- 综合排序
- 最热优先
- 最新优先
- 来自专栏老齐教室
Python中的命名空间和作用域（2）
此外，不能使用locals()的返回值来修改实际的本地命名空间中的对象： 1 >>> def f(): 2 ... s = 'foo' 3 ... 下面代码演示了函数试图在其本地作用域之外修改变量时出现的问题： 1 >>> x = 20 2 >>> def f(): 3 ... x = 40 4 ... 它在全局作用域内给x赋了一个新值: 前面已经介绍过，globals()返回对全局命名空间字典的引用。 如果一个闭包函数需要修改闭包作用域的对象该怎么办?考虑一下这个例子: 1 >>> def f(): 2 ... x = 20 3 ... 4 ... print(x) 10 ... 11 12 >>> f() 13 40 在第5行nonlocal x语句之后，当g()引用x时，它指的是最近的闭包作用域内的x，其定义在f()中的第2行。
2K20发布于 2020-08-17 内容补充--高精度空转（Xenium、CosMx）空间距离分析
作者，Evil Genius今天我们更新脚本，高精度空转（Xenium、CosMx）空间距离分析，我们以量化fibroblast与tumor的空间距离关系为例。 分析一般会更进一步，依据fibroblast与tumor的距离关系划分为近距离、中距离、远距离三组，分析其中的基因表达变化,当然这种变化也代表了距离和基因的关系。 /usr/bin/env python3####zhaoyunfei####20250716# -*- coding: utf-8 -*-"""Xenium/CosMx空间转录组数据分析脚本分析两种细胞类型的空间距离关系及基因表达变化 计算空间距离...") fig.suptitle(f'{self.celltype2}与{self.celltype1}的空间距离分析', fontsize=16, fontweight='bold')
32220编辑于 2025-10-28- 来自专栏gis
基于SpringBoot和PostGIS的各省与地级市空间距离分析
但是江苏和安徽从实力上来说历史悠久，因为曾经同属江南省，彼此联系紧密。虽然这两个城市很近，但是你知道吗？这两个“兄弟”的发展是不同的。 再从省域上面来看，以湖南省为例。 研究各城市与省会城市的距离，除了直观的了解空间距离外，还可以作为主要影响因素，去分析区位分布，距离权重等等。 本文将以之前管理的地名数据为例，基于SpringBoot和PostGIS详细讲解如何进行省会城市与省域内各城市之间的直线空间距离，如何将直线空间距离在WebGIS中进行地图可视化。 geom" IS 'geom';2、空间数据管理与查询 将基础数据保存至PostGIS数据库之后，就可以计算各省省会与地级市之间的距离。 总结 以上就是本文的主要内容，本文将以之前管理的地名数据为例，基于SpringBoot和PostGIS详细讲解如何进行省会城市与省域内各城市之间的直线空间距离，如何将直线空间距离在WebGIS
13810编辑于 2026-06-19 多样本空间转录组分析异常组织结构域
今日参考文献从多样本空间转录组学(ST)数据中检测和解剖异常组织结构域(DDATD)为表征异常组织结构域(ATDs)提供了前所未有的机会，揭示了群体水平和个体特异性致病因素，从而了解疾病背后的致病异质性 现有的空间聚类方法要么无法识别异常cluster(例如，SpaGCN和GraphST)，要么依赖于“专家定义的”异常标记(例如，iStar、TESLA和cell2location中的癌症基因特征)。 2、空间多样本对齐3、“正常”参考ST数据集的稀缺性阻碍了DDATD，因为“异常”的定义依赖于与“正常”的比较。 4、缺乏有效的方法来整合来自空间基因表达数据和组织学图像的多模态信号，严重限制了DDATD分析的潜力。 结果1、Overview of STANDS分析示例--乳腺癌分析分析示例--同时识别跨多个ST数据集的异常组织域分析示例--交叉参考胰腺scRNA-seq数据识别胰腺癌结构域分析示例--单个ST数据集中识别生物学上不同的异常组织子域分析表现最后看看代码示例
25720编辑于 2024-09-20- 来自专栏数据科学（冷冻工厂）
空间转录组: DLPFC数据集分析 (2)
