- 综合排序
- 最热优先
- 最新优先
- 来自专栏深度学习
【生物信息学】基因富集分析enrichment
networkx conda install statsmodels pip install pyHSICLasso 注：本人的实验环境按照上述顺序安装各种库，若想尝试一起安装（天知道会不会出问题） 2. pandas as pd from statsmodels.stats.multitest import fdrcorrection import matplotlib.pyplot as plt 2. 将n个p值按照从小到大排序，k为p值的顺序值，找到一个最大的k使得p*n/k ＜α ，认为1,2，...k个通路是显著富集的 # 最大的p值保持不变，对于排名n-1的，p_adj（n-1） = david.ncifcrf.gov/ ChatGPT DAVID（Database for Annotation, Visualization, and Integrated Discovery）是一个功能注释和生物信息学分析工具 它通过使用多种生物信息学数据库和资源，如Gene Ontology（GO）数据库、KEGG（Kyoto Encyclopedia of Genes and Genomes）通路数据库、PubMed文献数据库等
59510编辑于 2024-07-30 - 来自专栏简说基因
OrthoFinder：生物信息学中的直系同源基因分析
，今天就来学习一款直系同源基因分析工具——OrthoFinder。 OrthoFinder 是一款快速、准确且全面的比较基因组学分析工具。 同时，OrthoFinder 还能为被分析的物种推导出有根的物种树，并将基因树上的基因复制事件映射到物种树的分支上。 运行结束后，会在输入目录下生成一个包含所有分析结果的文件夹。 2. 聚类：使用 MCL（Markov Cluster Algorithm）算法根据比对结果进行聚类，得到直系同源组（orthogroup）。 3. • 基因家族分析：识别基因家族及其演化历史。 总结 OrthoFinder 作为一款快速、准确且全面的比较基因组学分析工具，能够帮助我们深入理解基因的进化历史和物种间的亲缘关系。
1.5K10编辑于 2025-01-02 - 来自专栏生物信息云
生物信息学初识篇——第二章：序列比对（2）
生物信息学初识篇——第一章：生物数据库 生物信息学初识篇——第二章：序列比对（1） 四、双序列局部比对 一长一短的两条序列，比较局部比比较全长更有意义。 开头的一串gap是个例外，因为 seq2 太短，seq1的这一段只能跟gap相对。其他部分的gap都是分散出现的。
7.6K70发布于 2019-08-07 - 来自专栏生信挖掘姬
基础生物信息学
生物信息学序列分析是了解这些序列的核心，这本书简单介绍了DNA, RNA和蛋白质序列的研究。 生物信息学(Bioinformatics )涉及生成，可视化，分析，存储和检索大量的生物信息。 原始形式的生物医学数据（包括DNA序列）的生成不涉及生物信息学技能。但是为了使该序列可用，必须对其进行分析，注释和重新生成适合数据库的格式。这些都属于生物信息学分析范畴。 其中许多分析可以自动化，但需要具有生物信息学技能或经验的人来分析和支持。 一旦拿到数据，您如何分析数据呢？有没有DNA和蛋白质序列文件之类的文本呢？ 生物信息学是最早接受科学技术的领域之一。网页是传播信息的工具，本书中我们将使用许多网页。 最后，生物信息学活动通常涉及大量数据。即使如果您只关注一个基因，那么仍然会有大量的数据连接到该单个序列。 尽管如此，生物信息学领域面临的最大的挑战之一是信息的绝对泛滥以及如何生成，可视化，分析，存储和检索这些数据，这无论怎么强调都不为过。
74960发布于 2020-06-05 - 来自专栏代码小菜鸟
