首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏顶刊美图

    复现单细胞气泡——修改版!

    点击这里,获取示例数据和相关教程前言之前有一篇推文卡卡带大家复现了一个的气泡,推文可见如下:跟着学配色 |单细胞marker基因气泡复现之后卡卡总是觉得效果不尽人意!

    57510编辑于 2025-04-09
  • 复现升级Cell:别具风格小提琴

    粉丝留言,是一篇Cell文章的小提琴,看起来别具一格,虽然我们没有直接做过这幅,但是从以往的帖子汲取要点切片,就能够实现这个效果。 这里主要四个帖子(复现NC图表:别具一格小提琴的绘制,复现nature图表:双重组合-渐变背景火山-效果?无需多言杠杠的! ,复现《nature communications》散点小提琴+蜜蜂,(群成员专享免费)复现nature图表:ggplot做堆叠小提琴)。 都是基于ggplot2绘图,需要实现小提琴,添加显著性检验p值,背景渐变颜色等。 rasterGrob(matrix(alpha(c('#fff7fb','#ece7f2','#d0d1e6','#a6bddb','#74a9cf','#3690c0','#0570b0','#045a8d

    12710编辑于 2026-04-15
  • 来自专栏JNing的专栏

    深度学习: CV会 & CV

    Conference on Computer Vision (奇数年,10月开会) ECCV: European Conference on Computer Vision (偶数年,3月截稿,9月开会) CV两大顶

    3.3K30发布于 2018-09-27
  • 来自专栏庄闪闪的R语言手册

    复现 sci 中的 3D 密度函数

    点击下方公众号,回复资料分享,收获惊喜 简介 最近在看一些关于贝叶斯深度学习在可靠性方向应用的文章,看到下面这篇文章,发表在可靠性方向的 ITR 中。 ITR 期刊,可靠性领域 本文主要介绍:使用贝叶斯深度学习来预测产品剩余使用寿命,但是传统的深度学习方法只能得到未来时间点的估计值,并不能包含不确定性因素,而使用贝叶斯深度学习,最后可以得到未来时间点预测值的分布 主要是复现这个,那正式开始吧! bty = "g" bty = "f" 小编有话说 这个其实还少了一个图例,我还没将其进行添加,在此备注下。 这个系列应该会继续下去,主要绘制一些在工业工程方向(小编方向)中常用的。 说明下,这个方向绘制的会比较简单,难点在于模型建立和理论推导,所以小编也不知复现这些对读者们帮助大不大,主要是自己科研期间的记录。

    1.7K20发布于 2021-08-20
  • 来自专栏生信技能树

    Science 文献两分组差异结果比较复现

    今天来复现一篇 2024 年 6 月份发表在 science 杂志上的文献《Defining the KRAS- and ERK-dependent transcriptome in KRAS-mutant siRNA RNA测序 为了确定 KRAS 依赖性转录组,作者对一组八个人类 KRAS 突变型 胰腺导管腺癌PDAC的细胞系在经过 24 小时 KRAS 小干扰 RNA(siRNA)处理后的基因转录变化( ERK 在 KRAS 调控的基因转录中的作用,作者将 24 小时 ERKi vs 对照组 和 KRAS siRNA 处理与对照组 相比的前 200 个差异表达的上调/下调(UP/DN)基因进行了比较( 在大约 84% 的情况下,两种处理下的基因表达水平变化方向相同( 2F),就是我们今天复现的F。 数据背景都搞清楚了,现在开始复现吧! 大多数这些变化是在 24 小时时观察到的,包括 2054 个 ERK 依赖性(上调,UP)和 2519 个 ERK 抑制性(下调,DN)基因(log2FC > 0.5,校正后 p 值 < 0.01)(

