1写在前面最近实在是忙的不行，根本没时间更新，一到家就只想睡觉。?今天写个最近用到的分析方法，Weighted correlation network analysis (WGCNA)，是非常经典的生信分析方法了，现在被引有9913次了，马上就要破万啦。? 网上相关的教程也是不胜枚举，但多多少少是有些不尽人意的地方，有的少步骤，有的代码不全。? 这里在仔细阅读了官方手册后，在这里和大家一起认真地
转载
2023-11-01 19:37:41
40阅读
1写在前面前面我们用WGCNA分析得到多个模块，其中有一些模块和我们感兴趣的表型或者临床特征是相关的。?接着就是要做模块的富集分析了，帮助我们了解这些模块的基因都有哪些已知的功能，涉及到哪些通路，在哪些疾病中最为重要。?现在这种做富集分析的包还是蛮多的，WGCNA包内也是内置了相关功能，不过首推的还是Y叔的clusterProfiler，在我心中真是YYDS。?2用到的包rm(list = ls(
FastQC是一款基于Java的软件，一般都是在linux环境下使用命令行运行，它可以快速多线程地对测序数据进行质量评估（Quality Control），其官网地址为：Babraham Bioinformaticsfastx Toolkit 在使用FastQC之后，如果我们发现了一些问题（序列质量不高，），那么我们该使用什么样的工具，去解决这些问题呢？fastx Toolkit是包含处理fast
Linux对生物信息的学习和实践有强大的辅助作用，不管自己编写shell命令脚本处理数据，还是使用现有丰富生物信息分析工具。Linux强大命令行功能，可以快速、批量、灵活的处理数据的提取、统计和整理等耗时耗力的重复性工作。日常生信分析中，多数整理工作都是用Linux命令的组合完成的，这相比于写完整的Python或Perl程序更简便快捷。本节我们将通过一个案例来了解如何使用Linux来进行Linux
生信分析全景介绍概述 基因测序可以分为“湿”实验和“干”实验两个阶段。其中“湿”实验指的是将待测样本利用实验室方法进行核酸提取、文库构建（包括片段化、富集、扩增等一系列过程）到完成上机测序的实验过程，而“干”实验则是从得到下机数据开始，到完成生信分析和报告解读的整个过程。可以认为“湿“实验是对样本的处理，
# 如何实现“生信 Docker”
在生物信息学（生信）领域，Docker的使用可以让我们更方便地管理软件环境，确保软件在不同计算机上的一致性。对于刚入行的小白开发者，这一过程可能看起来令人困惑，但实际上只需遵循几个步骤即可顺利实现。本文将带你一步步了解如何在生信领域搭建Docker环境，让我们开始这趟旅行吧！
## 流程简介
我们首先来看一下实现“生信 Docker”的流程。以下是实施的基
一是把linux系统玩得跟windows系统一样顺畅熟悉黑白命令行界面。如何连接服务器(xshell,putty,VNC~~~)，了解你在服务器上面有什么权限。左右鼠标单击双击如何实现？磁盘文件浏览如何实现？文件操作如何实现？绝对路径和相对路径区别？需要了解的命令有下面这些：pwd/ls/cd/mv/rm/cp/mkdir/rmdir/man/locate/head/tail/less/morec
参考：GO分析学习笔记 (qq.com)1.富集分析前景基因：要重点研究的基因集背景基因：所有的基因集例：前景基因为对照组与处理组的差异基因 背景基因为对照组与处理组的所有基因2、GO的构成GO terms， 它提供生物过程的逻辑结构与相关关系，不同的GO terms之间的关系可以通过一个有向无环图来表示。注：GO terms是对基因的产物，而
# Python在生物信息学分析中的应用
生物信息学是一门涉及生物学、计算机科学和统计学等领域的跨学科学科，用于处理和分析生物学数据。Python作为一种简单易学、功能强大的编程语言，在生物信息学领域得到了广泛的应用。本文将介绍Python在生物信息学分析中的应用，并通过一个简单的示例来展示其使用。
## Python在生物信息学中的优势
Python作为一种通用编程语言，在生物信息学领域有
华大人思想还是很深刻的，但做研究就容易过于肤浅，还是需要好好设计实验，产生好的数据才能做好分析。 为什么要搞多组学？大一统的野心 为什么生物医学大家都在玩转录组的数据，单细胞也是主要搞转录组？蛋白组（蛋白修饰组）和代谢组的数据我现在都没玩过。建库测序的可靠性，转录组优于蛋白组和代谢组，但是灵敏度则相反转录组处于重要的调控位置，对机制可以进行深入探讨，而蛋白组和代谢组则不行&nb
