质量测序基于 fastqc 快速地对测序数据进行质量评估,得到两个文件，一个是html的网页文件，一个是zip压缩文件。html文件就是我们质量评估的报表。序列测序质量统计此图中的横轴是测序序列第1 个碱基到第151个碱基，纵轴是质量得分，即20表示0.01的错误率，30表示0.001的错误率。图中红线表示中值，图中蓝色的细线是各个位置的平均值的连线1.为什么一个样本会有两张图? ----答：测序
转载
2023-12-02 06:06:36
389阅读
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
目前基于RNA做分析的文章中几乎都有 GSEA 的分析内容，并且都是出现在正文，那么这个也是表达基因筛选的一种重要方式，下面我将整个流程梳理一下，供大家参考。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、KE
转载
2024-03-11 16:12:29
910阅读
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
1290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
原创
2024-07-12 05:10:20
131阅读
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
原创
2023-12-19 04:37:09
343阅读
差异分析前言一.环境设置二.加载R包三、分析1、DESeq22.edgeR3.limma-voom总结参考 前言对于二代测序的count值（也就是没有标准化后的数据）通常有三个包可以进行差异分析：DESeq2edgeRlimma下面是对整理好的表达矩阵进行下游分析，不是从上游分析开始一.环境设置代码如下（示例）：Sys.setenv(language = "en") # 英文环境
options
转载
2023-09-16 14:03:46
219阅读
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
1662阅读
大家好，这里是专注表观组学十余年，领跑多组学科研服务的易基因。此前，我们分享了染色质免疫共沉淀测序(ChIP-seq）的数据挖掘思路，进而筛选出TF结合/组蛋白修饰的目标区域和候选靶基因。做完ChIP-seq测序后，如果需要对分析结果中感兴趣的内容进行后期验证，则需要进行下游实验设计。ChIP-seq的进一步验证或后期试验包括以下5个方面：简单验证转录因子或组蛋白修饰添加基因的干扰实验（非靶向），
RNA测序（RNA Sequencing，简称RNA-Seq，也被称为全转录物组鸟枪法测序Whole Transcriptome Shotgun Sequencing，简称WTSS），是基于二代测序技术研究转录组学的方法，可以快速获取给定时刻的一个基因组中RNA的种类和数量。RNA-Seq有助于查看基因的不同转录本、转录后修饰、基因融合、突变/SNP和基因表达随时间的变化，或在不同组中基因表达
转载
2023-07-31 17:27:29
454阅读
点赞
单细胞测序 RNA velocity | RNA速率 RNA velocity：the time derivative of the gene expression state—can be directly estimated by distinguishing between unspliced
原创
2023-10-31 14:49:59
206阅读
SOM自组织映射神经网络模型 的R语言实现 笔者前言: 最近发现这个被发明于1982年的方法在如今得到了极为广泛的应用，在提倡深度学习的时候，基于聚类的神经网络方法被众多人青睐。但是呢， 网上貌似木有人贴出关于SOM模型的R语言实现，我就抛砖引玉一下。一、SOM模型定义与优劣 自组织映射 ( Self Organization Map, SOM )神经网络是较为广泛应用于聚类的神经网络
◆ 单细胞测序的概念 ◆ 上节我们讲到转录组测序相关内容，这期将继续学习单细胞转录组测序。单细胞测序技术(single cell sequencing)，简单来说，就是在单个细胞水平上，对基因组、转录组及表观基因组进行测序分析的技术（图1）。图1.单细胞测序技术◆ 为什么做单细胞转录组测序？ &nbs
转载
2024-01-17 14:08:18
658阅读
上次我们分享了：全基因组DNA甲基化实验怎么做：手把手教你做全基因组DNA甲基化测序分析，深受同学们的欢迎。本期，易基因小编给您讲讲简化基因组DNA甲基化实验怎么做，从技术原理、建库测序流程、信息分析流程等三方面详细介绍。 一、简化基因组DNA甲基化测序（RRBS）技术原理简化基因组甲基化测序 (Reduced Representation Bisulfite S
转载
2023-08-02 22:09:44
321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
转载
2024-06-07 21:24:24
122阅读
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
转载
2023-11-21 13:03:39
70阅读
# 使用R语言进行GSEA山峦图绘制的探索
基因集富集分析（GSEA）是一种用来判断基因集在不同生物条件下是否有显著表达差异的统计方法。通过GSEA，研究人员可以探索基因网络和生物过程的富集情况，从而对生物学趋势和机制进行更深入的解读。本篇文章将指导您如何在R语言中进行GSEA分析，并绘制山峦图（ridge plot）。
## 1. 准备工作
在使用R进行GSEA分析之前，您需要确保您安装了
原创
2024-09-28 03:53:38
1150阅读
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
985阅读
探针测序R语言：解决方案与实践过程
探针测序是一种能够精确测定生物样本中目标基因或转录本表达水平的技术，广泛用于基因组学和转录组学研究。随着生物技术的发展，这项技术的应用愈发广泛。本文将通过整理过程分享如何用R语言解决探针测序中的一些实际问题。
### 背景定位
在日常的基因测序实验中，我们会遇到诸如数据处理、结果可视化等多个环节。这些环节既需要深入的生物学背景，又需要熟练的数据分析技能。通
在RNA-seq项目中，常见的结果包括：火山图、韦恩图、聚类热图、log2(ratios)折线图、有向无环图、散点图、代谢通路图、蛋白互作图等。今天我们先来一起学习火山图、韦恩图、聚类热图和折线图的解读。 1、火山图 RNA-seq中，火山图（Volcano Plot）显示了两个重要的指标：fold change和校正后的p value，利用T检验分析出两样本间显著差异表达的基因后，以log2（f
转载
2023-09-05 09:20:33
4803阅读
