重命名R1、R2 原始数据质控 重命名前 ├── SRR12391722 │ ├── SRR12391722_1.fastq.gz │ └── SRR12391722_2.fastq.gz ├── SRR12391723 │ ├── SRR12391723_1.fastq.gz │ └── SRR12391723_2.fastq.gz ├── SRR12391724 │ ├── SRR1239

从 ENI 数据库下载 进入ENA Browser，搜索对应的GSE号，进入study项目，选择TSV格式的Download report。 从TSV表格中提取下载链接，一行一个写入url.txt，前面加上ftp://，接着使用wget -c -i url.txt下载 批量重命名脚本： 1234ls *.fastq.gz | cut -d '_' -f 1 | while r

JTK是一种非参数检测程序，能从芯片数据中检测循环转录本。除了计算每个转录本最佳的相位(LAG)、振幅(AMP)和周期(PER)外，JTK还计算了置换检验P值(ADJ.P)和Benjamini-Hochberg q值 (BH.Q)。与常规的周期检测算法相比，JTK具有更好的检验效能、更高的计算效率和更强的鲁棒性。R语言的metacycle包实现了ARSER、JTK_CYCLE、Lomb-Scarg

安装包 conda activate clusterprofiler conda install -c conda-forge r-sysfonts -y conda install -c conda-forge r-showtext -y 绘图 1234567sysfonts::font_add("Arial Narrow", "~/font/Arial Nar

在分析数据集时，常常会碰到一些缺失值，如果缺失值的数量相对总体来说非常小，那么直接删除缺失值就是一种可行的方法。但某些情况下，直接删除缺失值可能会损失一些有用信息，此时就需要寻找方法来补全缺失值。 安装包 12conda create -n mice conda-forge::r-tidyverse conda-forge::r-irkernel conda-forge::r-mice conda

虽然现在已经是高通量测序的时代，大家基本都是从counts矩阵出发，使用DESeq2进行差异表达分析，但是GEO和ArrayExpress上的仍有海量且持续更新的芯片数据，有时候也不可避免遇到一些FPKM格式乃至已经进行了z-score转换的数据，对于这些数据的分析，我们可以认为其在适当变换下(log2FPKM)，满足正态分布，那么仍可以使用limma直接进行分析。下面博主以E-MEXP-1422

安装依赖 12345678910111213141516conda clean -y -allconda create -n geo -c conda-forge r-base=4.1.3conda activate geoconda install -c conda-forge r-tidyverse=1.3.1 -yconda install -c conda-forge r-irkernel

博主最近在看临床预测模型，里面涉及到一些神经网络的相关知识，这里记录一下博主的简单理解。 基本概念 X：一个nx维的输入张量，可以是nx=0的标量，nx=1的向量，nx=2的矩阵，或更高维的张量 Y：一个ny维的输出张量，可以是nx=0的标量，nx=1的向量，nx=2的矩阵，或更高维的张量 f：一个特定结构的神经网络，如简单的BP神经网络、复杂的深度神经网络DNN等，用于将X映射到Y W：一个n

TMM：The Trimmed Mean of M value by edgeR VST：The variance stabilizing transformation by DESeq2 RLOG：The regularized-logarithm transformation by DESeq2 Counts矩阵来源于STAR匹配得到的结果：df <- read.csv('GSE12

通过比对，我们得到了counts矩阵，接下来可以进行DEGs分析。此时如果我们有多组之间的对比，则可以使用RRA算法来聚合我们的结果。 RRA的安装 1234567891011121314151617181920conda create -n tcga -c conda-forge r-base=4.1.2 -yconda activate tcgaconda install -c conda-f