我有一个 免费视频课程《ChIP-seq数据分析》 ，其视频观看方式：
Continue reading
六
22
Monthly Archives: 6月 2021
六
22
肿瘤基因测序数据分析视频课程终于上架B站啦
不知道还有多少人记得上半年的活动：0元，10小时教学视频直播《跟着百度李彦宏学习肿瘤基因组测序数据分析》，可能是因为免费所以大家都不珍惜吧，实际上参加这个活动的人数还不到200 ，连一个微信群都装不满！！！
Continue reading
六
22
真人工智能招聘（微信群答疑）
前段时间，我们分享了: 确实很吸引眼球，也引发了广泛的讨论，见：狼来了！聊个天就能做生信分析的人工智能是否要替代一大波生信人员？
但实际情况是，我们的各个交流群仍然是充斥着“显而易见”的初学者问题，人工智能的出现并不能帮我们减轻工作量。而且我搞出来的群有点太多了，每一个ngs组学教学视频都免费在B站，就同步组建好交流群，见： Continue reading
六
22
张泽民团队的单细胞研究把T细胞分的如此清楚
在教程 CNS图表复现08—肿瘤单细胞数据第一次分群通用规则，这个第一次分群规则是 ：
- immune (CD45+,PTPRC),
- epithelial/cancer (EpCAM+,EPCAM),
- stromal (CD10+,MME,fibo or CD31+,PECAM1,endo) Continue reading
六
22
优于ANNOVAR和VEP的遗传变异位点注释软件
一般来说， 遗传变异位点注释软件我会介绍ANNOVAR和VEP，以及snpEFF，他们三个的引用是最多的。并不是说就他们3个软件可以做遗传变异位点注释啦，比较知名的还有GEMINI以及SeqAnt，也是萝卜青菜各有所爱哈。
Continue reading
六
22
这个芯片仅提供了GenBank的索引号
粉丝来信求助，他感兴趣的一个数据集的芯片平台是：GE Healthcare/Amersham Biosciences CodeLink Human Whole Genome Bioarray，链接是：GPL2895
六
22
函数冲突报错就完了吗
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
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》：