深度学习必须了解的概念
转载 https://blog.csdn.net/pangjiuzala/article/details/72630166 1）神经元（Neuron）——就像形成我们大脑基本元素的神经元一样，神经元形成神经网络的基本结构。想象一下，当我们得到新信息时我们该怎么做。当我们获取信息时，我们一般会处理它，然后生成一个输出。类似地，在神经网络的情况下，神经元接收输入，处理它并产生输出，而这个输出被发送到其他神经元用于进一步处理，或者作为最终输出进行输出。 2）权重（Weights）——当输入进入神经元
无需写代码的高颜值富集分析神器
无需写代码的高颜值富集分析神器 富集分析是了解一个基因集功能倾向性的一个方式，在组学研究领域应用广泛。常见的有基于差异基因的Over-representation分析，也就是常说的GO、KEGG富集分析和Functional class scoring分析，如GSEA。这两种富集分析算法不同，但可以都支持同样的注释集，如GO、KEGG或其他类型的注释。基本原则只有一个：基因集的基因名字与注释集的基因名字能匹配。剩下的就是了解下原理去操作了。 下面三篇文章建议仔细多读几遍，尤其是原理解释部分。对
生信分析过程中这些常见文件（fastq/bed/gtf/sam/bam/wig）的格式以及查看方式你都知道吗？
生信分析过程中，会与很多不同格式的文件打交道，除了原始测序数据fastq之外，还需要准备基因组文件fasta格式和基因注释文件gtf格式。在分析的过程中还会有众多中间文件的生成，如bed、bed12、sam、bam、wig、bigwig、bedgraph等，生成后我们一般会查看下内容了解文件每一列的含义，以此来决定需要提取哪些有用信息列来进行下一步分析。 插播一个小剧场 老板：“先查看一下bam文件内容。” 小白：嗒嗒嗒敲键盘。 $ less ehbio.bam
"ehbio.bam" may
这些基因的名字太有才了，研究一下都可以发10分文章
FUN GENG NAMES 作为一个人的代号，名字既可以像朱元璋一样突显自我，也可以像朱重八一样只是父母年龄叠加，基因名类似。虽然在生物研究尤其是基因项目中不断有许多新基因出现，但研究历史可以追溯到孟德尔时期的基因直到1905年才正式有了gene的术语。为了更好的研究和描述基因的功能，基因名的确定一直为人津津乐道——一般遵从先发现先命名，由发现者决定，之后可能由各种缘由加成确定。 现在的基因名通常联系一些突变表型，例如基因Callipyge（双臀肌基因），在绵羊中发生突变的话，病变体臀部会变
AnimalTFDB 3.0 | 动物转录因子注释和预测的综合资源库
转录因子（Transcription factor，TF）是一类能够以序列特异性方式结合DNA并对基因转录起关键调控作用的蛋白质，在各种生物过程和疾病发生中起非常关键的作用。鉴定、分类和注释转录因子以及分析转录因子的调控和功能等一直是研究的热点和基础，它们在生物体内形成一套指导基因表达的复杂系统引得众多科学家浓厚的研究兴趣。 为了揭开TF在生物体内调节机制的神秘面纱，科学家们探索了许多实验方法（如CHIP-seq）和预测工具（如seq logo，Jaspar数据库等），具体可以参见历史推文：
GEO TCGA公共数据挖掘培训
GEO是当今最大、最全的公共基因数据资源库，包括基因的表达、突变、修饰等信息，涵盖几乎所有的疾病，且单个实验检测样品数目较多。TCGA数据库包含11,000个病人的33种肿瘤的7个不同层面的基因数据 (包括基因表达、CNV，SNP，DNA甲基化，miRNA，外显子组等)和临床数据，意在解析癌症发生的分子机制、肿瘤的亚型和治疗靶点等。 这两个来源的数据都是对外公开的，是学习、研究和应用的一个资源宝库。从2006年TCGA计划启动以来，基于TCGA数据发表的文章呈指数增加，一大部分来源于对TCGA
