腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
生信技能树
专栏作者
举报
1910
文章
3588626
阅读量
1134
订阅数
订阅专栏
申请加入专栏
全部文章
数据库
https
网络安全
数据分析
sql
数据
编程算法
linux
其他
硬件开发
r 语言
腾讯云开发者社区
数据处理
http
数据挖掘
github
go
git
html
python
开源
na
cell
函数
可视化
工具
tcp/ip
软件
data
对象
express
图表
windows
算法
机器学习
ftp
txt
深度学习
基础
模型
网站
conda
ubuntu
shell
数据结构
geo
开发
ios
node.js
人工智能
教程
php
神经网络
存储
生物基因
微信
芯片
ide
访问管理
大数据
统计
matrix
image
服务器
bash
nat
变量
工作
java
容器镜像服务
文件存储
爬虫
测试
队列
网络
list
搜索
系统
对象存储
perl
打包
图像处理
医疗
markdown
com
count
笔记
脚本
解决方案
云服务器
镜像
连接
视频
官方文档
mac os
c++
typescript
bash 指令
腾讯云测试服务
容器
anaconda
excel
expression
mono
公众号
管理
论文
排序
索引
javascript
access
自动化
聚类算法
es
chatgpt
marker
nas
pdf
原理
xml
云直播
命令行工具
数据可视化
analysis
dataset
ggplot2
int
memory
plot
png
table
编程语言
集合
技巧
事件
线程
json
黑石物理服务器
批量计算
NAT 网关
gcc
csv
file
fold
package
sample
shiny
signature
sort
tar
time
编程
编码
表格
框架
浏览器
配置
设计
终端
.net
android
arm
云数据库 SQL Server
sqlite
api
专用宿主机
游戏
jdk
ssh
hive
安全
jupyter notebook
app
bi
edge
final
free
heatmap
input
mac
network
output
paste
pca
rules
server
sf
spatial
subset
unique
百度
报表
博客
服务
计算机
入门
数据类型
学习笔记
actionscript
css
搜索引擎
windows server
centos
apache
数据库一体机 TData
知识图谱
视频处理
企业
缓存
html5
wordpress
gui
决策树
线性回归
unity
grep
sas
网站建设
迁移
flink
教育
add
awk
bayesian
bioinformatics
boxplot
browser
case
class
correlation
cycle
d3
distinct
distribution
dplyr
figure
function
geometry
google
it
label
legend
ls
map
math
meta
methods
min
pid
pipeline
point
profile
project
reference
scale
search
shift
size
state
status
summary
symbols
text
title
types
ui
using
version
view
编辑器
部署
插件
程序员
计算机科学
架构
接口
量化
命令行
内存
实践
数据存储
调试
同步
异常
内容分发网络 CDN
c 语言
lua
bootstrap
jquery
qt
makefile
oracle
svn
matlab
jar
unix
mapreduce
云函数
TDSQL MySQL 版
VPN 连接
腾讯移动分析
云推荐引擎
金融
云联网
serverless
黑客
spark
图像识别
jvm
正则表达式
erp
numpy
面向对象编程
asp
单元测试
flash
rpc
ntp
powershell
架构设计
hbase
nest
腾讯会议
轻量应用服务器
学习方法
数据集成
汽车
absolute
adapter
adt
aes
alignment
annotations
anova
ant
apply
attributes
axes
bat
build
camera
cat
cloud
code
compilation
connection
coordinates
copy
cut
database
db
debugging
default
dfs
difference
directory
download
edit
encoding
error
event
exception
exec
execution
export
filter
filtering
flags
for循环
fread
gc
get
graph
handle
hdf5
histogram
hugo
icon
identity
insert
integration
interactive
intervals
ip
key
landscape
lattice
line
load
logic
marked
match
max
md5
mean
message
model
models
nan
nft
null
numbers
object
ode
onedrive
ontology
oss
overflow
overlap
parameters
path
percentage
photo
polygon
position
powerpoint
prompt
ps
range
rank
ref
rename
repeat
root
row
rvest
script
sed
sequence
set
sh
sorting
spacing
split
string
submit
tags
tidyverse
tools
trace
tree
trim
twitter
umi
validation
vector
visualization
web
wget
window
word
编译
操作系统
程序
磁盘
代理
代理服务器
登录
递归
多线程
翻译
工程师
行业
后台
互联网
科技
快捷键
乱码
配色
求职
权限
数学
腾讯
通信
压缩
语法
重定向
注解
字符串
最佳实践
搜索文章
搜索
搜索
关闭
非模式生物构建10x单细胞转录组CellRanger参考文件
软件
数据
统计
存储
编码
10X单细胞上游定量标准流程运行Cellranger定量需要对应的参考基因组文件以及其配套的基因组注释信息文件,如果是人类和小鼠,官网即可下载构建好的文件压缩包,详见:https://www.10xgenomics.com/support/software/cell-ranger/downloads#reference-downloads
生信技能树
2024-04-19
17
0
类器官技术日新月异
医疗
工具
模型
腾讯
芯片
但是六年前的单细胞转录组并不流行,因为没有10x这样的商业化的仪器,所以那个时候的在每个癌症领域的类器官CNS文章都是做几十个或者上百个病人的类器官培养后,做常规的转录组和肿瘤外显子数据,来说明类器官能非常好的维持其来源的原位肿瘤,这样就说明了类器官可以成为肿瘤病人的精准医疗替身!过去的五年,虽然说单细胞转录组的大行其道,但是在类器官领域的应用仍然是很有限,单细胞时代到了仅仅是2019之后的类器官研究继续“复制粘贴一波”。但是我看到的这些肿瘤领域的类器官技术的单细胞研究,仍然是说明了类器官可以成为肿瘤病人的精准医疗替身,因为从原位肿瘤样品培养后的类器官其实是富集到了恶性肿瘤上皮细胞,这样就导致了它早期的“让人诟病”的缺点, 丢失了肿瘤微环境。因为openai的chatGPT在中国大陆很难被直接访问,所以我测试了一下最新的国内大模型kimi的效果,让它整理了一下前类器官面临的主要缺陷:
生信技能树
2024-04-19
24
0
不同差异分析方法拿到的上下调基因影响什么了?