引言 本系列讲解 空间转录组学 (Spatial Transcriptomics) 相关基础知识与数据分析教程[1]，持续更新，欢迎关注，转发，文末有交流群！ getTopHVGs(dec, prop = 0.1) # number of HVGs selected length(top_hvgs) ## [1] 1424 降维 接下来，我们使用主成分分析 我们保留前 50 个主成分（PCs）以供后续下游分析。这样做既能减少噪声，也能提高计算效率。我们还在前 50 个 PCs 上运行 UMAP，并保留前 2 个 UMAP 成分用于可视化。 我们应用聚类算法以识别细胞类型或空间域。 370 238 # store cluster labels in column 'label' in colData colLabels(spe) <- factor(clus) 通过在X-Y空间中绘制群集标签
24810编辑于 2025-11-19 - 来自专栏单细胞天地
空间转录组分析工具速递2：Giotto
Giotto 工具官网： https://rubd.github.io/Giotto_site/ 代码官网： https://github.com/RubD/Giotto/ 简介： 该分析模块通过实现广泛的算法来表征组织组成 、空间表达模式和细胞相互作用的特征，从而提供 end-to-end 一条龙的分析流程 发表时间：08 March 2021 发表杂志：Genome Biology 文献Doi ： https://doi.org /10.1186/s13059-021-02286-2 发表作者：Guo-Cheng Yuan 美国达纳-法伯癌症研究所和哈佛医学院儿科肿瘤系 主要分析内容点： clustering 空间数据聚类 spatial enrichment 结合单细胞数据进行spot注释 spatital patterns 空间表达模式分析 cell neighborhood 空间细胞临近通讯分析 分析pipeline：
1.1K20编辑于 2022-03-14 网络空间安全江苏省赛数据分析与取证 -attack.pacapng
三、数据分析与取证 1. 使用 Wireshark 查看并分析虚拟机 windows 7 桌面下的 attack.pcapng 数据包文件，通 过分析数据包 attack.pcapng 找出黑客的 IP 地址，并将黑客的 IP 地址作为 FLAG（形式：[IP 地址]）提交： tcp.connection.syn 通过分析端口，因为黑客都是扫描常用端口的 Flag:[172.16.1.102] 2. 继续查看数据包文件 attack.pacapng，分析出黑客扫描了哪些端口，并将全部的端口作 为 FLAG（形式：[端口名 1,端口名 2,端口名 3…,端口名 n]）从低到高提交： tcp.connection.syn 继续查看数据包文件 attack.pacapng 分析出黑客连接一句话木马的密码是什么，并将 一句话密码作为 FLAG（形式：[一句话密码]）提交： Ctrl+f Flag:[alpha] 6.
21110编辑于 2025-10-23- 来自专栏数据科学（冷冻工厂）
空间单细胞｜基于图像的空间数据分析（2）
引言 在这篇指南[1]中，我们介绍了Seurat的一个新扩展功能，用以分析新型的空间解析数据，将重点介绍由不同成像技术生成的三个公开数据集。 版本进一步支持了一种名为Robust Cell Type Decomposition（稳健细胞类型分解，简称RCTD）的计算方法，该方法能够在提供单细胞RNA测序（scRNA-seq）参考数据的基础上，对空间数据集中的斑点数据进行解卷积分析 在Seurat v5版本中，我们新增了对空间数据进行“生态位”分析的功能，这种分析可以识别出组织中的特定区域（即“生态位”），每个区域都有其独特的空间邻近细胞类型组合。 这一方法受到了Goltsev等人在2018年发表于《细胞》杂志和He等人在2022年发表于《自然生物技术》杂志的研究方法的启发，我们为每个细胞定义了一个“局部邻域”，这包括了与其在空间上距离最近的k个邻居 在Seurat中，我们通过调用BuildNicheAssay函数来创建一个新的分析模块，称为“生态位”，它包含了每个细胞周围空间的细胞类型组成信息。
1.3K10编辑于 2024-07-05 - 来自专栏数据科学（冷冻工厂）
