在Windows 10和11中打开事件查看器的11种方法，总有一种适合你
一文读懂三代测序 ：PacBio 与 Nanopore
refTSS：为转录起始位点精准“定位”的数据库
真不想要ggplot2的默认配色，毫无美感呐~可以自己设置的呀！详细教程奉上，拿走不谢哟~ggplot2是R语言中常用的包，它具有强大的绘图功能，在生物学数据可视化过程中，有很多图都是用ggplot2画出来的。但是有时候我们并不想要ggplot2的默认配色，如何修改呢？下面我们来告诉大家，如何在ggplot2中设置自己想要的颜色！一步一步往下看好看就右下边给我一朵小花花示例数据：...阅读全文&g... 阅 读 全 部 >
冲击图(alluvial diagram)是流程图(flow diagram)的一种，最初开发用于代表网络结构的时间变化。实例1. neuroscience coalesced from other related disciplines to form its own field. From PLoS ONE 5(1): e8694 (2010)实例2. Science...阅读全文>&g... 阅 读 全 部 >
作者：邬书豪，车联网数据挖掘工程师 ，R语言中文社区专栏作者，R语言中文社区负责人之一。微信ID：wsh137552775知乎专栏：https://www.zhihu.com/people/wu-shu-hao-67/activities第一篇请戳：kaggle：R可视化分析金拱门餐厅食物营养性（一）公众号后台回复“金拱门”下载数据集。#比较不同的脂肪率（类别=牛肉和猪肉 & 鸡...阅读... 阅 读 全 部 >
差异基因富集方法之Friends分析大家好，我是阿琛。今天，我们来给大家介绍一种常见的拓展生信分析方法。在常规的⽣信文章中，我们往往能够得到⼀大堆的显著差异表达基因。然而，从⾥面挑选哪⼀个基因出来进行验证常常让我们感到困扰。 通常，我们会从这些特定的蛋白功能信息出发，根据差异基因的条⽬进⾏富集分析，查找与其功能相似或相关的蛋白质，关联、比较、量化，看看是否富集在某个GOterm或者KEGG通路当中... 阅 读 全 部 >
ggplot2是由Hadley Wickham创建的一个十分强大的可视化R包。在使用R作图时，如何使用ggplot2来调整图像中的颜色呢？下面跟着我们一起学习ggplot2的颜色修改函数，制作出更加绚丽多彩的图片。1简单颜色分配在ggplot2中，对于线和点的颜色调整可以直接改变colour参数，如设置colour=“red”等。而对于一些作为对象填充的颜色，如直方图中条形的颜色，...阅读全文&... 阅 读 全 部 >
当我开始使用R时，像任何初学者一样，我想要一个真正能够工作的代码和一个最低限度可理解的图像，并且很长一段时间这是我的主要目标，但是一旦这一点完成后，我意识到我的可视化看起来很糟糕，特别是在比较和审查其他博客和网站之后，我开始搜索如何改进我的可视化。下面，创建一个简单且专业的图像的一些技巧，以吸引读者的注意力。01 创建可视化让我们开始一个简单的可视化，来自diamonds数据集的直方图。1.1 包... 阅 读 全 部 >
单细胞转录组学测序是目前比较火热的组学技术，单细胞测序在很多高分文章中露脸的次数非常频繁。然而数据拿到手，分析后的可视化也是发文章时的重点内容。看到CNS或者其他高质量文章中单细胞的可视化总是一种高大上的感觉，可是自己手里的数据可视化却是与别人有很大差距。那么，接下来就随着笔者初探单细胞作图的修饰，抛弃默认出图，修饰作图，提高档次，向好的文章看齐！也让自己的数据有一个更好的呈现！为了方便演示，示例... 阅 读 全 部 >
整理 | 夕颜【导读】网上关于各种降维算法的资料参差不齐，但大部分不提供源代码。近日，有人在 GitHub 上整理了一些经典降维算法的 Demo(Python)集合，同时给出了参考资料的链接。PCA资料链接：https://blog.csdn.net/u013719780/article/details/78352262https://blog.csdn.net/u013719780/articl... 阅 读 全 部 >
实际工作中要处理的变量之间的关系往往是错综复杂的。处理这些多变量数据的最大挑战之一就是信息过度复杂，若数据集有100个变量，如何了解其中所有的交互关系呢?即使只有20个变量，当试图理解各个变量与其他变量的关系时，也需要考虑190对相互关系。主成分分析等方法是用来探索和简化多变量复杂关系的常用方法。在这里我们重点介绍两种简化多变量复杂关系，即降维的方法：主成分分析和t-SNE（t-Distri...... 阅 读 全 部 >
大数据文摘作品编译：寒小阳、蒋宝尚、Sheila、赖小娟、钱天培假设你有一个包含数百个特征（变量）的数据集，却对数据所属的领域几乎没有什么了解。 你需要去识别数据中的隐藏模式，探索和分析数据集。不仅如此，你还必须找出数据中是否存在模式－－用以判定数据是有用信号还是噪音？这是否让你感到不知所措？当我第一次遇到这种情况，我简直全身发麻。想知道如何挖掘一个多维数据集？ 这是许多数据科学家...阅读全文&... 阅 读 全 部 >
生信圈
欢迎您支持我的公众号
点击此处可关闭