数据
芯片
anova
model
队列
这是一个表达量芯片数据集:https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE117261,是很经典的的两分组:58 PAH and 25 control lung tissues,然后我也默认走了标准差异分析,以及读取了作者的文献附件里面的差异分析结果,简单的对比了一下:
生信技能树
2024-04-19
12
0
从微信聊天记录复制粘贴的Linux代码为什么运行失败?
微信
编辑器
视频
linux
正则表达式
这个小插曲不仅引起了我的好奇心,也激发了我探索和解析背后原因的欲望。在这篇文章中,我将与大家分享我对这个问题的研究过程、发现的原因,以及如何j解决。这个经历提醒我们,在日常工作中,一些看似简单的操作也可能隐藏着意想不到的bug,值得我们深入探讨和理解。
生信技能树
2024-04-13
123
0
单细胞亚群的生物学命名的4个规则
数据库
cell
数据
图表
参考我前面介绍过 CNS图表复现08—肿瘤单细胞数据第一次分群通用规则,这3大单细胞亚群构成了肿瘤免疫微环境的复杂。绝大部分文章都是抓住免疫细胞亚群进行细分,包括淋巴系(T,B,NK细胞)和髓系(单核,树突,巨噬,粒细胞)的两大类作为第二次细分亚群。但是也有不少文章是抓住stromal 里面的 fibro 和endo进行细分,并且编造生物学故事的。
生信技能树
2024-04-13
128
0
你相信癌症细胞系结果还是肿瘤病人数据(生信游民交流群)
数据挖掘
data
table
队列
数据
而且还经过了一些肿瘤病人的转录组队列数据集同样的EGFR突变与否的分组后差异分析,也是有CD47作为多个数据集差异结果的交集,证据链非常solid:
生信技能树
2024-04-13
93
0
小白windows系统从零开始本地部署大模型全记录
windows
部署
教程
模型
系统
具体参考这条帖子: https://zhuanlan.zhihu.com/p/655948272
生信技能树
2024-04-13
570
0
有了单细胞数据的类器官研究其实可以不做常规基因组和转录组啦
医疗
工具
函数
数据
统计
恰好单细胞时代到了,可以让之前的CNS类器官研究文章继续“复制粘贴一波”,比如2021发表Advanced Science期刊的类器官文章:《Single-Cell Transcriptome Analysis Uncovers Intratumoral Heterogeneity and Underlying Mechanisms for Drug Resistance in Hepatobiliary Tumor Organoids》,就已经舍弃了传统的常规的转录组和肿瘤外显子数据,仅仅是看单细胞转录组。详见:只有单细胞转录组数据的肿瘤类器官研究(肝癌)。但是它主要是关心的是肿瘤病人内部的异质性,每个病人内部降维聚类分群后看特征基因,做拟时序分析看变化趋势,并没有展示类器官培养的成功性。
生信技能树
2024-04-13
68
0
不同癌症的类器官培养后的单细胞转录组数据差异大吗(胰腺癌和胆管癌)
医疗
视频
数据
图表
样品数量并不多,但是还试图涉及两个癌症,可能是因为病人比较特殊吧,一个病人可以同时患胰腺癌和胆管癌。但是全文并没有过多涉及到胰腺癌和胆管癌的对比,主要是关注于类器官培养后的单细胞转录组数据差异。
生信技能树
2024-04-13
55
0
基于Seurat的TransferData函数自动化迁移单细胞转录组亚群的注释信息
迁移
对象
函数
数据库
自动化
这个GSE206528的单细胞转录组数据集,很容易构建成为Seurat对象。仍然是走常规的单细胞转录组降维聚类分群代码,可以看 链接: https://pan.baidu.com/s/1bIBG9RciAzDhkTKKA7hEfQ?pwd=y4eh ,基本上大家只需要读入表达量矩阵文件到r里面就可以使用Seurat包做全部的流程。批量读取它的9个文件的代码如下所示:
生信技能树
2024-04-13
52
0
find加上exec的参数来批量修改文件名字
数据
搜索
存储
exec
服务器
目前10x的单细胞转录组技术给出来的表达量矩阵,主要是Market Exchange Format (MEX)格式,每个样品都会有一个filtered_feature_bc_matrix文件夹,里面会有3个文件,如下所示:
生信技能树
2024-04-13
116
0
使用singleR基于自建数据库来自动化注释单细胞转录组亚群
对象
函数
数据
数据库
自动化
但是因为singleR的数据库资源陈旧而且很有限,满足不了日益增长的单细胞应用,后面我们都是主推第一层次降维聚类分群后的人工命名,通常我们拿到了肿瘤相关的单细胞转录组的表达量矩阵后的第一层次降维聚类分群通常是:
