腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
圈层
工具
MCP广场
文章/答案/技术大牛
搜索
搜索
关闭
发布
首页
学习
活动
专区
圈层
工具
MCP广场
返回腾讯云官网
生信菜鸟团
专栏成员
举报
974
文章
1468923
阅读量
180
订阅数
订阅专栏
申请加入专栏
全部文章（974）
数据（470）
模型（160）
数据库（127）
https（113）
数据分析（103）
网络安全（96）
工具（93）
函数（82）
可视化（70）
编程算法（61）
data（61）
队列（57）
cell（52）
系统（50）
编码（48）
对象（47）
软件（46）
算法（46）
网络（46）
python（43）
变量（42）
测试（42）
开发（41）
服务器（39）
统计（38）
github（36）
nat（34）
sql（33）
基础（31）
芯片（29）
机器学习（27）
git（27）
na（27）
事件（27）
开源（26）
腾讯云开发者社区（26）
连接（26）
索引（25）
异常（25）
人工智能（24）
linux（23）
程序（23）
设计（23）
数据挖掘（21）
数据处理（21）
排序（21）
性能（21）
深度学习（20）
迁移（20）
搜索（20）
table（19）
脚本（19）
量化（18）
神经网络（17）
meta（17）
表格（17）
工作（17）
html（16）
存储（16）
教程（16）
框架（16）
list（15）
后台（14）
go（13）
markdown（13）
配置（13）
线程（13）
ide（12）
网站（12）
笔记（12）
管理（12）
geo（11）
图表（11）
协议（11）
file（10）
marker（10）
编程（10）
登录（10）
集合（10）
镜像（10）
内存（10）
http（9）
容器（9）
翻译（9）
效率（9）
压缩（9）
优化（9）
读书笔记（8）
容器镜像服务（7）
线性回归（7）
tcp/ip（7）
数据结构（7）
com（7）
count（7）
int（7）
methods（7）
pdf（7）
plot（7）
学习笔记（7）
字符串（7）
医疗（6）
conda（6）
element（6）
ggplot2（6）
label（6）
matrix（6）
object（6）
工作流（6）
终端（6）
缓存（5）
正则表达式（5）
微信（5）
input（5）
size（5）
text（5）
txt（5）
编译（5）
产品（5）
浏览器（5）
原理（5）
源码（5）
mac os（4）
php（4）
bash（4）
r 语言（4）
bootstrap（4）
api（4）
访问管理（4）
渲染（4）
express（4）
windows（4）
教育（4）
pca（4）
subset（4）
time（4）
部署（4）
插件（4）
二进制（4）
公众号（4）
解决方案（4）
权限（4）
数据类型（4）
调试（4）
对象存储（3）
官方文档（3）
javascript（3）
node.js（3）
jquery（3）
json（3）
typescript（3）
硬件开发（3）
打包（3）
matlab（3）
文件存储（3）
SSL 证书（3）
检测工具（3）
文字识别（3）
腾讯云测试服务（3）
图像处理（3）
自动化（3）
numpy（3）
scikit-learn（3）
anaconda（3）
数据可视化（3）
bug（3）
crc（3）
draw（3）
expression（3）
heatmap（3）
image（3）
merge（3）
min（3）
profile（3）
project（3）
server（3）
signature（3）
width（3）
编辑器（3）
工程化（3）
科技（3）
命令行（3）
实践（3）
视频（3）
通信（3）
语法（3）
区块链（2）
c++（2）
qt（2）
爬虫（2）
shell（2）
卷积神经网络（2）
监督学习（2）
决策树（2）
gcc（2）
信息流（2）
