- 博客(7)
- 收藏
- 关注
RSS订阅原创 Seruat v5测试第一部分- 聚类
通过Seruat的FindMarkers()或FindAllMarkers()函数，识别每个簇与其他簇相比显著高表达的基因。（barcode），试剂分析中需要质控过滤低质量的细胞（比如空液滴或者双细胞）。每行对应一个基因或其他特征（如抗体标签、CRISPR引导RNA）。1. CellMarker：涵盖人类和小鼠的细胞标记基因。1. 基因表达UMAP图：FeaturePlot（）存储基因表达数据（UMI计数矩阵）2. 小提琴图：VlnPlot（）3. 热图：DoHeatmap（）：存储基因（或特征）的。
2025-04-10 18:15:18
373
原创 GitHub使用小记
点击New repository，编写命名和介绍等，就可以复制SSH链接，按照提示运行git remote add origin 和git push -u origin main 就上传完成了。打开github网址上的个人主页，点开相应的仓库（repositories），点开文件选择介绍后面的三个点，点击 delete files，然后点击。结果会在~/.ssh目录下生成两个文件：id_rsa 和 id_rsa.pub。使用git删除对应的文件，再重新上传，如果本地没有文件，先clone。
2025-04-08 17:27:48
336
原创 snakemake小记
通过配置文件，可以将硬编码的参数（如文件路径、参数值）提取出来，便于修改和复用。工作流的特点：1）Snakemake 自动解析依赖关系，无需手动指定任务顺序（自动化）。它基于 Python，通过定义规则（rules）来描述任务及其依赖关系，使复杂的数据分析流程更易管理和自动化。Snakemake 会根据输出文件的需求自动解析规则之间的依赖关系，并按照正确的顺序执行任务。：规则是 Snakemake 的核心概念，用于定义任务（task）。4）结果可重复，规则可复用，可以用来构建复杂的流程。
2025-03-20 18:01:37
965
原创 RANSAC 算法一览
通过选择足够大的 ( N )，RANSAC 算法能够确保在多次随机选择中，至少有一次选择的样本集不包含离群点，从而提高模型拟合的准确性和鲁棒性。这种基于概率的选择方法使得 RANSAC 在处理含有离群点的数据时表现得更加有效。4. 如果内部值数与集中总点数的比例超过预定义的阈值 τ ，则使用所有已识别的内值重新估计模型参数并终止。）选择得足够高，以确保随机样本组中至少一个不包含异常值的概率。表示观察到异常值的概率。3. 计算所有点的集合和模型的容差；表示任何选定数据点为异常值的概率，2. 计算模型参数；
2025-03-04 20:06:19
486
原创 Proksee绘制细菌基因组圈图
支持在线BLAST和prokka以及部分基因注释，并且能将对应的分析结果添加到圈图显示，主要功能如下图左，其中。总的来说操作prokka操作便携，适合小量基因组（如细菌基因组、质粒、线粒体、叶绿体等）的在线分析和展示。图的Mark边栏可以选择背景色和基因组展示方式（环状或者条状），以及是否展示标签等。则表示开始线上分析。分析结果可通过“Add Features to Map。”添加并更换颜色，下图右。表示可以将结果添加进图，
2024-11-25 15:26:50
1855
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人