- 综合排序
- 最热优先
- 最新优先
- 来自专栏生信修炼手册
ABSOLUTE评估肿瘤纯度
ABSOLUTE是评估肿瘤纯度的常用软件之一，它可以利用肿瘤样本的CNV和SNV等信息，对肿瘤纯度进行估计，该软件采用R语言进行编写。 肿瘤纯度和倍性的散点图 ? 横坐标肿瘤倍性，纵坐标肿瘤纯度，每个点代表一个软件评估的结果。 2. 不同模型排序柱状图 ? ABSOLUTE会根据这三种模型分别对肿瘤纯度评估的结果进行排序。 3. 肿瘤纯度评估结果 ? 上述截图只是其中一个结果的截图，ABSOLUTE一次会给出多个评估结果。 由于肿瘤样本的复杂性，建议同时提供体细胞突变的数据，这样可以综合利用CNV和SNV的信息去评估肿瘤纯度，比单纯利用CNV数据效果更好。
2.7K20发布于 2020-05-11 - 来自专栏数据处理
基尼不纯度
基尼不纯度的大概意思是 一个随机事件变成它的对立事件的概率 例如 一个随机事件X ， P(X=0) = 0.5 ,P(X=1)=0.5 那么基尼不纯度就为 P(X=0)*(1 - P(X=0) ) + P(X=1)*(1 - P(X=1)) = 0.5 一个随机事件Y ， P(Y=0) = 0.1 ,P(Y=1)=0.9 那么基尼不纯度就为 P(Y=0)*(1 - P 而基尼不纯度也就越小。 所以基尼不纯度也可以作为 衡量系统混乱程度的标准
1K20发布于 2018-06-01 - 来自专栏生信技能树
使用sequenza软件判定肿瘤纯度
发表该软件的文章当时使用了10 个 ovarian serous carcinomas (OVCA) 和 20 个clear-cell renal cell carcinomas (KIRC) 肿瘤样本做例子 analyzed by allele-specific copy number analysis of tumors (ASCAT)检测结果的一致性，还跟两个流行的软件absCN-seq，ABSOLUTE做了对比分析说明自己开发的 gvcf流程 你以为的可能不是你以为的 新鲜出炉的GATK4培训教材全套PPT，赶快下载学习吧 曾老湿最新私已：GATK4实战教程 GATK4的CNV流程-hg38 值得一提的是，对肿瘤外显子来分析 WES的CNV探究-conifer软件使用 单个样本NGS数据如何做拷贝数变异分析呢 肿瘤配对样本用varscan 做cnv分析 使用cnvkit来对大批量wes样本找cnv
6.1K40发布于 2018-07-27 - 来自专栏R语言交流中心
R语言肿瘤纯度评估二
http://r-forge.r-project.org" install.packages("estimate",repos=rforge, dependencies=TRUE) 安装完之后就是肿瘤纯度的计算了 上图展示的就是评估分数和肿瘤纯度的一个一一对应的散点图。也就是打分越小纯度越高。 图中我们可以看到，数据分为四行分别是基质，免疫，综合打分以及肿瘤纯度。其纯度方程式我们也找到了，其实很简单就是余旋函数： ?
3.1K31发布于 2019-09-25 - 来自专栏SEO优化知识
SEO流量纯度不足怎么办？
，继而提纯流量的纯度最终才可以进一步提高网站转化率。 15.jpg 那么，SEO流量纯度不足怎么办？ 根据以往自己建网站的经验，我们将通过如下内容阐述： 一.分析用户需求 对用户的分析，我们应该落到实处，并不能只是通过SEO推广软件来做关键词挖掘，我们还应该做： 1.用户画像分析 我们可以通过分析软件和企业实际用户信息进行分析 ： ①用户的年龄 ②用户的性别 ③用户的职业 ④用户的收入 ⑤用户的喜好 ⑥用户的消费习惯等等 2.用户需求分析 通过用户画像的建立，我们要对用户的需求做出分析： ①我们可以分析出用户的需求点 小结：我们要筛选对我们网站转化率高的词进行资源投入，才能进一步的保证网站流量的纯度。
89520发布于 2020-12-09 - 来自专栏生命科学
化合物纯度、溶剂溶解度检测 | MedChemExpress
我们一般通过核磁共振确定结构式 (产品是否正确) 和大概纯度 (是否含杂质及杂质大概比例)，通过 LCMS 或 HPLC 测定确定产品具体纯度 (产品需要有紫外吸收)。 质谱是纯物质鉴定的最有力工具之一，其中包括相对分子量测定、化学式的确定及结构鉴定等，具有灵敏度高，样品用量少，分析速度快，分离和鉴定同时进行等优点。 LCMS 谱图分析 (高效液相 HPLC 与质谱 MS 联用)： 1、LCMS 第一/二个曲线图，为检测器 DAD 紫外吸收高效液相 HPLC 图，检测波长一般是 214 nm/254 nm，可作为纯度参考 质谱 MS 分析：横坐标是质荷比，即离子的质量和质子所带的电荷之比。纵坐标是离子流的强度，最高峰为基峰。 高效液相色谱是色谱法的一个重要分支，以液体为流动相，采用高压输液系统，将具有不同极性的单一溶剂或不同比例的混合溶剂、缓冲液等流动相泵入装有固定相的色谱柱，在柱内各成分被分离后，进入检测器进行检测，从而实现对试样的分析
1.5K20编辑于 2023-03-06 - 来自专栏作图丫