云计算（2）
聚类算法（2）
ascii（2）
学习方法（2）
图像分析（2）
analysis（2）
axis（2）
bi（2）
class（2）
coding（2）
csv（2）
cut（2）
d3（2）
database（2）
date（2）
download（2）
frame（2）
fs（2）
global（2）
height（2）
lapply（2）
md5（2）
mono（2）
nas（2）
null（2）
panel（2）
pipeline（2）
position（2）
post（2）
ps（2）
ref（2）
row（2）
rstudio（2）
sample（2）
scale（2）
screen（2）
sed（2）
set（2）
shiny（2）
snakemake（2）
split（2）
tar（2）
tfs（2）
using（2）
variant（2）
报表（2）
布局（2）
代理（2）
技巧（2）
集群（2）
计算机（2）
架构（2）
进程（2）
论文（2）
配色（2）
日志（2）
入门（2）
数学（2）
主机（2）
费用中心（1）
NLP技术（1）
ios（1）
xcode（1）
c 语言（1）
perl（1）
css（1）
ecmascript（1）
android（1）
makefile（1）
access（1）
analyzer（1）
ubuntu（1）
windows server（1）
bash 指令（1）
spring（1）
mapreduce（1）
云直播（1）
腾讯云可观测平台（1）
命令行工具（1）
NAT 网关（1）
知识图谱（1）
腾讯专有云 PaaS 平台（1）
数据备份（1）
企业（1）
生物基因（1）
数据安全（1）
云联网（1）
serverless（1）
spark（1）
html5（1）
hive（1）
grep（1）
scrapy（1）
rpc（1）
模式识别（1）
无监督学习（1）
ntp（1）
大数据（1）
安全（1）
防火墙（1）
jupyter notebook（1）
分类算法（1）
腾讯会议（1）
功能测试（1）
es（1）
accessibility（1）
ads（1）
aes（1）
agent（1）
alignment（1）
apple（1）
architecture（1）
area（1）
auto（1）
awk（1）
aws（1）
breakpoints（1）
bundle（1）
chatgpt（1）
colors（1）
compare（1）
core（1）
dataset（1）
db（1）
deprecated（1）
distance（1）
double（1）
dt（1）
edge（1）
error（1）
export（1）
extract（1）
figure（1）
formula（1）
function（1）
gc（1）
gd（1）
gmp（1）
gpt（1）
graph（1）
grid（1）
gsm（1）
h2（1）
hdf5（1）
header（1）
homebrew（1）
identity（1）
integration（1）
intervals（1）
io（1）
key（1）
limit（1）
line（1）
load（1）
location（1）
ls（1）
mac（1）
map（1）
match（1）
max（1）
mef（1）
memory（1）
mock（1）
model（1）
native（1）
nodes（1）
normalization（1）
numeric（1）
ode（1）
openssh（1）
package（1）
parquet（1）
pdo（1）
pip（1）
plotly（1）
png（1）
profiling（1）
proxy（1）
reference（1）
regression（1）
roc（1）
save（1）
scp（1）
select（1）
shared（1）
slide（1）
state（1）
string（1）
summary（1）
tail（1）
target（1）
tibble（1）
title（1）
tmux（1）
token（1）
traits（1）
