看到一个网页工具文章的figure2，列出来了2015 WHO classification 的肺癌分类，From: LCE: an open web portal to explore gene expression and clinical associations in lung cancer Continue reading →

最近看到朋友圈分享的推文里面的一篇文献里面提到了ExpressionBlast工具，主要是对基因表达差异分析结果进行注释。
文章是2019年12月17日，cell子刊Cell Reports发表的研究“SIRT6 Promotes Hepatic Beta-Oxidation via Activation of PPARα”，论文证明长寿蛋白SIRT6在促进脂肪燃烧、调控肝脏脂肪代谢中起着重要作用。 Continue reading →

大家学习到的通常是两个组的样本进行差异分析，然后走标准分析流程，火山图，热图，GO/KEGG数据库注释等等。这些流程的视频教程都在B站和GitHub了，目录如下： Continue reading →

不知不觉两年多过去了，最近整理以前学习群记录发现了当初的宏伟计划，其中一个小成果是：生物信息学最佳实践–基础篇。图灵出版社的编辑鞭策我一年多了，还没有把它整理成为出版级别的质量，我也不知道为什么，也不知道问题出在哪里。（总之自己的精力被不喜欢的科研耗着了，我也很无语） Continue reading →

前面我们系统性地总结了circRNA的相关背景知识：

• 首先了解一下circRNA背景知识
• circRNA芯片分析的一般流程
• circRNA-seq分析的一般流程
• ceRNA-芯片分析的一般流程
• circRNA_ID转化 Continue reading →

谷歌邮箱推送给我了关键词订阅文献，单细胞的，我看到如下所示： Continue reading →

WGCNA分析大家都不陌生了，我在生信技能树多次写教程分享WGCNA的实战细节：

• 一文看懂WGCNA 分析(2019更新版)
• 通过WGCNA作者的测试数据来学习 Continue reading →

众所周知，单细胞水平的研究，就是为了深入了解异质性，除了可以区分已知的细胞亚型，还可以对亚型进一步细分，或者找到全新的细胞亚型。当然了，每个细胞亚型的marker基因需要一些生物学背景。 Continue reading →

最近刷文献，发表在 October 7, 2019的PNAS的：Immune effector monocyte–neutrophil cooperation induced by the primary tumor prevents metastatic progression of breast cancer 粗略的看完了全文才发现里面居然是有单细胞转录组的。但是搜索全文，才出现5次single这个单词。 Continue reading →

据青塔公众号推文，近日，国家自然科学基金委员会更新了科学基金网络信息系统，公布了2019年国家自然科学基金重大项目的立项名单。2019年共有46个重大项目获资助（1个重大项目一般有3-5个课题），其中课题数共有201个，总资助经费8.86亿元。其中对我们单细胞天地公众号来说，感兴趣的就是单细胞相关课题了，如下： Continue reading →

最近看文献：Integrative Pharmacogenomics Analysis of Patient Derived Xenografts 又一次遇到了codeocean ，算是生物信息学数据分析者的一个福音，因为大量的好文章都是把绘图数据及代码一股脑的打包上去了，关键是都是可以重复出来的！ Continue reading →

前面我们提到了在我们的shiny服务器部署一个RNA-seq下游分析网页工具，虽然说因为时间关系没办法给它写一步步教程，而且的确类似的工具也太多， 写教程的时间付出并不经济。那我们再介绍一个shinyGEO吧，跟前面的Shiny-Seq名字很相似，应该是主攻芯片数据分析，一个是主动测序数据处理，都是基于表达矩阵的。 Continue reading →

RNA-seq这样的测序数据也可以的啊！

比如这篇Published: 12 March 2019的文章：Identification of Key Long Non-Coding RNAs in the Pathology of Alzheimer’s Disease and their Functions Based on Genome-Wide Associations Study, Microarray, and RNA-seq Data 就采取了挖掘RNA-seq这样的测序数据的策略。 Continue reading →

最近课题组的文献分享会议上有一篇文章里面的生存分析和差异分析吸引了我的注意，所以分开介绍一下，并给出了学徒任务，希望大家可以自行抽空完成。文章发表于July 25, 2019 的JCI杂志，标题是 STING activation reprograms tumor vasculatures and synergizes with VEGFR2 blockade Continue reading →

一般大家拿到表达矩阵都是走标准分析流程，火山图，热图，GO/KEGG数据库注释等等。这些流程的视频教程都在B站和GitHub了，目录如下： Continue reading →

单细胞转录组虽然说不太可能跟传统的bulk转录组那样对每个样本都测定到好几万基因的表达量，如果是10x这样的技术，每个细胞也就几百个基因是有表达量的，但是架不住细胞数量多，对大量细胞来说，这个表达矩阵的基因数量就很可观了。一般来说，gencode数据库的gtf文件注释到的五万多个基因里面，包括蛋白编码基因和非编码的，可以在单细胞表达矩阵里面过滤低表达量后，还剩下2万多个左右。 Continue reading →

前面我出过一个考题，是对GEO数据集的样本临床信息，根据列进行筛选，比如： Continue reading →

昨天在Twitter看到了VIP群里大家讨论非常多的 MING TANG 出来了一个2019总结，并且分享了一下，见：强烈推荐应该点击阅读原文的2019年终总结 ，也号召了部分朋友参与。作为号召者的我也下了功夫系统性整理了生信技能树团队的2019的成果，的确有点膨胀，反而有点儿不想分享了。 Continue reading →

突发奇想，希望学徒们可以比较一下同一个数据集，表达芯片的，在2011年他被发表的时候的数据分析和2019年其他人挖掘他的时候的分析有什么区别，数据集是：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE27447 Continue reading →