我是一位国产工业软件开发者
Mzkit桌面工作站
Mzkit工作站软件主要是应用于基于核磁共振/质谱数据的化学信息学方面的CAE（计算机辅助工程与计算机辅助分析）数据分析功能。目前已完成对质谱数据以及NMR数据的支持。目前的研发投入主要集中在质谱成像相关功能以及定量计算分析等分析化学相关的功能研发。
Mzkit目前为一款诺米代谢向大家所提供的免费开源的质谱数据分析软件
Latest Articles
我目前所从事的工作是在国内的一家比较大的代谢组学服务公司的高级数据科学家，主要从事一些使用VisualBasic.NET，R/R#语言进行数据科学相关的分析脚本以及流程编写开发工作。如果你对我自己模仿R语言所创建的R#语言做数据分析感兴趣的话，我这个博客网站目前是你进行R#语言学习的最好选择。
估计阅读时长: 2 分钟宏基因组学（Metagenomics）通过直接测序环境样本中的全部DNA，从而避免了传统培养方法的局限，使我们能够研究不可培养微生物的多样性。然而，当样本来自宿主相关环境（如人类或小鼠的肠道、土壤等）时，测序数据中不可避免地包含大量宿主自身的DNA序列。这些宿主序列会占据测序读数，增加分析成本，并可能干扰对微生物群落组成的准确推断。因此，在宏基因组数据分析中，去除宿主序列（Host Sequence Removal）是至关重要的预处理步骤。去除宿主序列的算法多种多样，其中基于k-mer的方法因其高效和可扩展性而备受关注。 Attachments Metagenomics • 211 kB • 10 click 2025年11月29日
估计阅读时长: 6 分钟微生物全基因组代谢网络（Genome-scale metabolic model, GEM）模型的发展历史可追溯至20世纪90年代。1994年，Varma和Palsson在《Applied and Environmental Microbiology》期刊上发表了开创性论文，题为"Stoichiometric flux balance models quantitatively predict growth and metabolic by-product secretion in wild-type Escherichia […]
估计阅读时长: 2 分钟Github项目：https://github.com/xieguigang/marker 本程序包是一个基于R语言的综合性机器学习工具集，专门设计用于生物标志物发现和疾病预测模型的构建。该工具整合了多种机器学习算法，提供了从数据预处理、特征选择到模型构建与验证的完整工作流程，特别适用于代谢组学、基因组学等高维生物数据的分析研究。在这个程序包中，主要是通过marker函数来封装了从数据与处理到模型建立的每一个步骤，主要将程序包划分为了以下的工作步骤模块： 数据加载和预处理 初始可视化（PCA图）和统计分析（线性模型、描述性统计） 特征选择（如果未提供预选特征，则使用LASSO、随机森林和SVM-RFE三种方法） 数据分割为训练集和测试集 模型集成训练（逻辑回归、XGBoost、随机森林） 结果可视化（ROC曲线、特征重要性、SHAP分析等） 大家在这里可以通过下面的技术路线图来了解在所编写的程序包中所涉及到的分析内容与步骤： 所主要涉及到的模型算法原理 机器学习方法 数学原理 使用场景 应用 LASSO回归 LASSO（Least Absolute Shrinkage and Selection […]
关于创作者
R#语言之父，热衷于各种数据可视化。在代谢组学数据分析和机器学习领域内有着非常丰富的工作经验，大约10年的生物信息学研发工作经验。平时最开心的时候就是可以在工作中重复造各种轮子，并且可以成功的应用于各种商业化项目之中。经过多年的生物信息学和化学信息学领域内的工作，目前手头上已经重复造出了非常多的轮子，积累了大量的代码库，对各种数据分析方法轮子的使用也都非常得心应手。
诺米代谢BioDeep研发中心
谢桂纲 · 高级数据科学家
目前主要从事代谢组学领域内的数据分析方法开发，化学信息学质谱数据分析以及质谱应用研发，生物信息学大数据挖掘，工业软件研发相关的工作。
通过电子邮件联系我：xieguigang@metabolomics.ac.cn