估计阅读时长: 14 分钟在基因组学研究中，将新测序的基因或者针对目标基因组进行基于KEGG代谢通路体系的虚拟细胞建模，都会需要将目标基因组与已知功能基因进行比对注释。KEGG（Kyoto Encyclopedia of Genes and Genomes）数据库通过其KEGG Orthology (KO)系统，为基因功能注释提供了一个强大的平台。KO系统将功能上保守的直系同源基因归为一类，每个KO条目（K编号）代表一个直系同源基因群，这些基因在不同物种中通常执行相似的生物学功能。因此，将新基因的序列与KEGG数据库中的已知基因进行比对，可以推断其可能的KO编号，从而将其功能映射到KEGG通路图或功能层级中。 Order by Date Name Attachments kegg_overview • 313 […]
估计阅读时长: 10 分钟https://gcmodeller.org/ 流平衡分析（flux balance analysis）是一种可以用来构建和模拟分析基因组级别的代谢网络的数学方法。流平衡分析是系统生物学（system biology）的一个重要的分析手段。不同于以湿实验的代谢通量分析（metabolic flux analysis, MFA），FBA是用数学方法对代谢网络里的代谢流进行拟合分析。 Order by Date Name Attachments Electron micrographs of […]
估计阅读时长: 14 分钟https://github.com/xieguigang/sciBASIC 层次聚类通过计算不同类别数据点间的相似度来创建一棵有层次的嵌套聚类树。基于层次聚类分析，我们可以初步可视化我们的一些原始数据： 例如对样本的层次聚类分类，可以让我们了解到样本在分组之间以及分组内的异质性。 对生物序列进行基于相似度的层次聚类分析，我们可以了解到序列之间的相似性程度或者进化关系 Order by Date Name Attachments metabolome • 14 kB • 655 click […]
估计阅读时长: 30 分钟https://github.com/xieguigang/sciBASIC/ 线性规划（Linear programming,简称LP）方法起源于20世纪40年代，由美国数学家乔治·丹齐格（George Dantzig）提出，并设计了著名的“单纯形法”。这种优化算法是运筹学中研究较早、发展较快、应用广泛、方法较成熟的一个重要分支，它是辅助人们进行科学管理的一种数学方法。研究线性约束条件下线性目标函数的极值问题的数学理论和方法。通俗点的来讲，就是我们基于这一种数学优化技术，用于在一组线性约束条件下，求解线性目标函数的最大值或最小值（就是在“有限资源”和“一定规则”下，找到“最佳方案”的一种方法）。 Order by Date Name Attachments linear-programming-example • 22 kB • 740 click […]
估计阅读时长: 11 分钟PhenoGraph提供了与UMAP类似的算法过程进行单细胞组学数据的细胞分型处理操作。与UMAP方法相比，PhenoGraph并不会产生数据降维效果，仅仅产生数据点Cluster信息。如果需要将数据进行可视化，还需要借助于t-SNE算法将PhenoGraph的分型结果数据投影到一个二维平面上完成。 Order by Date Name Attachments Phenograph-image4 • 200 kB • 650 click 2021年8月9日Automated Optimal Parameters […]
估计阅读时长: 11 分钟https://github.com/xieguigang/sciBASIC Louvain算法是基于模块度的网络节点集群发现算法。该算法在效率和效果上都表现较好，并且能够发现层次性的网络节点集群结构，其优化目标是最大化整个网络集群模块的模块度（Modularity）。 Order by Date Name Attachments graph • 2 MB • 680 click 2021年8月7日Metavirome network […]
估计阅读时长: 8 分钟https://github.com/xieguigang/sciBASIC/tree/master/Data_science/Mathematica/SignalProcessing 进行峰识别是在代谢组学原始数据分析之中进行定量分析的很重要的一环。在代谢组学之中，定量分析分为靶向定量，以及非靶向定量计算这两大部分。 Order by Date Name Attachments Figure12.36 • 50 kB • 690 click 2021年7月10日view_signal • […]
估计阅读时长: 16 分钟https://github.com/xieguigang/sciBASIC 等高线指的是地形图上高程相等的相邻各点所连成的闭合曲线。把地面上海拔高度相同的点连成的闭合曲线，并垂直投影到一个水平面上，并按比例缩绘在图纸上，就得到等高线。 Order by Date Name Attachments 1_Contour • 487 kB • 813 click 2021年6月30日Ms1Contour • […]
估计阅读时长: 23 分钟https://github.com/rsharp-lang/R-sharp 降维是将数据由高维约减到低维的过程而用来揭示数据的本质低维结构。它作为克服“维数灾难”的途径在这些相关领域中扮演着重要的角色。在过去的几十年里，有大量的降维方法被不断地提出并被深入研究，其中常用的包括传统的降维算法如PCA和MDS；流形学习算法如UMAP、t-SNE、ISOMAP、LE以及LTSA等。 Order by Date Name Attachments MNIST-LabelledVectorArray-60000x100 • 230 kB • 829 click 2021年6月27日MNIST-LabelledVectorArray-60000x100Euclidean_Distance • […]
估计阅读时长: 15 分钟https://github.com/xieguigang/Darwinism NetCDF文件格式（Network Common Data Format）是一种以network byteorder进行编码的CDF数据文件格式。其广泛应用于大气科学、水文、海洋学、环境模拟、地球物理等诸多数据科学计算分析领域内的数据存储。 Order by Date Name Attachments netcdf • 2 MB • […]
Thank you so much for your thoughtful and encouraging comment! I truly appreciate the time you took to read through…
已经写完了
A very inspiring pipeline for turning EC-based annotations into genome-scale embeddings. Great post! I really enjoyed the clear, end‑to‑end pipeline…
[…] 基于之前的一篇文章《TF-IDF与N-gram One-hot文档嵌入算法原理》的学习，我们了解到可以将生物序列通过分解为kmer，组成单词集合用来表示一个文档。从而将长度各异的生物序列嵌入为长读一致的数值向量，进而可以用于后续的各种数据处理工作中。在这里，假设我们将基因组中的所有基因提取出来，然后通过blast比对的方式将基因注释到对应的ec number编号，既可以将某一个基因组使用一个ec number的集合来表示。通过这样子的数据表示方法，我们就可以将任意一个大小各异，基因组成不同的基因组都嵌入为具有相同维度特征的数值向量用于机器学习建模之类的工作。 […]
I'm fine, thank you. and you?