，高性能数据存储、分布式架构设计、解决业务痛点，对外宣传的一把好手；实际上只要根据业务场景，合理分析，完成稳定高效的数据服务非常简单。
1.2K40发布于 2019-03-07 - 来自专栏Y大宽
TBtools基因家族分析详细教程(2)基因家族成员的基本分析
包括 基因成员的序列特征分析（分子量等电点等） 基于motif分析成员序列保守特征与可视化（蛋白与核酸，可用于挖掘未知，尤其是核酸水平-非编码水平的保守） 基于domain分析成员结构域的保守型与可视化 （往往已知） 基因结构分析（包括内含子模式） 基因染色体分布情况可视化 新建个文件夹命名基础分析 1 打开下列网址http://web.expasy.org/compute_pi/ 用tbtools转换格式 image.png 复制第二列序列数据到一个新文本文档onlyseq.txt，并把所有*删除 处理excel文件最后得到如下格式文件 image.png 2 motif分析及可视化MEME image.png image.png image.png 对比motif和domain看下 image.png domain不怎好看，可以修改hit文件 缺失的序列补回来 另外，可以用下面方式手动修改更好的展示 4 基因结构分析 （包含内含子,UTR） TBtools image.png image.png image.png 菠萝中内含子少，而拟南芥中很多 5 基因染色体分布情况可视化 image.png image.png
11.5K63发布于 2018-10-08 - 来自专栏三代测序-说
全基因组 - 人类基因组变异分析(PacBio) -- minimap2 + Sniffles2
软件安装首先从github官网上下载minimap2的二进制文件压缩包，minimap2-2.26_x64-linux.tar.bz2，然后上传到服务器上。 # minimap2，v2.26压缩包解压缩$ tar -xjvf minimap2-2.26_x64-linux.tar.bz2# -x 解压# -j 有bz2属性的# -v 显示所有过程# -f 使用档案名字 ~/.bashrc2. pbtkExample Datasets德系犹太人家系：HG002（子）、HG003（父）、HG004（母），属于个人基因组计划中的样本。 文件，.snf后期用于多样本鉴定结构变异$ sniffles --input sample1.bam --vcf sample1.vcf.gz --snf sample1.snf指定串联重复区域以及参考基因组序列
2.7K10编辑于 2023-11-26 - 来自专栏生信修炼手册
soapdenovo2进行基因组组装
基因组的的大小，杂合程度等因素都影响基因组组装的难易程度，目前市场上主流的有以下两种产品 细菌/真菌基因组组装 动植物基因组组装 细菌/真菌基因组相对较小，组装难度较低；动植物基因组很大，而且杂合度很高 对于测序而言，随着三代测序价格降低，对于小型基因组组装，可以直接进行三代测序；对于大型基因组组装，会结合二代和三代测序的数据；除了单纯测序组装外，还出现了Hi-C辅助基因组组装，光学图谱辅助基因组组装等产品 该软件目前版本为soapdenovo2, github链接如下 https://github.com/aquaskyline/SOAPdenovo2 安装过程如下 wget https://github.com /aquaskyline/SOAPdenovo2/archive/r241.tar.gz tar xzvf r241.tar.gz cd SOAPdenovo2-r241/ make 编译成功后，会生成如下 R1端和R2端的reads。
2.4K10发布于 2020-05-08 Monocle2拟时基因富集分析
这里的演示不再使用修饰，用monocle2自带的拟时热图函数绘制，然后通过聚类不同的module提取基因进行富集分析。 接下来我们就具体看看做法，首先还是做热图。 #改造热图函数，展示需要的基因 source('. #只展示感兴趣的基因 genes <- c("Cxcr2","Celf2","Gsr","Sorl1","Ftl1","Ptprc", "Cst3","Il1b","Fgl2","Sirpb1c","Maml3 /add.flag.R') add.flag(p,kept.labels = genes,repel.degree = 0.2) 接下来就是提取module基因进行富集分析了，我们直接包装为一个函数Monocle2 #提取module基因，进行富集分析 library(clusterProfiler) library(ggplot2) source('.
