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
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，
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
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
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
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
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
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
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
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
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
# 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（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
image.png下载好的文件大概格式如下image.png简单的了解一下都有什么A开头的grep "^A" hsa00001.kegimage.pngB开头的grep "^B" hsa00001.kegimage.pngC开头的(这一行是pathway行)grep "^C" hsa00001.kegimage.png黄色区域就表示keg
宏基因组按：此系列教程为基因学苑的王通老师原创发布。非常适合刚接受生信，又有服务器管理需求的小伙伴做为入门材料，一共20篇文章，内容涉及服务器选购、Linux系统安装、用户管理、软件安装、软件兼容环境、Galaxy/Rstudio服务器配置等多方面。助你快速入行，轻松成为兼职服务器管理员的技术达人。本文为宏基因组对本系列教程的导读和介绍，方便大家收藏和查阅自己需求的内容。文中蓝字均为链接可阅读详细
目录写在开头1. 介绍 lifelines 库1.1 lifelines库简介1.2 安装与环境配置2. 数据准备2.1 数据格式与结构2.2 处理缺失数据2.3 对异常值的处理3. Kaplan-Meier 曲线3.1 使用 lifelines 绘制生存曲线3.2 曲线解读3.3 额外补充4. Cox 比例风险模型4.1 lifelines 中的 Cox 模型4.1.1 数学公式4.1.2 C
