暂无搜索历史
分享一下最近看到的2篇paper关于骨骼肌组织的细胞Marker,绝对的Atlas级好东西。👍
GeneSelect是基于使用Python进行特征选择的。所以第一次用的时候需要安装相应的Python模块,需要为包创建工作环境。
CatBoost和XGBoost、LightGBM并称为GBDT的三大主流神器,都是在GBDT算法框架下的一种改进实现。
今天讲一下机器学习的经典方法,SHAP(Shapley Additive exPlanations)。🤒
这里说一下,这个包的依赖包还是很多的,装起来有些麻烦,还是希望作者可以抽时间完善一下。🤓
XGBoost是一种提升树模型,所以是将许多树模型集成在一起,形成一个很强的分类器,叫CART回归树模型。🌲
今天继续接上次的MendelianRandomization包吧,示例数据就不再重复了。🧐
betaX是来自每个SNP的暴露因素的回归分析的β系数,betaXse是标准误。😘
共嵌入(Co-embedding)用于比较相似的数据集,以识别相似性和差异性,并在细胞间传输注释。🤓
然后调用graph_test()子集,识别出具有制定表达模式的基因,这些基因只落在你选择的轨迹区域内哦。😲
这次,我们用一下啊graph_test()函数,设置neighbor_graph="principal_graph"测试轨迹上相似位置的细胞是否具有相关的表达。...
前面写了个TCseq,还有小伙伴想问经典的Mfuzz,其实这个包一开始是为microarray开发 。🤣
最近也是真的很忙,根本没有时间好好地整理一下这些东西,翻一下以前写的东西分享给大家吧。🥸
当然在这里,Monocle提供了另一种方法来寻找UMAP中不同细胞群之间的差异基因。🧬
比如,在示例数据中,细胞是在不同的时间点收集的,我们可以通过首先对每个基因拟合一个广义的线性模型来检验上述任何一个基因的表达是否随时间变化。🤩
单细胞转录组、蛋白组、表观组学等单细胞技术的发展为研究细胞周期、细胞分化等细胞动态过程提供了新的机会。🤩
昨天又是不睡觉的一天,晚上还被家属讲了一通,理由是我去急诊了,没有在办公室待着,他老公疼没人去看。🫠
https://www.science.org/doi/10.1126/science.aam8940
言归正传,今天分享的是CCPlotR包,用于基于scRNAseq数据推断细胞间相互作用的可视化。😋
好久没更了,实在是太忙了,值班真的是根本不不睡觉啊,一忙一整天,忙到怀疑人生。😭
暂未填写公司和职称
暂未填写技能专长
暂未填写个人网址