    57610编辑于 2025-01-13
  • 来自专栏对白的算法屋

    计算机视觉的

    Conference on Computer Vision (奇数年,10月开会) ECCV: European Conference on Computer Vision (偶数年,3月截稿,9月开会) CV两大顶 你好,我是对白,清华计算机硕士,BAT算法工程师,拿过8家大厂算法岗SSP offer。 本科创业赚了五百多万,并获得三百万元投资,项目入选南京321高层次创业人才引进计划,保研后退居股东。

    1.3K10编辑于 2022-06-30
  • 来自专栏数据STUDIO

    机器学习再发Nature

    02 核心创新点 本文的核心创新点是使用大规模和多样化的第一原理计算训练GNN(神经网络),从而实现对无机材料的高效发现。 03 重点图文解析 要点: 1展示了GNoME模型的性能随着规模扩大的改进情况。1e展示了通过对晶体进行随机搜索产生的晶体替代数据进行训练的结构模型在处理超出分布范围的任务时的紧凑性。 image 要点: 2展示了以下内容: a. 结构中具有四个以上独特元素的材料数量的增长情况。 b. 发现的四元材料的相分离能与Materials Project中的相分离能的比较情况。 c. 要点: 3展示了以下内容: a. 在零样本学习的情况下,预训练的GNoME势能在从AIMD中采样的下游数据上的准确性表现。

    40610编辑于 2023-12-12
  • 来自专栏生信技能树

    杂志同款高颜值热+文字注释框(IF=25.476)

    ,与MYC基因特征和核糖体生物合成相关,在野生型细胞中被抑制,但在PCGF1缺失细胞中未被抑制(4A)。 前面在学习绘制这个热时,专门去学习了热旁边的文字框绘制:一文了解热如何添加文本框注释 数据 热的数据,文献提供了在supplemental Table 3中,下载链接:https://pmc.ncbi.nlm.nih.gov LRP5", "RUNX3")) marker ## 修饰每一个文字注释条的参数 tcol <- c("black","black","#34b3e6","#f46951") bg <- c("#e8f8f8 ", "#fdefe9", "#e9f6fb", "#fde8e9") for(i in 1:length(marker)) { #i <- 1   marker[[i]] <- data.frame list(cluster1=c(1.862e-9),                       cluster2=c(6.094e-55, 9.956e-47, 2.308e-12, 3.595e-8,

    44400编辑于 2025-07-09
  • 来自专栏机器学习与生成对抗网络

    ACM接收 | GAN的综述

    Generative Adversarial Networks in Computer Vision: A Survey and Taxonomy 已被《ACM Computing Surveys》接收。由于GAN的更新极快,相较于之前的版本,新版做了更及时详细的总结和报道。

    94820发布于 2021-03-09
  • 来自专栏天意生信俱乐部

    大佬用什么注释包?

    celltype <- as.factor(res[as.character(Idents(pbmc_small))]) DimPlot(pbmc_small,group.by='celltype') 结果

    35800编辑于 2025-01-22
  • 来自专栏绿盟科技研究通讯

    论文分享】识别恶意bot

    1 Aristaeus平台的整体架构 由于bot加载和执行某些资源(如支持的JavaScript API、CSS方面)的能力是由其底层平台和配置决定的,所以通过分析这些功能和行为可以识别bot的类型 2 Honeysite的设计思路 三、Bot行为分析 根据bot发出请求的意图可以将其分为三类:良性、恶意和灰色。良性的bot不会发送未经请求的POST或利用漏洞进行攻击。 3 每日访问honeysite的新增IP数目(上)和请求数目(下) 此外,Aristaeus平台在实验后期每天通常会监测到约1000个新的IP地址。 4 IP地址的分布情况 5中列出了接收请求最多的端点及相应的web应用,颜色越深表示这类web应用接收相应请求的概率越高。 5 常见的请求URI和web应用程序间关联的热 值得注意的是,作者并未发现bot发出的请求违背robots.txt的现象,同时只有少于1%的bot违背了CSP。

