Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >七牛对象存储的使用

七牛对象存储的使用

作者头像
俺踏月色而来
发布于 2018-06-20 02:51:08
发布于 2018-06-20 02:51:08
2K00
代码可运行
举报
文章被收录于专栏:月色的自留地月色的自留地
运行总次数:0
代码可运行

Jekyll个人网页是个好技术,github.com是个好网站,不过存储容量和流量的限制是个头痛的事情,当然,也在情理之中。 好在我们生于“云”的时代,有很多办法来扩展我们的世界。在引用图片方面,主要的要求就是服务商可以提供外链。由于在国内,我们的选择少了一些,不过还是有几个优选的:

  • 百度图片,网址是https://timgsa.baidu.com,图片可以外链,缺点是路径太长,在Markdown源文件中看起来很丑也难操作。另外图片来源主要靠搜索,难以表达自己的精确要求。
  • 新浪图片,在微博中上传的图片就可以使用,外链的地址是:http://sinaimg.cn。当然对于微博用户来说,一堆跟微博本身毫无关关联的图片看起来有点让人费解,不过用起来还是很好用的
  • 七牛云,也是个良心商家,至少当前还是,只需要实名认证一下就有免费账号可以用。而且做为一个开发者的服务平台,提供了丰富的API来进行自动化的管理,支持图片、视频等一切可存储的对象。这也是我当前的主存站和今天的主题。

七牛的注册、认证这里就不说了,控制台的网址是https://portal.qiniu.com/。关键要说的是对于普通人员用起来感觉困难的地方:

  • 如果你是程序员,当然最好的办法是根据api使用文档编写自己的接口,完成彻底的自动化工作。api文档地址是:https://developer.qiniu.com/kodo
  • 如果你懒得自己写,七牛有一组用这些API开发的工具供你选择,这些工具包括Windows之下的同步上传工具,命令行的QShell,还有另外两款辅助工具和迁移工具。我们今天的重点说QShell,说明及下载地址是:https://developer.qiniu.com/kodo/tools/1302/qshell
  • 首先在七牛网页控制台个人中心->秘钥管理中查询自己的AK和SK,这两个秘钥可好好记录下来。
  • 在控制台添加对象存储功能,添加时要填写一个存储的名字还有选一个服务器地理位置。添加完成从控制台左侧选择对象存储图标,屏幕右上角的位置会出现一个为你临时生成的域名xxxxx.bkt.clouddn.com,将来你存储到七牛云的文件,可以使用这个域名访问。七牛云专门说了这个域名是临时测试使用的,有访问次数和流量的限制,不过据说对于个人博客来说一般都够用了。不够用的可以根据说明捆绑域名。
  • 下载的qshell改一个短一点你喜欢的名字,我就直接叫qshell了,使用chmod +x qshell设置执行权限,然后移动到/usr/local/bin文件夹以便随时调用。
  • 第一次使用首先执行qshell account 你的ak 你的sk,这回在~/.qshell/生成一个文件account.json文件,其中保存了你的账户信息,以后执行qshell各项功能,就不需要再次登陆了。
  • 在电脑本地选择一个文件夹作为对应云端存储的本地空间,为了说明方便,我们假定是~/fileStorage/,在之下可以建立自己的目录结构并存储自己的各项文件,将来上传后,~/fileStorage/下面保存的文件,就对应到你七牛测试域名的根目录。随后在你的工程下面建立一个upload.conf文本文件,内容为: { //使用时请删除这些注释行 //本地存储路径 "src_dir" : "~/fileStorage", "bucket" : "你的存储名", //下面几项不用解释了吧,懂的就懂了,不懂翻译成中文还是不明白 "check_hash" : true, "check_exists" : true, "check_size" : true, "rescan_local" : true, //上传时保持目录结构 "ignore_dir" : false }
  • 假设你有一个文件,~/fileStorage/abc/def.jpg,上传后,使用http://xxxxx.bkt.clouddn.com/abc/def.jpg就能访问到。在你的jekyll文章中,使用![](http://xxxxx.bkt.clouddn.com/abc/def.jpg)可以把这张图片插入到你的文章中。
  • 上传的命令为:qshell qupload upload.conf,我一般把git的操作及qshell操作一起写入一个脚本,每次写完执行一次就同时完成了文章的上传和图片的上传。不怕献丑,贴出来我的脚本给你参考一下:
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
#!/bin/bash

git add . 