生物信息学分析——从公共数据库获取测序数据
【We can download toolkits for different OS in NCBI website.】
74430编辑于 2023-07-12 - 来自专栏Y大宽
通过简单数据熟悉Linux下生物信息学各种操作2
原地址 一共三部分 通过简单数据熟悉Linux下生物信息学各种操作1 通过简单数据熟悉Linux下生物信息学各种操作2 通过简单数据熟悉Linux下生物信息学各种操作3 ---- 11安装使用 安装编译并创建到bin目录的链接 cat src curl -OL http://downloads.sourceforge.net/project/bio-bwa/bwa-0.7.17.tar.bz2 tar jxvf bwa-0.7.17.tar.bz2 cd bwa-0.7.17/ make ln -s ~/src/bwa-0.7.17/bwa ~/bin 11.2 制作index 创建文件夹放 ebola-1999.fa.nsd ebola-1999.fa.sa 共有16个文件，这也是为什么刚才创建单独文件夹的原因 获取ebolas 基因组的前1行作为query序列 head -2 /lec4/*.fq . bash align.sh read1.fq read2.fq results.bam 载入IGV，看100-150bp区域的深度
1.4K41发布于 2019-07-02 - 来自专栏生物信息云
医学生物信息学文献第2期：肿瘤微环境
为了将这一分析扩展到黑色素瘤患者，并更广泛地确定抗PD-1免疫治疗反应所需的免疫成分，我们分析了两组独立的活组织切片或转移性黑色素瘤患者手术切除的肿瘤活检(组A：n=33，包括已经接受各种免疫治疗的患者 对缺乏T细胞和NK细胞的IL2RG-/-小鼠(补充图5a)注射异常的B16F10黑色素瘤，分析肿瘤中髓系细胞和淋巴系细胞的水平。 为了直接比较SDC和NK细胞的数量，收集人黑色素瘤活检标本，消化成单细胞悬液，用流式细胞术进行分析(队列A；补充图2和补充表2)。 直接分析肿瘤中的NK细胞和SDC，发现肿瘤中NK细胞水平与BDCA-3+DC水平显著相关(图5d)。 这表明，在两个独立数据集的Kaplan-Meier图分析中，NK细胞数高的患者OS显着增加（图6A和补充图 7F)。
84830发布于 2019-08-07 - 来自专栏深度学习
【生物信息学】使用谱聚类（Spectral Clustering）算法进行聚类分析
一、实验介绍 本实验实现了使用谱聚类（Spectral Clustering）算法进行聚类分析 二、实验环境 本系列实验使用了PyTorch深度学习框架，相关操作如下（基于深度学习系列文章的环境 networkx conda install statsmodels pip install pyHSICLasso 注：本人的实验环境按照上述顺序安装各种库，若想尝试一起安装（天知道会不会出问题） 2. 2. 循环尝试不同的参数组合并计算聚类效果 gamma_best = 0 k_cluster_best = 0 CH = 0 for index, gamma in enumerate((1, 1.5, 2, 会根据用户指定的特征数量、中心点数量、范围等来生成几类数据，这些数据可用于测试聚类算法的效果 random.seed(1) # n_samples：样本数 n_features：int，可选（默认值= 2）
35910编辑于 2024-07-30 - 来自专栏深度学习
【生物信息学】基因差异分析Deg（数据读取、数据处理、差异分析、结果可视化）
