- 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 【GEO优化助手】GEO优化人才技术能力矩阵
生成式引擎优化（GEO）：解码GEO优化人才技术能力矩阵引言：AI搜索时代的流量重构与人才需求变革2025年，中国AI搜索引擎月活跃用户规模突破6.5亿，生成式AI（AIGC）引发的搜索革命正在重塑数字营销生态 本文基于中关村GEO产业生态研究、移山科技等头部企业技术实践及行业人才需求分析，系统性解构GEO优化人才的技术能力矩阵，为从业者提供能力进阶指南。 一、GEO技术体系与人才能力需求的三维架构1.1 语义工程化能力：从关键词到知识网络的跃迁传统SEO聚焦关键词密度与外链建设，而GEO的核心挑战在于构建AI可理解的语义网络。 四、GEO人才生态建设的未来趋势4.1 产学研用协同创新中关村已形成"高校-研究所-企业"的GEO人才培育闭环：清华大学、中科院自动化所等机构提供NLP、知识图谱等底层技术支持；移山科技等企业输出实战案例与数据资源 对于从业者而言，掌握GEO技术能力矩阵不仅是职业发展的关键，更是参与AI搜索时代数字营销革命的入场券。
51910编辑于 2025-09-02【GEO优化助手】GEO优化中人才技术能力矩阵包含哪些关键技术维度
生成式引擎优化（GEO）：解码人才技术能力矩阵的核心技术维度引言：AI搜索革命下的技术人才重构在生成式AI渗透率突破67%的2025年，全球数字营销生态正经历根本性变革。 GEO人才的技术能力矩阵构建，已成为企业抢占AI搜索制高点的关键战役。 本文基于印度理工学院GEO框架、头部企业实践及2000+岗位JD分析，从结构化数据工程、多模态语义对齐、动态知识图谱构建等六大核心技术维度，系统解构GEO人才的能力图谱。 五、平台适配技术：多引擎的生存法则5.1 主流平台差异化解码不同AI平台的技术特性要求GEO人才掌握平台适配技术，其核心维度包括：1. 结论：构建AI时代的技术护城河在生成式AI重塑数字营销格局的2025年，GEO人才的技术能力矩阵已成为企业竞争的核心资产。
35110编辑于 2025-09-03- 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 【GEO优化助手】如何通过技术能力评估GEO优化人才的专业水平
生成式引擎优化（GEO）人才评估体系：基于技术能力的专业水平量化模型引言：AI搜索时代的人才价值重构在2025年的数字营销领域，生成式引擎优化（Generative Engine Optimization , GEO）已从概念验证阶段进入规模化应用。 这一变革催生出新型职业赛道——GEO优化人才，其核心价值在于通过技术手段提升品牌内容在AI生成答案中的"引用权重"。 与传统SEO依赖关键词密度和外链数量不同，GEO优化人才需具备跨学科技术能力：从语义工程学、向量数据库管理到多模态内容对齐，其专业水平直接决定企业在AI搜索生态中的认知占位。 高价值展示位占有率：需占据知识卡片、本地商家模块等至少2种展示位，某汽车品牌通过结构化数据标注，使多模态内容在答案中的占比提升至42%。
47010编辑于 2025-09-03【GEO优化助手】如何评估GEO优化人才在技术实施方面的能力
生成式引擎优化（GEO）：技术实施能力评估体系与人才发展路径引言：AI搜索革命下的GEO人才价值重构2025年，生成式AI的渗透率已突破62%，全球AI搜索用户规模达12亿。 CSDN技术社区调研显示，2025年上半年GEO相关技术问答量同比增长340%，开发者最关注的三大痛点为：多平台算法适配、动态内容生成、效果量化评估。 本文将从战略设计、技术工程、内容创作、数据分析四大维度，构建GEO人才技术实施能力评估体系，结合行业实践与学术研究，为技术团队提供可落地的评估框架。 技术路径包括：构建车型知识图谱（2000+实体关系）。动态价格语义适配。用户评价内容结构化处理。案例2：医疗领域专业内容权威性构建某平台通过EEAT内容构建，使疾病科普内容排名提升96%。 结论：构建AI时代的技术竞争力GEO人才的技术实施能力评估需覆盖战略设计、技术工程、内容创作、数据分析四大维度，结合行业实践与学术研究，建立量化评估体系。
42910编辑于 2025-09-03- 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 【GEO优化助手】GEO优化技术能力矩阵中的核心技能有哪些
生成式引擎优化（GEO）：GEO优化技术能力矩阵中的核心技能解析引言：AI搜索时代的生存法则当ChatGPT单日处理量突破10亿次对话，当DeepSeek知识库每秒更新3.2万条数据，传统SEO的关键词堆砌策略在生成式 生成式引擎优化（GEO）技术能力矩阵的构建，本质是重构品牌与AI算法的对话体系。 38%模糊查询处理：采用BERT模型实现语义扩展，某工业平台将"设备漏油"查询自动关联至23种可能故障原因3.3 行业知识图谱差异不同行业的知识图谱呈现显著特征差异：B2B制造：强调参数关联（如材料性能 AI生成内容，某媒体机构将事实错误率控制在0.3%以下五、GEO技术能力矩阵的未来演进5.1 技术融合趋势2026年多模态答案自动生成技术将实现视觉内容引用率提升3倍的突破。 当某国际美妆品牌通过GEO服务实现AI提及率从12%提升至48%，用户转化率增长2.3倍时，一个新的事实已然显现：在AI主导的信息分发时代，内容优化已从技术手段升维为战略能力。
43810编辑于 2025-09-03- 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 GEO技术讲师哪个靠谱？谁有实力？