git commit -m "$1"
git push
qshell qupload qshellupload.conf
#此外,qshell还可以增加一个线程数参数,来并行上传加快速度,比如下面这条8线程上传:
#qshell qupload 8 qshellupload.conf
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2018-03-09 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
网页工具 | 综合计算分析确定了在癌细胞和T细胞中具有双重作用的治疗靶点
图片说明◉ 图1。ICRAFT的特征(A)ICRAFT整合了来自90项独立研究的168个体内和390个体外免疫相关筛选比较,以及来自83个队列的200万单细胞基因表达数据集和来自18个ICB试验队列的943名患者的RNA-seq数据。(B)癌症细胞扰动筛选比较的分解。(C)免疫细胞扰动筛选比较的分解。(D)83个scRNA-seq数据集概述。(E)临床试验参与者中943名患者在免疫治疗前的RNA-seq样本概述。另请参见图S1和表S1、S2和S3。◉ 图1。ICRAFT的特征(A)ICRAFT整合了来自90项独立研究的168个体内和390个体外免疫相关筛选比较,以及来自83个队列的200万单细胞基因表达数据集和来自18个ICB试验队列的943名患者的RNA-seq数据。(B)癌症细胞扰动筛选比较的分解。(C)免疫细胞扰动筛选比较的分解。(D)83个scRNA-seq数据集概述。(E)临床试验参与者中943名患者在免疫治疗前的RNA-seq样本概述。另请参见图S1和表S1、S2和S3。◉ 图1。ICRAFT的特征(A)ICRAFT整合了来自90项独立研究的168个体内和390个体外免疫相关筛选比较,以及来自83个队列的200万单细胞基因表达数据集和来自18个ICB试验队列的943名患者的RNA-seq数据。(B)癌症细胞扰动筛选比较的分解。(C)免疫细胞扰动筛选比较的分解。(D)83个scRNA-seq数据集概述。(E)临床试验参与者中943名患者在免疫治疗前的RNA-seq样本概述。另请参见图S1和表S1、S2和S3。◉ 图1。ICRAFT的特征(A)ICRAFT整合了来自90项独立研究的168个体内和390个体外免疫相关筛选比较,以及来自83个队列的200万单细胞基因表达数据集和来自18个ICB试验队列的943名患者的RNA-seq数据。(B)癌症细胞扰动筛选比较的分解。(C)免疫细胞扰动筛选比较的分解。(D)83个scRNA-seq数据集概述。(E)临床试验参与者中943名患者在免疫治疗前的RNA-seq样本概述。另请参见图S1和表S1、S2和S3。◉ 图1。ICRAFT的特征(A)ICRAFT整合了来自90项独立研究的168个体内和390个体外免疫相关筛选比较,以及来自83个队列的200万单细胞基因表达数据集和来自18个ICB试验队列的943名患者的RNA-seq数据。(B)癌症细胞扰动筛选比较的分解。(C)免疫细胞扰动筛选比较的分解。(D)83个scRNA-seq数据集概述。(E)临床试验参与者中943名患者在免疫治疗前的RNA-seq样本概述。另请参见图S1和表S1、S2和S3。
生信菜鸟团
2025/05/09
1270
网页工具 | 综合计算分析确定了在癌细胞和T细胞中具有双重作用的治疗靶点
Nature | 10万基因组项目的14,778名患者的39种肿瘤类型ecDNA的研究
生信菜鸟团
2024/11/23
2110
Nature | 10万基因组项目的14,778名患者的39种肿瘤类型ecDNA的研究
NATURE|人类突变特征
癌症基因组的体细胞突变是由在受精卵和癌细胞之间的细胞谱系中起作用的外源性和内源性突变过程引起的。每一个突变过程都可能涉及DNA损伤或修饰、DNA修复和DNA复制(正常或不正常)的组成部分,并产生一种特征性的突变特征,可能包括碱基替换、小的插入和缺失(indels)、基因组重排和染色体拷贝数变化。
作图丫
2022/03/29
2.4K0
NATURE|人类突变特征
现在发在NG上的癌症全面基因组分析跟几年前的有什么不同?
生信菜鸟团
2025/02/18
1260
现在发在NG上的癌症全面基因组分析跟几年前的有什么不同?
