生物信息学习的正确姿势
NGS系列文章包括NGS基础、高颜值在线绘图和分析、转录组分析 (Nature重磅综述|关于RNA-seq你想知道的全在这)、ChIP-seq分析 (ChIP-seq基本分析流程)、单细胞测序分析 (重磅综述:三万字长文读懂单细胞RNA测序分析的最佳实践教程)、DNA甲基化分析、重测序分析、GEO数据挖掘(典型医学设计实验GEO数据分析 (step-by-step))、批次效应处理等内容。
高级教程和生信基础知识在生信宝典往期推文中都有,赠送的书籍可以作为一类延伸阅读扩展知识面。
R统计和作图
- 这个为生信学习和生信作图打造的开源R教程真香!!!
- 文章用图的修改和排版 (1)
- 文章用图的修改和排版 (2)
- ggplot2高效实用指南 (可视化脚本、工具、套路、配色)
- 在B站学习大名鼎鼎的StatQuest 系列统计和生信分析视频(中文字幕)- 也见证助理教授到创业者的华丽转身
- 使用R语言的正确姿势,R包干货奉献
- 用rmarkdown定制你的数据分析报告
- 高颜值免费在线绘图工具升级版来了~~~
- 超详细的热图绘制教程(5000余字),真正的保姆级教程
- R」ggplot2拼图包patchwork推荐与使用
- 高通量数据中批次效应的鉴定和处理 - 系列总结和更新
- 论文图表基本规范
- 学术图表的基本配色方法
- 数据可视化基本套路总结
- Graphpad,经典绘图工具初学初探
- 你的包佩奇了吗?试试新版Rstudio,自动提醒缺失包!
- 原来Rstudio还可以这么使用,又方便了一些
- 在R中赞扬下努力工作的你,奖励一份CheatShet
- 别人的电子书,你的电子书,都在bookdown
- R语言 - 入门环境Rstudio
- R语言 - 热图绘制 (heatmap)
- R语言 - 基础概念和矩阵操作
- R语言 - 热图简化
- R语言 - 热图美化
- R语言 - 线图绘制
- R语言 - 线图一步法
- R语言 - 箱线图(小提琴图、抖动图、区域散点图)
- R语言 - 箱线图一步法
- R语言 - 火山图
- R语言 - 富集分析泡泡图
- R语言 - 散点图绘制
- R语言 - 韦恩图
- R语言 - 柱状图
- R语言 - 图形设置中英字体
- R语言 - 非参数法生存分析
- R语言 - 绘制seq logo图
- WGCNA分析,简单全面的最新教程 (可在线分析)
- psych +igraph:共表达网络构建
- 245热图展示微生物组的物种和功能丰度或有无、距离矩阵
- 一文学会网络分析——Co-occurrence网络图在R中的实现
- 一文看懂PCA主成分分析
- 主成分分析PCA
- 放弃Venn-Upset-花瓣图,拥抱二分网络
- 富集分析DotPlot,可以服
- Volcano plot | 别再问我这为什么是火山图
- 图形解读系列 | 散点图也不简单
- 总被审稿人提起的多重假设检验校正是什么?
- 基因共表达聚类分析和可视化
- R中1010个热图绘制方法
- 还在用PCA降维?快学学大牛最爱的t-SNE算法吧, 附Python/R代码
- 一个函数抓取代谢组学权威数据库HMDB的所有表格数据
- 文章用图的修改和排版
- network3D: 交互式桑基图
- network3D 交互式网络生成
- Seq logo 在线绘制工具——Weblogo
- 生物AI插图素材获取和拼装指导
- 如何使用AI进行SCI组图
- 如何使用AI画一个简单的细胞通路图?
- 一分钟绘制磷脂双分子层:AI零基础入门和基本图形绘制
- AI科研绘图(二):模式图的基本画法
- 图像处理R包magick学习笔记
- SOM基因表达聚类分析初探
- 利用gganimate可视化全球范围R-Ladies(R社区性别多样性组织)发展情况
- 你知道R中的赋值符号箭头(<-)和等号(=)的区别吗?
- R语言可视化学习笔记之ggridges包
- 利用ComplexHeatmap绘制热图(一)
- ggplot2学习笔记之图形排列
- R包reshape2,轻松实现长、宽数据表格转换
- 用R在地图上绘制网络图的三种方法
- PCA主成分分析实战和可视化 附R代码和测试数据
- iTOL快速绘制颜值最高的进化树!
- 12个ggplot2扩展包帮你实现更强大的可视化
- 编程模板-R语言脚本写作:最简单的统计与绘图,包安装、命令行参数解析、文件读取、表格和矢量图输出
- R语言统计入门课程推荐——生物科学中的数据分析Data Analysis for the Life Sciences
- 数据可视化基本套路总结
- 你知道R中的赋值符号箭头<-和等号=的区别吗?
