暂无搜索历史
今天继续之前的hdWGCNA教程,做完了前面的模块分割、鉴定,该和各种traits相关起来啦。😂
今天讲一下机器学习的神包,Mime1,之所以写这个名字,是怕大家和Mime包混淆,影响安装。😂
在这里,我们将group.by对每种细胞类型进行One-versus-all分析。🦀
今天没什么废话,主要讲讲如何用pseudobulk data做hdWGCNA。🙃
明明是认真的完成了自己的工作,不过总有人觉得你过的太舒服,非要让你过上牛马一样的生活,他才觉得是正常的,真是不能理解。🙃
好久没更了,今天写一下hdWGCNA吧,单细胞和空间转录组都能用到的高级分析。🧐
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。🥸
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