提供代码数据,向Nature学习如何用基因组数据来分析癌症的演化轨迹
某些基因的突变会驱动细胞不受控制地增殖并导致癌症。慢性髓性白血病(CML)中的费城染色体首次揭示了这种基因与癌症的关联<sup>1,2</sup>。然而,关于CML的发病轨迹、BCR-ABL1融合基因克隆扩增的速率及其如何影响疾病的认知仍然有限。通过对9名年龄在22至81岁之间的CML患者的1013个造血集落进行全基因组测序,我们重建了造血过程的系统发育树。研究发现,BCR和ABL1基因的内含子断裂并非总是出现,同时也观察到BCR基因中存在框外外显子断裂点,这需要通过外显子跳跃来形成BCR-ABL1融合基因。除了ASXL1和RUNX1突变外,其他额外的髓系基因突变主要存在于野生型细胞中。我们推断,由BCR-ABL1引起的爆发性增长在诊断前3-14年(置信区间为2-16年)即已开始,年增长率超过70,000%。在端粒长度较短的BCR-ABL1细胞中,突变积累更高,这反映了其过度的细胞分裂。克隆扩增速率与诊断时间呈负相关。普通人群中BCR-ABL1的检出情况与CML的发病率相符,而晚期和/或急变期CML的特征在于后续的基因组进化。这些数据突显了BCR-ABL1融合基因的强大致癌潜能,并与大多数癌症缓慢且连续的克隆演化轨迹形成了对比。
生信菜鸟团
2025/05/09
1090
提供代码数据,向Nature学习如何用基因组数据来分析癌症的演化轨迹
提供数据代码,想学基因组分析,看看这篇刚发在 Nature 的胃突变图谱分析就够了
◉ 这项研究的概述。从30名捐赠者身上采集了胃腺。◉ 对来自正常、发炎和/或化生胃组织的217个微解剖单个腺体以及21个胃癌腺体进行了全基因组测序,另外对829个微解剖(每个包含几个相邻的腺体)进行了深度靶向基因测序(seq.)。◉ 三个捐赠者的胃腺微解剖体中体细胞突变的VAF分布,按中位VAF着色。◉ 所有全基因组测序单个胃腺微解剖体(n=217)的中位VAF直方图。◉ 非癌症捐赠者胃腺的SNVs和indels数量与捐赠者年龄的关系图(n=79)。红色虚线表示基于混合效应模型的最大似然估计年龄和SNV突变负荷关系,灰色阴影区域表示95%置信区间。◉ d图中的P值是通过双侧方差分析测试获得的。◉ a图中的胃轮廓改编自Servier Medical Art(https://smart.servier.com/),采用国际CC BY 4.0许可。◉ a图中的激光捕获显微切割轮廓改编自参考文献8,Springer Nature Limited。◉ M代表男性;F代表女性。
生信菜鸟团
2025/04/11
1090
提供数据代码,想学基因组分析,看看这篇刚发在 Nature 的胃突变图谱分析就够了
文献分享----中国人群胰腺癌患者的致病性胚系变异
追风少年i
2025/03/10
780
文献分享----中国人群胰腺癌患者的致病性胚系变异
Nature: 泛癌突变特征,错过了TCGA但别错过它!
大家好,今天跟大家分享的是2020年发表在Nature(IF:43.07)杂志上的一篇文章:The repertoire of mutational signatures in human cancer.内外因素一直驱动着肿瘤基因组发生体细胞突变,在这一过程中形成了具有特征性的突变标签集。
生信菜鸟团
2020/07/21
2.8K0
Nature: 泛癌突变特征,错过了TCGA但别错过它!
