我用rmarkdown写过的教程

Featured

用rmarkdown写教程真心非常方便,尤其是R语言相关的,比如一些R包的应用,或者一些可视化,或者一些统计,下面我简单列出一些我以前写过的,图文并茂,关键是还非常省心,不需要排版,不需要上传图片,整理图片。

一般来说看链接最后的文件名就知道这篇文章讲的是什么了:

Continue reading

一个MeDIP-seq实战-超级简单-2小时搞定!

Featured

请不要直接拷贝我的代码,需要自己理解,然后打出来,思考我为什么这样写代码。
软件请用最新版,尤其是samtools等被我存储在系统环境变量的,考虑到读者众多,一般的软件我都会自带版本信息的!
我用两个小时,不代表你是两个小时就学会,有些朋友反映学了两个星期才 学会,这很正常,没毛病,不要异想天开两个小时就达到我的水平。

MeDIP-seq 跟ChIP-seq的分析手段是一模一样的,同理hMeDIP-seq,caMeDIP-seq等等,都没有本质上的区别,只是用的抗体不一样而已,请自行搜索基础知识,我只讲数据分析。

一个ChIP-seq实战-超级简单-2小时搞定!

一个RNA-seq实战-超级简单-2小时搞定!

Continue reading

09

第30周-乳腺癌病人的原位癌多点采样测序看异质性

乳腺癌病人的原位癌多点采样测序看异质性

于2015年发表在 Nature Medicine杂志,标题是:Subclonal diversification of primary breast cancer revealed by multiregion sequencing 来自于:Cancer Genome Project, Wellcome Trust Sanger Institute, Hinxton, UK.
对50个患者取了303个样进行测序,其中13个是WGS,剩余的290个取样只是特定基因的捕获测序。偏偏是没有WES的数据。

Continue reading

30

第29周-FGFR3-TACC3基因融合机制探究

FGFR3-TACC3基因融合机制探究

文章发表于2018年1月,在大名鼎鼎的nature杂志上面,题目是;A metabolic function of FGFR3-TACC3gene fusions in cancer, 美国哥伦比亚大学医学中心(CUMC)的研究人员发现两个相邻基因的融合能够导致线粒体过度运转和增加细胞疯狂生长所需的燃料数量,从而导致癌症产生。他们也发现在人癌细胞和一种脑癌类型的小鼠模型中,靶向这个新鉴定出的癌症通路的药物能够阻止肿瘤生长。
全文的重点应该是实验探索及验证FGFR3-TACC3基因融合机制。

Continue reading

13

第27周-过继性T细胞治疗(adoptive T-cell therapy,ACT)

文章是 Immune recognition of somatic mutations leading to complete durable regression in metastatic breast cancer 发表于 Nature Medicine (2018) 重点在实验设计环节,但是现在的大文章或多或少都引入多组学数据,本文也不例外,实验纳入的唯一一个病人既做了全外显子又做了转录组测序,还有单细胞测序。不过数据公开的是 PRJNA342632 for exome data and PRJNA243084 for RNA-seq data Continue reading

01

2433个乳腺癌患者的173个基因的突变全景图

2433个乳腺癌患者的173个基因的突变全景图

发表于2016年的NC,The somatic mutation profiles of 2,433 breast cancers refine their genomic and transcriptomic landscapes 可以说后续做乳腺癌人群队列突变研究的都需要引用这篇文章的数据结果,里面涉及到的分析要点也比较多,都是比较容易重现的。

Continue reading

20

这可能是我见过最简单的一篇SCI了

多批次WES数据该肿么办

批次很多时候无法避免,比如文章 Biomed Res Int. 2014 . doi: 10.1155/2014/319534 就提到:

In large WES studies, some samples are occasionally sequenced twice or even more times due to a variety of reasons, for example, insufficient coverage in the first experiment, sample duplication, and the rest. It is challenging how to best utilize these duplicated exomes for SNP discovery and genotype calling, especially with batch effects taken into consideration.

Continue reading