    1.4K20编辑于 2022-11-14
  • 科研绘图全流程实战:从实验数据到期刊封面,8款工具这样搭

    本文模拟一篇典型生物医学论文的制作过程,为你呈现8款工具如何各司其职、无缝协作,最终产出符合要求的全套。 第五步:精修与组合——用Adobe Illustrator冲击场景:你需要将所有图表组合成一张复合,并优化细节以符合封面标准。 “钢笔工具”优化线条平滑度将电镜照片、示意图、数据组合为复合导出PDF/EPS格式,直接用于投稿这一步的成果:级封面或复合,细节满分,排版专业。 FAQ1.生物医学机制图快速出优先用什么?优先用 BioGDP,全中文操作,模板丰富,素材原创可授权,无版权风险。2.实验数据统计与绘图用哪款工具? 用 Adobe Illustrator,可统一配色、优化细节,制作级复合与封面。

    43010编辑于 2026-04-02
  • 来自专栏顶刊美图

    跟着学习单细胞CD8T细功能基因集评分!

    点击这里,后台回复20250410获取示例示例数据和学习资料前言卡卡继续带着大家在,今天学习的仍然是这篇泛癌T细胞的文章。 先上图:对CD8T细胞进行功能评分并且绘制热e, Heat map illustrating expression of 19 curated gene signaturesacross CD8+ T Obj$seurat_clusters=as.factor(CD8_Obj$seurat_clusters)Idents(CD8_Obj) <- CD8_Obj$seurat_clusters# 读取标记基因 ]colnames(FunctionScoreMatrix) <- paste0("CD8_", 0:10)和orderC根据实际的seurat_cluster的数量进行修改绘制热my.breaks ")))后续可以进行AI修整图片,即可得到原文效果结束语这篇推文就到此结束,用这篇收集到的基因集对CD8T细胞功能进行评分,可以用到自己的分析当中去。

    47910编辑于 2025-04-10
  • 来自专栏绿盟科技研究通讯

    论文分享】告警分析全家桶

    1 告警分析流程 步骤一:规范化(Normalization)。该步骤把不同类型探针的回传数据按照统一格式进行处理,目前SIEM对于该步骤已经基本支持。该步骤无告警减少。 如图2所示,告警2、3被融合成元告警82. 告警融合示例 该步骤在内部存在多个安全设备时十分有效,如网关处、重要网段出口处均部署了安全设备。

    1.1K70编辑于 2022-11-14
  • 方法分享---CNA neighbourhood analysis(inferCNV + moilR)

    18800编辑于 2025-05-22
  • 来自专栏往期博文

    【图像准】使用OpenCV进行多准拼接

    本篇主要利用OpenCV自带的准拼接函数Stitcher_create来实现多幅图像的准拼接 代码参考自:https://github.com/samggggflynn/image-stitching-opencv 图像拼接创建步骤 通常来说,根据多个图像创建全景的步骤为以下几步: 检测两张图像的关键点特征(DoG、Harris等) 计算不变特征描述符(SIFT、SURF或ORB等) 根据关键点特征和描述符 官方文档链接:https://docs.opencv.org/4.5.3/d2/d8d/classcv_1_1Stitcher.html 下面是示例代码,采用的是OpenCV4.5.3版本,主要内容均已添加注释 cnts, key=cv2.contourArea) # 在这个轮廓下绘制最大的矩形 mask = np.zeros(thresh.shape, dtype="uint8" [2]你相机里的全景是如何实现的 https://zhuanlan.zhihu.com/p/83225676 [3]PyImageSearch学习笔记三(使用Opencv拼接全景地图二)https

    5.5K21编辑于 2023-02-10
  • 来自专栏生命科学

    MG-132 引用文献分享|MCE

    ;188(3):814-831.e21.MG132 (42 μM; 12 h) almost completely blocks mouse embryonic development.MG-132 引用文献精选 环状RNA(circRNA)与肿瘤进展密切相关,8-氧鸟嘌呤(o8G)修饰在调控RNA命运中的重要作用已逐渐被揭示。然而,circRNA的o8G修饰尚未见报道。 我们鉴定出在肺癌中显著下调的circPLCE1,并进一步研究了circPLCE1的o8G修饰及其在肺癌进展中的相关机制。 Cell Death Differ. 2001 Mar;8(3):210-8.[6]. Han YH, et al. Int J Mol Med. 2014 May;33(5):1083-8.[8]. Matsumoto Y, et al.