肿瘤基因组测序数据高级分析--肿瘤基因组测序数据分析专栏
大多数肿瘤基因组综述类文章,对于数据分析部分只是介绍了基础分析部分,也就是从原始的 fastq 文件通过质控、比对、GATK流程、Call 变异最后得到 vcf 文件和拷贝数变异的结果就结束了。实际上,得到突变结果 vcf 文件后经过 VEP 或 ANNOVAR 等注释之后,还涉及到很多高级分析方法。主要可以分为以下几点:
生信菜鸟团
2021/10/12
4.4K0
单细胞测序系列(1)--单细胞全基因组测序
仅2018年,他的研究团队就发表了11篇单细胞测序方向文章,获得了单细胞测序领域的接连重要成果。他众多学术成果中,有40余篇论文发表在Cell, Nature, Science, Cell Stem Cell, Nature Genetics, Nature Cell Biology, Cell Research, Genome Research等期刊上。单细胞测序领域的时代前沿性,以及持续的发展力可见一斑。
用户6317549
2019/09/24
5.7K0
单细胞测序系列(1)--单细胞全基因组测序
综述 | 肿瘤缺氧促进基因组不稳定性和肿瘤进化
◉ 缺氧条件会导致细胞代谢的改变,从氧化磷酸化转向糖酵解(方框 1)。肿瘤内的缺氧亚区域也引发了一系列对基因组完整性的细胞内效应(左侧)。这包括减少 DNA 修复、DNA 复制压力和核苷酸突变(方框 2)。缺氧水平的增加伴随着拷贝数变异的增加、染色体不稳定性和表观遗传修饰的增加。肿瘤微环境由多种细胞类型(免疫细胞、基质细胞和内皮细胞)组成,并且在常氧与缺氧区之间可能有所不同。◉ 动态的缺氧梯度的存在引发了一系列细胞和组织反应,包括在严酷的低氧(O2)环境中细胞适应与细胞死亡之间的平衡、变化的免疫监视、不同的血管生成和灌注以及侵袭性和转移性表型的获得(中间)。这些过程共同驱动了患者内部的异质性。在具有相似肿瘤类型的患者群体中,缺氧的存在与否将决定对局部治疗(手术或放疗)、化疗、靶向治疗和免疫治疗的相对患者间异质性(右侧)。◉ 考虑到这些各种各样的细胞、肿瘤和宿主效应,缺氧伴随着更差的临床预后并不令人惊讶,因为这是由于在适应低 O2 水平期间出现的突变和侵略性表型。CAF,癌症相关成纤维细胞。
生信菜鸟团
2025/04/18
1460
综述 | 肿瘤缺氧促进基因组不稳定性和肿瘤进化
分子分类 | CancerCell | 使用紧凑特征集对非 TCGA 癌症样本进行 TCGA 分子亚型分类
生信菜鸟团
2025/02/18
1780
分子分类 | CancerCell | 使用紧凑特征集对非 TCGA 癌症样本进行 TCGA 分子亚型分类
Nature | 什么可以决定细胞的癌变能力?
◉ a–c,Kaplan-Meier 曲线显示 Skp2+/− 和 Skp2−/−(a),p27KI/+、p27KI/KI 和 Skp2+/−;p27CK−/CK−(b)以及 Cdk2−/− 和 Cdk1+/−;Cdk2−/−(c)基因型如何影响 DKO 小鼠视网膜中的肿瘤发生。通过 log-rank(Mantel–Cox)检验比较不同基因型与 DKO 的 P 值。◉ d,显示在指定小鼠基因型的 P10 视网膜中,AP2A+(无长突细胞)、ONECUT2 表达(OC2+)(水平细胞)和 SOX9+(穆勒细胞)细胞作为所有视网膜细胞百分比的量化结果。◉ e,显示在指定年龄和基因型的视网膜中,活性 caspase-3+ 细胞的数量。◉ f,AP2A+ 活性 caspase-3+ 细胞在所有 AP2A+ 无长突细胞中的百分比。◉ g,每张视网膜切片中衰老相关 β-半乳糖苷酶表达(SA-β-gal+)细胞的计数。◉ h,代表性流式细胞术直方图显示 P8 视网膜和脾脏中 B220+ B 细胞、CD3+ T 细胞、NKp46+ 自然杀伤(NK)细胞、CD11b+ 巨噬细胞/小胶质细胞和 CD45+ 白细胞的比例。◉ i,P8 视网膜中 GAL3+ 小胶质细胞作为所有视网膜细胞百分比的量化结果。d–g,i 中的数据为平均值 ± 标准差(每组 n = 6 只小鼠),星号表示指定基因型与 DKO 之间存在显著差异;使用 Bonferroni 校正的一般方差分析(ANOVA)。*P < 0.05;**P < 0.01。原始数据
生信菜鸟团
2025/06/08
830
Nature | 什么可以决定细胞的癌变能力?
