- 综合排序
- 最热优先
- 最新优先
- 来自专栏火星娃统计
geo数据挖掘-2
geo数据挖掘-2 sunqi 2020/7/11 1.概述 对下载的数据进行处理，提取表达矩阵，并匹配探针信息，基因名 教程来自：https://github.com/jmzeng1314/GEO/ ' # 上章的geo包 library(GEOquery) # 下载文件，如果存在则不进行下载 if(! GSM1052620 (6 total) ## varLabels: title geo_accession ... cell type:ch1 (34 total) ## varMetadata colnames(Table(gpl)) head(Table(gpl)[,c(1,12)]) probe2gene=Table(gpl)[,c(1,12)] head(probe2gene ) save(probe2gene,file='probe2gene.Rdata') } # 获得平台的所有探针 load(file='probe2gene.Rdata') # 需要的时候通过
1.5K21发布于 2020-09-15 - 来自专栏R语言 / Linux
GEO数据挖掘-2
GEO数据挖掘—2 四、代码分析流程 1. 下载数据并从中提取有用信息 gse_number = "GSE56649" eSet <- getGEO(gse_number, destdir = '. require(hgu133plus<em>2</em>.db))BiocManager::install("hgu133plus<em>2</em>.db") library(hgu133plus<em>2</em>.db) ls("package:hgu133plus<em>2</em> /<em>geo</em>/query/acc.cgi? ="";table(k1) k<em>2</em> = ! str_detect(ids<em>2</em>$symbol,"///");table(k<em>2</em>) ids<em>2</em> = ids<em>2</em>[ k1 & k<em>2</em>,] # ids = ids<em>2</em> } # 方法3 官网下载注释文件并读取
1.1K01编辑于 2023-03-18 - 来自专栏孔德雨的专栏
Mongodb Geo2d索引原理
ongoDB的geo索引是其一大特色，本文从原理层面讲述geo索引中的2d索引的实现。 2d 索引的创建与使用 通过 db.coll.createIndex({"lag":"2d"}, {"bits":int})) 来创建一个2d索引，索引的精度通过bits来指定，bits越大，索引的精度就越高 2d索引的理论 Mongodb 使用一种叫做Geohash的技术来构建2d索引，但是Mongodb的Geohash并没有使用国际通用的每一层级32个grid的Geohash描述方式（见wiki geohash 2d索引的默认精度是长宽各为26，索引把地球分为(2^26)(2^26)块，每一块的边长估算为 2*PI*6371000/(1<<26) = 0.57 米 mongodb的官网上说的60cm的精度就是这么估算出来的 查询 对于geo2D索引的查询，常用的有geoNear和geoWithin两种。
3.5K00发布于 2017-04-01 - 来自专栏医学数据库百科
GEO2R差异表达分析软件
前两天我们对GEO数据库来了一个大致的介绍GEO数据集详细介绍GEO数据库介绍 (一)。我们对于目标数据集，我们做的第一个事情就是差异分析，来寻找有差异的结果。 我们今天介绍的这个GEO2R也只是把这个算法更加方便使用了而已。 PS：GEO2R只是适用于表达谱芯片。对于二代测序是不适用的，我们下面说到的数据类型都是表达谱芯片来进行阐述的。 2 GEO2R GEO2R就是一个基于GEO数据库来对表达谱芯片进行差异分析的一个软件。我们在每个数据集的下面都可以看到这个软件的的入口。 关于logFC logFC，全称是log2 foldchange。foldchange可以代表变化倍数，如果处理组的表达均值是8；对照组的表达均值是2，那么foldchange就是4。 而log2 fold change就是2。所以我们默认的logFC > 1,则代表两组之前差异在2倍以上的为有意义。 logFC的绝对值, 由于相较于对照组，基因的变化并不一定是升高的。也有降低的。
1.5K40发布于 2020-06-15 - 来自专栏生信菜鸟团
GEO数据分析流程之芯片2
require(hgu133plus2.db))BiocManager::install("hgu133plus2.db")#安装library(hgu133plus2.db)#加载ls("package :hgu133plus2.db")#看这个R包中有那些数据ids <- toTable(hgu133plus2SYMBOL)#提取R包中有用的信息，tablehead(ids)# 方法2 读取GPL网页的表格文件 ，按列取子集##https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi? ="";table(k1) k2 = ! str_detect(ids2$symbol,"///");table(k2) ids2 = ids2[ k1 & k2,] # ids = ids2#如果不用修改上面的内容，就直接ids=ids2
31710编辑于 2024-06-28 - 来自专栏生信修炼手册
