- 综合排序
- 最热优先
- 最新优先
- 来自专栏前端黑板报
TS - Index Signatures
TS - Index Signatures 你有 2 个描述，软件开发人员薪水的对象： const salary1 = { baseSalary: 100_000,
88610编辑于 2024-06-14 - 来自专栏Golang语言社区
Validating ECDSA Signatures in Golang
cryptography (ECC) seems to be used quite extensively in blockchain applications, and so naturally digital signatures Validating ECDSA signatures in Golang seems trivial at first, but then one quickly gets lost down a rabbit I thought I would document how I personally went about doing this when transmitting ECDSA signatures major questions/problems I ran into while trying to implement this were: How do I represent ECDSA signatures OpenSSL and Python, where there are some really cool libraries available for Python to handle ECDSA signatures
1.7K20发布于 2018-12-25 - 来自专栏生信技能树
热点基因集：中性粒细胞相关genes signatures分享
最近我们整了很多热点相关的基因集，收藏在专辑《热点基因集专辑》，已经有下面这么多了，后续还会不断地更新，欢迎关注： Nature杂志用的Mouse 和 Human gene signatures分享 Nature 杂志用的23个与癌症特征密切相关的基因集signature分享 单细胞转录组分析中一些常见QC相关基因集合 细胞程序性死亡相关基因都一两千个了啊 CNS大刊超爱用的CD8+ T cells亚群的gene signatures 套娃似的找了四个文献才找到的巨噬细胞 M1 和 M2 signatures，不来看一下吗？ 上一次整理基因集一列一列截图搞得，今天想了一下可以这样：用DeepSeek提取，指令如下 按列提取出来图片中的基因，生成一个Rlist对象，第一行作为名称，然后要自己检查一下 生成的结果对不对： # 创建Rlist对象 gene_signatures "NOD2", "PI3", "PLAU", "PPIF", "TGM3", "TOM1", "UBR5-AS1", "ZNF267") ) # 检查结果 str(gene_signatures
21710编辑于 2025-11-20 - 来自专栏R语言交流中心
R语言实现突变信号（Mutational Signatures）分析
突变信号（Mutational Signatures）首次2013年在《nature》进行报道。 实例： nmf_res_s <- extract_signatures(mut_mat_s_rep,rank = 2) nmf_res <- extract_signatures(mut_mat,rank 计算后获得NMF 的权重值（contribution），特征矩阵（signatures）以及重构后的矩阵（reconstructed）。 signatures.ref 主要是你要参看的数据集，在deconstructSigs中提供的数据集是signatures.nature2013。 2. plot_192_profile 实例： plot_192_profile(nmf_res_s$signatures) ?
9.7K55发布于 2019-07-31 - 来自专栏单细胞天地
NC单细胞文章复现(六)：Gene expression signatures(1)
接着，使用另外一个基因表达特征数据集TNBCtype4 signatures（Lehman_signature），这个signatures根据基因表达变化将TNBC细胞分为6个类：basal_like_ rownames(mns) <- lehman_signatures for (s in 1:length(lehman_signatures)) { sign <- lehman_signatures 这三个normal breast signatures 是：mature luminal (ML)，basal和luminal progenitor (LP)，在每个signatures中，都有对应的上调基因和下调基因 第一个gene signatures:70-gene prognostic signature ，该signatures最初是从对有无转移复发患者的原发肿瘤之间差异表达基因的分析中得出的，总共70个基因 第二个gene signatures:49-gene metastatic burden signature.该signatures可以区分了患者来源的小鼠TNBC异种移植模型中单个循环转移细胞所产生的高转移负荷和低转移负荷
2.8K20发布于 2021-07-02 - 来自专栏单细胞天地
NC单细胞文章复现(七)：Gene expression signatures(2)
我们今天继续探索这3个gene signatures，首先看它在不同clusters的细胞之间的表达分布。 zenawerb、artega和Cluster colnames(clust_avg_prognosis) <- colnames(prognosis_sig) #每个clusters的三个gene signatures 可以看到这3个gene signatures没有重叠的基因，并且它们来源不同，但这3个 gene signatures均在clusters 2亚群中都高表达。 相反，但是在三个gene signatures中的预后则无统计学意义。此外，clusters1、3、4和5的基因无法预测临床结果。 #可视化TNBCtype4 Lehman signatures #去掉immunomodulatory和mesenchymal_stem_like上皮细胞 lehman_avg_both_epithelial_new
93220发布于 2021-07-02 - 来自专栏luzhiyao
BIP66严格的DER签名(Strict DER signatures)