tree（1）
trim（1）
types（1）
ui（1）
umi（1）
unique（1）
var（1）
variables（1）
web（1）
window（1）
workflow（1）
x86（1）
zero（1）
百度（1）
版本管理（1）
备份（1）
编程语言（1）
编译器（1）
播客（1）
操作系统（1）
存储过程（1）
代码质量（1）
递归（1）
地图（1）
多线程（1）
高性能（1）
行业（1）
继承（1）
兼容性（1）
快捷键（1）
路由器（1）
模块化（1）
内核（1）
数据管理（1）
数据科学（1）
数组（1）
思维导图（1）
同步（1）
拖拽（1）
研发（1）
隐私（1）
域名（1）
重定向（1）
数据转换（1）
机器学习算法（1）
标签（1）
搜索文章
搜索
搜索
关闭
Nature | 西湖大学，gsMap：空间+转录组+基因组+性状联合分析，可将空间基因表达与复杂性状相关联
统计
数据库
开发
排序
数据
◉ gsMap 首先使用图神经网络 (GNN) 学习嵌入表示，这些嵌入整合了基因表达水平、空间坐标，并可选地整合细胞类型注释先验信息。◉ 随后，gsMap 根据嵌入中的余弦相似性为每个位点识别同质位点，以形成一个微区域。◉ 每个位点依次被视为焦点位点，并通过将基因在微区域内的平均排名除以其在整个空间转录组 (ST) 切片中的平均排名，计算每个基因在每个焦点位点的特异性得分。◉ D，位点的微区域；F，基因表达特异性；G，位点空间图；R，排名；X，基因表达矩阵；Z，嵌入表示。◉ 然后，基于每个位点的 GSS（基因空间特异性得分）与其到转录起始位点 (TSS) 的距离以及 SNP 到基因的链接图，将这些 GSS 映射到单核苷酸多态性 (SNP)，从而为每个位点生成一组独特的 SNP 注释。◉ 对于每个位点的 SNP GSS 注释，gsMap 使用分层连锁不平衡回归 (S-LDSC) 来评估具有更高 GSS 的 SNP 是否对目标性状的遗传力有显著富集。◉ LD，连锁不平衡。◉ 为了量化某个空间区域与性状关联的显著性，gsMap 使用柯西组合检验来聚合该空间区域内位点的 P 值。
生信菜鸟团
2025-05-23
87
0
转录组 | Nat.Genet | 扰动图谱的转录组范围差异表达分析
数据
统计
nat
量化
模型
◉ a，TRADE 分析的示意图，从条件性的基因表达计数开始，到估计的 log2FC 分布结束。◉ b，各种模拟效应大小分布的估计（95% 为零的点正态分布，75% 为零的点正态分布，无限小/正态分布）。紫色轨迹表示真实效应大小分布；灰色轨迹表示跨 100 次重复的估计分布。◉ c，在模拟中估计的和真实 TI 的比较。每个箱线图由 100 次独立模拟组成。FC 表示倍数变化；s.e. 表示标准误差。
生信菜鸟团
2025-05-23
34
0
多组学 | Cell | 人类蛋白质组分布图谱用于组织特异性血浆蛋白质组动态研究
数据
系统
cell
队列
开发
◉ 图1. 样本和实验策略的概述 (A) 预测对血浆蛋白质组有很大影响的器官和细胞从每个器官和细胞类型至少三个个体中收集或分离。◉ (B) MS实验设计的示意图概览。组织和细胞被均质化并通过SDS-PAGE进行分馏，然后以DDA模式进行LC-MS/MS分析以构建光谱测定文库。◉ 未分馏的组织和细胞样本使用DIA-MS重新分析，生成了156个蛋白质组图谱，并利用光谱文库提取蛋白质的身份和数量（称为HATLAS）。◉ (C) 组织或细胞标签分配策略的示意图概览。◉ (D和E) HATLAS蛋白质组图谱中所有已识别蛋白质的结果UMAP图，突出显示了蛋白质-组织关联。◉ 颜色表示不同的标签分配（单一标签、多标签或常见）。对所有组织分配的蛋白质进行了功能富集分析，并显示了一部分组织的结果（E）。◉ 颜色代表不同的组织，符号大小表示观察到的成功次数，例如该注释簇中的蛋白质数量。另见图S2。
生信菜鸟团
2025-05-23
54
0
综述 | Nat.Rev.Immunol | 癌症免疫逃逸、免疫编辑和肿瘤内异质性
迁移
工程化
模型
数据
nat