GEO2R:对GEO数据库中的数据进行差异分析
GEO数据库中的数据是公开的，很多的科研工作者会下载其中的数据自己去分析，其中差异表达分析是最常见的分析策略之一，为了方便大家更好的挖掘GEO中的数据，官网提供了一个工具GEO2R, 可以方便的进行差异分析 在网页上可以看到GEO2R的按钮，点击这个按钮就可以进行分析了, 除了差异分析外，GEO2R还提供了一些简单的数据可视化功能。 1. 2. Profile graph 该选项用于展示某个探针/基因在所有样本中的分布，结果示意如下 ? 点击Sample values, 可以看到对应的表达量值，示意如下 ? GEO2R进行差异分析的步骤如下 1. 定义样本分组 通过Define groups按钮定义样本分组，首先输入一个group的名字，然后选择对应的样本，示意如下 ? 2. 全部基因的结果可以通过Save all results导出，通过GEO2R, 可以在没有任何编程基础的情况下，顺序的完成差异分析。 ·end· —如果喜欢，快分享给你的朋友们吧—
7.4K23发布于 2020-05-08 - 来自专栏sherry笔记
GEO
'tibble', 'dplyr', 'stringr', 'ggplot2' 'tinyarray') Biocductor_packages <- c('GEOquery', 'hgu133plus2. quietly = T) ) { BiocManager::install(pkg,ask = F,update = F) require(pkg,character.only=T) }}2. <- eSet@annotation;gpl_number## [1] "GPL570"#捷径find_anno(gpl_number) #打出找注释的代码## `library(hgu133plus2. db);ids <- toTable(hgu133plus2SYMBOL)` and `ids <- AnnoProbe::idmap('GPL570')` are both avaliableids
52230编辑于 2023-07-24 - 来自专栏生信技能树学习笔记
GEO数据挖掘2（分组+探针注释的获取）
require(hgu133plus2.db))BiocManager::install("hgu133plus2.db") #安装并加载R包，R包完整的名字应该是搜索到的名字+.dblibrary(hgu133plus2 .db)ls("package:hgu133plus2.db") #查看该R包里所有的数据and函数ids <- toTable(hgu133plus2SYMBOL)head(ids)2.从GPL网站提取探针注释在该 = b[,c("ID","Gene Symbol")] colnames(ids2) = c("probe\_id","symbol") #更改行名 k1 = ids2$symbol! str\_detect(ids2$symbol,"///");table(k2) ##去掉对应多个基因名的探针id ids2 = ids2[ k1 & k2,]并不一定所有的探针注释中开放性探针都是" "，所以要看一下如图片这里我们可以取数据框子集查看里面的内容是什么ids2$[410,2] 3.探针平台的官网寻找4.自主注释（自学一下）#https://mp.weixin.qq.com/s/mrtjpN8yDKUdCSvSUuUwcA
2.6K31编辑于 2023-02-18 - 来自专栏syj生信
GEO
', getGPL = F)#getGEO有从GEO中下载数据到工作目录下，并将数据读取到R中。 #若数据没有取logexp = log2(exp+1)#之所以要+1是因为害怕exp有数据=0，这样log2(0)就是负无穷了。 require(hgu133plus2.db))BiocManager::install("hgu133plus2.db")library(hgu133plus2.db)ls("package:hgu133plus2 GPL网页的表格文件，按列取子集https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi? str_detect(ids2$symbol,"///");table(k2)# 去掉表格中一个基因对应多个探针的那一行，///代表把两个基因分隔开 ids2 = ids2[ k1 & k2,]}方法
2K51编辑于 2023-04-04 - 来自专栏机器学习/数据可视化
pandas技巧2
总结下pandas使用的技巧 读取json数据并转成Python格式 计数功能实现 # 方法1 def get_counts(sequence): counts = {} # 将计数值保存在字典中 counts[x] += 1 # 存在则计数加1 else: counts[x] = 1 # 不存在则定为1 return counts # 方法2 from collections import defaultdict def get_counts2(sequence): counts = defaultdict(int) for x in
40110发布于 2021-03-02 - 来自专栏生信菜鸟团
利用GEO2R在线进行DEG表达分析