当前比特币的签名验证实现依赖于OpenSSL，这意味着OpenSSL隐式的定义了比特币的区块验证规则。不幸的是，openssl并没有定义严格的共识行为(它不保证不同版本间的bug兼容);并且openssl库的改变将会影响比特币软件的稳定。 一个特别重要的地方是：签名编码。直到最近，openssl库的发布版才可以接收不同的DER标准编码，并且认为签名时有效的。当openssl 从1.0.0p和1.0.1k升级时，它使一些节点产生拒绝承认主链的行为。 本提案的目的是：将有效签名限制在DER规定的范围内，从而使共识规则不依赖于openssl的签名解析。如果想从共识代码中移除所有的openssl，则需要这样的修改。
54120编辑于 2022-08-20 - 来自专栏Devops专栏
Celery 4.3.0 signatures 任务签名 以及 Primitives任务执行流程 group 、chain
但是有时我们并不想简单的将任务发送到队列中，我们想将一个任务函数(由参数和执行选项组成)作为一个参数传递给另外一个函数中，为了实现此目标，Celery使用一种叫做signatures的东西。
71910编辑于 2022-01-17 - 来自专栏生物信息学、python、R、linux
Distinct enhancer signatures in the mouse gastrula delineate progressive cell fate continuum duri...
term=Distinct+enhancer+signatures+in+the+mouse+gastrula+delineate+progressive+cell+fate+continuum
58730发布于 2020-04-01 - 来自专栏生信菜鸟团
嫌弃cosmic数据库的30个肿瘤突变signatures?
如下图；https://en.wikipedia.org/wiki/Mutational_signatures ? 不同的特征有不同的生物学含义，https://en.wikipedia.org/wiki/Mutational_signatures 比如文章 https://www.nature.com/articles 非负矩阵分解这个算法得到signature具体需要看文献； https://cancer.sanger.ac.uk/cosmic/signatures https://www.ncbi.nlm.nih.gov was performed using deconstructSigs based on the set of 30 mutational signatures (‘signature.cosmic’ 可以和https://cancer.sanger.ac.uk/signatures_v2/Signature_patterns.png的30个signature的96碱基排列组合比例进行对比。
1.9K20发布于 2020-06-04 - 来自专栏Devops专栏
Django 2.1.7 Celery 4.3.0 signatures 任务签名 以及 Primitives 任务执行流程 group 、chain
但是有时我们并不想简单的将任务发送到队列中，我们想将一个任务函数(由参数和执行选项组成)作为一个参数传递给另外一个函数中，为了实现此目标，Celery使用一种叫做signatures的东西。
98720发布于 2019-08-06 - 来自专栏Django Scrapy
GPG error W: GPG error: http:packages.elastic.co stable Release: The following signatures could...
报错信息: W: GPG error: http://packages.elastic.co stable Release: The following signatures couldn't be
1.1K40发布于 2018-06-19 - 来自专栏生信技能树
使用R包deconstructSigs根据已知的signature进行比例推断
和 signatures.nature2013，这两个内置的signature，比如signatures.cosmic，其实在网络文件，signatures_probabilities.txt 可以查看 和 signatures.nature2013，代码如下： signatures.cosmic rowSums(signatures.cosmic) colnames(signatures.cosmic 把自己的11个signature制作成为R包内置的signatures.cosmic 和 signatures.nature2013样式，这个代码非常复杂，需要大家自行认真的理解。 和 signatures.nature2013。 这个时候，就会根据自己的11个signature进行分解，而不是原来的R包内置的signatures.cosmic 和 signatures.nature2013两种分解模式。
2.5K21发布于 2020-06-09 - 来自专栏生信补给站
deconstructSigs|探寻cosmic的独特“气质”-mutation signature ！
Mutational Signatures 出现在2013年的nature文章Signatures of mutational processes in human cancer中（https://www.nature.com sample1 sample_1 = whichSignatures(tumor.ref = sigs.input, signatures.ref ：已知的signatures参考文件，可选signatures.nature2013和signatures.cosmic sample.id：对应tumor.ref文件中的样本名 contexts.needed of the input signatures matrix tumor -- matrix of the trinucleotide contexts for the tumor sample used = signatures.cosmic, sample.id = 1, associated
1.9K61发布于 2020-08-06 空间转录组合作项目分析示例(三)
