2019-10-22 R语言Seurat包下游分析-1
下游分析 cellranger count 计算的结果只能作为错略观测的结果，如果需要进一步分析聚类细胞，还需要进行下游分析，这里使用官方推荐 R 包（Seurat 3.0） 流程参考官方外周血分析标准流程（ https:sat
推荐阅读
热门文章
r语言自然立方样条函数怎么加载
在医学研究中，我们经常构建回归模型来分析自变量和因变量之间的关系。事实上，大多数的回归模型有一个重要的假设就是自变量和因变量呈线性关联，这个条件实际很难满足。常见的解决方法是将连续变量分类，但类别数目和节点位置的选择往往带有主观性，并且分类
2019-10-22 R语言Seurat包下游分析-1
下游分析 cellranger count 计算的结果只能作为错略观测的结果，如果需要进一步分析聚类细胞，还需要进行下游分析，这里使用官方推荐 R 包（Seurat 3.0） 流程参考官方外周血分析标准流程（ https:sat
Monocle2 | 单细胞测序的拟时序分析（细胞轨迹分析）
伪时间是衡量单个细胞在细胞分化等过程中取得了多大进展的指标。在许多生物学过程中，细胞并不是完全同步的。在细胞分化等过程的单细胞表达研究中，捕获的细胞在分化方面可能分布广泛。也就是说，在同一时间捕获的细胞群中，有些细胞可能已经很长时间了，而
【R语言】--- 散点图
散点图是将所有的数据以点的形式展现在直角坐标系上，以显示变量之间的相互影响程度，点的位置由变量的数值决定，每个点对应一个 X 和 Y 轴点坐标。散点图可以用R自带的plot()函数绘制，也可以用ggplot2包的geom_point()和
R语言初学笔记：差异表达基因
setwd("E:GSE25066")#环境设置 library(limma)#加载差异分析包limma #将分组文件加载到环境中，分组信息第一列为样本名，第二列为分组信息如“high”“low” targ
2019-10-22 R语言Seurat包下游分析-1
下游分析 cellranger count 计算的结果只能作为错略观测的结果，如果需要进一步分析聚类细胞，还需要进行下游分析，这里使用官方推荐 R 包（Seurat 3.0） 流程参考官方外周血分析标准流程（ https:sat
怎么用r语言进行dna序列分析
有现成的包：matchprobes包 里面有个函数basecontent(seq)计算4中碱基每种的含量；自己做的话：#List是你的序列 unlist(strsplit(List,""))->sep.let
基因ID转换---R语言
这里使用的是Y叔的R包clustProfilter，里面有个函数bitr()但是使用这种方法总是会有一些基因比对不上，就会有类似的warning如果有更好的方法，欢迎大家一起探讨！ 用limma包，这里注意，limma包
R语言可视化之ggplot2——KEGG通路富集分析
之前分享了如何用ggplot2可视化GO分析的结果。既然做了GO，当然少不了KEGG了。 同样的，我们从 DAVID 获取KEGG pathway的结果。 对于KEGG，我比较喜欢做气泡图，这样用两种形式的图结合在一起，效果更丰富更
R语言初学笔记：差异表达基因
setwd("E:GSE25066")#环境设置 library(limma)#加载差异分析包limma #将分组文件加载到环境中，分组信息第一列为样本名，第二列为分组信息如“high”“low” targ
GSEA基因富集分析R语言版
官方github地址1.安装 library("devtools") install_github("GSEA-MSigDBGSEA_R") 2.查看说明文档 ??GSEA:
GSEA基因富集分析R语言版
官方github地址1.安装 library("devtools") install_github("GSEA-MSigDBGSEA_R") 2.查看说明文档 ??GSEA:
RNA-seq 分析之我见（一）
先说下生物体内RNA的大致组成： 编码RNA:根据中心法则我们知道，DNA转录为mRNA，mRNA通过tRNA翻译为蛋白质，蛋白质行使生命功能,例如呼吸，运动，消化等等。人类只有2万左右个蛋白质编码基因，这些编码基因只占人类全基因组的2
R语言作图plot函数以及参数设置解析
plot(x, y = NULL, type = "p",xlim = NULL, ylim = NULL, log = "", main = NULL, sub = NULL, xlab = N
2019-10-22 R语言Seurat包下游分析-1
下游分析 cellranger count 计算的结果只能作为错略观测的结果，如果需要进一步分析聚类细胞，还需要进行下游分析，这里使用官方推荐 R 包（Seurat 3.0） 流程参考官方外周血分析标准流程（ https:sat
R|Affymetrix芯片分析(1)-affy
Affymetrix芯片储存着大量的生物信息学数据，因此有必要从实战出发的角度，汇总下Affymetrix芯片处理的流程。下面以GSE1438为例 常用的质量控制的指标： 平均数法、RLE、NUSE和RNA降解曲线根据以上指标综合决
2019-10-22 R语言Seurat包下游分析-1
下游分析 cellranger count 计算的结果只能作为错略观测的结果，如果需要进一步分析聚类细胞，还需要进行下游分析，这里使用官方推荐 R 包（Seurat 3.0） 流程参考官方外周血分析标准流程（ https:sat
做miRNA的预测怎么从数据库选取已知的miRNA及其靶基因，新手求教，最好详细的说下操作步骤，多谢了
如果是要初步的筛选，最好用至少3个数据库进行预测，然后取共有的target gene进行下一步的验证，常用的数据库有targetscan，RNA22，mirbase，PITA，microcosom等等归一化 microRNA芯片采用的归一化
R语言中如何在散点图中给每个点添加标签
1、插入散点图。 2、添加数据标签选项。3、勾选X值，将产品类型名称添加到标签。4、点击填充，设置数据标签背景样式，如图。5、点击标签位置，我们选择靠上，发现标签就移动到了散点的上面。注意事项：1、所有的公式必须以等号开头；2、函数名