空间转录组: Visium HD 数据集分析 (2)
引言 本系列讲解 空间转录组学 (Spatial Transcriptomics) 相关基础知识与数据分析教程[1]，持续更新，欢迎关注，转发，文末有交流群！ ）： .vhd16 <- logNormCounts(.vhd16) dec <- modelGeneVar(.vhd16) hvg <- getTopHVGs(dec, n=3e3) 首先通过一对空间核函数捕捉基因表达在空间上的变化 ，接着进行降维处理，再通过图聚类方法划分出不同的空间区域。 objective_function="modularity", resolution=1.2) table(.vhd16$Banksy <- factor(k$membership)) 接下来，我们可以进行差异基因表达（DGE）分析 2, length=101), cellwidth=10, cellheight=10, treeheight_row=5, treeheight_col=5) 或者，我们可以可视化空间中选定标记的
29610编辑于 2025-11-19 《数字图像处理》实验2-空间域灰度变换与滤波处理
实验目标 理解图像空间域处理的核心原理，掌握灰度变换（线性、幂次、对数）的实现方法； 熟练运用 MATLAB 实现直方图均衡化，提升图像对比度； 掌握噪声添加与中值滤波去噪的操作，理解不同尺寸滤波模板的效果差异 核心原理 空间域图像处理直接对图像像素进行操作，主要包括两类核心技术： 灰度变换：通过映射函数调整像素灰度值，改善图像亮度、对比度（如线性变换、Gamma 变换、对数变换）； 空间滤波：利用邻域像素的关系进行局部处理 (gammaB)], 'FontSize', 12); axis on; sgtitle('不同Gamma值的幂次变换结果对比', 'FontSize', 14); 实验结果与分析 Gamma 值影响： ; title('7×7模板中值滤波', 'FontSize', 12); axis on; sgtitle('椒盐噪声及不同尺寸模板中值滤波效果对比', 'FontSize', 14); 实验结果与分析 通过本次实验，系统掌握了空间域图像处理的核心方法，理解了灰度变换、直方图均衡化、滤波等技术的原理与应用场景，为后续复杂图像处理（如边缘检测、图像分割）奠定了基础。
20910编辑于 2026-01-21- 来自专栏空间转录组数据分析
10X空间转录组数据分析汇总2
文章大家可以好好看看，我在这里重点讲述分析方法，首先，空间转录组污染的问题，这个污染来源于周围spot转录本的弥散，去污的方法是SpotClean，这个方法我之前分享过，文章在10X空间转录组去污染分析之 SpotClean第二点，空间整合聚类的方法，不同于单细胞，空间具有形态学信息，因而聚类可以进行一定程度上的监督，我们来看作者的做法。 For each cluster, we retained the top 50 marker genes based on log2FC. patterns.对于空间轨迹基因的变化，高度特异的区域基因在调节生态位program起到至关重要的作用。 图片这种区域特异基因是我们关注的重点，当然，文章还有一些三代全长的分析内容，这部分就需要继续学习了。我们来看看重点的分析方法。图片生活很好，有你更好
95440编辑于 2023-04-07 - 来自专栏单细胞
空间单细胞转录组cell2location分析流程学习
Cell2location 是一个用于空间转录组学数据分析的工具。它是一个基于贝叶斯统计模型的Python包，旨在利用空间转录组数据和单细胞转录组数据来进行细胞类型的空间解构。 通过将单细胞转录组数据中的细胞类型信息投射到空间转录组数据中，Cell2location 可以估算不同细胞类型在空间位置中的丰度分布。 结合单细胞和空间数据：Cell2location允许用户结合单细胞RNA-seq数据与空间转录组数据，使得在细胞分辨率不高的空间数据中可以更好地推断出各类细胞的分布模式。 肿瘤微环境分析：分析肿瘤微环境中的细胞组成，识别免疫细胞、癌细胞及其他微环境细胞的空间分布。器官发育和疾病研究：分析不同发育阶段或病变中的细胞类型分布，帮助理解器官的组织架构和病理变化。 /s/wt4nVi8pTFwQMNN8Ipj_mA单细胞空间转录组分析流程学习(二)： https://mp.weixin.qq.com/s/8AFeq50Dc91cI_6jdQZfFg单细胞空间转录组分析流程学习