))spot_scores$Neuron <- signatures$Neuronspot_scores$Vasc<- signatures$Vascspot_scores$MES.Hyp <- signatures $MES.Hypspot_scores$Mac <- signatures$Macspot_scores$Oligo <- signatures$Oligospot_scores$MES <- signatures $MESspot_scores$Prolif.Metab <- signatures$Prolif.Metabspot_scores$MES.Ast <- signatures$MES.Astspot_scores $Reactive.Ast <- signatures$Reactive.Astspot_scores$NPC <- signatures$NPCspot_scores$Inflammatory.Mac <- signatures$Inflammatory.Macspot_scores$chromatin.reg <- signatures$chromatin.regspot_scores$OPC <
19720编辑于 2024-09-02- 来自专栏作图丫
MutationalPatterns--进行肿瘤突变分析！
A", "Signature B") rownames(nmf_res$contribution) <- c("Signature A", "Signature B") signatures = get_known_signatures () nmf_res <- rename_nmf_signatures(nmf_res, signatures, cutoff = 0.85) colnames(nmf_res$signatures) plot_96_profile(nmf_res$signatures, condensed = TRUE) plot_contribution(nmf_res$contribution, nmf_res [, 1]) cos_sim_samples_signatures <- cos_sim_matrix(mut_mat, signatures) cos_sim_samples_signatures[1 , signatures, cutoff
1.6K21编辑于 2022-03-29 - 来自专栏作图丫
deconstructSigs 突变 Signature 分析
= signatures.nature2013, sample.id = 1, contexts.needed = signatures.nature2013, sample.id = 2, contexts.needed # 预测的已知signatures参考文件，包括signatures.nature2013或者signatures.cosmic associated # 相关联的signature vector，默认为空 signatures.limit # 关联的signature上限，默认无限制 signature.cutoff # 舍弃小于此阈值的关联signature contexts.needed # 是否需要突变上下文 = signatures.nature2013, sample.id = 13) # Plot output plotSignatures(plot_example
1.7K30编辑于 2022-03-29 内容复习---高精度空间数据分析（CODEX、CosMx、IMC）
= pd.read_excel('data/tumor_cell_state_signatures_gavish.xlsx')signatures.columns = [c.replace('/', '').replace(' ', '_').replace(' - ', '-').replace(' ', '_') for c in signatures.columns]signatures_dict = signatures.to_dict(orient='list')signatures_dict['Cell_Proliferation'] = [x for x in pd.concat(( signatures['MP1_Cell_Cycle-G2M'], signatures['MP2_Cell_Cycle-G1S'], signatures['MP3_Cell_Cylce_HMG-rich '], signatures['MP4_Cell_Cylce_Chromatin_'] )) if x in adata.var_names]signatures_dict
38720编辑于 2025-03-29- 来自专栏生信技能树
比较不同的肿瘤somatic突变的signature
【1】https://software.broadinstitute.org/cancer/cga/msp 【2】https://en.wikipedia.org/wiki/Mutational_signatures 不同signature对比 signatures的本质就是96突变形式的比例，所以可以直接在R里面进行相关性计算。 11个自定义的signature的96突变频谱 然后查看cosmic的30个signature的96突变频谱 需要读取网络文件，signatures_probabilities.txt，代码如下： # https://cancer.sanger.ac.uk/cancergenome/assets/signatures_probabilities.txt cosmic=read.table('https ://cancer.sanger.ac.uk/cancergenome/assets/signatures_probabilities.txt', header =
2.3K10发布于 2020-06-09 - 来自专栏python3
用 Python分析朋友圈好友的签名
nlp = SnowNLP(signature) emotions.append(nlp.sentiments) signatures += ' '.join(jieba.analyse.extract_tags(signature,5)) with open('signatures.txt','wt',encoding='utf -8') as file: file.write(signatures) # 朋友圈朋友签名的词云相关属性设置 back_coloring = np.array(Image.open =1250, height=1000, margin=15 ) #生成朋友圈朋友签名的词云 wordcloud.generate(signatures ) plt.imshow(wordcloud) plt.axis("off") plt.show() wordcloud.to_file('signatures.jpg'
52820发布于 2020-01-17
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