对35种癌症的10,478名患者基因组进行候选驱动基因识别,英国10万基因组项目
生信菜鸟团
2024/11/23
1260
对35种癌症的10,478名患者基因组进行候选驱动基因识别,英国10万基因组项目
生信程序 | 量化癌症进化谱系中的细胞分裂 | Nature Genetics
◉ a,DNA聚合酶滑动导致多聚鸟嘌呤重复序列中插入缺失的示意图。◉ b,多聚鸟嘌呤突变在发育过程中积累,并作为分子条形码发挥作用。为简化起见,仅显示一个等位基因。◉ 多克隆正常组织样本的平均等位基因长度接近合子,因为它包含许多胚胎细胞谱系的后代。◉ 类似地,肿瘤样本的平均等位基因长度代表该样本最近共同祖先(MRCA)的基因型。◉ c,系统发生重建工作流程。◉ 左侧,患者TM32的四个样本中Sal21多聚鸟嘌呤区域的等位基因分布。◉ 红色虚线框表示正常样本的等位基因分布,用于与癌症样本进行比较。◉ 每个分布(方框)的平均值近似表示采样细胞MRCA的基因型。◉ 顶部中间:相对于正常样本,各样本中等位基因的平均长度。◉ 绿色表示缺失,紫色表示插入。◉ 顶部右侧:样本之间的成对L1距离。◉ 底部:基于此距离矩阵,构建了邻接法系统发生树。◉ d,L1距离随细胞分裂呈线性增长。◉ 模拟20个(左)或50个(右)多聚鸟嘌呤区域经过1,000次细胞分裂,每次分裂每个等位基因突变概率为µ。◉ 蓝线表示1,000次模拟的平均L1值;灰条表示模拟L1值的2.5和97.5百分位数;虚线表示细胞分裂次数与µ的乘积。◉ 数据通过在十次细胞分裂上应用滚动平均进行了平滑处理。◉ e,L1距离主要反映了从合子到肿瘤创始细胞之间的分裂次数。◉ 我们通过沿单一谱系模拟500次分裂(代表肿瘤启动前的分裂)来近似肿瘤的生命史,然后通过分支过程启动克隆扩增再进行500次分裂(代表肿瘤生长)。◉ 在肿瘤生长阶段后取样(10,000个细胞),我们发现L1距离仅比初始时增加了2.0%。
生信菜鸟团
2025/04/04
1200
生信程序 | 量化癌症进化谱系中的细胞分裂 | Nature Genetics
Nature 新文: 转移性实体瘤全基因组泛癌分析
Pan-cancer whole-genome analyses of metastatic solid tumours
作图丫
2022/03/29
9650
Nature 新文: 转移性实体瘤全基因组泛癌分析
惊!量化肿瘤样品的基因组不稳定性靠的是突变数量?
值得注意的是作者这里使用PhyloWGS算法的结果来代表肿瘤内部异质性,所有的生物学意义的结论都是基于这个假设。而且根据突变数量和CNV情况对样本进行分类,通过两个阈值可以把肿瘤病人分成4组:
生信技能树
2022/07/26
4400
惊!量化肿瘤样品的基因组不稳定性靠的是突变数量?
13+分析思路!基于NGS数据研究DNA聚合酶基因突变对癌症突变负荷和预后的影响!
与复制修复相关的DNA聚合酶的缺陷通常表现为超高的肿瘤突变负荷(TMB),这与对免疫治疗的反应相关。不同聚合酶变异的功能和临床意义仍不清楚。
作图丫
2022/03/29
3480
13+分析思路!基于NGS数据研究DNA聚合酶基因突变对癌症突变负荷和预后的影响!
从稀疏的表观基因组数据中快速分类脑肿瘤
◉ 简化的脑部手术流程时间表示意图。阶段包括以下内容:(1)诱导,涉及麻醉、患者定位以及神经导航调整(大约45-60分钟);(2)切开并进入肿瘤(大约30分钟);(3)肿瘤切除(大约60分钟)和(4)回缩并完成缝合(大约30分钟)。值得注意的是,60分钟的肿瘤切除阶段是获取分子诊断的关键时间窗口。然而,现有的分子诊断周转时间超过了手术过程的时长。◉ 朴素贝叶斯算法训练和预测过程的图示。多个肿瘤类别(m类)通过若干样本提供CpG甲基化比率(p特征)用于算法训练。训练涉及根据提供的样本(S₁,...,Sₙₘ)生成m个中心点(μ),描述每个肿瘤类别中n个CpGs(特征)的平均甲基化概率。此外,针对每个CpG和类别计算权重(w),反映特定肿瘤类别中CpG的预测能力。在给定样本中进行肿瘤类别预测时,单个分子的稀疏二进制甲基化值——例如通过纳米孔测序获得——作为预训练伯努利朴素贝叶斯模型的输入。输出包含模型中所有肿瘤类别的后验概率排名列表。◉ MethyLYZR训练时间的基准分析,基于已发布的中枢神经系统450k甲基化阵列数据,涵盖91个肿瘤类别,总计2801个样本。训练在单核上执行,使用戴尔PowerEdge R7525服务器(3 GHz AMD 64核处理器,256 CPU,1031.3 GB DDR4内存,Linux系统)和苹果iMac Pro(3 GHz 10核Intel Xeon W,64 GB 2666 MHz DDR4内存,1 TB APFS SSD,Radeon Pro Vega 56 GPU,8 GB VRAM,macOS 13.2.1)。值得注意的是,中心点和权重训练在服务器上不到20分钟完成,在iMac Pro上不到40分钟完成。
