在学习单细胞数据的时候，使用 R 语言进行下游分析，作为生信工程师或者说是大数据工程师，甚至是程序员都无法记住所有 R 语言的使用，好记性不如烂笔头，记录下来（2022年7月13日）： 1、biocondauctor 使用 官方网址：http://bioconductor.org/ 点击 Install 之后：Bioconductor 安装其他的包代码：BiocManager::install()
转载
2023-08-09 13:12:08
0阅读
医学和生信笔记，专注R语言在临床医学中的使用，R语言数据分析和可视化。主要分享R语言做医学统计学、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。前几天有小伙伴问怎么能批量进行wilcoxon检验，我立马就想到了rstatix包。然后才是for循环。接下来就演示下怎么批量进行检验。使用tidyverse系列和base R 两种方法。既然要优雅，就必须少不了tidyverse系列！这
转载
2023-08-12 14:20:52
204阅读
欢迎关注”生信修炼手册”!在之前的文章中，我们分享了多个基因差异分析的可视化，使用的是ggpubr这个R包，ggpubr在标记p值时，可以根据指定的差异分组自动添加组间的连线，非常方便，但是无法指定添加的p值的位置，在某些时候会缺乏灵活性，今天要介绍的是另外一个R包ggsignif，其帮助手册链接如下https://cran.r-project.org/web/packages/ggsignif/
在分析TCGA数据库里的RNA-seq数据之前，先了解TCGA样本的id名称。 TCGA样本id中第14-15位代表分组信息，01-09是tumor(肿瘤)，10-29是normal。1.准备R包#如果安装不成功 可以换用BiocManager::install()方法继续安装
if(!require(stringr))install.packages("stringr")
if(!require
今天在讨论群看到有群友提问 单基因GSEA怎么做？。之前也看到过这个概念，但一直不清楚这个单是什么含义，一直以为是用单个基因做GSEA。如果之前看过生信宝典的一文掌握GSEA，超详细教程，一定会特别熟悉GSEA的原理和操作流程。当然越是理解，越是想不明白单个
原创
2023-05-02 22:20:58
199阅读
目录1.2遗传算法简介1.2.1遗传算法概要1.2.2遗传算法的运算过程1.2.3遗传算法的手工模拟计算示例1.3遗传算法应用1.3.1各种求解方法1.3.2遗传算法特点遗传算法应用参考资料1.2遗传算法简介遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率搜索算法。最早由Holland教授提出，起源于60年代对自然和人工自适应系统的研究。1.2.1遗传算法概要对于一个求
今天在讨论群看到有群友提问 单基因GSEA怎么做？。之前也看到过这个概念，但
原创
2023-05-02 22:21:04
188阅读
文章目录RNA-seq 数据分析流程相关软件安装下载数据sra转fastq格式数据质控数据质控，过滤低质量reads，去接头比对首先下载参考基因组及注释文件，建立索引比对sam文件转bam为bam文件建立索引reads的比对情况统计计数 counts差异基因分析RNA-seq 数据分析流程相关软件安装可以安装 conda,在后续其他软件安装时非常好用。可自行百度进行安装
可根据文献调研，转录组数据
文章目录GB_ACC转换成基因直接利用GEO分析**GB_ACC的第二种方法（繁琐）**不允许有重复的'row.names'解决问题 GB_ACC转换成基因直接利用GEO分析在上个系列中，我们记住了 GB_ACC ，但制作热图，需要我们将其转换成基因名，如果你已经转换好了或者不需要制作热图，前参考后续系列。方法1（推荐）如下图示意，将GB_ACC转换成基因名。 上图选项框勾选后，就会出现对应的列
library("clusterProfiler")
library("org.Hs.eg.db")GO分析与KEGG分析GO分析需要一个基因 symbol列表，列表中为差异表达基因。一、读入数据result<- read.csv(file = "Results/gleason high vs low_DESeq2差异分析/gleason high vs low_result.csv", h