一、实验介绍 本实验完成了基因差异分析，包括数据读取、数据处理（ 绘制箱型图、删除表达量低于阈值的基因、计算差异显著的基因）、差异分析（进行秩和检验和差异倍数计算）等，成功识别出在正常样本与肿瘤样本之间显著表达差异的基因 ，并对其进行了进一步的可视化分析（箱型图、差异倍数fold分布图、热力图和散点图）。 基因差异分析是研究不同条件下基因表达差异的重要手段，能够帮助我们理解生物体内基因调控的变化及其与表型特征的关联。本实验旨在探索正常样本与肿瘤样本之间基因表达的差异，并识别差异显著的基因。 2. 可视化分析 print('finished') plt.hist(result['log2FC'], bins=10, color='blue', alpha=0.6, edgecolor='black
1.3K10编辑于 2024-07-30 - 来自专栏生信菜鸟团
读《理解生物信息学》
生物信息学不只是画图那么简单，而《理解生物信息学》就是为那些想进一步理解生物信息学的好奇者准备的礼物。说起这个礼物，大约是在2017年的某个周末一个加班的下午，在一位同事工位上偶遇的。 聚类分析在单细胞转录组数据分析中的作用？ 各物种间基因表达和功能的保守性如何建立的？ 为什么细胞类型的本质是基因的差异表达？ 。。。。。。 可以是说这本书的内容是对我生物信息学背景知识的补充和扩展，特别是对一个半路出家的生物信息学工作者而言。 每一章的每个小节都有一个流程图以帮助读者记忆该小节所涵盖的主题 每一章都配有教科书级别的插图，助于我们理解相关的概念 每一章末都列了一些研究文献和专业著作的参考文献以帮助读者进一步扩展知识、发展技能 字符表和名词解释 《理解生物信息学 这不像《细胞分子生物学》那样讲的全是生物的知识，也不是《R语言数据科学》那样讲的全是编程的技巧，《理解生物信息学》是一本真正意义上的生信书籍。
79921编辑于 2022-04-08 - 来自专栏生信技能树
学单细胞数据分析之前得掌握生物信息学算法吗？
有小伙伴在交流群问了一下tSNE和UMAP的问题，就有人“友情回怼”了一下说要理解“降维聚类分群”原理就得看生物信息学算法了。 （算法热身） 第2章：哪些DNA模式扮演分子钟的角色？（随机算法） 第3章：我们如何组装基因组？（图算法） 第4章：我们如何测序抗生素？（暴力算法） 第5章：我们如何比较生物序列？ （动态规划） 这本书通过将生物问题与计算方法相结合，为读者提供了一种主动学习生物信息学算法的途径。 很清晰的展现给我算法细节 如果是学单细胞数据分析之前得掌握如上所示生物信息学算法，那就基本上劝退了99%的入门者。绝大部分生信工程师都是应用级，完全没必要深入学习底层算法了。 感觉啊，现在的很多生物信息学前沿工作，都是数学系或者自动化相关的人弄的，反倒是生命科学缺席了。。。
34810编辑于 2024-07-26 - 来自专栏R语言交流中心
R语言相识生物信息学
R在生物信息分析中有着极其重要的重要，无论我们做什么样的分析，我们都离不开强大的R。无论是统计学分析，还是想得到漂亮的图形，R都成了我们工作必不可少的一部分。 1.NBDC（NationalBioscience Database Center） 链接：https://biosciencedbc.jp/en 简介：本网站主要收集了目前流行的生物信息学专业的数据库 2. Biostars 链接：https://www.biostars.org/ 介绍：生物信息学相关知识的讨论，问题的回答 网站截图： ? 3. Bioconductor 链接: http://www.bioconductor.org/ 介绍：本网站集中了大量的生物信息学相关的R包，并都附有相关的教程 网站链接： ? 4. OMMIC TOOLS 链接：https://omictools.com/transcriptomics-category 介绍：生物信息学分析以及相关的组学数据库平台集合。 网站截图： ?
