- 综合排序
- 最热优先
- 最新优先
新TCGA+文献复现里的几种算法
表达矩阵里有的样本在突变数据maf里不一定有，要把没有突变的病人去掉 得到的小提琴图表示：VHL基因的突变是否影响PBRM1的表达 如果影响则小提琴组会有较大的差别 分组：基因表达量的高级？ 任意基因的相关性 可以将分组（正常样本和肿瘤样本）与基因的相关性联系 几种算法（免疫丰度、免疫细胞亚型 1.免疫亚型鉴定和可视化 https://www.yuque.com/xiaojiewanglezenmofenshen 免疫细胞丰度 箱线图：文献代码：https://www.yuque.com/xiaojiewanglezenmofenshen/bsgk2d/rhrbqu 用ssega方法，结合GBM_ER文献里的mmune 泛癌的亚型如何寻找，新版TCGA文献 ppt里的第23张 4.estimate算法 https://www.yuque.com/xiaojiewanglezenmofenshen/bsgk2d/yenun9 每个表型相关模块里的那些基因 模块：具有高拓扑重叠相似性的基因合集。共表达模块是根据非相似性矩阵，利用聚类算法获得。基因与他所属的同一模块内的其他基因往往具有更高的共表达特性。
72610编辑于 2024-03-10- 来自专栏全栈程序员必看
文献导入endnote的几种方法(导入参考文献)
大家好，又见面了，我是你们的朋友全栈君。 对于科研学子来说，EndNote（或NoteExpress）是管理文献的利器，能够快速筛选文献与录入参考文献，非常适用于参考文献较多的场合。 需要引用文献的时候就从中选择一个插入到文档中，EndNote 会自动给你编号、在文档末尾建立相应的参考文献列表。 但是各种杂志、单位要求的文献著录格式是不一样的，所以在插入文献到文档之前，我们应该选择合适的文献著录格式。 使用 EndNote 来管理文章中的参考文献引用和编排，省时省力，用过的都知道好。 需要填写的项如下图所示： 那么如何体现Endnote文献管理软件的强大之处呢：如果当你想在原有的参考文献前面在插入一篇文献，如你想在原先第36篇文献前再插入一篇文献，那么Endnote会自动将新插入的文献定义为
11.2K10编辑于 2022-08-01 - 来自专栏生信技能树
IF10+空转文献复现（四）：单细胞与空转联合MIA分析
最近我们的空转单细胞专辑会更新一篇文章复现学习，这篇文章于2023年发表在高分杂志Cancer Res上，文献标题为《Spatial Transcriptomics Depict Ligand–Receptor 数据背景和空转数据读取以及基本的降维聚类分群见： IF10+空转文献复现（一）：4例HGSC患者的空转数据读取与降维聚类（文末有学习交流群） IF10+空转文献复现（二）：空转聚类结果与空转切片结合 IF10 +空转文献复现（三）：空转注释需要的参考单细胞数据处理与注释 代码保存在著名的codeocean上：https://codeocean.com/capsule/1912679/tree/v1 进空转学习交流群方式见 注释以及差异分析见帖子：IF10+空转文献复现（三）：空转注释需要的参考单细胞数据处理与注释 现在先创建目录，加载空转的分析结果：空转分析见前面的帖子一、二 save_dir = '.. 样本： SOE = sample10 SID = "A10" stgenelist = load_ST_DEG(SOE) str(stgenelist) compute_MIA(scgenelist,stgenelist
51211编辑于 2025-08-12 - 来自专栏生信技能树
Github带有全套代码分享的文献复现2025
我们生信技能树在前面给大家整理过大量的带有全套代码在 github 上分享的文献，还有一个专门的共享表格：自带图表复现代码及数据集的单细胞及多组学文章-V1 https://docs.qq.com/sheet 我们秉承着一切分享学习的态度，即将开启2025年的新专辑《Github带有全套代码分享的文献复现2025》，我们以学习文献中的思路，代码技巧为主，带领大家攻破一篇篇文献，将其运行到自己的科研课题中。 GSE173682 # 存放 GSE173682 的相关数据 到这里，你需要准备好环境，下载好数据和文献，代码，提前熟悉文献内容！ 10X可读取的标准的三个文件： cd scRNA-Seq/ ## 创建每个样本文件夹 # 看一眼命令 ls *barcodes* |perl -ne 'chomp;/(.*)_(.*.gz)/;print"mkdir 上面说的有点绕，代码运行来看看很快就会明白： # Load the RNA dataset # counts <- Read10X_h5(filename = ".