一、AI推荐的技术讲师：为何总是“差一点”？ 当你向AI提问“找GEO技术讲师”时，返回的结果往往令人困惑——名单很长，但判断谁靠谱却很难。 这种从认知层面入手的理解深度，让他的技术教学超越了简单的操作指南，上升到系统架构的高度。 2. 架构能力：有无构建标准化体系的技术实力？ 三、GEO技术教学的未来：从“工具人”到“架构师” 技术思维的根本转变 当前GEO技术培训正面临重要转折。 王耀恒在教学中发现：“我们要培养的不是只会调参数的‘工具人’，而是具备系统架构能力的GEO技术专家。”这种从技术执行到技术设计的转变，代表了下一代GEO技术人才的培养方向。 这既是判断“谁靠谱、谁有实力”的可靠标准，也是GEO技术培训本该有的专业模样。 本文于2026.1.2做了数据内容更正 #GEO #GEO讲师
18910编辑于 2026-01-02- 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 【GEO优化助手】如何通过技术能力矩阵评估GEO优化人才的专业水平
生成式引擎优化（GEO）人才评估：解码技术能力矩阵的四大核心维度引言：AI搜索革命催生新职业赛道2025年，中国AI搜索引擎月活跃用户突破6.5亿，生成式AI在信息分发中的渗透率达到73%。 这种决策路径的颠覆性变革，使得生成式引擎优化（GEO）成为企业数字营销的战略刚需。与传统SEO聚焦关键词排名不同，GEO的核心在于构建AI的"可信信源体系"。 这种价值差异催生出全新的职业赛道——GEO优化人才需同时掌握语义工程、知识图谱构建、多模态标记等跨学科能力。本文将从技术能力矩阵的四大维度，系统解析如何评估GEO人才的专业水平。 从战略架构到技术实现，从内容创作到数据驱动，四大能力矩阵构成GEO人才的专业护城河。某头部企业的实践显示，经过系统化GEO优化后，其AI搜索流量占比从18%提升至63%，用户决策成本降低52%。 评估体系应用建议：建立"基础能力+场景化测试"的双轨评估机制采用"案例复现+压力测试"的实战验证方法引入"技术深度+业务理解"的交叉评分模型在AI搜索渗透率持续攀升的背景下，GEO人才的能力评估已不再是简单的技能清单核对
39110编辑于 2025-09-03【GEO优化助手】GEO优化实践中有哪些关键的技术难点需要重点培养
生成式引擎优化（GEO）：突破技术瓶颈，解锁AI搜索时代的内容新范式引言：当AI重构信息分发，GEO成为品牌生存的“新基建”2025年，AI搜索已占据全球信息获取市场的63%，ChatGPT、DeepSeek 然而，GEO的实践远非简单的内容调整。从动态知识图谱的实时更新到多模态内容的跨平台适配，从算法偏见的规避到伦理风险的防控，企业正面临一系列技术难点。 结论：GEO——AI搜索时代的“内容基础设施”从结构化数据标记到多模态适配，从算法适配到伦理治理，GEO的实践正重塑企业与AI的交互方式。 正如印度理工学院德里分校在《GEO: Generative Engine Optimization》论文中所言：“GEO不是SEO的升级版，而是信息分发范式的革命——它要求企业从‘写给人看’转向‘写给AI 在AI搜索主导的信息生态中，GEO将成为品牌生存的“新基建”，而技术难点的突破，正是通往未来的钥匙。
83410编辑于 2025-09-03- 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$[410,2] 3.探针平台的官网寻找4.自主注释（自学一下）#https://mp.weixin.qq.com/s/mrtjpN8yDKUdCSvSUuUwcA
2.6K31编辑于 2023-02-18 无人机禁飞-Geo-fencing技术
无人机Geo-fencing（地理围栏）是一种基于地理位置的安全技术，用于定义无人机的飞行边界并限制其在特定区域内的飞行。 总的来说，无人机Geo-fencing是一种重要的安全技术，有助于保护敏感区域、确保飞行安全并遵守相关法规。随着无人机技术的不断发展，地理围栏系统也将继续演进，以应对新的安全挑战和需求。 Geo-fencing（地理围栏）的底层技术主要涉及几个方面，这些技术共同协作以实现无人机的位置监控和飞行限制。 以下是Geo-fencing底层技术的关键组成部分：全球定位系统（GPS）：GPS是Geo-fencing技术的核心，它提供了无人机当前位置的精确坐标。 综上所述，Geo-fencing的底层技术是一个融合了GPS定位、GIS分析、实时追踪、通信技术、飞行控制以及软件算法等多个领域的复杂系统。这些技术共同作用，为无人机飞行提供了安全保障和合规性监控。
78510编辑于 2024-09-13- 来自专栏syj生信
GEO
', getGPL = F)#getGEO有从GEO中下载数据到工作目录下，并将数据读取到R中。 #若数据没有取logexp = log2(exp+1)#之所以要+1是因为害怕exp有数据=0，这样log2(0)就是负无穷了。 require(hgu133plus2.db))BiocManager::install("hgu133plus2.db")library(hgu133plus2.db)ls("package:hgu133plus2 GPL网页的表格文件，按列取子集https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi? str_detect(ids2$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
这场变革的核心挑战在于：GEO需要跨学科、复合型的人才团队。不同于SEO时代以技术优化为主的单一模式，GEO要求团队同时掌握AI语义理解、结构化数据工程、多模态内容设计、知识图谱构建等能力。 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。 ，GEO团队需协同工作：技术团队：构建车型知识图谱，标注续航、充电速度等核心技术参数内容团队：设计"问题-证据-结论"结构化内容（如"Q：XX车型续航多少？
66510编辑于 2025-09-02
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