1.5K20发布于 2019-07-31 - 来自专栏生信宝典
43个生物信息学“事实”
名称来历 GCG, the old bioinformatics package, was named after the authors kept high-fiving each other, shouting “good code guys!”. (GCG is a software package for the analyses of gene and protein sequences.) Bowtie is named so because “it is almost impossible t
57410编辑于 2022-01-18 - 来自专栏深度学习
【生物信息学】使用皮尔逊相关系数进行相关性分析
一、实验介绍 本实验主要实现了自定义皮尔逊相关系数进行相关性分析。 相关性分析是一种常用的统计方法，用于评估两个或多个变量之间的关联程度。 实验2（几乎没有线性相关关系）： x2 = np.random.random(100) y2 = np.random.random(100) plt.scatter(x2, y2 plt.show() pearson2, p2 = stats.pearsonr(x2, y2) r2 = cal_pearson(x2, y2) print(pearson2) print(r2) print() 生成了两个长度为100的随机数组x2和y2，没有加入噪声。 plt.show() pearson2, p2 = stats.pearsonr(x2, y2) r2 = cal_pearson(x2, y2) print(pearson2)
92410编辑于 2024-07-30 - 来自专栏生信菜鸟团
生物信息学必备工具—SAMtools
广泛兼容性：与其他生物信息学工具和流程兼容。 易于集成：可以轻松集成到自动化的生物信息学分析流程中。 强大的数据过滤和查询功能：能够高效地过滤和查询特定的数据。 这些优势使Samtools成为生物信息学领域研究人员广泛使用的关键工具之一。 hisat2,STAR等等产生的】。 -1.18.tar.bz2 ##. 注意需要时绝对路径 make make install 未指定目录安装，非管理员用户会报错 5高频用法 samtools 有39个子命令，但是最常用的功能就是对bam文件排序后构建索引，然后进行后续的生物信息学分析
3.8K10编辑于 2023-12-14 - 来自专栏生物信息学
所以你想做生物信息学？
所以你想做生物信息学？ 作者：Mario F. 操作系统对决：Linux VS macOS VS Windows 生物信息学中会用到很多命令行工具，其中一些工具的使用难度较高。 Windows – 不太理想，但如果你使用的是 Windows 10 或 11，WSL2（Windows Subsystem for Linux）是一个改变游戏规则的工具。 试试 Google Colab - 非常适合小型分析、测试代码或学习 Python，无需安装任何软件。 即使是较老的笔记本电脑，也能运行轻量级工具或帮助你熟悉命令行。 欢迎来到生物信息学的世界！ 接下来：我们将讨论 Conda、Docker 和 Mamba，因为安装生物信息学工具不应该像打最终 Boss 那样困难。
62310编辑于 2025-09-04 - 来自专栏生物信息学
如何成为顶级生物信息学家
相比与0级，这已经有很大的进步，并且是训练生物信息学者最好的途径之一。可以练习将已有的生物信息学技术来做出真正生物学发现的技巧，学习更多的生信技术和生物学知识，为未来进阶到2级和3级打下良好的基础。 原博举例，例如数据量和数据类型等常规的统计，用他人的工具而没有设计新的算法，生信分析在整个研究中的重要性有多高（1级一般利用生信分析获得的图表不多，并且主要的假设并不基于计算分析的结果），实验与计算的结合程度不够高 2级（Level2）：想新招、玩数据。简称：肉鸟级。具有2级水准的生信研究有：1)设计方法解决生物医学相关大数据分析中普适、定量的问题。 比如咱生信课本里经典的用于双序列比对的Smith-Waterman算法等等；2)设计算法来分析新的高通量技术所获得的数据，例如华大基因设计的用于二代测序短读段(read)映射到基因组上的SOAP系列工具 此外，2级的研究要做的好，生物信息学者一般需要专注于自己特定的方向，从而能够较好地了解领域内相关的、新的计算方法和实验技术。
1.2K10发布于 2020-04-14 - 来自专栏云深之无迹
microPython源码分析.2
即使是mpy也不例外，所以我们的py目录下的文件是最主要的 就像这个样子的 我们再打开这个ESP32的目录，其实你第一个hello打印出来的时候就知道 一个完整的C程序一定只有一个main入口，所以我们分析从这里开始是正确的
1.4K30发布于 2021-04-14 - 来自专栏前端学习归纳总结
zepto 事件分析2($.on)
return 后面的语句，在前面的分析中，分析了each函数和$对象，也就是对$对象中的每一个dom进行绑定事件，这里先跳过autoRemove函数，留在后面分析，如果有传入选择器，zepto先定义一个 ('in')[0]; box2.addEventListener("click",test2); 当我们点击h2时，target指向<h2>,currentTarget指向<div class='in' $.Event就有遇到过，在这里来分析其作用。 (); }; var box2 = document.getElementsByClassName('in')[0]; box2.addEventListener("click",test2); ? 最后on方法执行了一个add()函数，该函数留在下一篇分析。
69130发布于 2019-01-21 - 来自专栏Java架构师必看
Spring源码分析2
Spring源码分析2 强烈推介IDEA2020.2破解激活，IntelliJ
35820发布于 2021-05-14
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