1.2K01编辑于 2025-02-10 - 来自专栏单细胞天地
CNS图表复现14—检查文献的inferCNV流程
前言 CNS图表复现之旅前面我们已经进行了13讲，你可以点击图表复现话题回顾。如果你感兴趣也想加入交流群，自己去：你要的rmarkdown文献图表复现全套代码来了（单细胞）找到我们的拉群小助手哈。 为了解决这个问题，让我们一起看看文献自己的inferCNV流程是如何使用的，以及对应的数据集。 其中文献运行infercnv::run的时候，下面两个参数，都是默认值： HMM参数 when set to True, runs HMM to predict CNV level (default: T，运行该文献他自己的数据集和文献代码后，运行的日志文件如下所示： INFO [2020-10-19 11:17:44] ::process_data:Start INFO [2020-10-19 11 往期回顾 CNS图表复现13—使用inferCNV来区分肿瘤细胞的恶性与否 细胞身份何以在分裂中得以保持？
3.4K21发布于 2020-11-02 - 来自专栏生信技能树
IF10+空转文献复现（二）：空转聚类结果与空转切片结合
最近我们的空转单细胞专辑会更新一篇文章复现学习，这篇文章于2023年发表在高分杂志Cancer Res上，文献标题为《Spatial Transcriptomics Depict Ligand–Receptor 今天的学习内容为，将空转的聚类结果与空转切片结合起来，绘制带有位置的聚类图。 save the seurat object fnm = paste0(save_dir,'/seurat_object.RData') fnm save(sample4,sample5,sample10 adjust_y,delta_x,delta_y,im) plot_clu_nbg(SID,SOE,d,topleft,adjust_x,adjust_y,delta_x,delta_y,im) 样本A10 ： ############## A10 ############### SID = '10' SOE = sample10 fnm = paste0(image_dir,'/Sample_',SID
28711编辑于 2025-07-29 - 来自专栏生信菜鸟团
精准的文献复现—seurat对象添加细胞亚群meta信息
❝我又继续探索了一下上上周推文复现的science推文数据集，这周的推文就继续写一下。 Science: 数据集：GSE234933 整个推文中需要注意的地方有三点： 作者给出的数据是多个rds格式文件压缩在一块的，解压后循环读取文件并合并成seurat对象 作者给出的细胞亚群信息可以后续添加到 对象 print(seurat_combined) seurat_combined@assays$RNA@counts[1:10, 1:2] ##存储数据所用时间会比较长#### saveRDS(seurat_combined ，右图是我加入meta信息后重新降维分群得到的，复现可行性很高。」 「这样得出的结果去如果继续复现后续分析就会更方便一点，虽然上次的推文也进行了细胞亚群细分，但是不同的人对亚群细分的认知还是存在差异的。」
6.3K40编辑于 2023-11-03 - 来自专栏生信宝典
解读文献里的那些图——流式细胞术
荧光通道接收到的信号越强，表示细胞上结合的荧光素越多，那么细胞表面表达的该CD分子就越多，因此可根据荧光信号的强弱判断细胞表达该CD分子的相对数量。 总之，荧光通道值反映接收到的荧光信号的强弱，从而反映细胞上结合的荧光素的量，进一步反映细胞上表达该CD分子的量，最后间接反映细胞表达某CD分子这一化学特征。 我们可以简单的理解为曲线上该点对应的y轴值就是x轴代表的通道的荧光信号值对应的细胞数。 2.流式散点图 流式散点图能够同时表示两个通道的信息，更加直观和常用，x轴表示一个通道的值，y轴表示另一个通道的值，图中每一点代表一个细胞，该点所对应的横坐标值就是该点所代表细胞的x轴通道的值，所对应的纵坐标值就是该点所代表细胞的 3.流式等高线图 流式等高线图与流式散点图相似，一张流式等高线图也能同时显示两个通道的信息，所不同的是，流式等高线图借助地理等高线图表示细胞的密集程度，流式等高线图的环线代表的是细胞密度相同的区域，所以