◉ 免疫编辑与免疫逃逸之间的动态关系定义了肿瘤内异质性（ITH）。◉ 在肿瘤进化过程中，亚克隆获得的遗传和表观遗传改变导致了ITH。◉ 在免疫编辑的背景下，T细胞介导的免疫原性癌细胞的杀伤会导致免疫抗性亚克隆的克隆选择，并减少ITH。◉ 抵抗免疫介导消除的肿瘤细胞会进一步多样化，这会导致ITH增加，而免疫介导压力的增加则可以减少ITH。◉ 持续获得赋予免疫逃逸的特征进一步阻碍了免疫编辑。◉ 不同类别的免疫逃逸机制可以在不同程度上阻碍免疫编辑，尤其是在区域或全局的免疫逃逸机制背景下，包括组织特异性免疫逃逸。◉ 高ITH和亚克隆肿瘤抗原呈递可以通过无效的抗肿瘤T细胞活化进一步促进免疫逃逸。
生信菜鸟团
2025-05-23
70
0
数据库 | NAR | scLTdb：一个全面的单细胞谱系追踪数据库
工具
函数
可视化
数据
数据库
◉ 图3. scLTdb的数据总结。A 部分展示了从2017年到2024年累积的scLT数据集数量，颜色代表条形码类型。◉ B 部分按物种和条形码类型汇总的数据集数量。◉ C 部分的柱状图展示了不同组织来源的scLT数据集数量。◉ D 部分的点图显示了每个数据集的条形码检测率和唯一条形码数量，颜色代表scLT技术，形状代表条形码类型。
生信菜鸟团
2025-05-23
65
0
基因组 | Nat.Genet | InDel 新分类系统
模型
数据
系统
nat
队列
◉ a，TP53缺失的hTERT永生化视网膜色素上皮细胞（hTERT-RPE1TP53缺失，以下简称背景对照）中的突变积累实验。◉ b，CRISPR基因编辑的InDel负担和平均InDel倍数增加（每种基因型有2-5个亚克隆；补充表1-3）。◉ 红色虚线表示对照亚克隆的InDel负担均值。y轴以对数尺度显示InDel负担。◉ c，区分编辑亚克隆与背景对照的COSMIC-83 InDel特征。浅蓝色误差条表示未编辑对照的n=100次自举InDel特征与背景特征之间的余弦相似度的均值±3个标准差（扩展数据图1d），汇总自n=7个未编辑亚克隆。◉ x轴以对数尺度显示InDel数量。◉ d，减去背景后的基因编辑相关的COSMIC-83 InDel突变特征（补充表4）。◉ e，COSMIC ID1、ID2和ID7的关键特征（v.3.3）。◉ f，基因编辑ID与COSMIC ID之间的余弦相似度热图（v.3.3）。已知和提出的病因标注在热图上方（蓝色）。◉ g，将d中基因编辑InDel特征分解为COSMIC ID（v.3.3）的解决方案。
生信菜鸟团
2025-05-23
25
0
精准医学 | Nat.Med | 通过脑脊液循环肿瘤DNA分析进行中枢神经系统转移的风险分层和匹配治疗
变量
队列
模型
数据
nat
◉ 研究设计的流程图。总共纳入了584名患有晚期非小细胞肺癌和中枢神经系统转移的患者作为初始队列。◉ 收集了与时间匹配的临床病理信息（n = 584）和影像学数据（n = 386），以确定影响脑脊液循环肿瘤DNA（ctDNA）脱落的因素。◉ 所有患者均进行了长期随访，并被纳入生存分析。◉ 在447名患者中，可以获取脑脊液采集后的治疗史，包括接受脑脊液ctDNA指导治疗的患者。◉ 除了初始队列外，还纳入了另一个由106名具有脑脊液样本的患者组成的队列，用于验证预后模型。◉ 除了脑脊液样本外，还收集了302对肿瘤样本，用于定义脑脊液特异性特征。◉ 已发表文献中的中枢神经系统转移基因组学数据也被纳入（n = 367）。◉ 在初始队列中，有122名患者在不同时间点至少采集了2次脑脊液样本。◉ 所有样本均进行了下一代测序（NGS）。
生信菜鸟团
2025-05-23
47
0
DNBC4tools—华大DNBelab系列单细胞分析pipeline
pipeline
后台
脚本
数据
线程
DNBseq（DNA Nanoball Sequencing） 是华大基因自主研发的高通量测序技术，核心基于 DNA纳米球（DNA Nanoball，DNB）和高密度测序芯片。与传统NGS技术（如Illumina的桥式PCR扩增）不同，DNBseq避免了PCR扩增导致的重复误差，通过线性扩增生成单链DNA纳米球，结合联合探针锚定聚合（cPAS）技术进行测序。