生信菜鸟团
2025/03/21
710
从稀疏的表观基因组数据中快速分类脑肿瘤
18 种人类癌症中的基因表达深度剖析 | Nature Biomedical Engineering
◉ 我们从常见的微阵列平台下载了18种癌症类型的基因表达数据集,进行了预处理并将其合并成特定于癌症的表达矩阵。总共,我们拥有来自超过1000个GEO数据集的50000多个样本。◉ 我们将表达矩阵传递给深度学习模型以学习特定于癌症的潜在空间。◉ 深度学习模型是VAE(变分自编码器)的集合,它将高维表达信号编码到一个具有生物学意义的‘潜在空间’。◉ 然后我们将训练样本映射到学习到的潜在空间,并定义了癌症样本的‘嵌入’,其中每个深度配置文件潜在变量编码了癌症样本中的某些变异来源。◉ 我们将学习到的嵌入传递给解释器模型,以提取每个潜在变量的‘基因层面和通路层面贡献’。◉ 基因层面贡献表示每个基因对潜在变量的贡献程度。◉ 同样地,通路层面贡献表示与每个潜在变量最重要的基因显著相关的通路。◉ 使用特定于癌症的嵌入和贡献,我们进行了详细的泛癌分析,包括(1)分析18种癌症的潜在空间以发现癌症共同和特异性模式,(2)通过对比癌症嵌入和正常组织嵌入来区分癌症特异性模式和组织特异性模式,以及(3)通过整合深度配置文件嵌入、生存率和肿瘤突变负荷谱来研究生存和突变相关信号(扩展数据图1和2)。◉ 图1的部分内容是使用Servier Medical Art中的图片绘制的。◉ Servier Medical Art由Servier提供,遵循知识共享署名3.0通用许可协议(https://creativecommons.org/licenses/by/3.0/)。◉ (注:部分文字被省略以符合示例格式)
生信菜鸟团
2025/04/11
1210
18 种人类癌症中的基因表达深度剖析 | Nature Biomedical Engineering
推荐阅读
网页工具 | 综合计算分析确定了在癌细胞和T细胞中具有双重作用的治疗靶点
1270
Nature | 10万基因组项目的14,778名患者的39种肿瘤类型ecDNA的研究
2110
NATURE|人类突变特征
2.4K0
现在发在NG上的癌症全面基因组分析跟几年前的有什么不同?
1260
提供代码数据,向Nature学习如何用基因组数据来分析癌症的演化轨迹
1090
提供数据代码,想学基因组分析,看看这篇刚发在 Nature 的胃突变图谱分析就够了
1090
文献分享----中国人群胰腺癌患者的致病性胚系变异
780
Nature: 泛癌突变特征,错过了TCGA但别错过它!
2.8K0
肿瘤基因组测序数据高级分析--肿瘤基因组测序数据分析专栏
4.4K0
单细胞测序系列(1)--单细胞全基因组测序
5.7K0
综述 | 肿瘤缺氧促进基因组不稳定性和肿瘤进化
1460
分子分类 | CancerCell | 使用紧凑特征集对非 TCGA 癌症样本进行 TCGA 分子亚型分类
1780
Nature | 什么可以决定细胞的癌变能力?
830
对35种癌症的10,478名患者基因组进行候选驱动基因识别,英国10万基因组项目
1260
生信程序 | 量化癌症进化谱系中的细胞分裂 | Nature Genetics
1200
Nature 新文: 转移性实体瘤全基因组泛癌分析
9650
惊!量化肿瘤样品的基因组不稳定性靠的是突变数量?
4400
13+分析思路!基于NGS数据研究DNA聚合酶基因突变对癌症突变负荷和预后的影响!
3480
从稀疏的表观基因组数据中快速分类脑肿瘤
710
18 种人类癌症中的基因表达深度剖析 | Nature Biomedical Engineering
1210
相关推荐
网页工具 | 综合计算分析确定了在癌细胞和T细胞中具有双重作用的治疗靶点
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验