基于甲基化评估肿瘤纯度R包-InfiniumPurify
肿瘤样本中癌细胞所占比例称为肿瘤纯度（tumor purity），是肿瘤样本的内在因素，在差异甲基化、亚克隆反卷积和亚型聚类等多种分析中具有潜在的重要影响。 InfiniumDMC: 基于肿瘤纯度的差异甲基化分析 如果不能正确的解释肿瘤纯度，肿瘤纯度可能会严重偏差或削弱差异甲基化分析。 考虑了肿瘤纯度的差异表达分析的相关讨论较少，多是简单地将肿瘤纯度作为协变量加入回归模型。然而，通过严格的数据建模显示，肿瘤纯度对差异甲基化(以及差异表达)有多重效应，而不是简单的叠加作用。 getPurity(tumor.data = tumor.data[,1],normal.data = NULL,tumor.type= "LUAD") （2）评估10个肿瘤样本（小于20个样本）的纯度 ，而今天分享的InfiniumPurify方法是基于DNA甲基化数据对肿瘤纯度进行评估，并且进一步的，该方法还提供基于纯度评估后的肿瘤的聚类分析和差异甲基化分析。
76921编辑于 2022-03-29 - 来自专栏作图丫
【经典文章】基于基质和免疫打分评估肿瘤纯度
一、评估肿瘤细胞的浸润情况和肿瘤纯度 数据： 4个测序平台的TCGA的10个癌型表达数据，GEO和 ArrayExpress的31个基因表达数据集 1.方法： 首先从6个平台的基因表达数据选取10412 array-based 417个未用于之前的分析的卵巢癌样本。 f图，用ABSOLUTE预测肿瘤纯度，划分四组纯度范围，看在不同范围下基于ESTIMATE的预测情况。 TCGA 10个肿瘤类型的表达数据和DNA拷贝数数据，来源4个平台。 接下来使用来自10个正常卵巢上皮样品的表达谱计算了ESTIMATE得分， ESTIMATE预测的肿瘤纯度为0.68±0.12，表明正常的卵巢上皮可能具有一些基质或免疫细胞成分。 建立打分ESTIMATE评估肿瘤纯度，接下来通过与ABSOLUTE预测方法和病理学作比较来评估，分析不同癌型中SCORES分布情况等。
3.2K41编辑于 2022-03-29 - 来自专栏Java架构师必看
spring源码分析10
spring源码分析10 强烈推介IDEA2020.2破解激活，IntelliJ
34730发布于 2021-04-13 - 来自专栏学习笔记ol
框架分析（10）-SQLAlchemy
框架分析（10）-SQLAlchemy 主要对目前市面上常见的框架进行分析和总结，希望有兴趣的小伙伴们可以看一下，会持续更新的。希望各位可以监督我，我们一起学习进步。 特性分析 ORM支持 SQLAlchemy提供了一种将数据库表映射到Python类的方式，使得开发者可以使用面向对象的方法来操作数据库。通过定义模型类和属性，可以轻松地进行数据库的增删改查操作。
78020编辑于 2023-10-11 - 来自专栏数据科学（冷冻工厂）
ATAC-seq分析：差异分析（10）
在这里，我们将采用类似于 Diffbind 中的方法，并在 ATACseq 分析中合理建立。1. 图片library(TxDb.Mmusculus.UCSC.mm10.knownGene)toOverLap <- promoters(TxDb.Mmusculus.UCSC.mm10.knownGene 由于我们有 TSS +/- 500bp 范围内的区域子集，此时我们可以使用标准富集分析。这里我们使用clusterProfiler来识别富集。 anno_KidneyMinusHindbrain <- annotatePeak(KidneyMinusHindbrain, TxDb = TxDb.Mmusculus.UCSC.mm10.knownGene DB_ATAC <- as.data.frame(anno_KidneyMinusHindbrain)DB_ATAC[1, ]图片由于我们有 TSS +/- 500bp 范围内的区域子集，此时我们可以使用标准富集分析
1.1K20编辑于 2023-01-27 - 来自专栏数据科学（冷冻工厂）
ATAC-seq分析：差异分析（10）
在这里，我们将采用类似于 Diffbind 中的方法，并在 ATACseq 分析中合理建立。 1. library(TxDb.Mmusculus.UCSC.mm10.knownGene) toOverLap <- promoters(TxDb.Mmusculus.UCSC.mm10.knownGene 由于我们有 TSS +/- 500bp 范围内的区域子集，此时我们可以使用标准富集分析。这里我们使用clusterProfiler来识别富集。 anno_KidneyMinusHindbrain <- annotatePeak(KidneyMinusHindbrain, TxDb = TxDb.Mmusculus.UCSC.mm10.knownGene as.data.frame(anno_KidneyMinusHindbrain) DB_ATAC[1, ] DB_ATAC 由于我们有 TSS +/- 500bp 范围内的区域子集，此时我们可以使用标准富集分析
