- 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
最后，计算了在基因数为30到300之间的概率之和，即富集分析的p值。 4. 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 富集分析：DAVID还会对输入的基因或蛋白质列表进行富集分析，以确定在给定的功能注释数据库中是否存在显著富集的功能条目。这有助于确定与特定生物学过程、分子功能或细胞组分相关的功能集合。 结果解释和可视化：DAVID提供了丰富的结果解释和可视化工具，以帮助研究人员理解分析结果。它可以生成图表、图形和交互式网络，以展示功能注释和富集分析的结果。
59510编辑于 2024-07-30 - 来自专栏AI机器学习与深度学习算法
机器学习入门 4-5 超参数
通过前面的小节，我们知道了kNN算法中k这个参数值，在sklearn中k这个值被封装成了k_neighbors参数。在前面我们随机的指定参数k的值，究竟k的值为多少的时候，模型才是最好的呢？这就涉及到了机器学习领域非常重要的问题~超参数问题。
74530发布于 2019-11-13 - 来自专栏Hank’s Blog
4-5 R语言函数 split
#split根据因子或因子列表将 向量或其他对象分组 #通常与lapply一起使用 #split(参数):split(向量/列表/数据框,因子/因子列表) > x <- c(rnorm(5),runif(5),rnorm(5,1)) > x [1] 0.61008707 0.81746169 -1.09859969 -1.78134612 -1.94262725 0.99760581 [7] 0.37793960 0.05258653 0.38525197 0.46051864 -0.
87140发布于 2020-09-16 - 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。 • 全面分析：它不仅能找到直系同源基因，还能为所有直系同源基因群推导出有根的基因树，并确定这些基因树中的所有基因复制事件。 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。 • 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 - 来自专栏大前端_Web
javascript高级程序设计(4-5)章笔记
版权声明：本文为吴孔云博客原创文章，转载请注明出处并带上链接，谢谢。 https://blog.csdn.net/wkyseo/article/details/51234909
68240发布于 2018-09-27 - 来自专栏运维之路
【每日一思】2022年第4-5周
一直认为理想情况下的数据运营方法应该基于“贴源层数据-》指标（至少到带有主题的流水）-》洞察-》决策-》执行”的路线，这样才能减少返工的重复性工作量。
25620编辑于 2022-03-07 - 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iOS面试
iOS 面试策略之算法基础4-5节
queue.append(right) } } res.append(level) } return res } 总结 到这里为止，我们已经把重要的数据结构都分析了一遍 func merge(meetingTimes: [MeetingTime]) -> [MeetingTime] {} 下面来分析一下题目怎么解。最基本的思路是遍历一次数组，然后归并所有重叠时间。 分析这种题目，同样还是先抽象化。
1.1K60发布于 2021-04-20 - 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NetCore 从壹开始
4-5 安装并迁移数据库：mysql
docker volume create volume_name命令新建一个数据卷
81220编辑于 2023-01-09 - 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
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。 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。
80021编辑于 2022-04-08 - 来自专栏AI SPPECH
IO竞赛2025年题目解析：基础级难度（4-5）
2025年的IO竞赛基础级（难度系数4-5）题目开始涉及更多的数据结构和算法思想，对选手的编程能力和逻辑思维提出了更高的要求。 难度进阶路径: 入门(1-3) → 基础(4-5) → 提高(6-8) → 竞赛(9-10) 难度系数 考察重点 核心知识点 学习目标 4-5 数据结构、算法应用 栈、队列、树、图的基础应用 掌握基础数据结构的使用和简单算法的实现 ） ├── 第四章：基础级题目解题技巧总结 └── 第五章：从基础到提高的学习建议 第一章：2025年IO竞赛基础级题目概述 根据2025年NOI修订版大纲，基础级（CSP-J提高）的知识点难度系数为4- → 40% 算法设计 → 30% 数学应用 → 20% 综合问题 → 10% 基础级题目的特点： 开始涉及栈、队列、树等基础数据结构 算法复杂度开始成为需要考虑的因素 问题描述更加复杂，需要更深入的分析 分析问题本质：深入理解问题，找到问题的本质，选择合适的算法和数据结构。 优化时间空间复杂度：在设计算法时，要考虑时间和空间复杂度，选择更高效的算法。
30010编辑于 2025-11-13 - 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。 （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。。。 除了编程基础之外，那就是理解统计可视化的生物学含义了，单细胞转录组是普通转录组的升级，理论上之前我们转录组数据分析的常见思维方法都可以复用的，无论是转录组测序还是表达量芯片，都是有分组有差异分析有富集分析有基因集打分
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 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 - 来自专栏跟着官方文档学小程序开发
第二章 小程序开发指南4-5
小程序经常需要向服务器传递数据或者从服务器拉取数据，这个时候可以使用wx.request这个API，在本章节会重点讨论wx.request的使用和注意事项。
53010编辑于 2025-08-25 - 来自专栏前端说吧
flag - 4-5月份预整理总结的文章目录
关于echarts各种稀奇古怪让人想骂niang地需求的配置 js-sdk微信分享时，动态url的设置 基于ajax渲染模板的二级/多级自定义联动下拉功能封装， 一个基于promise的ajax异步请求函数封装，不用再写那么多遍的if result === 1啦！ css-移动端h5在iphonex的适配 vuex的使用步骤梳理，轻松掌握。附源码 使用vue实现自定义多选与单选的答题功能 vue中使用axios，实现向请求头中传递cookie值 vue中，mode为history时，build打包后页面空白
71830发布于 2018-06-25 - 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
57510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。
92410编辑于 2024-07-30
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