- 综合排序
- 最热优先
- 最新优先
- 来自专栏用户10800790的专栏
生信星球 day 6
半连接：返回能够与y表匹配的x表所有记录semi_joinsemi_join(x = test1, y = test2, by = 'x')5.反连接：返回无法与y表匹配的x表的所记录anti_join6. 简单连接：bind_rows()函数需要两个表格列数相同，而bind_cols()函数则需要两个数据框有相同的行数生信星球
33860编辑于 2023-10-26 - 来自专栏生信菜鸟团
生信分析中linux的使用6-sed
生信技能树学习笔记 sed：流编辑器，一般用来对文本进行增删改查 用法：sed [-options] 'script' file(s) 常见参数： -n ：禁止显示所有输入内容，只显示经过sed处理的行
31910编辑于 2024-07-10 - 来自专栏生信小驿站
单基因生信分析流程（6）单基因相似性分析
)) count_matrix[1:4,1:4] fpkmToTpm <- function(fpkm) { exp(log(fpkm) - log(sum(fpkm)) + log(1e6)
1.2K21发布于 2020-08-13 - 来自专栏作图丫
单基因肿瘤生信分析依然可以发表6分+
背景介绍 小编今天为大家带来一篇单基因单肿瘤的生信分析文章，发表在Front. Oncol上，影响因子6分+，题目为Identification of the novel prognostic biomarker, MLLT11, reveals its relationship TCGA数据集结果表明，MLLT11的表达与幼稚CD4 T细胞和CD8 T细胞的浸润水平呈正相关，与巨噬细胞，尤其是M2巨噬细胞的浸润水平呈负相关（图6A，B）。 图6 通过qPCR，IHC和蛋白质印迹，在不同病理级别的胶质瘤组织中，发现随着肿瘤分级的增加，M2型巨噬细胞特异性标志物的表达水平显著增加，包括CD206，CD163，ARG1，CD115和IL-10 图7 小编总结 本文是一篇分析的很全面的单基因生信分析文章。 作者首先调查了MLLT11在肿瘤和正常样本的差异表达，正常脑组织中高表达，并随着肿瘤等级的增加而降低。
1.2K20编辑于 2022-12-14 生信星球——生信入门DAY6:学习R包
从该文件读取和分析输入，直到到达文件的结尾，然后在选定的环境中按顺序解析表达式。简单来讲，library更像装载，require不会报错，source装载的方式则不太一样。
54710编辑于 2024-01-23- 来自专栏芒果先生聊生信
生信分析网站（生存分析）
生信论文的套路 ONCOMINE从全景、亚型两个维度做表达差异分析； 临床标本从蛋白水平确认（或HPA数据库），很重要； Kaplan-Meier Plotter从临床意义的角度阐明其重要性； cBio-portal 数据库做基因组学的分析（机制一）； STRING互作和GO/KEGG分析探讨可能的信号通路（机制二）； TISIDB/TIMER分析肿瘤免疫特征（机制三）。 差异分析，无论是Oncomine，GEPIA，还是UALCAN、HPA数据库，都不需要R语言编写代码，容易上手，基本上一个星期甚至更短的时间就可以搞定，属于菜鸟级别生信操作。并没有想象中那么难。 生存分析是生信论文中经常出现的表型，也就是说基因在正常和肿瘤组织中表达的差异，与生存率的指标密切相关。如A基因在肿瘤中表达明显上调，生存率显著下降，这就是非常明确的相关性。 生存分析是非常重要的表型，诸多文章均有介绍。这里，我们对生存分析的纯生信数据库进行总结，果友们在选择时也可以作为参考。
4.4K44发布于 2020-08-11 第6天生信学习笔记-微信公众号生信星球
R包是多个函数的集合，R语言必学的原因是丰富的图表和Biocductor上面的各种生信分析R包。 ",'D'))test1test2 <- data.frame(x = c('a','b','c','d','e','f'), y = c(1,2,3,4,5,6) test1, y = test2, by = 'x') 5.反连接：返回无法与y表匹配的x表的所记录anti_joinanti_join(x = test2, y = test1, by = 'x') 6. 函数则需要两个数据框有相同的行数test1 <- data.frame(x = c(1,2,3,4), y = c(10,20,30,40))test1test2 <- data.frame(x = c(5,6)
41010编辑于 2024-02-25生信入门DAY5-6
DAY5 本篇内容引自生信技能树 六、R语言作图 1、作图分三类 #作图分三类 #1.基础包 略显陈旧 了解一下 plot(iris[,1],iris[,3],col = iris[,5]) text （2）属性设置 练习6-1 # 时间有限，先在现有的代码基础上修改，课后再自己敲 # 6-1 # 1.加载test.Rdata,分别test的以a和b列作为横纵坐标，change列映射颜色，画点图。 position='jitter')#全局设置 （4）位置调整 #geom_point(position = "jitter") geom_jitter() （5）坐标系 coord_flip() （6） 5、画图扩展部分 （1）STHDA网站 （2）工作目录里有扩展学习的代码 （3）小洁老师语雀画图合集 DAY6 七、R语言的综合运用 引自生信技能树 1、玩转字符串 引自生信技能树 rm(list = x = rnorm(3) x ifelse(x>0,"+","-") #ifelse()+str_detect(),王炸（差异化分析分组时可用） samples = c("tumor1","tumor2
