如果是同一个机器下面的两个Linux账号，其实如果两个账号之间的文件夹没有访问权限，你仍然可以使用一些方法来实现文件的拷贝。以下是几种可能的方式： Continue reading →

最近授课转录组数据分析实战的时候， 到了下游分析环节，主要是表达量矩阵质量控制，差异分析，以及后续的生物学功能数据库注释。

学员提出来了一个很有意思的问题， 就是表达量矩阵质量控制环节里面的PCA分析，可以看出来不同样品在二维图里面的距离，其中PC1是可以区分两个分组，如下所示： Continue reading →

01 卵巢癌类器官再现疾病的异质性

【文献题目】
An organoid platform for ovarian cancer captures intra- and interpatient heterogeneity
【期刊名称】Nature Medicine
【通讯作者】Hans Clevers
【发表时间】2019年
【文章内容】 Continue reading →

早在2021的CELL文章：《Atlas of clinically distinct cell states and ecosystems across human solid tumors》就介绍了这个EcoTyper，它能根据肿瘤的单细胞转录组数据集的降维聚类分群结果，去以前常规的bulk转录组数据集（包括表达量芯片和转录组测序）里面去推断各个单细胞亚群比例后汇总成为不同的细胞状态组合情况以及多细胞群落情况。 Continue reading →

很早之前我们就总结过虽然虽然M1和M2的分类深入人心，但是在单细胞水平里面正确的做法可能是放弃M1和M2，详见：M1和M2的巨噬细胞差异就在CD86和CD163吗，很多单细胞文章都表明了巨噬细胞的M1和M2极化相关基因在单细胞水平是正相关，比如： Continue reading →

读者的问题是，他一个R命令在rstudio的console里面显示出来的日志最多就1000行，这样的话它很多信息被淹没了，所以鼠标滚轮是没办法查看被淹没的信息，求解决方案： Continue reading →

最近的就业市场真的是一言难尽，然后我们的学徒培养计划居然引起了工作三五年的生信工程师的注意，希望借我们的培养找一份更好的工作，如下所示： Continue reading →

我博士求学期间所在的实验室长期（2015-2023）钻研类器官技术，虽然CNS成就没有达成，但是子刊级别的文章发表了一些。早期的类器官研究主要是通过多组学来说明类器官能很好的复现病人的特性，比如肿瘤外显子看样品培养前的肿瘤组织和培养后的类器官组织的突变结果的一致性，还有CNV的对比，“”约定俗成“”的是展现类器官能很好的复现病人的特性。 Continue reading →

刷推特看到了这个：https://www.ru.nl/en/working-at/job-opportunities/phd-candidate-cellular-communication-in-early-human-development

关于荷兰拉德堡德大学 Continue reading →

在朋友圈看到这个夏令营的时候它就结束了，还蛮有意思的： Continue reading →

想必很多朋友都知道了，因为我本人的误操作（手贱，操作系统），导致我们的论坛彻底灰灰湮灭。现在大家如果去访问我们的官网；http://www.biotrainee.com/ 就只能说看到了一个WordPress的模板： Continue reading →

最近在朋友圈刷到了新鲜出炉的文章：《MRI-based Quantification of Intratumoral Heterogeneity for Predicting Treatment Response to Neoadjuvant Chemotherapy in Breast Cancer》，发表在影像学领域顶级期刊Radiology，是广东省人民医院和中山大学孙逸仙纪念医院的两个团队联合课题成果。
其实肿瘤异质性（Intratumoral Heterogeneity ）研究来说，基本上已经是没办法离开组学技术手段了，所以产生海量的ngs组学数据也就毫不稀奇了。比如肿瘤异质性研究的标准思路（多组学+多位点取样），发表在 Clin Cancer Res 2021; 的 文章：《Multiomic Analysis Reveals Comprehensive Tumor Heterogeneity and Distinct Immune Subtypes in Multifocal Intrahepatic Cholangiocarcinoma》其课题设计是如下所示的多组学： Continue reading →

单细胞转录组数据分析可视化方法层出不穷，大家的创意都值得推荐，这里我们简单的分享针对《多个单细胞亚群各自差异分析后》的两个汇总可视化方法。 Continue reading →

在高校申请成为硕士授予单位时，国务院学位委员会发布的学位授权审核申请条件中就规定，博士学位教师比例不能低于25%。申请博士学位授予单位需要达到45%。所以，一些高校为了提高教师博士率、推动师资国际化，也会主动组织教师报名参加赴东南亚的博士留学项目。或者说专科院校想升为本科，也是需要提高博士率。 Continue reading →

常规我们检测单细胞水平的肿瘤拷贝数分析方法主要是基于单细胞转录组数据，尤其是10x技术的单细胞转录组，最经典的当然是inferCNV啦，但是方法学上面也一直有更新。比如 2022的文章：《sciCNV: high-throughput paired profiling of transcriptomes and DNA copy number variations at single-cell resolution》 Continue reading →

最近单细胞数据挖掘文章如雨后春笋般冒出来了，总体来说就两个方向：

• 找到一个数据集，降维聚类分群后，拿到基因列表后，去TCGA建模
• 首先TCGA建模然后拿模型里面的基因或者基因集合去单细胞转录组数据集看是否有特殊的表现
  这两个方向都需要掌握基础的单细胞转录组数据集的降维聚类分群即可，这不过两个方向其实都是只需要一个数据集即可，而且因为单细胞数据处理对计算机资源要求比较高，绝大部分小伙伴也更倾向于处理单个数据集。 Continue reading →

最近看到了Twitter上面有一个前辈推荐了Cellenics这个商业的单细胞数据分析软件，虽然说实际上对我们真正的生信工程师来说基本上不会去使用那些界面软件的，但是这个软件的商业化的成功对我们来说一个好消息。 Continue reading →

那就不分析啊！！！

不开玩笑，只需要你设计实验收集样品花钱在公司测序了即可，数据分享到公开数据库后就可以发表在《 BMC Genomic Data》杂志啦，比如2023年8月7号见刊的《The single-cell transcriptome and chromatin accessibility datasets of peripheral blood mononuclear cells in Chinese holstein cattle》，实验设计蛮简单的： Continue reading →

前面我们提到过 髓系免疫细胞的细分，只要是单核，树突，巨噬，粒细胞。其中单核还可以区分成为了：

• Mono_CD14 ， classical CD14+CD16-
• Mono_FCGR3A ，non-classical CD14-CD16+ monocytes, Continue reading →

交流群有小伙伴希望我们《生信菜鸟团》的单细胞周更专辑作者发现这个新鲜出炉的肝癌单细胞文章，标题是：《CD36+ cancer-associated fibroblasts provide immunosuppressive microenvironment for hepatocellular carcinoma via secretion of macrophage migration inhibitory factor》，简单的看了看里面的图表，就是降维聚类分群后，针对肝癌里面的成纤维细胞亚群进行细分和讲解，数据集链接是； Continue reading →