GEO2R 是一个交互式网络工具，允许用户比较GEO系列中的两组或多组样品间鉴定在实验条件下差异表达的基因。 GEO2R 使用 DESeq2 、GEOquery 和 limma 对 NCBI 计算的原始计数矩阵进行差异表达分析。 2. 使用GEO2R进行分析 ，只有显示"Analyze with GEO2R"的数据集才可以进行此分析。 3. 在“Set”处可以选择需要展示的列表信息。 4. 对结果进行解读（详情查看：https://www.ncbi.nlm.nih.gov/geo/info/geo2r.html#interpret ） 是不是看起来跟自己写代码一模一样的差异分析一条龙啊！
1.3K10编辑于 2024-06-11 【GEO优化助手】GEO优化人才维度
一、GEO人才战略：从职能分工到生态协同1.1 战略层：GEO策略经理——AI搜索战场的指挥官核心职责：制定企业GEO战略，确保与品牌定位、产品路线、市场节奏深度协同统筹技术、内容、市场、公关等部门，打破数据孤岛监控 例如，某B2B软件企业通过RAG优化，使AI在回答"CRM系统对比"时，功能描述准确率提升40%，客户咨询转化率增长40%。 从"危机公关"到"AI舆情管理"：建立负面引用预警机制，当AI答案中出现"虚假宣传""质量差"等负面评价时，2小时内启动纠偏流程。 4.1 从"通用优化"到"垂直领域专家"随着AI搜索的细分化，未来将出现医疗GEO工程师、金融GEO分析师、法律GEO顾问等垂直岗位。 例如，医疗GEO工程师需掌握HIPAA合规要求，确保患者数据在AI搜索中的安全性；金融GEO分析师需理解MiFID II法规，优化投资产品的风险披露信息。
66510编辑于 2025-09-02今年爆火的GEO是什么？怎么样才能做好GEO？3个实战技巧轻松拿捏！
但很多团队做GEO时总踩坑：内容生产费力不讨好、流量转化像“玄学”、数据监测一团乱麻……到底怎么样才能做好GEO？我们结合实战经验，总结了3个关键技巧，看完就能上手！ 云商GEO先搞懂核心：GEO到底是什么？其实一点不复杂，GEO全称是生成式引擎优化，说白了，就是专门针对豆包、ChatGPT这些生成式AI做的优化。 “3个搭配公式照着吃”），方便引擎抓取重点；二是信息增量，别只写“好吃”，要给具体数据（比如“每餐蛋白质摄入量建议1.5-2g/kg体重”）；三是形式灵活，文字为主，搭配步骤图、对比表格（文字描述：如“ 排名变化：记录重点关键词（比如品牌词+核心需求词）在引擎结果页的位置变化（比如从第5页升到第2页），排名越靠前，流量越精准。 二是“系列化生产”：围绕核心主题做内容矩阵（比如健身餐主题下，有“食谱系列”“搭配技巧系列”“常见问题解答系列”）。
33210编辑于 2026-03-24- 来自专栏生信技能树
GEO2R更新后可以分析bulk RNAseq
GEO2R简介 GEO2R是由GEO数据库提供的一个交互式网络工具，允许用户比较GEO数据集中样本/组别间的差异，以确定在不同实验条件下差异表达的基因。 GEO2R的结果显示为按p值排序的基因表，并作为图形图的集合，以帮助可视化差异表达基因和评估数据集质量。 GEO2R一般通过数据集下方的蓝色按钮进入并使用。 GEO2R入口 GEO2R的优缺点 GEO2R使用来自Bioconductor项目的各种R包，以最常用的芯片分析为例，其后台调用芯片分析的经典包Limma，通过数据清洗，差异分析等过程，最后获得用户可以直接使用的差异基因列表 GEO2R beta版更新 详细内容见：https://www.ncbi.nlm.nih.gov/geo/info/geo2r.html 1、亮点 主要增加了对RNAseq数据分析的支持。 目前GEO2R支持使用DESeq2对GEO及SRA库中的数据进行差异分析，输入文件是NCBI-computed raw count matrices。
1.2K21编辑于 2023-09-19 - 来自专栏悠扬前奏的博客
Geo Hash
工作需要，实现了一下Geo Hash算法。 尽量直接使用位操作，比网上常见的字符串判断位值得写法效率应该高一点。 TODO：循环的写法可以再优雅一点；注释可以再清晰一点。 * 该精度下最小经度 */ private double minLon; private final static char[] DIGITS = {'0', '1', '2' } } /** * hash编码 * * @param lat 纬度 * @param lon 经度 * @return geo - i * 2 > 0 && bitSet.get(hashLength * BASE_BIT_NUM - 2 - i * 2)) { result[2][1] = encode(southLat, lon); // 东南 result[2][2] = encode(southLat,
1.1K20发布于 2021-11-24 - 来自专栏R语言&linux
geo（三）
step4output.Rdata') library(clusterProfiler) library(ggthemes) library(org.Hs.eg.db) library(dplyr) library(ggplot2) 对上调/下调/所有差异基因进行富集分析 f2 = paste0(gse_number,"_KEGG.Rdata") if(! } load(f2) #(3)看看富集到了吗？ kegg_plot_function.R") g_kegg <- kegg_plot(kk.up,kk.down) g_kegg #g_kegg +scale_y_continuous(labels = c(4,2,0,2,4,6 )) 3.辅助资料 # GSEA：https://www.yuque.com/docs/share/a67a180f-dd2b-4f6f-96c2-68a4b86fe862?