生信技能树
2024-04-13
173
0
数据处理过程中的合理的质量控制是很有必要的
数据分析
数据处理
工具
数据
图表
实际上初学者完全不需要使用各种花里胡哨的工具来完成上面的步骤,因为所有的细节都在降维聚类分群结果里面看得到!让我们来演练一下:
生信技能树
2024-04-13
86
0
肿瘤领域的类器官文献的单细胞转录组数据分析是很有限的(膀胱癌)
图表
医疗
数据分析
数据
算法
但是六年前的单细胞转录组并不流行,因为没有10x这样的商业化的仪器,所以那个时候的在每个癌症领域的类器官CNS文章都是做几十个或者上百个病人的类器官培养后,做常规的转录组和肿瘤外显子数据,来说明类器官能非常好的维持其来源的原位肿瘤,这样就说明了类器官可以成为肿瘤病人的精准医疗替身!
生信技能树
2024-04-13
84
0
只有单细胞转录组数据的肿瘤类器官研究(肝癌)
医疗
cell
数据
图表
我常见系统性梳理过 2014到2018期间的癌症领域的单细胞研究,可以说是少得可怜,都是broad研究所的基于smart-seq的,在脑瘤,黑色素瘤,头颈癌有CNS文章发表。同样的是这个时间段, 类器官也是在每个癌症领域都有了CNS文章,比如 :
生信技能树
2024-04-13
75
0
类器官还得继续卷单细胞(上尿路尿路上皮癌)
数据
图表
芯片
医疗
集合
我常见系统性梳理过 2014到2018期间的癌症领域的单细胞研究,可以说是少得可怜,都是broad研究所的基于smart-seq的,在脑瘤,黑色素瘤,头颈癌有CNS文章发表。同样的是这个时间段, 类器官也是在每个癌症领域都有了CNS文章,比如 :
生信技能树
2024-04-13
90
0
肿瘤的类器官培养过程通常是富集恶性上皮细胞
analysis
cell
队列
数据
图表
参考我前面介绍过 CNS图表复现08—肿瘤单细胞数据第一次分群通用规则,这3大单细胞亚群构成了肿瘤免疫微环境的复杂。绝大部分文章都是抓住免疫细胞亚群进行细分,包括淋巴系(T,B,NK细胞)和髓系(单核,树突,巨噬,粒细胞)的两大类作为第二次细分亚群。但是也有不少文章是抓住stromal 里面的 fibro 和endo进行细分,并且编造生物学故事的。
生信技能树
2024-04-13
51
0
CROST——空间转录组学的综合数据库
数据库
网站
spatial
开发
数据
文章:Wang, G., Wu, S., Xiong, Z., Qu, H., Fang, X., & Bao, Y. (2024). CROST: a comprehensive repository of spatial transcriptomics. Nucleic Acids Research, 52(D1), D882-D890. https://academic.oup.com/nar/article/52/D1/D882/7288834
生信技能树
2024-04-13
106
0
DiSignAtlas——基于bulk和单细胞转录组的人与小鼠疾病特征数据库
数据
数据库
网站
com
工具
文章:Zhai, Z., Lin, Z., Meng, X., Zheng, X., Du, Y., Li, Z., ... & Pan, J. (2024). DiSignAtlas: an atlas of human and mouse disease signatures based on bulk and single-cell transcriptomics. Nucleic Acids Research, 52(D1), D1236-D1245. https://academic.oup.com/nar/article/52/D1/D1236/7335757
生信技能树
2024-04-13
90
0
批量下载geo上面的单细胞表达量矩阵
geo
递归
数据
数据库
csv
其中,GSEXXXXXX 是该数据集的 accession number,是一个唯一标识符,用于在 GEO 数据库中检索该数据集的信息。可以通过构建类似这样的 URL,将 accession number 替换为任意感兴趣的 GSE 数据集的 accession number,以访问该数据集的主页。然后,就可以从主页中获取数据集的相关信息,包括表达量矩阵文件的下载链接等。
生信技能树
2024-03-29
159
0
点击加载更多
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
立即发文
Python精品学习库
代码在线跑,知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档