转载
2023-08-30 15:53:42
779阅读
# 实现R语言gsea的步骤
## 流程步骤表格
```markdown
| 步骤 | 描述 |
|:----:|:----------------------------|
| 1 | 下载安装GSEA软件 |
| 2 | 准备基因表达数据和基因集 |
| 3 | 运行GSEA分析
如何实现“GSEA R语言”
# 引言
在生物信息学领域，基因集富集分析（Gene Set Enrichment Analysis，GSEA）是一种常用的方法，用于揭示基因表达谱中的生物学意义。本文将介绍如何使用R语言实现GSEA分析，并向新手开发者详细解释每个步骤需要实现的代码。
## GSEA流程概述
GSEA的主要流程包括基因集的选择、基因表达谱的准备、基于基因表达谱的特征排序、基因集富
# R语言单基因表达散点图
## 概述
在生物学研究中，单基因表达散点图是一种常用的可视化工具，用于展示不同基因在不同条件下的表达水平。它可以帮助研究人员识别基因表达的模式和趋势，从而推断基因的功能以及参与的生物过程。
本文将介绍如何使用R语言创建单基因表达散点图，并以具体的实例来展示其应用。
## 准备工作
在开始之前，我们需要安装R语言和一些常用的数据处理和可视化包，如`ggplot
input#step6-单细胞差异分析后的gsea富集分析
# 从中选取一种细胞类型进行二分组的GSEA分群
#挑选一种细胞类型进行二分组的GSEA分析（此处挑选毒性T细胞进行分析）
# 一：加载R包并制作genelist -------------------------------------------------------
rm(list = ls())
library(Seurat
转载
2023-07-28 13:37:25
1023阅读
常见的基因功能富集分析方法可以认为分两代。(1)第一代:基于目标基因集预筛选的功能富集分析方法基本步骤包括两步：(a)从背景基因集合，按照一定固定阈值(例如，是否差异显著)筛选目标基因集。这属于一个二分类的策略，例如将基因分为差异表达与无差异表达的。(b)通过一些统计方法(例如，超几何检验)证明目标基因集(例如差异表达基因)的基因更多集中在某些通路中。第一代富集分析方法，简单易懂，所以我们常见的结
转载
2023-06-20 14:46:06
335阅读
在完成差异基因表达分析之后，自然而然可以想到GSEA分析（gene set enrichment analysis，基因集富集分析），这个分析需要使用基因差异表达的信息和一系列基因集进行。分析结果是这个基因集的标准化富集分数和相应的p值。 注意，本文使用的是fgesa这个R包，不是常见的c
目录背景工作环境加载数据前处理 背景在进行差异分析过程中，尤其是食品中一些功能因子的添加可能影响并不在几个基因上，而是对于一系列基因有着一定的影响，这些影响可能集中在某一些通路上面。因此，联合分析某一些通路上，或者某些特定组合上的基因变化，对于寻找差异不是特别明显，但是却有实际作用的基因特别重要。工作环境加载library(clusterProfiler)
library(org.Hs.eg.d
写在前面后台难得有读者私信，请教了下图中文章的GSEA图能不能用R来画，今天就来简单写个教学。 GSEA（Gene Set EnrichmentAnalysis），即基因集富集分析，它的基本思想是使用预定义的基因，将基因按照在两类样本中的差异表达程度排序，然后检验预先设定的基因集合是否在这个排序表的顶端或者底端富集。GSEA 和GO、KEGG pathway不同的地方在于，后两者会提前设定一个阈值
转载
2023-06-25 13:20:52
789阅读
方差分析基本原理、一个因变量的单因子独立样本、双因子独立样本单因子方差分析library(reshape2)
table8_2<-melt(table,variable.name="品种",value.name = "产量")
mode1<-aov(table8_2$产量~table8_2$品种,data=table)
summary(mode1)方差分析模型的参数估计mode1$co
