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
1914
文章
3608024
阅读量
1134
订阅数
订阅专栏
申请加入专栏
全部文章（999+）
数据库（385）
https（374）
网络安全（331）
数据分析（297）
sql（266）
数据（187）
编程算法（161）
linux（140）
其他（116）
硬件开发（116）
r 语言（114）
腾讯云开发者社区（112）
数据处理（106）
http（102）
数据挖掘（99）
github（99）
go（94）
git（87）
html（79）
python（69）
开源（62）
na（58）
cell（43）
函数（43）
可视化（43）
工具（39）
tcp/ip（38）
软件（35）
data（33）
对象（33）
express（27）
图表（26）
windows（25）
算法（25）
机器学习（24）
ftp（24）
txt（24）
深度学习（23）
基础（23）
模型（23）
网站（22）
conda（22）
ubuntu（20）
shell（20）
数据结构（20）
geo（20）
开发（20）
ios（19）
node.js（18）
人工智能（18）
教程（18）
php（17）
神经网络（17）
存储（17）
生物基因（16）
微信（16）
芯片（16）
ide（15）
访问管理（15）
大数据（15）
统计（15）
matrix（14）
image（13）
服务器（13）
bash（12）
nat（12）
变量（12）
工作（12）
java（11）
容器镜像服务（11）
文件存储（11）
爬虫（11）
测试（11）
队列（11）
网络（11）
list（10）
搜索（10）
系统（10）
对象存储（9）
perl（9）
打包（9）
图像处理（9）
医疗（9）
markdown（9）
com（9）
count（9）
笔记（9）
脚本（9）
解决方案（9）
云服务器（8）
镜像（8）
连接（8）
视频（8）
官方文档（7）
mac os（7）
c++（7）
typescript（7）
bash 指令（7）
腾讯云测试服务（7）
容器（7）
anaconda（7）
excel（7）
expression（7）
mono（7）
公众号（7）
管理（7）
论文（7）
排序（7）
索引（7）
javascript（6）
access（6）
自动化（6）
聚类算法（6）
es（6）
chatgpt（6）
marker（6）
nas（6）
pdf（6）
原理（6）
xml（5）
云直播（5）
命令行工具（5）
数据可视化（5）
analysis（5）
dataset（5）
ggplot2（5）
int（5）
memory（5）
plot（5）
png（5）
table（5）
编程语言（5）
集合（5）
技巧（5）
事件（5）
线程（5）
json（4）
黑石物理服务器（4）
批量计算（4）
NAT 网关（4）
gcc（4）
csv（4）
file（4）
fold（4）
package（4）
sample（4）
shiny（4）
signature（4）
sort（4）
tar（4）
time（4）
编程（4）
编码（4）
表格（4）
框架（4）
浏览器（4）
配置（4）
设计（4）
终端（4）
.net（3）
android（3）
arm（3）
云数据库 SQL Server（3）
sqlite（3）
api（3）
专用宿主机（3）
游戏（3）
jdk（3）
ssh（3）
hive（3）
安全（3）
jupyter notebook（3）
app（3）
bi（3）
edge（3）
final（3）
free（3）
heatmap（3）
input（3）
mac（3）
network（3）
output（3）
paste（3）
pca（3）
rules（3）
server（3）
sf（3）
spatial（3）
subset（3）
unique（3）
百度（3）
报表（3）
博客（3）
服务（3）
计算机（3）
入门（3）
数据类型（3）
学习笔记（3）
actionscript（2）
css（2）
搜索引擎（2）
windows server（2）
centos（2）
apache（2）
数据库一体机 TData（2）
知识图谱（2）
视频处理（2）
企业（2）
缓存（2）
html5（2）
wordpress（2）
gui（2）
决策树（2）
线性回归（2）
unity（2）
grep（2）
sas（2）
网站建设（2）
迁移（2）
flink（2）
教育（2）
add（2）
awk（2）
bayesian（2）
bioinformatics（2）
boxplot（2）
browser（2）
case（2）
class（2）
correlation（2）
cycle（2）
d3（2）
distinct（2）
distribution（2）
dplyr（2）
figure（2）
function（2）
geometry（2）
google（2）
it（2）
label（2）
legend（2）
ls（2）
map（2）
math（2）
meta（2）
methods（2）
min（2）
pid（2）
pipeline（2）
point（2）
profile（2）
project（2）
reference（2）
scale（2）
search（2）
shift（2）
size（2）
state（2）
status（2）
summary（2）
symbols（2）
text（2）
title（2）
types（2）
ui（2）
using（2）
version（2）
view（2）
编辑器（2）
部署（2）
插件（2）
程序员（2）
计算机科学（2）
架构（2）
接口（2）
量化（2）
命令行（2）
内存（2）
实践（2）
数据存储（2）
调试（2）
同步（2）
异常（2）
内容分发网络 CDN（1）
c 语言（1）
lua（1）
bootstrap（1）
jquery（1）
qt（1）
makefile（1）
oracle（1）
svn（1）
matlab（1）
jar（1）
unix（1）
mapreduce（1）
云函数（1）
TDSQL MySQL 版（1）
VPN 连接（1）
腾讯移动分析（1）
云推荐引擎（1）
金融（1）
云联网（1）
serverless（1）
黑客（1）
spark（1）
图像识别（1）
jvm（1）
正则表达式（1）
erp（1）
numpy（1）
面向对象编程（1）
asp（1）
单元测试（1）
flash（1）
rpc（1）
ntp（1）
powershell（1）
架构设计（1）
hbase（1）
nest（1）
腾讯会议（1）
轻量应用服务器（1）
学习方法（1）
数据集成（1）
汽车（1）
absolute（1）
adapter（1）
adt（1）
aes（1）
alignment（1）
annotations（1）
anova（1）
ant（1）
apply（1）
attributes（1）
axes（1）
bat（1）
build（1）