38600编辑于 2025-12-20- 来自专栏科技记者
宏基因组学习笔记2
继续上次的读书笔记，宏基因组学习笔记。 宏基因组 1.定义 metagenomics， 在希腊语中meta意思是超越的。 2.优缺点 优点： 1.不仅是群落组成信息，还可以有不同环境中微生物的功能信息，是解释疾病等假说的有力工具。可以分析物种内的基因异质性。 2.可能是无偏好性的，更有可能检测罕见或新的物种和物种组成的细微变化。 3.可以通过基因把物种确定到菌株的水平。 3.数据分析 有两种方法，一种是基于reads比对的，另一种是基于序列组装的。 几个技术性的问题是，1）没有参考基因组比较组装结果；2）组装取决于有没有相近的基因组；3）另外，组装也受测序深度的影响。因此，组装软件的开发还处于初级阶段。 基因预测和功能注释注释这个过程主要分两步，也就是基因预测和功能注释，主要是鉴定基因、蛋白和RNA。和单个基因组功能注释类似，分配假定基因功能和邻近分类，但只有不到一半的宏基因组数据能被注释。
1.4K21发布于 2020-08-18 - 来自专栏Y大宽
TBtools基因家族分析详细教程(3)基因家族成员的进化分析2
基因-共线性的定义与常见算法原理 物种内的共线性分析 文件准备（物种比对到自身的.blast文件，物种基因信息文件.gff文件），运行MCScanX，输出collinear和tandem文件 基因家族成员的来源分析 （如何复制得到） 不同物种之间的共线性分析 共线性分析结果可视化 ---- 1 共线性分析：与同线性的联系 用途： 识别直系同源gene 蛋白编码基因注释 发现进化事件 2物种内的共线性分析 3基因家族来源分析 4不同物种之间的共线性分析 共线性分析 数据文件下载genome.fa，gff3，protein.fa 2数据文件格式转换（TBtools） 3共线性分析 4解读文本输出结果 -----开始---- 1 2 获得所有基因的位置信息 ? 如下 ? 下面可以把刚才得到的blast结果文件简化，也可以不做，做的话，下面 ? 3 菠萝自身的比对的结果如下 ? GRAS基因家族在染色体上的位置并显示串联重复序列 可以看到有串联重复序列 再把pineapple2pineapple.blast.tab.collinearity文件转换为link文件 ?
25.8K36发布于 2018-10-08 - 来自专栏SmartSi
Hive元数据服务MetaStore
2. 配置参数 这里只会展示与 MetaStore 相关的配置参数，与 MetaSote 不相关的配置参数可以在这查阅。 元数据服务客户端通过该配置连接远程元数据。 CLI、HiveServer2、HCatalog、Impala 以及其他进程使用 Thrift API（使用 hive.metastore.uris 属性配置）与 MetaStore 服务通信。
10.7K42发布于 2020-09-21 - 来自专栏大数据文摘
金融数据服务创业机会
unbundling），金融服务业也并非例外，然而，彭博的的金融终端却毫不动摇的继续推进绑定（bundling）策略：一个产品，一个价格——这就意味着全球 32 万彭博终端用户中，所有人都要支付每年 2 2、它本质上是一系列小众产品（niche products）的集合。 金融数据服务的机会在哪里？ 2、采取应用商店模式。应用商店这种模式能够利用大批有一技之长的第三方开发者（彭博几年前也发布了自己的应用商店）。
1.5K50发布于 2018-05-22 - 来自专栏生信修炼手册
使用IMPUTE2进行基因型填充
impute2是一款基因型填充软件，和其他软件相比，其填充的准确率最高，网址如下 https://mathgen.stats.ox.ac.uk/impute/impute_v2.html 提供了以下两大功能 haplotype phasing,单倍型分析 genotype imputation,基因型填充 基因型填充的基本模型示意如下 ? impute2官方推荐了一套基因型填充的最佳实践，步骤如下 对检测样本的原始分型结果质控，使用GWAS分析的质控条件即可 校正基因组版本，hapmap和1000G都是基于hg19版本，必须保证和reference /Example/example.chr22.one.phased.impute2 基因型填充计算量非常大，所以需要先拆分染色体，对每条染色体进行填充。 /Example/example.chr22.one.phased.impute2 -phase 即使采用两步法，基因型填充仍然是一个运行时间很长的步骤，在实际操作中，可以同时结合染色体拆分和染色体划分窗口两种方式
3.2K20发布于 2019-12-19 - 来自专栏R语言数据分析指南
ggplot2绘制venn图展示hub基因
xx <- Intersect(x) yy <- Union(y) setdiff(xx, yy) } 提取交集 xx <- list(A=A$X1,B=B$X1,C=C$X1) 拼图 p2 hub-gene") %>% ggtexttable(rows = NULL, theme = ttheme("lBlueWhite")) p1 %>% ggdraw() + draw_plot(p2,
52030编辑于 2023-10-24
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