引言网上的数据和信息无穷无尽，如今人人都用百度谷歌来作为获取知识，了解新鲜事物的首要信息源。所有的这些网上的信息都是直接可得的，而为了满足日益增长的数据需求，我坚信网络数据爬取已经是每个数据科学家的必备技能了。在本文的帮助下，你将会突破网络爬虫的技术壁垒，实现从不会到会。大部分网上呈现的信息都是以非结构化的格式存储（html）且不提供直接的下载链接，因此，我们需要学习一些知识和...阅读全文>... 阅 读 全 部 >
现在本文将4种对象的程序方法进行进一步总结和凝练。一、is和as系列函数is 和as系列函数涉及不同类型数据和对象的鉴定和转换。我们经常在R语言编程过程中需要了解某一种数据的类型，也可能进行转换方便计算，所以诸位要熟悉他们。is系列是判断某一个数据中的观察值是何种类型，或者数据属于何种对象与结构• is.character(x) #判断是否为字符型• is.numer...阅读全文>>... 阅 读 全 部 >
编者按：R知识速查表囊括R基本知识，R高级知识，R数据导入，R数据可视化，R数据处理，字符串处理，正则表达式，日期时间处理，数据转换和机器学习。对于R新手，建议按着这个顺序学习和实践。【温馨提示：点击图片，可查看大图】一：基本 R 知识二：高级R知识三：数据可视化知识四：数据导入知识五：数据处理知识六：数据转换知识七：字符串处理知识八：正则表达式知识九：日期时间处理十：机器学习知识参考资料：...... 阅 读 全 部 >
如果你对生物信息不那么了解，或许会搞混FASTQ和FASTA，它们都是序列保存的一种格式，是用于NGS分析的基础数据。其实二者很好区分，并且可以通过一定的处理进行格式转换。FASTQFASTQ：是基于文本的，保存生物序列（通常是核酸序列）和其测序质量信息的标准格式。你拿到的测序数据均是fastq格式的。其序列以及质量信息都是使用一个ASCII字符标示，最初是由Sanger开发，目的是将F...阅读... 阅 读 全 部 >
在实际工作中，每个数据科学项目各不相同，但基本都遵循一定的通用流程。具体如下：数据科学工作流程数据导入数据整理反复理解数据数据可视化数据转换统计建模作出推断（比如预测）沟通交流自动化分析程序开发下面列出每个步骤最有用的一些R包：数据导入以下R包主要用于数据导入和保存数据feather：一种快速，轻量级的文件格式。在R和python上都可使用readr：实现表格数据的快...阅读全文>>... 阅 读 全 部 >
前文我们讲到R处理数据面对的6种对象：向量，矩阵，数组，因子，列表，数据框。A. 那我们就得好好给大家介绍一下这位能者的6个对象都长什么样子了。· 1.向量 ·向量大体上分为3种，数值向量，字符向量，逻辑向量。（单个向量内元素类型必须一致）数值向量：> c(1,2,3,4,5,6,7)[1] 1 2 3 4 5 6 7字符向量（字符向量使用单...阅读全文>>... 阅 读 全 部 >
在转录组测序（RNA-Seq）中，对基因或转录本的read counts数目进行标准化（normalization）是一个极其重要的步骤，因为落在一个基因区域内的read counts数目取决于基因长度和测序深度。基因长度的影响：在同一个样本中，基因越长，随机打断得到的片段就越多，该基因被测到的概率就越大，比对到该基因的reads就越多。测序深度的影响：不同样本中，样本的测序深度越高...阅读全文... 阅 读 全 部 >
随着抗生素药物的发现及使用，产生了越来越多的耐药菌株。耐药性会增加疾病治疗的难度和成本，因此耐药微生物的研究显得尤为重要。细菌的多种耐药机制由大量耐药基因所编码。耐药菌在基因水平上的改变主要包括固有耐药性、获得耐药性以及多重耐药性。固有耐药性来源于细菌本身染色体上的耐药基因。获得耐药性则是由于敏感的细菌发生基因突变或获得外源性耐药基因所产生的。多重耐药性则是指细菌同时对多种不同作用机制，或结...... 阅 读 全 部 >
来源自：华大科技知识库组学研究细胞、组织或是整个生物体内某种分子（DNA、RNA、蛋白质、代谢物或其他分子）的所有组成内容，称之为“组学”（-omics），”-omics”术语代表了对怎样思考生物学和生物体系工作方式的重新定位。组学研究包括对基因组及基因产物（转录子组和蛋白质组）的系统生物学研究，随后必然要上升到细胞机制、分子机制和系统生物学的水平。...阅读全文>>... 阅 读 全 部 >