生信菜鸟团
2025-05-21
152
0
玩转 TCGA 数据库 - 生存分析（三）
数据库
meta
变量
事件
数据
生存分析：事件的结果和出现这一结果所经历的事件结合起来分析的一种方法。通常情况下，我们设定一个入组时间区间，在这个区间内搜寻患者的第一次患病时间称为起始时间，当过了这个入组时间区间，我们就不再收集患者了，当患者发生终点事件（比如死亡）时，我们记录此事件为终点时间。同时实验会设置一个实验截止时间，实验终止后患者仍未发生终点事件我们将实验截止时间记录为这个患者的终点时间，但终点事件记录为删失。
生信菜鸟团
2025-05-21
154
0
读《糖生物学基础》第四版
工具
基础
开发
数据
数据库
《糖生物学基础》是咱们生信书房推荐的第63本书。我接触糖生物学的时间不长，大约2022年，当时一个项目是做单细胞水平的糖基化测序。那是人生初见，就从教科书学起，当时买了糖生物学方面的两本书：
生信菜鸟团
2025-05-18
61
0
scATAC-seq分析之Signac Motif富集分析
可视化
数据
数据分析
对象
函数
对scATAC-seq数据进行清洗质控【scATAC-seq数据分析之数据读入及质控】、注释以及进行差异peaks分析【scATAC-seq数据分析之标准分析流程】之后，后续的分析框架和方向与scRNA-seq分析（例如差异基因富集分析、拟时序分析和分化分析）及传统的bulk ATAC-seq分析（例如motif富集分析， motif footprinting）类似。本文基于Signac官方教程，介绍一下scATAC-seq数据的DNA 序列基序（motif）富集分析（https://stuartlab.org/signac/articles/motif_vignette）。
生信菜鸟团
2025-05-18
74
0
scATAC-seq数据分析之标准分析流程
数据
数据分析
对象
函数
可视化
在上一篇推文【scATAC-seq数据分析之数据读入及质控】中，我们介绍了如何使用 R 包 Signac 进行 scATAC-seq 数据的读取与质控。本节将继续讲解如何基于 Signac 执行标准的分析流程。
生信菜鸟团
2025-05-18
104
0
玩崩服务器-为什么只有我登录不上
浏览器
网络
防火墙
登录
服务器
共享服务器开放Rstudio-server登录端口，一般在浏览器就可以直接访问。但是有时候会因为一些问题导致无法登陆或登陆需要较长时间。我们也在服务器使用文档提供了相应的解决方法，主要有：端口、域名、用户名和密码、网络及代理、磁盘空间、RStudio缓存等。具体请参考文档 【Q6】。
生信菜鸟团
2025-05-17
39
0
生信程序 | NatMethods | scMultiSim：专用于单细胞多模态数据模拟
编码
测试
程序
模型
数据
◉ 输入、输出和用例。所需的最小输入是一个描述细胞类型分化关系的细胞分化树。它控制输出中的细胞轨迹或聚类。建议用户提供真实存在的GRN来指导模拟。用户也可以为CCI提供真实数据，并通过各种参数控制每个模拟的生物学效应。◉ scMultiSim的整体结构。scATAC-seq数据（iv）首先使用CIFs（i）和RIVs（iii）生成。用于生成scRNA-seq数据（vi）的动力学参数使用GIVs（ii）、CIFs（i）和带有区域到基因矩阵（v）的scATAC-seq数据进行准备。使用这些参数，当需要RNA速度时将使用完整的动力学模型，当运行速度更重要时将使用beta-Poisson模型来生成scRNA-seq数据（vii）。当启用CCI时，scMultiSim采用一种多步骤方法，同时考虑时间和空间（viii）。通过模拟的真实计数（ix），可以添加技术噪声和批次效应以获得观察到的计数（x）。◉ ,
生信菜鸟团
2025-05-17
85
0
细胞图谱 | Cell | 人类免疫细胞中的亚洲多样性
cell
变量
队列
模型
数据
