估计阅读时长: 20 分钟用 GCModeller 做泛基因组分析（二）：801 个大肠杆菌基因组实战 面向读者：具有一定 R 语言编程基础的生物信息学初学者、实验室里的微生物研究者。 本篇是系列的实战篇：从 GenBank 原始注释文件出发，用两条 R# 脚本跑完大肠杆菌的泛基因组分析， 并结合真实运行产出的结果文件逐项解读。算法原理（CD-HIT 聚类、PAV 矩阵、香农信息熵等） 请先阅读系列第一篇《用 […]
估计阅读时长: 16 分钟用 GCModeller 做泛基因组分析（一）：算法原理与香农信息熵 面向读者：具有一定 R 语言编程基础的生物信息学初学者、实验室里的微生物研究者。 本篇讲清楚两件事：GCModeller 的泛基因组分析是怎么算的，以及贯穿整个分析体系的"香农信息熵"到底在度量什么。 全文不依赖任何编程知识，算法原理一律用公式和自然语言伪代码讲解。实战操作请看系列第二篇。 1. 什么是泛基因组？ 把大肠杆菌的两个菌株的基因组摆在一起看，你会发现一个 surprising 的事实：这两个"同一个物种"的基因组，基因组成可能相差 20% 以上。K-12 […]
估计阅读时长: 10 分钟Github开源地址：https://github.com/xieguigang/flywire 本文是"果蝇赛博生命"三部曲的第三篇，也是高潮篇。前两篇我们讲清了脉冲神经元的"漏水桶"模型（第一篇），以及 FAFB-v783 连接组这张 5000 万条记录的全脑"通话清单"（第二篇）。今天，我们要做两件事：第一，给这只果蝇通电，看看她大脑里哪片区域在亮；第二，把贪吃蛇游戏接进她的大脑，让她自己玩。 然后——因为这篇文章写得足够长——我们顺便讨论一下人类的数字永生、缸中之脑、《黑客帝国》和《流浪地球 2》。坐稳了。 Attachments SNN-Snake • 208 KB • 2 click […]
估计阅读时长: 6 分钟Github开源地址：https://github.com/xieguigang/flywire 本文是"果蝇赛博生命"三部曲的第二篇。上一篇我们讲明白了脉冲神经网络（SNN）的原理：神经元是会漏水的桶，脉冲是它们唯一的语言。但一个悬而未决的问题是——桶和桶之间的水管，到底怎么接？ 传统的做法是训练出来的。而我们的做法更"莽"：直接把一只真实果蝇的全脑接线图下载下来，照着抄。 AttachmentsSort by:DefaultDateName Flywire-Home • 5 MB • 3 click 25.09.2026Connectome • 936 KB […]
估计阅读时长: 6 分钟Github开源地址：https://github.com/xieguigang/sciBASIC 本文是"果蝇赛博生命"三部曲的第一篇。我们不讲果蝇，也不讲贪吃蛇，只讲一件事：计算机是如何模仿你的大脑在"想事情"的。 放心，全文不需要任何机器学习背景，需要的只有高中数学，和一个愿意被比喻轰炸的开放心态。 AttachmentsSort by:DefaultDateName SNNResponse • 173 KB • 3 click 25.09.2026Capture • 262 KB […]
估计阅读时长: 5 分钟基因组 为了能够实现上面所描述的这种基于EC Number的不同层级的加权嵌入，我们在原来的基因组嵌入工具上添加了一个hierarchical选项，用于支持切换为层级嵌入的操作： Imports Microsoft.VisualBasic.Data.Framework Imports Microsoft.VisualBasic.Data.NLP Imports SMRUCC.genomics.Interops.NCBI.Extensions.Pipeline Public Class GenomeMetabolicEmbedding ReadOnly vec As New […]
估计阅读时长: 20 分钟LDA（Latent Dirichlet Allocation，潜在狄利克雷分配）是一种用于发现文档集合中潜在主题的生成式概率模型。它假设文档是由多个主题混合而成的，而每个主题又是通过一定的概率分布选择词语生成的。LDA模型包含词、主题和文档三层结构，通过概率生成过程模拟文档的形成。Gibbs LDA 的核心在于使用吉布斯采样方法来推断这些隐藏的主题分布。 Attachments v2-883ac9db7f1cbd7325b2450cd225a897_b • 29 KB • 493 click 23.02.2026
估计阅读时长: 14 分钟酶的EC number（Enzyme Commission number）是国际生物化学与分子生物学学会（IUBMB）酶学委员会制定的酶分类与命名体系的核心标识符，自1961年首次发布以来，已成为酶学研究、数据库管理和生物技术应用的全球标准。这套由四位数字所构成的的层级编码系统不仅解决了早期酶命名混乱的问题，还通过系统化分类揭示了酶催化功能的内在逻辑，为酶学研究提供了统一的框架。 AttachmentsSort by:DefaultDateName Enzyme_Commission_Numbers-visual_selection • 70 KB • 728 click 17.02.2026The_Seven_Major_Classes_of_the_Enzyme_Commission-visual_selection • 268 […]
估计阅读时长: 18 分钟在前面的一篇《基因组功能注释（EC Number）的向量化嵌入》博客文章中，针对所注释得到的微生物基因组代谢信息，进行基于TF-IDF的向量化嵌入之后。为了可视化向量化嵌入的效果，通过UMAP进行降维，然后基于降维的结果进行散点图可视化。通过散点图可视化可以发现向量化的嵌入结果可以比较好的将不同物种分类来源的微生物基因组区分开来。除了针对降维后的数据进行散点图可视化，我们还可以直接针对向量化嵌入后的原始嵌入矩阵进行聚类，完成聚类结果的可视化。在这里我们主要是基于嵌入的原始结果进行二叉树聚类可视化。 AttachmentsSort by:DefaultDateName community_metabolic_tree • 219 KB • 485 click 15.02.2026community-local • 675 KB • […]
This content speaks to hearts
[…] 我们在基于前面所论述的《通过diamond软件进行blastp搜索》对大规模的基因组数据进行了代谢酶的EC number的注释以及按照文章《基因组功能注释（EC Number）的向量化嵌入》的方法，得到了一个比较大的基因组代谢酶TF-IDF嵌入丰度矩阵后，如果将这里所得到的嵌入结果矩阵中的基因组，基于Family层级的物种分类分组看作为单细胞转录数据中的细胞分群结果，能否基于单细胞数据分析方法来分析和可视化我的基因组功能嵌入的结果矩阵呢？ […]
[…] 我们在基于前面所论述的《通过diamond软件进行blastp搜索》对大规模的基因组数据进行了代谢酶的EC number的注释以及按照文章《基因组功能注释（EC Number）的向量化嵌入》的方法，得到了一个比较大的基因组代谢酶TF-IDF嵌入丰度矩阵后，如果将这里所得到的嵌入结果矩阵中的基因组，基于Family层级的物种分类分组看作为单细胞转录数据中的细胞分群结果，能否基于单细胞数据分析方法来分析和可视化我的基因组功能嵌入的结果矩阵呢？ […]
[…] 对于基于ec number来生成层级数据，我们直接使用《酶EC编号结构解析》文章末尾所展示的层级数据生成函数来实现。 […]
[…] 在前面的一篇《基因组功能注释（EC Number）的向量化嵌入》博客文章中，针对所注释得到的微生物基因组代谢信息，进行基于TF-IDF的向量化嵌入之后。为了可视化向量化嵌入的效果，通过UMAP进行降维，然后基于降维的结果进行散点图可视化。通过散点图可视化可以发现向量化的嵌入结果可以比较好的将不同物种分类来源的微生物基因组区分开来。 […]