太多小伙伴在各种交流群问到他自己的单细胞转录组数据在降维聚类分群的时候,发现很多生物学亚群会出现一定程度的交叉,导致结 Continue reading
Daily Archives: 2021年6月25日
新手绘图一站式R包之ggpubr
非常有意思的是,虽然我们介绍了海量的R语言绘图资源,包括手把手视频教学和配套书籍,以及海量的绘图参考代码。 Continue reading
新手绘图一站式R包ggstatsplot
非常有意思的是,虽然我们介绍了海量的R语言绘图资源,包括手把手视频教学和配套书籍,以及海量的绘图参考代码。 Continue reading
研究最热门的基因是什么
在 NCBI的ftp里面关于人的一些基因信息, 在 : ftp://ftp.ncbi.nlm.nih.gov//gene 下载即可! Continue reading
一个包的升级居然造成如此大的破坏
以前从来不报错的 org.Hs.eg.db 类似的包,这两天居然各个交流群都有人在问它!如下所示的报错: Continue reading
一个分析一个图,后面全靠编故事
最近看到一个韩国人的TCGA数据挖掘文章,标题是:《Classification of Genes Based on Age-Related Differential Expression in Breast Continue reading
你愿意为这样发育不全的生命科学奉献一生吗
最近刷单细胞文章,看到了《Tumor and immune reprogramming during immunotherapy in advanced renal cell carcinoma》,这个文献里面有一个非常诡异的降维聚类分群和生物学命名: Continue reading
一个简单的转录组差异分析就走hub基因流程吧
如果你手上有一套尘封已久的转录组表达量芯片数据或者测序数据,那么这个文章或许是一个较好的模范让你学习! Continue reading
一个简单转录组测序数据发两篇sci
你还认为普通转录组测序没有用吗?
一个bioconductor包居然发在了cancer research杂志
cancer research杂志在癌症研究领域还蛮出名的,很容易跟Clinical Cancer Research搞混,假如你在这两个杂志发表过第一作者的研究,可以在公众号留言找我,获得一个免费的生物信息学数据咨询服务哈! Continue reading
展示细胞比例变化之桑基图
我在CNS图表复现09—上皮细胞可以区分为恶性与否提到了一个很有意思的现象,就是把上皮细胞分群后,可以看到有一些亚群是具有病人特异性,但是也有不少亚群是跨越了病人存在的。 Continue reading
展示细胞比例变化之balloonplot
我在CNS图表复现09—上皮细胞可以区分为恶性与否提到了一个很有意思的现象,就是把上皮细胞分群后,可以看到有一些亚群是具有病人特异性,但是也有不少亚群是跨越了病人存在的。 Continue reading
招募100个单细胞爱好者
急!计划招募100个单细胞爱好者,免费学全套单细胞降维聚类分群和生物学亚群注释,仅限今天! Continue reading
这50个ggplot2现成图表你居然没有从头到尾自己画一遍
我比较喜欢ggplot2+AI 来做科研绘图, 当然,有高手可以独立使用ggplot2调整全部图表细节,完全不使用AI。 Continue reading
真的很烦那些盗版
想找自己以前的一个笔记,在公众号里面搜了半天以失败告终,毕竟里面几千篇教程了,简直是大海捞针。即使我记住了标题都无法检索到它,真的是信息海洋啊! Continue reading
肿瘤panel测序研究不应该公开基因列表吗
最近接了几个不同癌症队列的panel测序数据分析项目,大多是在基因加、南京世和等公司购买的panel和测序服务。 Continue reading
ATAC-seq的经典差异分析
ATAC-seq的数据分析主要是检测信号峰值,就是peaks,不同样品的peaks的差异主要是两个思路,使用韦恩图展现有无peaks的差异,另外就是使用散点图展现高低强弱的peaks差异。 Continue reading
dbGaP数据库的测序数据当然是可以申请成功的
通常情况下,我们的原始测序数据会上传到NCBI的SRA数据库,自然就在EBI备份了。需要熟悉GEO和SRA数据库: Continue reading
doplot可视化多个单细胞亚群的多个标记基因的进阶版
我们以 seurat 官方教程为例:
EpiDISH-根据甲基化信号值推断样品的细胞成分
传统的甲基化信号值通常是芯片,比如illumina公司的27K,450K,850K的甲基化芯片,它们检查的通常是细胞混合物,比如绝大部分肿瘤组织样品其实是混合了上皮细胞,基质细胞和免疫细胞。如果我们感兴趣肿瘤组织的纯度,或者说肿瘤的免疫浸润情况,就可以使用同样的反卷积方法来。这个时候EpiDISH包就可以派上用场: Continue reading