54500编辑于 2023-02-11 - 来自专栏C语言讲解
实用调试技巧（2）
如何写出好（易于调试）的代码 6.1 优秀的代码： 代码运行正常 bug很少 效率高 可读性高 可维护性高 注释清晰 文档齐全 常见的coding技巧： 使用assert 尽量使用const 养成良好的编码风格 20] = "xxxxxxxxxxxxx"; //strcpy(arr2, arr1); //printf("%s\n", arr2); printf("%s\n", strcpy(arr2, arr1 20] = "xxxxxxxxxxxxx"; my_strcpy(arr2, arr1); printf("%s\n", arr2); return 0; } 我们还可以使用assert对它进行优化 %s\n", arr2); printf("%s\n", my_strcpy(arr2, arr1)); return 0; } 另外，为了保证传进去的arr1不被修改，我们还可以加上const进行修饰 %s\n", arr2); printf("%s\n", my_strcpy(arr2, arr1)); return 0; } 6.3 const的作用 有以下两种方式可以修改num的值： int
27110编辑于 2024-01-22 新GEO
log2（FC）=log2（x）-log2（y）=log2（x/y）log2（FC）常见阈值，1，2，1.5作者：mayoneday链接：https://www.jianshu.com/p/3c290fee634f 代码在GEO_learnmore里2.里的多分组数据多数据联合分析，思路.：1各自两两差异分析，再将差异基因取交集2.先合并，后差异分析原则上选择同一芯片平台的GSE？ $exp = geo$exp[,k]geo$pd = geo$pd[k,]3.annoGene（只接受ENSEMBL or SYMBOL找注释）/clusterProfiler（接受ENTREZID转化为 (ids) = c("probe_id","symbol")exp4 = trans_array(geo$exp,ids)4.trans_array既可以用于GEO数据行名转化（探针名转化为symbol geo_download代码汇总geo = geo_download(gse)pd = geo$pdgeo$exp = log2(geo$exp+1)#,destdir=tempdir()表示不使用工作目录下的路径
77910编辑于 2024-03-10- 来自专栏个人技术博客
⑦【Redis GEO 】Redis常用数据类型：GEO
个人简介：Java领域新星创作者；阿里云技术博主、星级博主、专家博主；正在Java学习的路上摸爬滚打，记录学习的过程~ 个人主页：.29.的博客 学习社区：进去逛一逛~ ⑦Redis GEO 基本操作命令 Redis GEO主要用于存储地理位置信息，并对存储的选项进行操作： 1.添加地理位置的坐标 2.获取地理位置的坐标 3.计算两个地理位置间的距离 4.根据用户给定的经纬度坐标来获取指定范围内的地理位置集合 latitude member ...] longitude —— 精度 latitude —— 维度 member —— 位置名称 geoadd city 121.48941 31.40527 "广州" 2. geopos city 广州 # 获取空间名称“广州”的经纬度 geopos city 深圳 # 没有存储“深圳”的空间名称，返回nil 3.geohash 获取保存位置的geohash值 Redis GEO georadiusbymember city 广州 2000 km withcoord withdist count 2
87110编辑于 2023-11-26 - 来自专栏测试工程师成长之道
Postman使用技巧2
postman使用技巧-2 上期视频和大家分享了sideBar(侧边栏), 今天接着和大家分享. removecontact 请求方式: Post 入参方式:Content-Type: application/x-www-form-urlencoded 总结: 1.postman的头部工具栏使用介绍. 2.
79420发布于 2019-08-23
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