    41910编辑于 2025-08-14
  • 来自专栏深度学习和计算机视觉

    解读 IJCV | CAE-GReaT: 卷积辅助高效推理Transformer用于密集图像预测

    对于编码器网络,有四个阶段,来自Stage-1到Stage-4的特征具有输入空间分辨率的1/4、1/8、1/16和1/32。 我们可以看到,当L较小时(即L = 4, 8和16),GReaT可以实现比基线更好的性能。当L = 32时,GReaT的性能甚至比基线模型还要差。 在FLOPs方面,可以观察到,当我们设置L ≥ 8时,CAE-GReaT的FLOPs比基线模型少。当我们设置L = 8时,CAE-GReaT有2258.4 G FLOPs,比基线模型少5.3 G。 基于这些观察,为了平衡分割准确性和模型复杂性,我们在以下实验中设置L = 8。 4.3.5 CAB的有效性 CAE-GReaT层主要由两个分支组成:高效的推理分支和辅助卷积分支。 4.6 与最新IS方法的比较 在表8中给出了与最新实例分割方法的比较结果。实验部署在1×schedule设置和3×schedule设置上。

    43210编辑于 2024-10-21
  • 来自专栏云爬虫技术研究笔记

    简单几行代码,生成手绘风格,再也不用担心丑了!

    2019年 12月17日 简单几行代码,生成手绘风格,再也不用担心丑了! 小编:Lateautumn4lin(逆向小小小学生) 咳咳! 先说说背景哈,自从两个月之前看到了葛饰北斋的神奈川冲浪里,也就是下面这幅神仙之后,便深深沉迷于这种浮世绘风格不能自拔。 ? 再之后由于开了公众号,在写文章的时候需要各种,但是又对于那些普通的,死板的XXXX(词穷,不知道如何表达 ? )。于是乎! 萌生了一个想法,“为何不在文章里加上一些手绘风格的呢? 正好也恰合我的公众号‘笔记’这一个想法”,于是便在全网各种搜罗有关于如何生成手绘风格的方案。 1 方案搜罗阶段 苦苦寻求,不得其解 翻遍了各大搜索引擎、软件网站 ? ? ? ? FlowChart风格 手绘的流程,满满笔记风 ? 这个工具做出的流程真的很有笔记风!想起了大学学编程手绘的流程了。 ?

    1.9K20发布于 2019-12-24
  • 来自专栏AI科技评论

    一流学者不宜再以“”作为自己的追求目标

    模式与评估体制 在中国改革开放初期,很多领域的研究还达不到顶会、的水平,更不要说更高水准了。因此,以会、论文为评判批准,对于当时国内的研究水平,无疑具有极大的促进作用。 在这样的情况下,如果人人努力,个个争先,会、文章必然是韩信点兵,多多益善。包云岗定义下的科研“轻工业模式”必然流行。这种模式称为“模式”,似乎更为准确。 能以年为单位产出的最常见优秀成果,可能也就是发表在会、上的论文了。平均来说,会、的论文,水平也还是相当不错的,它们也是很多未来研究的起点。 但是,如果止步于此,认为就是科研最高水平,显然就像登山到了半山腰,却以为半山腰就是山巅一样可笑。 实际上,经过四十多年的开放改革,国内很多方向的研究水平已经达到了的水准。 如果没有这样的合理体制保护,科研以发表会、论文为目标还是比较安全合理的,模式必然流行。 期待中国也能有类似国际上终身教授一样的制度。

    1.1K20发布于 2020-02-26
领券