博文
- 置顶 · 学习生物信息的第二好教程
- 生信的作用越来越大，想学的人越来越多，不管是为了以后发展，还是为了解决眼下的问题。但生信学习不是一朝一夕就可以完成的事情，也许你可以很短时间学会一个交互式软件的操作，却不能看完程序教学视频后就直接写程序。也许你可以跟着一个测序分析流程完成操作，但不懂得背后的原理，不知道什么参数需要修改，结果可以出 ...
- R变量索引 - 什么时候使用 @或$
- 单细胞分析经常用到Seurat包，整个分析过程中的中间结果都在一个Seurat对象中存储。常需要从里面提取对应数据进行后续分析，有时会用$，有时会用@，怎么选择呢？ str函数是我们的好帮手，清晰展示对象层级结构和索引方式，如下，对应名字前出现@则用@索引（比如pbmc@assays）,有 则用 则 用 索引(如pbmc@assa ...
- 复现原文（二）：Single-cell RNA sequencing of human
- NGS系列文章包括 NGS基础 、转录组分析 （ Nature重磅综述|关于RNA-seq你想知道的全在这 ）、ChIP-seq分析 （ ChIP-seq基本分析流程 ）、单细胞测序分析 ( 重磅综述：三万字长文读懂单细胞RNA测序分析的最佳实践教程 （原理、代码和评述） )、DNA甲基化分析、重测序分析、GEO数据挖掘（ 典型医学设计实验GE ...
- “harmony”整合不同平台的单细胞数据之旅
- 其实在Seurat v3官方网站的 Vignettes 中就曾见过该算法，但并没有太多关注，直到看了北大张泽民团队在2019年10月31日发表于***Cell* 的《Landscap and Dynamics of Single Immune Cells in Hepatocellular Carcinoma》 ，为了同时整合两类数据（包括SMART-seq2和10X）（ Hemberg-lab单细胞转录组数据分析（七）- 导入10X ...
- 基于人工智能的文献检索，导师查找，更聪明
- 上次推出的 GeenMedical：文献查询、筛选、引用排序、相似文献、全文下载、杂志分区、影响因子、结果导出、杂志评述、直接投稿，一站服务 文章讲述了文献检索的良器。 这次再推荐另一个良器，在一定程度上存在功能重叠，又有互补。特有的基于人工智能的文章施引影响力和作者分析是亮点。 SematicScholar 是AI2研究所(专 ...
- 对一篇单细胞RNA综述的评述：细胞和基因质控参数的选择
- 原文链接 ： https://www. ncbi.nlm.nih.gov/pmc/ar ticles/PMC6072887 摘要 单细胞RNA测序技术的发展加深了我们对于细胞作为功能单元的理解，不仅能基于成百到成千上万个单细胞的基因表达谱得到新的结论，还能发现新的具有特异基因表达谱的细胞群（这在传统转录组测序数据中是很难发现的）。 但是 ...
- Nicetools：定一个小目标，先做它个1000个工具
- http://www. nicetool.net/ ▲ 写的时候是879个工具，成稿的时候是886个，看来小目标不远了 测评工具虽迟但到。今天这个网站算是一个小集合，宣传语为 用完即走，触手可及 ，意在说明它的简便性与快捷性，功能虽然不是太强，但胜在五脏俱全，囊括了 886 个工具，功能涉及 生活常用，教育学习，办公辅助 ...
- NGS基础 - 参考基因组和基因注释文件
- NGS基础 - 参考基因组和基因注释文件 同步滚动：关 参考基因组和基因注释文件获取 通常测序生成的reads要与参考基因组或参考转录组进行比对，或Pseudo-alignment。所以首先需要获取参考基因组和参考转录组信息。 Ensembl ( http://www. ensembl.org/info/data/f tp/index.html )是常用的信息齐全的参考基因组和GT ...
- Volcano plot | 别再问我这为什么是火山图
- 火山图 是散点图的一种，它将统计测试中的统计显著性量度（如p value）和变化幅度相结合，从而能够帮助快速直观地识别那些变化幅度较大且具有统计学意义的数据点（基因等）。常应用于转录组研究，也能应用于基因组，蛋白质组，代谢组等统计数据。 所以关注火山图（其它类型图也是），先理解 每个点是什么 （点代表基因、 ...
- 2019文献汇总 | 单细胞与病毒感染
- 我的单细胞测序project主要是做炎症相关的单细胞转录分析，在检索paper的过程中，发现有关单细胞测序和病毒相关的文献是很少的，大致统计一下也不过十几篇，追根究底可能有两个方面的原因： （1）我们做感染的还是很穷哒，科研界的基尼系数很高啊！（在此谢谢肿瘤学领域极力抬高了科研领域的GDP）； （2）单细胞测序本身的 ...
- 让你的单细胞数据动起来！|iCellR(二)
- 前情回顾： 让你的单细胞数据动起来！|iCellR(一) 在上文我们已经基本完成了 聚类分析 和细胞在不同条件下的比例分析，下面继续开始啦，让你看看iCellR的强大！ 1. 每个cluster的平均表达量 my.obj-clust.avg.exp(my.obj) head(my.obj@clust.avg) #ge ...
