一个星期前我指出来了R语言包开发的一个现象：R语言的繁荣背后何尝没有隐患，很多函数名字被多个R包使用，这样就出现了冲突，所以我们需要显示调用具体的某个R包的某个函数。
六
22
Category Archives: 未分类
六
22
跟着Nature Medicine学MeDIP-seq数据分析
六
22
繁荣背后何尝没有隐患
R语言的繁荣是毋庸置疑的，至少在科研界的地位蒸蒸日上，极大的占领了原来属于各种商业绘图软件的市场。不仅仅是在于其免费的属性，更重要的是随心所欲地自由定制。
但是参与的玩家多了之后，也会出现一些冲突。最近在运行一些三五年前的代码报错了，引发了我的思考。
六
22
多时间点取样的病人个免疫细胞亚群动态变化探索（CNS图表复现19）
文章提到其单细胞转录组数据是：We used scRNA-seq to profile 49 samples (45 lung adenocarcinomas, 1 squamous cell carcinoma, and 3 tumor adjacent tissues [TATs]) (Figure 1A), corresponding to 30 individual patients.
我们可以使用下面的代码检查临床属性： Continue reading
六
22
读取GEO数据库的单细胞转录组表达矩阵文本文件的一种方式
六
22
第三次分群，以T细胞为例（CNS图表复现20）
前面我们展现了 CNS图表复现08—肿瘤单细胞数据第一次分群通用规则，然后呢，第二次分群的上皮细胞可以细分恶性与否，免疫细胞呢，细分可以成为: B细胞，T细胞，巨噬细胞，树突细胞等等。实际上每个免疫细胞亚群仍然可以继续精细的划分，以文章为例：
六
22
单细胞差异表达简单探索
翻译自：https://constantamateur.github.io/2020-10-24-scBatch2/
更多教程见其博客： https://constantamateur.github.io/2020-04-10-scDE/
为什么 bulk RNA-seq 差异表达在单细胞世界中不是最有用的
六
22
常规转录差异建议都加上一个转录因子数据
常规的转录表达矩阵分析大家都应该是不陌生了，不管是芯片还是测序，最后都是表达矩阵走差异分析的流程。但这样仅仅是定位到基因集，生物学功能通路等等，如果讲一个完整的生物学故事有点单薄。以前我写过教程：基因集的转录因子富集分析，是一个算法层面的解决方案，不过在很多唯实验数据论的生物学家来看仍然是不够solid，其实可以加上一个真实的转录因子数据，我最近就看到了一个把转录组数据加上转录因子数据联合分析的非常好的文献。
六
22
并不一定要单细胞转录组才能看肿瘤免疫微环境个细胞亚群比例
我注意到绝大部分肿瘤相关的单细胞转录组研究的落脚点都是在肿瘤免疫微环境个细胞亚群比例，包括 B细胞，T细胞，巨噬细胞，树突细胞等等，而且这些细胞亚群都是可以继续细分。但实际上在没有单细胞转录组数据这个技术之前，也是可以探测肿瘤免疫微环境个细胞亚群比例的，比如流式细胞仪。但是我查了一下，发现这个仪器还蛮贵的，比如一个招标信息《上海交通大学流式细胞分选仪，200万》：
Continue reading
六
22
北大李程老师的基因组学分析课程
早在2018年我们就推荐过北大李程老师的基因组学分析课程，最近看到2019-2020更新后的课程资料也出来了，快马加鞭推荐给大家。 Continue reading
六
22
50余种非抗癌药物居然也能杀伤癌细胞
最近在Twitter看到新闻：https://www.biospace.com/article/almost-50-non-oncology-drugs-found-to-kill-cancer-cells/ ， 很有意思，提到了MIT的broad研究所和哈佛的研究人员，测试了4518种药物在578个癌症细胞系的效果，然后发现了居然有50种药物虽然很明显并不是抗癌药物，但是杀伤癌细胞的效果出奇的好！ Continue reading
六
22
10X的单细胞转录组原始数据也可以在EBI下载
众所周知，测序数据单端测序就是一个fq文件，双端测序就2个。但是呢，10X的单细胞转录组原始数据的话， 比较特殊，它的测序文库中包括index、barcode、UMI和测序reads。 Continue reading
六
22
10X单细胞转录组的测序数据量这么少是为什么
最近读到发表在nature medicine杂志的文章《Immune profiling of human tumors identifies CD73 as a combinatorial target in glioblastoma》：
十二
31
SNV和INDEL仅仅是比较数量吗
看到于2020年11月发表在杂志《nature cancer》的文章：《Mutations in BRCA1 and BRCA2 differentially affect the tumor microenvironment and response to checkpoint blockade immunotherapy》里面有全基因组测序数据，文献链接是：https://www.nature.com/articles/s43018-020-00139-8
Continue reading
十二
31
SCENIC转录因子分析结果的解读
单细胞进阶分析主要是拟时序分析，细胞通讯分析，以及SCENIC转录因子分析。但实际上随着越来越多单细胞研究从CNS正刊跌落到CNS子刊，再到普通的数据挖掘文章，所谓的进阶分析也要沦落为标准分析啦。
Continue reading
十二
31
RT-PCR表达量数据也可以差异分析
最近搜集整理单细胞研究的时候，看到于2015年发表在nature杂志的文章是： Single-cell analysis reveals a stem-cell program in human metastatic breast cancer cells ，蛮有意思的，居然是 Single-cell multiplex qPCR 数据哦！
Continue reading
十二
31
R语言的一些配色的R包
超多朋友咨询R语言可视化的配色问题，我也简单整理了一下，希望对大家有帮助！
首先 scales包的show_col显示颜色函数有大用处，其次函数 colors() 列出了 R 识别的所有颜色名称。具体颜色可在（http://www.stat.columbia.edu/~tzheng/files/Rcolor.pdf）中查看，但是基本上用不上哈，知道有这个知识点就好了 ！
十二
31
microRNA测序学习
随时关注《生信技能树》B站的我，马上就看到了一个全新NGS组学视频课程《microRNA-seq数据分析实战演练》，还等什么呢，当然是follow起来啦！
十二
31
Linux公益课2021
实际上Linux知识点近20年变化不多，所以大家拿到十几年前的各大IT培训机构的Linux相关教学视频，或者马哥，鸟哥的视频都不会觉得尴尬，仍然是可以学下去！也就是说我的《生信分析人员如何系统入门Linux(2019更新版)》算是非常新的教程了：
Continue reading
十二
31
GPL14877、GPL570、hgu133plus2.db 比较
最近因为课题需要，在分析数据集：GSE65212，我看了看平台是：GPL148777，写着 Affymetrix Human Genome U133 Plus 2.0 Array [Brainarray Version 13, HGU133Plus2_Hs_ENTREZG]，这不就是jimmy授课讲解的那个应用最广泛的芯片嘛，这次分析，妥妥的！！！如下：