R语言可视化通路富集网络图
我们输入的数据包含 gene ID 和 vector(单样本)部分，这里的 gene ID 是一个通用概念，可以是基因、转录本、酶或蛋白质。这里的 vector 可以是样本的表达量、倍数变化, p-value, 组蛋白修饰数据等可测量的属
推荐阅读
热门文章
查找GSE及对应GPL平台，注释包信息后还能画个热图
以前听 GSE号与对应平台GPL号以及注释包 ，总是不知道为什么要互相对应?咋个对应？今天栽了才知道。我没脸写我是怎么栽的，就写写我栽后是如何正确的做完这道题。 我正在做 R语言小作业-中级-第六题 ：解题思路：上述基因名
用R语言，怎么合并两组数据
如果空的地方用NA 表示的话，那么就可以用如下编码实现假设 第一组数据是 a1 第二组数据是a2, 他们的行数是一致的！index<- is.na(a1)a1[index] <- a2[index]# here
R语言画时间序列图
用xlim或者ylim命令。比如：# Specify axis options within plot()plot(x, y, main="title", sub="subtitle",xlab=
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
为什么使用Go语言？Go语言好不好学？
Go语言包含了类C语法、GC内置和工程工具。这一点非常重要，因为Go语言容易学习，所以一个普通的大学生花一个星期就能写出来可以上手的、高性能的应用。在国内大家都追求快，这也是为什么国内Go流行的原因之一。黑马程序员近期除了20小时快速入门G
R语言绘制配对样品箱线图
配对箱线图，常见于配对样本的数据分析中。 例如下图示例，为了研究某些基因在肿瘤组织和正常组织中是否具有表达量的显著不同，在取样时，往往会在同一患者个体中同时获取肿瘤和临近正常组织，两个组织样本就是配对关系。当然在这类研究中，往往需要调查
GO富集分析
GO富集是组学数据分析常用的手段，通常用来挖掘差异基因中GO term的富集程度。Fisher's exact test是常用的统计检验方法，但这种方法存在明显的缺点。很多公司提供的测序分析结果都普遍使用这样的方法，导致很多后续的
R语言绘制配对样品箱线图
配对箱线图，常见于配对样本的数据分析中。 例如下图示例，为了研究某些基因在肿瘤组织和正常组织中是否具有表达量的显著不同，在取样时，往往会在同一患者个体中同时获取肿瘤和临近正常组织，两个组织样本就是配对关系。当然在这类研究中，往往需要调查
实验记录3：用R包Seurat进行QC、PCA分析与t-SNE聚类
参考网站： https:satijalab.orgseuratpbmc3k_tutorial.html（注意！！！现在这个网站会自动跳转到3.0版本） Seurat的安装：R中运行install.packages(&q
GO语言入门，有什么好的教程啊？
可以学习黑马程序员的这个教程20小时快速入门go语言：网页链接go语言的优势可直接编译成机器码，不依赖其他库，glibc的版本有一定要求，部署就是扔一个文件上去就完成了。静态类型语言，但是有动态语言的感觉，静态类型的语言就是可以在编
连锁不平衡以及连锁不平衡衰减
[连锁不平衡粗俗的说就是：这几个基因耍流氓，喜欢抱团遗传，不再随机。而连锁不平衡衰减是指在基因组上，随着物理距离的增大，两个连锁的的等位基因的连锁程度不断减小。] LD衰减 图，在重测序类的文章中会经常出现群体遗传、GWAS等的
Go语言的优势有哪些
1. 部署简单Go 编译生成的是一个静态可执行文件，除了glibc外没有其他外部依赖。这让部署变得异常方便：目标机器上只需要一个基础的系统和必要的管理、监控工具，完全不需要操心应用所需的各种包、库的依赖关系，大大减轻了维护的负担。2. 并发
R语言GEO数据挖掘：步骤三：进行基因差异分析
用limma包，这里注意，limma包是对基因芯片表达矩阵的分析，不能对逆转录RNAseq表达矩阵进行分析（因为数据特征不同），RNAseq需要用另一种方法 解读此表 但是上面的用法做不到随心所欲的指定任意两组进行比较，所有还有下一
R语言绘制配对样品箱线图
配对箱线图，常见于配对样本的数据分析中。 例如下图示例，为了研究某些基因在肿瘤组织和正常组织中是否具有表达量的显著不同，在取样时，往往会在同一患者个体中同时获取肿瘤和临近正常组织，两个组织样本就是配对关系。当然在这类研究中，往往需要调查
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
【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
运用 R语言 pheatmap 包绘制热图进阶部分
在EXCEL中整理好样本和物种的注释信息，当然这个需要依据你的具体需求来确定。 在RStudio 中使用 read.table 函数来导入行或列的分组注释信息注意： data.1是pheatmap包基础篇中介绍过使用z-sco
R语言绘图（ggplot2、ggpurb）从入门到精通06--柱状图美化之宽度调节
本系列课程要求大家有一定的R语言基础，对于完全零基础的同学，建议去听一下师兄的《生信必备技巧之——R语言基础教程》。本课程将从最基本的绘图开始讲解，深入浅出的带大家理解和运用强大而灵活的ggplot2包。内容包括如何利用ggplot2绘制
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