典型医学设计实验GEO数据分析 (step-by-step) - Limma差异分析、火山图、功能富集
典型医学设计实验GEO数据分析 (step-by-step) - 数据获取到标准化介绍了实验的设计、数据获取、数据标准化和注释，下面是如何利用Limma和线性模型鉴定差异基因，并进行GO富集分析。 线性模型 为了分析发炎和未发炎组织的差异表达，我们需要构建一个线性模型。线性模式是实验数据分析的常用方法，适用于几乎任何复杂的实验设计。后面我们专门出文介绍，推荐Mike Love和Michael Irizzary的genomics class和可汗学院的线性代数免费公开课。 我们这里主要用limm
典型医学设计实验GEO数据分析 (step-by-step) - 数据获取到标准化
GEO是当今最大、最全的公共基因数据资源库，包括基因的表达、突变、修饰等信息，涵盖几乎所有的疾病，且单个实验检测样品数目较多，是我们分析、学习的很好资源。 实验设计 原始文章对14个溃疡性结肠炎病人 (Ulcerative colitis, UC)和15个克罗恩病病人 (Crohn’s disease, CD)的发炎组织和未发炎组织活检采样，用Affy芯片检测基因表达谱，研究发炎组织和未发炎组织的基因表达差异。(Genome-wide Pathway Analysis Using Gene E
眼液蛋白水平或许可预测阿尔茨海默症
2019年3月8日发表在阿尔茨海默病杂志上的一项新研究发现，阿尔茨海默病（AD）的生物标记物淀粉样蛋白-β和tau蛋白在眼液中的含量降低与低认知评分显著相关。在波士顿医学中心的研究人员的带领下，该研究首次将眼睛中这些已知的AD标记蛋白与精神状态联系起来。研究结果表明，眼睛中的蛋白质可能是未来预测阿尔茨海默病的一种低成本高效手段。 在症状出现之前诊断和开始AD治疗是控制疾病的关键，因为在出现症状时，治疗通常为时已晚，无法产生任何有意义的效果。淀粉样蛋白-β和tau蛋白含量的异常变化是AD的生物标
两篇Science文章揭示癌症治疗中细胞感应氧气的新机制
奥卢大学和哈佛大学的研究人员发现了当前未知的新机制，身体细胞通过该机制感应氧气。缺氧对基因的功能有直接影响，并抑制细胞分化。 该研究发表在Science杂志，其将为癌症药物的开发开辟新的机会。 该发现的核心是组蛋白去甲基化酶，其任务是调控染色质的结构。研究人员证明，缺氧会抑制某些组蛋白去甲基化酶的功能，导致细胞不能分化。 这一新发现与新型抗癌药物的开发有关。癌细胞通常是未分化的，并且在许多癌症中发现了染色质异常。 医学博士Tuomas Laukka说：“由于生长迅速和血管分布不当，肿瘤组织的氧
废弃P-value，还是学学如何评估统计检验结果？
前几天，Nature上一篇comment再度引发关于p-value如何使用和解释的文章：Scientists rise up against statistical significance，800多名科学家联合声明拒绝使用基于p-value或置信区间或贝叶斯因子等的二分法将研究结果分为统计显著和统计不显著两个部分，而是应该把置信区间改为兼容性区间, 描述区间所有值的实际含义，尤其是其所代表的的效果 (point estimate)或极值在哪。给定了统计假设，任何极值内的值与研究数据都是兼容的
纪念诺贝尔生理医学奖获得者 Sydney Brenner (1927-2019)
纪念诺贝尔生理医学奖获得者 Sydney Brenner (1927-2019) Sydney Brenner经常被描述为“分子生物学的顽童” Sydney Brenner: 南非生物学家，2002年诺贝尔生理学或医学奖获得者 (发现了器官发育的基因调控机制和细胞程序性死亡)。Sydney Brenner在英国剑桥的分子生物学医学研究委员会(MRC)实验室工作期间，对遗传密码等分子生物学领域做出了重大贡献。他将秀丽隐杆线虫 (Caenorhabditis elegans)建立为研究发育生物学的