- 使用dplyr进行数据操作30例
- 交集intersect、并集union、找不同setdiff
- R包reshape2,轻松实现长、宽数据表格转换
- 1数据类型(向量、数组、矩阵、 列表和数据框)
- 2读写数据所需的主要函数、与外部环境交互
- 3数据筛选——提取对象的子集
- 4向量、矩阵的数学运算
- 5控制结构
- 6函数及作用域
- 7认识循环函数lapply和sapply
- 8分解数据框split和查看对象str
- 9模拟—随机数、抽样、线性模型
- 1初识ggplot2绘制几何对象
- 2图层的使用—基础、加标签、注释
- 3工具箱—误差线、加权数、展示数据分布
- 4语法基础
- 5通过图层构建图像
- 6标度、轴和图例
- 7定位-分面和坐标系
- 8主题设置、存储导出
- 9绘图需要的数据整理技术
- 创建属于自己的调色板
- 28个实用绘图包,总有几个适合你
- 热图绘制
- R做线性回归
- 绘图相关系数矩阵corrplot
- 相关矩阵可视化ggcorrplot
- 绘制交互式图形recharts
- 交互式可视化CanvasXpress
- 聚类分析factoextra
- LDA分析、作图及添加置信-ggord
- 解决散点图样品标签重叠ggrepel
- 添加P值或显著性标记ggpubr
- Alpha多样性稀释曲线rarefraction curve
- 堆叠柱状图各成分连线画法:突出组间变化
- 冲击图展示组间时间序列变化ggalluvial
- 桑基图riverplot
- 微生物环境因子分析ggvegan
- 五彩进化树与热图更配ggtree
- 多元回归树分析mvpart
- 随机森林randomForest 分类Classification 回归Regression
- 加权基因共表达网络分析WGCNA
- circlize包绘制circos-plot
- R语言搭建炫酷的线上博客系统
- 维恩(Venn)图绘制工具大全 (在线+R包)
- R包circlize:柱状图用腻了?试试好看的弦状图
- 获取pheatmap聚类后和标准化后的结果
- 聚类热图怎么按自己的意愿调整分支的顺序?
- 增强火山图,要不要试一下?
- esquisse: 快速可视化图形的 Rstudio 插件
- 一个震撼的交互型3D可视化R包 - 可直接转ggplot2图为3D
- 赠你一只金色的眼 - 富集分析和表达数据可视化
- 是Excel的图,不!是R的图
- 道友,来Rstudio里面看动画了
- 用了这么多年的PCA可视化竟然是错的!!!
- 主成分分析PCA
- 万能转换:R图和统计表转成发表级的Word、PPT、Excel、HTML、Latex、矢量图等
- 2019年诺贝尔生理医学奖揭晓 |动图展示历年生理学奖
- 2019年诺贝尔化学奖揭晓 |八一八,那些年的诺贝尔化学奖
- cellassign:用于肿瘤微环境分析的单细胞注释工具(9月Nature)
- ggThemeAssist|鼠标调整主题,并返回代码
- ggcor |相关系数矩阵可视化
- 这也太简单了吧!一个函数完成数据相关性热图计算和展示
- ggcor在微生物生态领域的使用实战
- 昨天的science组合图换方案了
- 画图手册 | ImageGP:今天你“plot”了吗?
- R语言一键批量完成差异统计和可视化
- gggenes绘制多物种基因结构比较
- 数据可视化完美指南-R-python
- Pathview包:整合表达谱数据可视化KEGG通路
- Matplotlib绘制的27个常用图(附对应代码实现)
- 让你的单细胞数据动起来!|iCellR(一)
- 让你的单细胞数据动起来!|iCellR(二)
- Celaref | 单细胞测序细胞类型注释工具
- SCENIC | 从单细胞数据推断基因调控网络和细胞类型
- R变量索引 - 什么时候使用 @或$
- 手把手重现Science的主图Maptree
- 可视化之为什么要使用箱线图?
- Alpha多样性箱线图(样章,11图2视频)
- 学会这个BBC,你的图也可以上新闻啦!
- ggplot2 图区域放大
- iheatmapr包:可交互的热图绘制方法
- 图形解读系列 | 给你5个示例,你能看懂常用热图使用吗?
- 这个R包自动注释单细胞数据的平均准确率为83%,使用后我的结果出现了点问题|附全代码
- 一个R包完成单细胞基因集富集分析 (全代码)
- 新版QQ自带的截图工具太强了,截取长图、截图钉在桌面上、图形中文字识别、马赛克标记、序号自动生成!
本期的留言主题是:您认为如何高效学习R?欢迎转发朋友圈并留言评论。
留言得赞最高者获得下面由北京大学出版社赞助的书籍(联系小编时请附上分享截图),结果在下一期送书活动中公布:
1. 理论为辅、实践为主。本书涉及一些必要的理论知识,特别是在数据分析部分,但总体以实践为主,因此几乎每节都有大量的代码,方便读者实践。
2. 知识全面、系统。本书在介绍了R语言的基础知识后,从数据获取和导出、数据清理和操作、数据分析和可视化方面分别进行了探讨,内容由浅入深、循序渐进。
3. 案例广泛。本书中的案例涉及心理学、社会学、医学、商业和经济等领域,但并不需要读者具备这些领域的专业知识。
4. “新手问答”和“小试牛刀”知识模块。“新手问答”主要对读者学习过程中易出现的疑问或容易犯的错误进行针对性的解答;“小试牛刀”结合每章知识及相关技能,列举综合上机案例,让读者在学完一章内容后能及时回顾和练习,旨在让读者巩固知识、学以致用。