41220编辑于 2025-05-27- 来自专栏生信入门
生信星球Day6 conda
今日学习内容：了解conda下载和安装miniconda下载个软件看看---condaconda是linux的软件商店minconda包含了Python和conda，可用于生信使用装载miniconda
39120编辑于 2023-07-22 - 来自专栏图形化开放式生信分析系统开发
图形化开放式生信分析系统开发 - 6 生信分析流程批量运行与过程控制
在上文生信分析系统开发 - 5 生信分析流程服务器端运行 解决了设计好的流程在分析服务器上运行的问题，随之而来就衍生出的新需求： 一、批量分析流程的运行顺序 流程输入文件是按照样本编号来匹配运行的，运行顺序就取决于样本信息 ：开始分析流程之后，可以在任意时间停止分析过程 错误恢复运行：分析流程运行错误，再次运行，可以选择从错误处恢复运行 调试恢复运行：分析结束，修改pipeline参数后，可以选择从任意一点开始重新分析（应用修改后的参数 ） 覆盖运行：分析错误或者正常结束后，重新从头开始运行整个分析流程，并覆盖之前的分析结果 技术实现： 一、批量样本分析流程的运行顺序： 依赖于样本的优先级和输入的顺序先后，每次从数据库取出未完成分析的样本列表 每次列表中取最上面一个，去指定目录里匹配输入文件，如果输入文件符合匹配要求，立即启动pipeline，开始流程分析。同时更新该样本状态为正在分析，这样下次排序时候就不会重复获取该样本了。 同时，这个守护线程，要负有和前端通信，统计每个分析任务的运行时间，检查分析任务输出是否符合要求等等。 实现效果图： 样本优先级 ? ? 强制停止 ? ? 错误恢复运行 ? ?
74400发布于 2020-01-17 - 来自专栏芒果先生聊生信
生信分析网站（免疫浸润分析）
生信论文的套路 ONCOMINE从全景、亚型两个维度做表达差异分析； 临床标本从蛋白水平确认（或HPA数据库），很重要； Kaplan-Meier Plotter从临床意义的角度阐明其重要性； cBio-portal 在差异分析的前提下，表型分析成为重点内容，也是可以玩出花样的地方。 生存分析是非常常见的表型分析。与生存分析相比，相关性分析是另外一个常见的表型分析。 免疫浸润分析比生存分析、差异分析和相关性分析难度更大，因为免疫学是不断延伸、拓展的学科，并不断从理论走向应用、临床，兼有科学性和技术性，比如实验中已经普遍应用的免疫印迹（WB），流式分析，免疫组化和免疫荧光等等 生信分析中，有一种算法叫反卷积分析，英文名叫Deconvolution。 生信开发人员可以先通过预设一个优秀的数据训练集（训练集主要包含了每种不同免疫细胞的基因表达特征），然后通过反卷积算法推算出这个整体样本中究竟有哪些免疫细胞。
7.7K43发布于 2020-08-12 - 来自专栏笔记生信
生信提升day6-婷
的平均值和标准差dplyr两个实用技能1：管道操作%in%（ctr+shift+m），一步实现三步操作，简便2：count()#统计某列的重复值unique报错原因，没有区分大小写#dplyr处理关系数据6： 简单合并思维导图生信星球
23720编辑于 2023-11-18 - 来自专栏作图丫
这篇6+文章告诉你m6A生信分析还能这么做！
背景介绍 可能是由于近两年m6A的火热，20多个m6A相关调控蛋白已经被进行了多方面的分析，近期m6A生信分析的新鲜思路比较少有，今天小编给大家带来一篇很有意思的研究思路，作者基于几个m6A调节蛋白构建风险评分模型 图2 02 开发由三个m6A调节因子组成的风险signature 采用LASSO Cox回归算法分析GDC数据集中的21个调控因子，更好地预测m6A甲基化调控因子异常表达患者的临床结果，获得了基于三个m6A 随后进行KM生存分析，以评估三个选定的m6A调节因子的有效性，并构建训练和测试数据集中OC患者生存率的风险模型(图3C，D)。 然而，IGF2BP1的表达水平与OC患者的5年生存率无关(图4C)。 列线图对OC患者的3年和5年生存率具有良好的预测能力(图5B)。曲线下面积(AUC)计算为0.6,3年面积为0.62,5年计算为0.64(图5C)，提示预后风险评分具有中等的准确性。
95830编辑于 2022-03-29 - 来自专栏芒果先生聊生信
生信分析网站（欢迎收藏）
生信分析，无论是Oncomine，GEPIA，还是KM Plotter数据库，都不需要R语言编写代码，容易上手，基本上一个星期甚至更短的时间就可以搞定，属于菜鸟级别生信操作。并没有想象中那么难。 p<0.05就是我们前期做分析想要的结果，即使用GEO数据库、TCGA数据库做分析，甚至做芯片或测序，没有差异也是枉然。 对于医生，个人建议是最好学会R语言，最起码掌握不用R语言的数据库分析。 最重要的是阅读过的文献和做过的生信分析，可以进一步促进对临床上疾病的认识，提升医生的诊治水平。 ? 接下来，我们将按照中心法则和生信论文分析的思路总结生信分析的网站。 这些网站均是纯生信数据库，不需要R语言基础，就像Excel、PPT一样容易上手，只要你愿意学，肯定能学会。 差异分析数据库 oncomine数据库（差异分析首选） https://www.oncomine.org/resource/main.html GEPIA数据库（共表达是特色） http://gepia.cancer-pku.cn