57220编辑于 2023-02-27 - 来自专栏作图丫
从表达数据计算基质及免疫得分并推断肿瘤纯度
上期精彩回顾：ActivePathways整合多维组学通路分析 导语 GUIDE ╲ 浸润性基质细胞和免疫细胞是肿瘤组织中非肿瘤成分的主要组成部分，不仅在干扰肿瘤信号，而且在肿瘤生物学中具有重要作用 基于拷贝数的肿瘤纯度估计在预测肿瘤样本纯度方面正迅速得到重视[ABSOLUTE]，但仅限于有拷贝数的样本。 这些方法利用了不同细胞类型的转录组特性的差异[免疫浸润分析方法]。 算法使用基因表达数据输出估计的浸润基质细胞和免疫细胞的水平和估计的肿瘤纯度。 (2) filterCommonGenes：输入数据与10,412个普通基因的交集。 (3) plotPurity：肿瘤纯度绘图。
3K40编辑于 2022-03-29 - 来自专栏单细胞天地
基于Seurat结果推断单细胞群肿瘤纯度之ESTIMATE
今天给大家介绍一款根据stromal和immune细胞比例估算肿瘤纯度的工具：ESTIMATE。 immune , 列表是： StromalSignature estimate DCN PAPPA SFRP4 THBS2 LY86 CXCL14 FOXF1 COL10A1 FBLN2 EGFL6 IL1B SPON1 CD200 ImmuneSignature estimate LCP2 LSP1 FYB PLEK HCK IL10RA StromalSignature overlap= 58" [1] "2 gene set: ImmuneSignature overlap= 141" # 可以看到overlap的基因比较少，我们毕竟是10X 结合这些可视化的结果可以为我们了解哪些群的肿瘤纯度如何，从这个侧面来解释细胞的异质性。 那么有没有其他软件呢？
1.9K11发布于 2020-07-01 - 来自专栏golang算法架构leetcode技术php
golang源码分析（10）slice
// maxSliceCap returns the maximum capacity for a slice.
30820编辑于 2022-08-02 golang源码分析 ：gopls（10）
分析完一个featureCommands后，其他的22个都是类似的。 （非 LSP 标准） 缓存管理 View（文件快照）、Snapshot（模块状态缓存） 类型检查 Package（集成 go/types 和 x/tools/go/packages） 代码分析
9410编辑于 2026-03-18- 来自专栏golang算法架构leetcode技术php
golang源码分析：etcd(10)
分析完raft算法，回来看etcd server的代码就比较清晰了，我们从入口文件server/main.go开始 func main() { etcdmain.Main(os.Args
41520编辑于 2023-09-09 - 来自专栏IT码农
PHP 性能分析10则
而 require 的每次重新加载，都会从文件系统中去读取分析。因而 require_ once 会比 require 更佳。咱们也使用一个例子来看一下。 但是在平常的 in xxxx/string2.php on line 10 如果把 E_ ERROR 改成 E_ ALL 就能看到大量的上述错误输出。 以上就是关于 PHP 开发的10个方面的对比，这些点涉及到 PHP 语法、写法以及 API 的使用。有些策略随着 PHP 的发展，有的已经不再适用，有些策略则会一直有用。 于是为了做好性能分析，我们需要向 PHP 的上下游戏延伸，比如延伸到后端的服务上去，比如延伸到前端的优化规则。 在这两块，都有了相当多的积累和分析，雅虎也据此提出了多达35条前端优化规则，这些同 PHP 本身的性能分析构成了一个整体，就是降低用户的访问延时。
1K41编辑于 2022-01-10 golang源码分析：langchaingo（10）
除了RAG，我们也可以定义agentTool交给大模型调用，下面我们看一个调用的例子
10110编辑于 2026-03-18- 来自专栏波波烤鸭
【10】Spring源码-分析篇-AOP源码分析
Spring源码-AOP分析 一、手写AOP回顾 本文我们开始讲解Spring中的AOP原理和源码，我们前面手写了AOP的实现，了解和自己实现AOP应该要具备的内容，我们先回顾下，这对我们理解Spring 代理类的结构 在上面的分析中出现了很多代理相关的代码，为了更好的理解，我们来梳理下Spring中的代理相关的结构 2.1 AopProxy 在Spring中创建代理对象都是通过AopProxy这个接口的两个具体实现类来实现的 @Aspect解析 然后我们分析下@Aspect注解的解析过程 @Override protected boolean shouldSkip(Class<?
1.1K50编辑于 2022-10-28
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