5.1K33发布于 2021-10-11 - 来自专栏半生瓜のblog
几种常见的排序算法
[j]之前，则称这种排序算法是稳定的，否则称为不稳定的。 10w*10w = 100亿 希尔排序时间复杂度N*logN = 10w *log20w = 10w *17 可以看出二者的效率差的很多。 6的位置已经被确定，它左边的数都比它小，右边的数都比它大，如果它左右两边都是有序的，那么整个数组就有序里。 归并排序有空间复杂度的消耗，因为它的核心算法需要开辟一个临时数组。它的空间复杂度是O(N),这是它跟其他算法的主要差异。 还可以对文件中的数据进行排序。 假设10的数据放到硬盘的文件中，要排序，如何排呢？ 可能内存不够，假设有一个G的内存可用，10g的文件拆分成10个1G的文件，并且让10个1G的文件有序。
74620编辑于 2023-05-12 - 来自专栏生信技能树
你要的rmarkdown文献图表复现全套代码来了（单细胞）
强烈要求我们推荐纯粹的R语言的文献图表复现全套代码，其实很容易检索到，2020奶牛7月仅仅是单细胞高分（IF>9）文章就有一百多篇，全部的单细胞相关文章有六七百篇了。 一般来说，公布代码，都是在GitHub，所以只需要关键词合适，搜索十几篇带有配套文章的图表的数据和代码很正常。 mutation_analysis.Rmd NI07_TH226_cancercell_analysis.Rmd NI08_Gene_expression_plotting.Rmd NI09_AT2_sig_compare.Rmd NI10 NI16_regression_analyses.Rmd NI17_cancercell_PDsigs.Rmd V01_various_small_plots.Rmd 每个步骤都清清楚楚，主要是是单细胞基础10 无限量函数学习 我们也可以解析每个代码 每个人写代码的习惯不一样，而且有更好的rmarkdown书写方式，大家都可以运行一遍作者提供的数据和代码，在他们的基础上面进行创作和发挥： --- title:
1.7K32发布于 2020-08-28 - 来自专栏全栈程序员必看
java的几种排序算法(常用排序算法)
大家好，又见面了，我是你们的朋友全栈君。 常见几种java排序算法 1.插入排序 2.分治排序法,快速排序法 3.冒泡排序 low版 4.冒泡排序 bigger版 5.选择排序 6. 层层细分 接下来，我们通过示图来展示上述分区算法思路的过程： public class QuickSort { public static void sort(int[] arr if(flag){ break; } } } } 5.选择排序 选择排序也是一种简单直观的排序算法 然后我写一个10w的数组来和冒泡排序, 选择排序等比较, 结果发现程序像是卡死了直接花了几分钟还没出结果. 耗时: 4 ms maoPaoSort耗时: 166 ms maoPaoSortPlus耗时: 122 ms insertSort耗时: 12 ms selectSort耗时: 52 ms //---10w
90820编辑于 2022-07-28 - 来自专栏Spark学习技巧
几种简单的负载均衡算法
本文讲述的是"将外部发送来的请求均匀分配到对称结构中的某一台服务器上"的各种算法，并以Java代码演示每种算法的具体实现，OK，下面进入正题，在进入正题前，先写一个类来模拟Ip列表： 轮询（Round 基于概率统计的理论，吞吐量越大，随机算法的效果越接近于轮询算法的效果。 源地址哈希算法的代码实现大致如下： 前两部分和轮询法、随机法一样就不说了，差别在于路由选择部分。 源地址哈希算法的缺点在于：除非集群中服务器的非常稳定，基本不会上下线，否则一旦有服务器上线、下线，那么通过源地址哈希算法路由到的服务器是服务器上线、下线前路由到的服务器的概率非常低，如果是session 最小连接数（Least Connections）法 前面几种方法费尽心思来实现服务消费者请求次数分配的均衡，当然这么做是没错的，可以为后端的多台服务器平均分配工作量，最大程度地提高服务器的利用率，但是实际情况是否真的如此
