看到了2022的一个单细胞文章：《Single-Cell RNA Sequencing Reveals the Temporal Diversity and Dynamics of Cardiac Immunity after Myocardial Infarction》，里面有表型性状特异性单细胞亚群的概念，详见：Characterization of MI Contribution in Different Macrophage Subsets，需要同时考虑伴随表型变化的单细胞亚群数量以及表达量差异，看起来是蛮复杂的数学公式，如下所示： Continue reading →

有小伙伴在交流群问：自己的目标基因在做完表达量差异分析后发现它并不在上下调列表里面，感觉有点惶恐，如果是真实现象，那么： Continue reading →

众所周知，实验室培养的癌症细胞系肯定是非常纯粹的恶性增殖的肿瘤细胞啦。

它被人诟病的一个缺点就是没办法代表真实的肿瘤病人的肿瘤部位的微环境，既然它缺失了肿瘤微环境，如果你测肿瘤细胞系培养物（药物处理前后）的单细胞转录组，就没办法follow我们分享的绝大部分的肿瘤领域的单细胞转录组的第一层次降维聚类分群以及生物学命名，详见之前的介绍 CNS图表复现08—肿瘤单细胞数据第一次分群通用规则， 是 ： Continue reading →

出版社送了一本书（R语言）给我，这个《R语言实战》已经是R语言领域的“老兵”了，几乎是人手一本，目前是第三版，更新也很大，全面拥抱了ggplot体系。对我来说，比较新的知识点可能是一些小技巧，这里借花献佛给大家。 Continue reading →

出版社送了一本书（R语言）给我，就是这个《R语言实战》第三版，它已经是R语言领域的“老兵”了，几乎是人手一本。

新鲜出炉的第三版，更新也很大，全面拥抱了ggplot体系。对我来说，比较新的知识点可能是一些小技巧，这里借花献佛给大家。 Continue reading →

出版社送了一本书（R语言）给我，就是这个《R语言实战》第三版，它已经是R语言领域的“老兵”了，几乎是人手一本。

新鲜出炉的第三版，更新也很大，全面拥抱了ggplot体系。对我来说，比较新的知识点可能是一些小技巧，这里借花献佛给大家。 Continue reading →

偏底层的函数

常规需求是文本文件交互，比如 文件打开、文件写入、文件内容刷新等等，如果默认的文件没有规则仅仅是里面有内容，就需要使用比较底层的函数：

1. 打开文件：你可以使用file()函数来打开一个文件。这个函数会返回一个连接，你可以通过这个连接来读取或写入文件。例如： Continue reading →

R语言基础函数很多都是超级简单的英文单词，以下是一些R语言中基础函数的简单英文单词举例：

1. print()：打印输出结果。
2. sum()：计算向量或矩阵中元素的总和。
3. mean()：计算向量或矩阵中元素的平均值。
4. max()：找出向量或矩阵中的最大值。
5. min()：找出向量或矩阵中的最小值。
6. length()：计算向量中元素的个数。
7. sqrt()：计算数值的平方根。
8. round()：将数值四舍五入到指定的小数位数。
9. sort()：对向量或矩阵进行排序。
10. unique()：返回向量中的唯一元素。 Continue reading →

学员给了一个2023的单细胞文章：《Single-cell RNA sequencing reveals a mechanism underlying the susceptibility of the left atrial appendage to intracardiac thrombogenesis during atrial fibrillation》里面的单细胞转录组数据集仅仅是公开了数据集的fastq文件，并没有表达量矩阵。我们就顺手下载并且处理了。

首先需要参考 小鼠的5个样品的10x技术单细胞转录组上游定量（文末赠送全套代码），走cellranger流程，主要是拿到服务器后配置自己的conda环境，以及下载项目对应的单细胞转录组数据集的fastq文件，如下所示： Continue reading →

无意中看到了这个宝藏资源：https://bioinformatics.ccr.cancer.gov/btep/，是NIH的癌症中心每周常规生信培训，值得推荐：

每次培训都有全部的授课资源整理并且网络公开分享，比如：https://btep.ccr.cancer.gov/docs/data-visualization-with-r

一般来说，GEO数据库的每个GPL平台都有对应的网页，而且可以获取其详细信息的txt文本文件，比如：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GPL6244

就是如下所示： Continue reading →

做生物信息学的我们经常会接触到生物信息学相关数据库等网络资源，绕不开的就是EBI和NCBI，我们以前介绍的单细胞转录组项目数据通常是ncbi旗下的sra或者geo数据库，但实际上ebi旗下的ArrayExpress数据库的也是有部分单细胞数据资源。

EBI (European Bioinformatics Institute) 和 NCBI (National Center for Biotechnology Information) 都是全球领先的生物信息学研究机构，它们提供了大量的生物信息学数据库和工具，对全球的科研工作者开放。 Continue reading →

一大早就看到了两个chatGPT在生物信息学的应用，感觉有必要参与到其中了。如果大家看完后也有同感，可以一起加入讨论组哈， 群策群力，看看如何更好的向chatGPT提问，如何更好的使用这个AI助手，在我们的生物信息学数据处理过程中。 Continue reading →