导语：生物信息学分析已经成为当前科研狗们的必备技能，但对于广大非生信专业的科研人员来说，Python，Perl和R语言这些高大上的专业生信技能似乎有些遥不可及，但其实我们完全不必和那些代码打交道，很多在线的网站就具有强大的分析作图功能。上期小编已经给大家分享了NCBI中的几个小工具(转录组分析是目前应用最为广泛的测序分析之一，最常见的目的是挖掘不同样品间的差异表达基因，并分析这些基因的功能注释和调
转载
2023-09-13 19:21:15
230阅读
2019年本科生物信息学专业怎么样？就业方向和就业前景如何？专业代码：071003修业年限:四年学科门类：理学专业类：生物科学类生物信息学专业怎么样?生物信息学专业近3年就业率情况生物信息学专业男女比例情况生物信息学专业详解，生物信息学专业就业方向和就业前景如何？生物信息学专业是什么？生物信息学将生物与数学、计算机进行了有效结合，主要通过综合运用数学和信息科学等多领域的方法和工具对生物信息进行获取
转载
2023-09-29 19:42:09
57阅读
image.png做这个题目之间必须要了解一些背景知识1.超几何分布超几何分布是统计学上一种离散概率分布。它描述了由有限个物件中抽出n个物件，成功抽出指定种类的物件的次数（不归还），称为超几何分布。2.富集分析的原理基于筛选的差异基因，或其他自己定义的一组基因，采用超几何检验，判断上调或下调基因在哪些GO或KEGG或其他定义的通路富集。假设背景基因的数目为m背景基因中某一通路的pathway中的基
1写在前面前面我们用WGCNA分析完成了一系列的分析，聚类分割模块。?随后进一步筛选，找到与我们感兴趣的表型或者临床特征相关的模块，而且进行了模块内部分析。?再然后是对感兴趣模块进行功能注释，了解模块的功能及涉及的潜在机制。?本期主要是介绍一些可视化的方法，大家了解一下吧。?2用到的包rm(list = ls())
library(WGCNA)
library(dplyr)3示例数据load("F
目前人们对lncRNA认识还处在初级阶段，lncRNA起初被认为是基因组转录的“噪音”，是RNA聚合酶II转录的副产物，不具有生物学功能。然而大量研究表明，lncRNA在细胞核内、核外，通过染色质修饰，转录调控，转录后调控等多种方式调节基因表达，在肿瘤发生发展中具有重要作用。 一般来说，lncRNA功能研究的主线包含3个主要步骤：（1）高通量筛选。全转录组测序和lncRNA芯
转载
2023-10-17 20:46:23
121阅读
RNA-seq是近些年发展起来的针对转录组的测序技术，其能够获得mRNA、smallRNA以及各种非编码RNA的序列。在不同细胞或者在相同细胞的不同发育阶段细胞中这些RNA的表达水平是不同的，依赖RNA-seq测序技术对这些不同细胞进行差异表达分析，可以得出转录组层面上的表达模式，当前已广泛应用于基础研究、临床诊断和药物研发等领域。 文章目录1.数据质控2.mapping3.确定RNA丰度4.差异
生物信息学是近些年快速发展起来的一门交叉学科，之所以交叉，是因为该学科领域的研究人员需要掌握计算机，数学，生物学等相关领域的基本知识与技能。随着生物信息学的兴起，很多生物学或医学的研究也越来越依赖于生信分析，因此，掌握一些基础的生信方法就显得尤其重要了，好的生信分析可以让你的研究锦上添花。那么，如何光速入门生信呢？很显然，这个问题是很多初学者都会有的疑惑。一些背景是生物，基础医学等学
生信（一）——DESeq2差异基因分析 文章目录生信（一）——DESeq2差异基因分析一、差异基因分析原理二、代码实现1、前提：安装DESeq2包2.代码实现三、小结 记录学习过程，共勉。 一、差异基因分析原理详见二、代码实现1、前提：安装DESeq2包2.代码实现setwd("D:\\RData");#设置编码位置
rt<-read.table("GSE149549_mRNA_Expre
转载
2023-09-13 20:34:56
832阅读
# Python在生物信息学分析中的应用
## 一、流程概述
为了实现生信分析，我们通常需要遵循以下步骤：
| 步骤 | 描述 |
| ---- | ---- |
| 1 | 数据获取 |
| 2 | 数据预处理 |
| 3 | 数据分析 |
| 4 | 结果可视化 |
## 二、详细步骤
### 1. 数据获取
在这一步骤中，我们需要获取生物信息学相关的数据集。可以通过公开数据库如N
# 生信分析与机器学习
生物信息学是一门综合性的学科，它将生物学、计算机科学、数学和统计学等领域的知识相结合，用于解决生物学上的问题。而机器学习则是人工智能领域的一个重要分支，它通过训练计算机从数据中学习规律和模式，以便做出预测和决策。将生信分析与机器学习结合起来，可以帮助研究者更好地理解生物信息数据，并从中挖掘出有价值的信息。
## 生信分析
生信分析是指利用生物信息学的方法对生物学数据进