3.1K20发布于 2020-08-10 - 来自专栏生信菜鸟团
生信分析之conda安装
生信技能树学习笔记 Anaconda 的官网是 https://www.anaconda.com/ 官网上介绍anaconda是所有语言的包、依赖和环境管理器。 Conda之间的关系如下 当我们使用服务器分析数据，我们使用miniconda，如果在自己的电脑上使用anaconda。 因为在数据分析过程中我们要使用很多种软件，软件安装中会遇到各种问题。 基因组、转录组、Chip-seq…… 具体步骤： # 创建名为rna的软件环境来安装转录组学分析的生物信息学软件 conda create -y -n rna python=3.7 这一步输入y或回车都可以 conda remove -n rna fastqc 不指定-n参数就得进入该环境之后才能进行删除操作，同样，-y能够跳过确认执行的步骤 Conda常用命令 补充 生信技能树学习笔记 前情提要：1.安装
1.2K10编辑于 2024-07-10 - 来自专栏学新栏
生信学习小组day6--大姚
x'), z = c("A","B","C",'D')) test2 <- data.frame(x = c('a','b','c','d','e','f'), y = c(1,2,3,4,5,6) test1, y = test2, by = 'x') 5.反连接：返回无法与y表匹配的x表的所记录anti_join anti_join(x = test2, y = test1, by = 'x') 6. c(10,20,30,40)) test1 ## x y ## 1 1 10 ## 2 2 20 ## 3 3 30 ## 4 4 40 test2 <- data.frame(x = c(5,6) , y = c(50,60)) test2 ## x y ## 1 5 50 ## 2 6 60 test3 <- data.frame(z = c(100,200,300,400)) test3
1.2K00编辑于 2023-02-11 - 来自专栏芒果先生聊生信
生信分析网站（相关性分析）
生信论文的套路 ONCOMINE从全景、亚型两个维度做表达差异分析； 临床标本从蛋白水平确认（或HPA数据库），很重要； Kaplan-Meier Plotter从临床意义的角度阐明其重要性； cBio-portal 数据库做基因组学的分析（机制一）； STRING互作和GO/KEGG分析探讨可能的信号通路（机制二）； TISIDB/TIMER分析肿瘤免疫特征（机制三）。 在差异分析的前提下，表型分析成为重点内容，也是可以玩出花样的地方。生存分析是非常常见的表型分析。与生存分析相比，相关性分析是另外一个常见的表型分析。 严谨的生信论文还对分析结果做出ROC曲线，以提高数据的可信度和说服力。 ） http://www.oncolnc.org/ cBioPortal（组学分析神器也能做生存分析） https://www.cbioportal.org/ 差异分析数据库 oncomine数据库（差异分析首选
5.5K21发布于 2020-08-11 Day6-i 生信星球学习
Day6-i 生信星球学习安装&加载R包&使用镜像设置options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))清华源
24910编辑于 2024-02-24- 来自专栏生信入门笔记
Day6生信入门—R包
R语言有丰富的图表和Biocductor上面的各种生信分析R包。 D')) test1 test2 <- data.frame(x = c('a','b','c','d','e','f'), y = c(1,2,3,4,5,6) = test2, by = 'x') ## 5.反连接：返回无法与y表匹配的x表的所记录anti_join anti_join(x = test2, y = test1, by = 'x') ## 6. 函数则需要两个数据框有相同的行数 test1 <- data.frame(x = c(1,2,3,4), y = c(10,20,30,40)) test1 test2 <- data.frame(x = c(5,6)
1.1K20编辑于 2023-10-08 - 来自专栏生信马拉松
生信马拉松 Day6
的特殊语法：列名不带引号，画同一个图片的两个函数之间用“+”连接1.属性设置（颜色、大小、透明度、点的形状，线型等）方法1：手动设置，注意需要把实际参数设置为有意义的值颜色：代表颜色的字符串如“#F8E6FF shape=Species,color=Species))+ coord_flip()+ theme_bw()+ scale_fill_manual(values = c('#C4B4F5','#F8E6FF
58200编辑于 2024-01-15
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