2.1K50发布于 2018-04-17 - 来自专栏Golang语言社区
Golang实现Fibonacii的几种算法
package fib /** Fibonacii的几种算法实现 */ // 直接循环计算 func Fib(n int) int { f := [3]int{0, 1, 1} if ] } for i := 2; i <= n; i++ { f[i&1] += f[(i+1)&1] } return f[n&1] } //递归算法 { if n < 3 { return 1 } return fib_recursion(n-1) + fib_recursion(n-2) } //尾递归算法 Got", f, "Expected 55 ") } } func TestFib2(t *testing.T) { n := 10 f := Fib2(n) if f 可以明显看出，直接计算，无交换的算法是最快的。
90560发布于 2018-03-20 - 来自专栏嵌入式大杂烩
常见的几种AD滤波算法
在进行AD采样时，常常都会对采样数据进行滤波，以达到更好一点的效果。下面分享几种较简单而常用的滤波算法： 限幅滤波法 限幅滤波法又称程序判断滤波法 。 实例程序： /* A值可根据实际情况调整 value 为有效值，new_value 为当前采样值 滤波程序返回有效的实际值 */ #define A 10 char value; char filter 、液位的变化缓慢的被测参数有良好的滤波效果。 ，可消除由于脉冲干扰所引起的采样值偏差。 End：以上就是本次的分享。滤波算法有很多种，本文分享的是几种较为简单但却实用的。如有错误，欢迎指出！
2.1K21发布于 2019-11-27 - 来自专栏用户画像
常见的几种聚类算法
1、K-Means(K均值)聚类 算法步骤： (1)选择一些类，随机初始化它们的中心点。 (2)计算每个数据点到中心点的距离，数据点距离哪个中心点最近就划分到哪一类中。 2、均值漂移聚类 均值漂移聚类是基于滑动窗口的算法，来找到数据点的密集区域。这是一个基于质心的算法，通过将中心点的候选点更新为滑动窗口内点的均值来完成，来定位每个类的中心点。 然后去除相似窗口，最终形成中心点集及相应的分组。 算法步骤： (1)确定滑动窗口半径r，以随机选取的中心点C半径为r的圆形滑动窗口开始滑动。 均值漂移类似一种爬山算法，在每一次迭代中向密度更高的区域移动，直到收敛。 (2)每一次滑动到新的区域，计算滑动窗口内的均值来作为中心点，滑动窗口内的点的数量为窗口内的密度。 在每一次移动中，窗口会想密度更高的区域移动。 (3)移动窗口，计算窗口内的中心点以及窗口内的密度，知道没有方向在窗口内可以容纳更多的点，即一直移动到圆内密度不再增加为止。
86630发布于 2021-05-06 - 来自专栏九霄道长
PHP的几种加密算法
MD5加密 md5加密算法在PHP中是最常见的加密算法，这个算法是不可逆的，通常用于加密用户的密码等信息来保证用户的信息安全。 > Crypt()加密算法 crypt()加密算法是一种不可逆的加密算法，他有两个参数，一个是需要加密的字符串，另外一个是盐值（或者成为干扰字符串），如果没有指定第二个参数那么将自己随机生成一个干扰字符串并且是以 > sha1加密算法 sha1加密算法和MD5加密算法一样时不可逆的，有两个参数，一个是要加密的字符串，第二个是bool值，如果指定第二个参数为TRUE，则返回二进制格式的字符串，如果不指定则默认为FALSE generate a suitable salt'cost' => 12 // the default cost is 10 ];password, PASSWORD_DEFAULT, options 本文链接：https://www.79xj.cn/10.html 转载时须注明出处及本声明 (本站部分资源来自互联网收集整理！
3.2K40发布于 2021-03-02 - 来自专栏程序员云帆哥
Java的几种经典排序算法