camera（1）
cat（1）
cloud（1）
code（1）
compilation（1）
connection（1）
coordinates（1）
copy（1）
cut（1）
database（1）
db（1）
debugging（1）
default（1）
dfs（1）
difference（1）
directory（1）
download（1）
edit（1）
encoding（1）
error（1）
event（1）
exception（1）
exec（1）
execution（1）
export（1）
filter（1）
filtering（1）
flags（1）
for循环（1）
fread（1）
gc（1）
get（1）
graph（1）
handle（1）
hdf5（1）
histogram（1）
hugo（1）
icon（1）
identity（1）
insert（1）
integration（1）
interactive（1）
intervals（1）
ip（1）
key（1）
landscape（1）
lattice（1）
line（1）
load（1）
logic（1）
marked（1）
match（1）
max（1）
md5（1）
mean（1）
message（1）
model（1）
models（1）
nan（1）
nft（1）
null（1）
numbers（1）
object（1）
ode（1）
onedrive（1）
ontology（1）
oss（1）
overflow（1）
overlap（1）
parameters（1）
path（1）
percentage（1）
photo（1）
polygon（1）
position（1）
powerpoint（1）
prompt（1）
ps（1）
range（1）
rank（1）
ref（1）
rename（1）
repeat（1）
root（1）
row（1）
rvest（1）
script（1）
sed（1）
sequence（1）
set（1）
sh（1）
sorting（1）
spacing（1）
split（1）
string（1）
submit（1）
tags（1）
tidyverse（1）
tools（1）
trace（1）
tree（1）
trim（1）
twitter（1）
umi（1）
validation（1）
vector（1）
visualization（1）
web（1）
wget（1）
window（1）
word（1）
编译（1）
操作系统（1）
程序（1）
磁盘（1）
代理（1）
代理服务器（1）
登录（1）
递归（1）
多线程（1）
翻译（1）
工程师（1）
行业（1）
后台（1）
互联网（1）
科技（1）
快捷键（1）
乱码（1）
配色（1）
求职（1）
权限（1）
数学（1）
腾讯（1）
通信（1）
压缩（1）
语法（1）
重定向（1）
注解（1）
字符串（1）
最佳实践（1）
搜索文章
搜索
搜索
关闭
难道铁死亡数据库记录的基因都是人类未知基因吗
csv
编码
论文
事件
数据库
只需要打开任意就近的GTF（Gene Transfer Format）文件即可，它是一种广泛使用的基因组注释文件格式，它详细描述了基因组中的各种基因特征。在GTF文件中，每一行代表一个基因组特征，并且通常会包含该特征的类型（gene_type）、位置、分数、链、相位以及属性等信息。属性字段（通常在第九列）可以包含多种不同的标签，其中就包括了gene_type，它描述了基因的具体类型。我们简单的统计如下所示：
生信技能树
2024-04-26
1
0
Snpiaste截图软件使用
软件
系统
效率
压缩
工具
即上次整理了秀米编辑器使用后，曾老师提议其实可以做个效率工具合集，转念一想小洁老师在马拉松课程里面可是提到了不少提升效率的软件以及网页插件，小助教这就整理起来！
生信技能树
2024-04-26
3
0
生存模型的time C-index 计算与绘图
模型
数据
data
status
time
C-index 是一致性指数，与AUC值一样是评价模型预测能力的指标，在预后模型里，time-ROC很常见，Time C-index却不咋常见，今天整理一下它的代码。
生信技能树
2024-04-26
6
0
类器官培养物真的只有恶性肿瘤细胞吗（去卷积推测细胞亚群比例）
数据
算法
matrix
对象
模型
本来呢，大家期待肿瘤类器官（PDO）作为肿瘤模型的革命性技术是可以解决上面的两个问题。首先呢，肿瘤类器官优势在于它源自各个病人的原始肿瘤组织，并且基于其原代培养的特性，其与原始肿瘤组织在病理特征、基因突变等多维度具有一致性，可再现肿瘤异质性，并且可传代、冻存，还可进行基因操作。但是呢， 早期的肿瘤类器官其实也是没有肿瘤微环境的，仅仅是恶性肿瘤上皮细胞被培养。
生信技能树
2024-04-26
1
0
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
93
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
132
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
67
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
135
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
169
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
100
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
775
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
71
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
56
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
62
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
117
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
212
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
91
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
100
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
81
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
94
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