这个只需一步就可做富集分析的网站还未发表就被CNS等引用超过350次
一、Metascape简介 Metascape（http://metascape.org/） 是一个功能强大的基因功能注释分析工具，能帮助用户将当前流行的生物信息学分析方法应用到批量基因和蛋白质的分析中，以实现对基因或蛋白功能的认知。只需在Metascape网页几步简单的操作，就可以对大批量的基因或蛋白质进行注释、富集分析以及构建蛋白质-蛋白质互作网络。并且构建的蛋白互作网络还可以直接导出给Cytoscape使用，绘制美观、可发表的蛋白互作网络图。 更新快：每月更新一次，保证了数据的可靠性；
PCA主成分分析原理及分析实践详细介绍
自己的博客在Github上，访问不多。这篇文章竟然被别人发了出来，还是贴到CSDN上，更方便检索吧。 原文：<http://blog.genesino.com/2016/10/PCA/> This is generated by R knitr, please check https://github.com/Tong-Chen/notebook/blob/master/PCA_leanr_knit.Rmd for greatly formatted documents.
library(k
三人成虎，概率却不足十分之五？几个贝叶斯推理故事的分享
周末了，看一些违反直觉的小问题们。 第一个问题：三人成虎，概率却不足十分之五？ 你打算去西雅图旅游，但不确定是否会下雨。你打电话给三个在西雅图居住但彼此不认识的朋友询问。你的每个朋友都有2/3的可能告诉你真实情况，也有1/3的可能他们会搞砸。询问后所有的朋友都告诉你会下雨。 那么是不是第一反应西雅图会下雨呢？ 而实际西雅图下雨的概率有多大呢？ 是直接相信直觉还是计算下？ 首先确认观察数据 （起名为D）：三人都说会下雨。 假设：A: 西雅图会下雨；B：西雅图不会下雨。 另外还需要假设一个变量：西
Hemberg-lab单细胞转录组数据分析（一）
在别人的电子书，你的电子书，都在bookdown一文中推荐过这一篇教程(https://hemberg-lab.github.io/scRNA.seq.course)，从2016年一直更新到2018年，是入门单细胞分析的十分适合的文档。为了进一步促进学习，生信宝典申请并组织翻译这篇教程，将在公众号陆续推出。最后会有整合版以网页和PDF格式发布于易生信平台。 关于课程 采用高通量测序技术获取单细胞水平的全转录组数据又称scRNA-seq已应用越来越广泛。scRNA-seq的优势是其同时具有单细胞
LOJ#3092. 「BJOI2019」排兵布阵（递推）
题面 传送门 题解 设\(dp_{i,j}\)表示前\(i\)座塔派了总共\(j\)个人的最大收益，转移显然 //minamoto
#include<bits/stdc++.h>
#define R register
#define inline __inline__ __attribute__((always_inline))
#define fp(i,a,b) for(R int i=(a),I=(b)+1;i<I;++i)
#define fd(i,a,b) for(R int i=(a
发夹模式的使用及应用场景
因为设备传输不对称导致交换模式下出现双收等现象，所以近期研究了一下发夹模式，由场景说说发夹模式的使用。 起因：工作在二层模式的整套设备，为了防止双收使用发夹模式处理业务。 网络拓扑： 说明：如图所设，如果终端B2向终端B1发出一条报文，当不使用发夹模式时，在终端B1会收到两份相同的数据。 两份数据：一份来源于内置交换机的直接转发，一份来源于终端C的转发，数据双收浪费带宽，如果双收信令报文还会影响设备的正常使用！ 发夹模式在该场景中：利用终端C将数据进行反弹，而不是由内置交换机泛洪数据。 配置方
今日推荐
周排行