对一个排序算法来说，一般从如下3个方面衡量算法的优劣： 时间复杂度：主要是分析关键字的比较次数和记录的移动次数。 空间复杂度：分析排序算法中需要多少辅助内存。 稳定性：若两个记录A和B的关键字值相等，但排序后A、B的先后次序保持不变，则称这种算法是稳定的；反之，就是不稳定的。 ; j--) { //逐个向后移 a[j + 1] = a[j]; } //temp插入位置 a[j + 1] = temp; } 4、快速排序算法 swap(int[] arr, int i, int j) { int temp = arr[i]; arr[i] = arr[j]; arr[j] = temp; } 5、希尔排序算法 while(h > 0) { for(int i = h; i < nElem; i++) { //每个增量间隔内，实现插入排序，两个for循环和插入排序一样，只不过第二个for循环里参数略有调整而已
42440编辑于 2022-05-12 - 来自专栏数据之美
hadoop 里执行 MapReduce 任务的几种常见方式
，统计单词出现的次数（WordCount）。 的替代品。 jobid=job_201210141552_0041 12/10/14 21:57:01 INFO streaming.StreamJob: map 0% reduce 0% 12/10/14 21 100% reduce 0% 12/10/14 21:57:22 INFO streaming.StreamJob: map 100% reduce 22% 12/10/14 21:57:31 说明：列举了上述几种方法主要是给大家一个不同的思路， 在解决问题的过程中，开发效率、执行效率都是我们需要考虑的，不要太局限某一种方法了。
88280发布于 2018-02-24 - 来自专栏python3
小谈python里 列表 的几种常用用法
在python中列表的常用方法主要包括增加，删除，查看和修改。下面以举例子的方法具体说明，首先我们创建两个列表，列表是用[ ]表示的，里面的元素用逗号隔开。 ，列表中的第一个元素索引为0，第二个元素索引为1，以此类推。 查看 1.通过索引查看列表中对应的元素： 代码 ：print(a[0], b[6]) 结果： hello 1 2.通过切片的方法 [5, 4, 1, 1,78] 3.查找列表中的某一个元素的具体位置： print(a.index(15.6)) 结果为2 表示15.6这个元素在a列表的第三个位置 4.查找元素出现的次数 修改 方法一： a[索引]=要修改的内容 a[0]='hi' print（a） ['hi', 78, 15.6, '你好'] 方法二： a[起始位置：结束位置]=要替换的内容 a[0:3]=(
46320发布于 2020-01-20 - 来自专栏Spark学习技巧
10.scala的柯里化
方法可以定义多个参数列表，当使用较少的参数列表调用多参数列表的方法时，会产生一个新的函数，该函数接收剩余的参数列表作为其参数。这被称为柯里化。 val numbers = List(1, 2, 3, 4, 5, 6, 7, 8, 9, 10) val res = numbers.foldLeft(0)((m, n) => m + n) print (res) 多参数列表有更复杂的调用语法，因此应该谨慎使用，建议的使用场景包括： 单一的函数参数 在某些情况下存在单一的函数参数时，例如上述例子foldLeft中的op，多参数列表可以使得传递匿名函数作为参数的语法更为简洁 ，如下所示： val numbers = List(1, 2, 3, 4, 5, 6, 7, 8, 9, 10) val numberFunc = numbers.foldLeft(List[Int]( cubes.toString()) 最后，foldLeft 和 foldRight 可以按以下任意一种形式使用， val numbers = List(1, 2, 3, 4, 5, 6, 7, 8, 9, 10
60010发布于 2021-03-05
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