估计阅读时长: 5 分钟 一般而言，进行全基因组的转录表达调控网络的建立，我们需要基于两个数据结果来完成： 目标基因的转录调控位点信息（Motif搜索结果，构成网络之中的节点） 转录调控位点相应的转录调控因子（Motif位点相关的转录调控因子，构成网络之中的边连接） Order by Date Name Attachments Xor • 271 kB • 88 click 11.06.2022An […]
估计阅读时长: 8 分钟 Motif是一段典型的序列或者一个结构。一般情况下是指构成任何一种特征序列的基本结构。通俗来讲，即是有特征的短序列，一般认为它是拥有生物学功能的保守序列，可能包含特异性的结合位点，或者是涉及某一个特定生物学过程的有共性的序列区段。比如蛋白质的序列特异性结合位点，如核酸酶和转录因子。 Order by Date Name Attachments Smith-Waterman-Algorithm-Example-Step3 • 8 kB • 74 click 07.06.2022motifPilesHeatmap-1 • 227 […]
估计阅读时长: 4 分钟 访问在线服务： http://metdna.zhulab.cn/ Metabolite identification is the long-standing challenge for liquid chromatography-mass spectrometry (LC-MS)-based untargeted metabolomics. Here, […]
估计阅读时长: < 1 分钟 imports "clustering" from "MLkit"; require(graphics2D); multishapes = read.csv("./multishapes.csv"); [x, y] = list(multishapes[, "x"], multishapes[, "y"]); print(multishapes, […]
估计阅读时长: 9 分钟 https://github.com/rsharp-lang/ggplot 之前在阅读一篇单细胞组学数据分析的文献，觉得在文献之中有一些三维散点图用于展示降维聚类结果的效果非常的好看。于是自己在R#语言之中的ggplot程序包的2D绘图的功能基础之上，进行了三维图形数据可视化功能的开发。 (A) t-SNE map projecting myeloid cells from BC1-8 patients (all tissues). Cells are colored […]
估计阅读时长: 9 分钟 https://gcmodeller.org 在这篇博客文章之中，我主要是来详细介绍一下是如何从头开始实现Phenograph单细胞分型算法的。在之前的一篇博客文章《【单细胞组学】PhenoGraph单细胞分型》之中，我们介绍了Phenograph算法的简单原理，以及一个在R语言之中所实现的Phenograph算法的程序包Rphenograph。在这里我主要是详细介绍在GCModeller软件之中所实现的VisualBasic语言版本的Phenograph单细胞分型算法。 Attachments Rphenograph • 236 kB • 101 click 20.09.2021
估计阅读时长: 7 分钟 https://github.com/xieguigang/sciBASIC 最近在研究实现空间代谢组学中的一些特征区域的自动化划分分割。在得到了特征点集合之后，我们需要根据一些图像处理算法进行特征区域的提取操作。之前，我们尝试过基于绘制等高线图Marching Squares算法的方式来将特征点集合自动转换为特征区域的多边形，实现轮廓扫描获取的功能。但是实现的效果嘛，和实际的区域存在着一些较大的差异。 Order by Date Name Attachments HR2MSI mouse urinary bladder S096 - spatial regions […]
估计阅读时长: 5 分钟 https://gcmodeller.org/ KEGG is a database resource for understanding high-level functions and utilities of the biological system, […]
估计阅读时长: 5 分钟 https://github.com/rsharp-lang/bing-academic 我们在进行一个新的课题项目开始之前，会需要经历过一个开题立项的报告过程。在这个过程之中，我们需要收集与课题相关的信息，例如相关的知识背景信息，建立出一个与课题相关的知识网络。基于此知识网络进行课题的技术相关概念的梳理。 Order by Date Name Attachments v2-8119594eef2838042df8fb5af0523c0c_720w • 126 kB • 121 click 15.08.2021v2-96d82f034d4084cf1ed6eb4784f36ed4_r • […]
估计阅读时长: 9 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 • 115 click […]
Thx
I've been surfing on-line more than 3 hours nowadays, but I by no means discovered any fascinating article like yours.…
[…] 在上面所提到的线性变化转换过程，其实就是一个热图绘制的过程。我们一般按照不同的颜色谱做线性变换映射，就可以得到对应的不同颜色系列下的NRRD热图成像渲染结果。对于NRRD图像文件的热图成像渲染原理，其实是和质谱成像的渲染原理一摸一样的（对于质谱成像渲染而言，其主要的原理也就是将对应的扫描点上的目标离子的intensity值取出，构建出一个和NRRD文件中的光栅矩阵数据一摸一样的矩阵数据，基于这个矩阵数据进行线性变换映射到对应的颜色值完成热图成像可视化操作）。 […]
[…] 如果我们需要将得到光栅矩阵数据进行可视化，该怎样做呢？其实，如果我们了解过热图成像或者质谱成像的原理的话，实际上对于这个光栅矩阵的原始数据进行成像的原理应该就会很清楚了。在我们拿到这个矩阵之后，可以将矩阵的行和列看作为二维图像空间之中的x和y坐标信息，然后对应的矩阵中的单元格值可以映射为一个对应的颜色，即可将从NRRD文件之中拿到的光栅矩阵数据给可视化出来。将光栅矩阵中的数值映射为对应的颜色值的方法原理，大家可以参考一下《【热图数据可视化】颜色插值计算原理》的内容介绍，一摸一样。 […]
Hi theere it's me, I amm also viiting this webb sie oon a regular basis, this site iis actuazlly good…