1.1K11编辑于 2024-10-21 - 来自专栏数据科学（冷冻工厂）
空间单细胞｜Slide-seq分析、可视化与整合(2)
数据集 在本文中，我们将对利用Slide-seq v2技术获得的小鼠海马区数据集进行深入分析。 为了方便数据获取，您可以利用我们的SeuratData包，具体操作示例如下。 ：一种是在预先标记的解剖区域之间进行差异表达分析，另一种是采用统计方法来评估特征与空间位置的相关性。 Moran's I能够计算整体的空间自相关性，并提供一个类似于相关系数的统计值，用以衡量特征与空间位置的相关程度。这允许我们根据特征表达的空间变异性进行排序。 另外，虽然不是强制要求，但安装可选的Rfast2包（通过运行install.packages('Rfast2')）可以显著提高计算效率，从而减少运行时间。 second_type") p1 | p2
66410编辑于 2024-07-26 - 来自专栏腾讯高校合作
清华-腾讯联合实验室针对疫情的分析2：除了湖北，还有5省疫情严峻
武汉疫情消亡指数连续两天上升 通过分析武汉数据（所有数据截止2月7日），我们看到一个利好的变化。 五省疫情严峻 我们特别关注了累计确诊人数最多的五个省份情况（所有数据截止2月7日），通过疫情扩散曲线分析结果显示（图3），除湖北省之外，广东、浙江、河南、湖南四个省份的疫情扩散曲线，均低于全国疫情扩散曲线 图3 确诊人数最多的几个省的扩散指数的趋势图 同时，通过对全国所有省份的疫情扩散曲线和进行计算，我们也发现了有些省份的疫情不容乐观。 图4 扩展指数较高的几个省的趋势图 两个指数之差首次小于10 最后还是带来全国的疫情分析，全国截止2月7日的扩散指数和消亡指数的变化趋势如下： ? 图5 全国疫情扩散指数的趋势图 ? 往期分析： "清华-腾讯联合实验室"针对疫情的分析1：新冠肺炎疫情拐点何时出现？（请查看公众号今天发的第三篇文章） ?
1.1K10发布于 2020-02-14 - 来自专栏生信补给站
空转 | CellChat-V2，揭秘空间转录组数据的细胞通讯分析
这里介绍下空间转录组的CellChat分析 以及 和单细胞转录组的一些区别。 注：CellChat分析中 Cell labels cannot contain `0`! ，因为未作细胞注释，因此将cluster前面加C 。 准备输入文件 和单细胞区别之一：空间转录组除矩阵和meta外，还需要额外输入空间图像信息 以及 Scale factor信息 。 注2：distance.use = FALSE 会过滤掉较远空间距离之间的交互 注3：空转默认的是truncatedMean 和 trim组合，根据经验进行适当的调整。 2）和弦图 可以额外绘制空间转录组版本的和弦图，添加layout = "spatial" 。
8K32编辑于 2023-11-09 - 来自专栏生信技能树
空间转录组数据注释分析：Cell2location反卷积(Nature Biotechnology IF: 33.1)
cell2location 于2022年发表于Nature Biotechnology [IF: 33.1]，是一种基于分层贝叶斯统计模型的空间转录组反卷积分析工具，旨在用于精确解析组织中不同细胞类型的空间分布及其丰度 它需要使用单细胞数据作为参考，将单细胞水平的细胞类型注释信息“映射”到空间位点中，揭示复杂组织中细胞类型、状态与空间位置的关联，为理解组织微环境提供重要线索。 这个方法需要性能比较高的计算资源配置，如果有GPU显卡会大大的缩短运行建模的时间，如果你没有，可以考虑生信技能树的共享服务器，只要800一年，内存2T，配置20G显卡，购买详情可看：满足你生信分析计算需求的低价解决方案 3.参考细胞类型signatures评估 根据scRNA-seq数据估计特征，考虑到批此效应，使用负二项回归模型进行分析。 mod.plot_QC() plt.savefig('04-mod.plot_QC.png') # 保存为PNG格式 结果图： 5.在空间坐标上可视化评估的细胞丰度 现在终于到最后一步啦，可以看看空间切片上不同
1.1K10编辑于 2025-04-02 - 来自专栏数据科学（冷冻工厂）
