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: 14 分钟宏基因组测序所处理的对象是直接对环境样本中的所有DNA进行测序。达到无需培养即可揭示微生物群落的组成和功能潜力的目的。在数据处理中，一个核心任务是从海量短读序列中估算物种丰度（即每个物种在样本中的相对含量）和基因丰度（即每个基因或功能单元的相对含量）。传统的基于序列比对的方法计算成本高昂，而基于k-mer的方法通过利用固定长度的子序列（k-mer）信息，能够在不依赖完整比对的情况下快速估算丰度。 k-mer是指长度为k的连续子序列，例如在k=2的时候，DNA序列“ATCG”包含的2-mers有“AT”、“TC”、“CG”。通过统计读序列中k-mer的出现频率，并将其与参考数据库中的k-mer频率进行比较，我们可以推断出样本中各物种或基因的丰度。这种方法具有计算速度快、内存效率高的优势，并且无需对每个读进行精确比对，因此在处理大规模宏基因组数据时非常实用。 Order by Date Name Attachments workflow1 • 272 kB • 26 click 2025年12月8日workflow2 • 216 kB • 26 […]
估计阅读时长: 13 分钟LCA算法是现代宏基因组学分析的核心技术之一，主要用于解决序列比对结果的分类不确定性问题。例如，我们在处理宏基因组测序reads的物种来源分类注释工作的时候，经常会思考一个问题：在宏基因组分析中，一个测序read通常与多个参考序列产生比对结果，这些结果可能指向不同的分类单元。那这条reads最可能的物种分类来源位置是怎样的，怎样可以通过一个算法，基于一系列的物种匹配结果来推断出一个合适的物种来源，既避免过度分类，又保证分类的准确性。 Order by Date Name Attachments family-tree-animal-kingdom • 99 kB • 49 click 2025年12月2日LCA • 245 kB • 44 click […]
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 • 60 click 2025年11月29日
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