◉ 图1. AIDA中的人类多样性 (A) 饼图表示AIDA中的细胞和其他健康血液（不包括脐带血和静脉血）在CZ CELLxGENE普查2023-12-15版本中的主要数据集。圆圈的半径与细胞数量成正比，切片的颜色由自报的种族元数据决定。(B) AIDA捐赠者人口统计（SG：新加坡人）。(C) 研究地点位置。改编自BioRender模板（出版许可KZ26TPRFSH）。(D) 来自AIDA Illumina GSAv3基因型PCA的前三个PC的图；颜色指示捐赠者的自报种族。另见图S1和表S1。◉ ,
生信菜鸟团
2025-05-17
73
0
综述 | Cell | 从老年生物学到精准老年医学：理解和管理衰老
管理
数据
系统
优化
cell
◉ 图1。衰老的14个特征的示意图概述及其在初级、拮抗和整合层面上在衰老过程中的作用。注意，与2023年在《细胞》杂志上发表的关于12个衰老特征的旧描述相比，这里新增了2个特征。这2个特征是"细胞外基质变化"和"心理社会隔离"。
生信菜鸟团
2025-05-17
239
0
AI | 看顶刊是如何用大语言模型来辅助诊断疾病的
性能
医疗
架构
模型
数据
◉ 语言模型技术可以定位数字化医疗记录中对自闭症诊断至关重要的句子。（A）超过4,000份纸质自由格式的医疗专业人员报告，用法语记录了超过1,000名儿童在四年期间的评估，被扫描并转换为PDF格式，文本被解析：我们使用了一种计算机视觉光学字符识别（OCR）管道，将每一份健康记录转换为一种纯文本格式，该格式可以在语言模型框架下完全操作。（B）通过将每一份报告中的每个句子单独输入到一个基于法语RoBERTa的语言模型主干中，该主干在128亿词令牌的一般用途文本上进行了预训练，从而促进了句子级别的分析。◉ 这将句子编码到一个语义丰富且可量化的嵌入空间中。单词被分词为一种可被模型操作的格式，随后由我们的预训练模型作为密集向量嵌入到连续空间中，并结合了捕获序列中单词顺序的位置编码。◉ 句子嵌入是通过均值池化我们预训练语言模型产生的单词嵌入表示来构建的，形成了我们解释性管道的基本单元。下一个处理组件是一个可训练的单头注意力模块，它联合训练以精确定位并优先加权那些对诊断分类最有帮助的语言模型嵌入句子，从而自动识别每一份医疗专业人员报告中的重要句子级别信息。◉ 然后，整个报告嵌入是通过句子嵌入的加权平均构建的。最终模块是一个线性分类层，根据注意力引导的报告嵌入预测最终共识诊断。◉ 这个两部分模型，包括预训练的主干和单头注意力层，在端到端的方式下针对超过4,000份报告进行了微调，以预测诊断。这一微调过程将嵌入空间塑造成一种具有自闭症意识的语义空间，其中每个句子嵌入反映了其与潜在自闭症诊断的关系。
生信菜鸟团
2025-05-17
54
0
基础模型 | 构建高性能医疗基础模型的数据高效策略
模型
数据
医疗
高性能
基础
◉ 第一阶段从受控的生成式人工智能上创建大规模的合成医疗数据，该人工智能是在真实世界的医疗数据上训练的。◉ 第二阶段通过在合成数据和真实数据上使用两阶段的自监督学习技术来构建基础模型。◉ 第三阶段使用带有明确标签的数据上的监督微调来将基础模型适应到下游任务。
生信菜鸟团
2025-05-17
70
0
中性粒细胞减少的再思考：从感染防控到肿瘤免疫调控
变量
系统
异常
很多化疗药物都会对骨髓造血产生直接的影响导致骨髓抑制，其中中性粒细胞作为白细胞的主力军备受关注。
生信菜鸟团
2025-05-15
86
0
玩转服务器—让后台任务管理变得轻松可控
管理
进程
线程
终端
服务器
前面我们已经学习了如何提交任务到后台：玩转服务器—从前台到后台，让你的任务无忧运行，但是在服务器的日常使用中，提交后台后可能又会面临：
生信菜鸟团
2025-05-14
83
0
点击加载更多
活动推荐
社区活动
Python精品学习库
代码在线跑，知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客，速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·干货材料·成员作品 最新动态
立即查看
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
不再提示