空间单细胞｜10x Visium数据分析、可视化与整合(2)
引言 本文[1]介绍了使用Seurat分析具有空间分辨率的RNA测序数据的方法，重点在于将空间信息与分子数据相结合。 将包括以下常见于空间数据分析的任务： 数据标准化 降维和数据聚类 发现空间变异性特征 与单细胞RNA测序数据的整合 处理多个样本切片 降维;聚类;可视化 然后，可以使用与 scRNA-seq 分析相同的工作流程 具体来说，这一过程会计算gamma(r)值，用以衡量在特定距离“r”处两个点之间的相关性。 默认情况下，在分析中使用距离“r”值为5，并仅针对变量基因（其变异性是独立于空间位置来计算的）进行计算，以提高效率。 例如，可以大致选取前额皮层区域进行分析。这种做法也为之后将这些数据与皮层单细胞RNA测序数据集进行整合提供了便利。首先选择一部分细胞簇，然后根据它们确切的空间位置进行细分。
61011编辑于 2024-07-16 - 来自专栏生信技能树
空间转录组细胞通讯分析：CellChat v2（Nature Protocols，IF: 16.0Q1）
空间转录组的细胞通讯分析算法很多，今天来学习 CellChat v2 升级版本，原理我们在前面介绍过啦：cellchat细胞通讯中 prob 与 pval 的含义是什么? 细胞和样本标签（meta）：包含细胞信息的数据框，用于定义细胞群组，并提供“samples”列以整合多个样本进行分析。 空间坐标（coordinates）：每个细胞/斑点质心的空间坐标。 空间因素（spatial.factors）：包含两个参数ratio（像素到微米的转换因子）和tol（容差因子，用于增加距离比较的鲁棒性）。 如果分析接触依赖或旁分泌信号传导，用户还需要提供以下内容： contact.range：表示细胞间接触范围的值（单位：微米），通常为细胞直径或中心到中心的距离。 设置配体受体库 在使用CellChat进行细胞间通信分析之前，用户需要设置配体-受体相互作用数据库，并识别高表达的配体或受体。
2.1K11编辑于 2025-06-19 - 来自专栏码上修行
高铁对合肥及周边城市可达性及商业腹地变化影响研究
大合肥经济圈各城市功能定位 城市名称 功能定位 合肥 全国重要的科研教育基地，国家区域性交通枢纽，泛长三角的中心城市之一；安徽省省会和省域核心城市，大合肥经济圈的龙头城市；优势明显的现代制造业基地、科技创新及高新技术产业化基地和现代服务业基地 在分析空间可达性问题时，我们可以根据目的和需要，采用多种“成本”类型来进行计算，最常用的就是时间成本，即对空间上每个点的时间距离进行分析计算。 图2 安徽省交通路网(有高铁) (2)属性字段的添加与赋值 对交通路网添加两个字段，“Speed”和“Cost”，别名分别是：速度、成本； 在【工作空间管理器】中【数据源】下右键点击“交通路网_before 4、生成成本距离 （1）在【分析】模块，【栅格分析】中的【距离栅格】下的【生成距离栅格】，如下图所示 ? （2）点击【生成距离栅格】弹出对话框 当源数据集选择“市_P”时，“耗费数据集”选择“研究区成本栅格_before”，“结果数据”栏中只选择“距离数据集”和“分配数据集”两个进行填写； ?
1K20发布于 2019-11-22 - 来自专栏Y大宽
6️⃣蛋白质序列的功能信息分析2:基于蛋白质结构域domain和功能位点分析
[序列比对和序列特征分析总目录](https://www.jianshu.com/p/878f2b2495ae 结构域domain比较抽象，属于蛋白质构象中二级结构和三级结构之间的一个层次，一般每个结构域有 100-300个氨基酸残基组成，有特定的空间构象，并有不同的生物功能。 InterProScan数据库：online和linux（无mac和window） nterPro将来自许多其他资源的蛋白质功能的预测信息统一在一起，概述了蛋白质所属的家族及其所包含的域和位点。 非常全面，，将UniProtDB，PROTSITE,PRINTS,PFAM,ProDom等数据库中含有的蛋白质序列的结构域，motif等合并统一，包含了蛋白质所属的家族，及其所包含的结构域和功能位点。
3.1K00发布于 2019-03-04
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