摘要: 对自己的定位要明确,不要定义为码农,我是computational biologist. 入了这一行就不要三心二意,这基本注定你未来10年都在干这个,就算要转行也要先把这个做好。其实大多数人最喜欢的肯定是心理学、哲学、脑科学、人工智能,其他的真的没什么意思,虽然有时候觉得未来挺没劲的,老是做这些,但阅读全文
posted @ 2018-06-09 00:34 Bioinformatics 阅读(132) 评论(0) 编辑
摘要: 只有注册用户登录后才能阅读该文。阅读全文
posted @ 2018-04-07 16:13 Bioinformatics 阅读(62) 评论(0) 编辑
摘要: 最近在开发一套自己的单细胞分析方法,所以copy paste事业有所停顿。 实例: R eNetIt v0.1-1 一下来自wiki The nearest neighbor graph (NNG) for a set of n objects P in a metric space (e.g., 阅读全文
posted @ 2018-07-18 16:52 Bioinformatics 阅读(5) 评论(0) 编辑
摘要: 参考: Learning Sparse Neural Networks through L0 Regularization The Variational Garrote阅读全文
posted @ 2018-07-04 15:03 Bioinformatics 阅读(9) 评论(0) 编辑
摘要: Consider the data (1, 1, 2, 2, 4, 6, 9). It has a median value of 2. The absolute deviations about 2 are (1, 1, 0, 0, 2, 4, 7) which in turn have a me阅读全文
posted @ 2018-06-28 14:52 Bioinformatics 阅读(18) 评论(0) 编辑
摘要: 现在终于需要用到了。阅读全文
posted @ 2018-06-28 02:25 Bioinformatics 阅读(12) 评论(0) 编辑
摘要: 这几个概念不能混淆,估计大部分人都没有完全搞懂这几个概念。 看下这个,非常有用:Interpret the key results for Correlation euclidean | maximum | manhattan | canberra | binary | minkowski 初级 先阅读全文
posted @ 2018-06-27 16:19 Bioinformatics 阅读(38) 评论(0) 编辑
摘要: 偶尔能看懂,但是死活记不住,归根结底是没有彻底理解! Type I and type II errors - wiki type I error is the rejection of a true nullhypothesis (also known as a "false positive" f阅读全文
posted @ 2018-06-25 20:09 Bioinformatics 阅读(24) 评论(0) 编辑
摘要: Bayes for Beginners: Probability and Likelihood 好好看,非常有用。 以前死活都不理解Probability和Likelihood的区别,为什么这两个东西的条件反一下就相等。 定义: Probability是指在固定参数的情况下,事件的概率,必须是0-1阅读全文
posted @ 2018-06-25 19:23 Bioinformatics 阅读(24) 评论(0) 编辑
摘要: review:Computational Methods for Trajectory Inference from Single-Cell Transcriptomics Tools/Algorithms list Heimberg-lab course Pseudo-time estimatio阅读全文
posted @ 2018-06-25 18:06 Bioinformatics 阅读(20) 评论(0) 编辑
摘要: 早就接触过这个包了,只是一直畏惧,以为很复杂,也没有应用场景,所以认识很肤浅。 现在有应用场景了,我自己开发了一个幼稚的版本,发现了很多需求,后来想起了WGCNA似乎部分解决了我的问题,今天认真打开了WGCNA的paper,看完后觉得写得真好,其中涉及的统计学非常基础和简单。 WGCNA中的一些工具阅读全文
posted @ 2018-06-25 17:37 Bioinformatics 阅读(22) 评论(0) 编辑
摘要: Expression quantitative trait loci (eQTLs) are genomic loci that explain all or a fraction of variation in expression levels of mRNAs. 基因组位点,解释了基因表达的变阅读全文
posted @ 2018-06-25 16:22 Bioinformatics 阅读(17) 评论(0) 编辑
摘要: 待看的paper:Strategies for fine-mapping complex traits assign well-calibrated probabilities of causality to candidate variants, known as fine-mapping. fi阅读全文
posted @ 2018-06-25 16:09 Bioinformatics 阅读(7) 评论(0) 编辑
摘要: medium 这个非常值得一看,回归里的系数和p-value分别是什么含义。 How to Interpret Regression Analysis Results: P-values and Coefficients null hypothesis:coefficient is 0,如果p-va阅读全文
posted @ 2018-06-25 16:06 Bioinformatics 阅读(33) 评论(0) 编辑
摘要: 一个非常实际的问题,通常我们主要有三个工作的地点:1,server,用于大型数据的分析和处理;2,办公室的电脑,正式办公;3.自己的电脑,偶尔加班。 不同的工作平台之间很难同步,导致我们的工作和思维分散,不利于统一。 解决方案,所有的工作数据都放在server上(自己的工作站),办公室的电脑和自己的阅读全文
posted @ 2018-06-22 21:24 Bioinformatics 阅读(27) 评论(0) 编辑
摘要: 其实就是另一种形式的打分。 个人点评这种方法: 这篇文章发表在nature上,有点奇怪,个人感觉创新性和重要性还不够格,工具很多,但是本文基本都是自己开发的算法(毕竟satji就是搞统计出身的)。 但是仔细看了代码之后,发现这些方法确实是有点artificial! 而且算法原创性不高,多半是基于现有阅读全文
posted @ 2018-06-22 16:37 Bioinformatics 阅读(94) 评论(0) 编辑
摘要: 熟练使用PCA和tSNE,彻底理解底层的原理是非常有必要的。 参考:How to Use t-SNE Effectively Real-time tSNE Visualizations with TensorFlow.js阅读全文
posted @ 2018-06-21 18:19 Bioinformatics 阅读(21) 评论(0) 编辑
摘要: 每个大学教材上都会提到这个定理,枯燥地给出了定义和公式,并没有解释来龙去脉,导致大多数人望而生畏,并没有理解它的美。 《女士品茶》有感 待续~ 参考:怎样理解和区分中心极限定理与大数定律?阅读全文
posted @ 2018-06-20 23:35 Bioinformatics 阅读(17) 评论(0) 编辑
摘要: 根据基因表达来打分的线性模型有很多很多,但是如何评估模型的优劣呢? cell cycle score Removal of cell cycle effect. The normalization method described above aims to reduce the effect of阅读全文
posted @ 2018-06-12 20:10 Bioinformatics 阅读(42) 评论(0) 编辑
摘要: ONE-CLASS DETECTION OF CELL STATES IN TUMOR SUBTYPES Machine Learning Identifies Stemness Features Associated with Oncogenic Dedifferentiation PanCanS阅读全文
posted @ 2018-06-09 01:08 Bioinformatics 阅读(122) 评论(0) 编辑
摘要: 对自己的定位要明确,不要定义为码农,我是computational biologist. 入了这一行就不要三心二意,这基本注定你未来10年都在干这个,就算要转行也要先把这个做好。其实大多数人最喜欢的肯定是心理学、哲学、脑科学、人工智能,其他的真的没什么意思,虽然有时候觉得未来挺没劲的,老是做这些,但阅读全文
posted @ 2018-06-09 00:34 Bioinformatics 阅读(132) 评论(0) 编辑
摘要: 从打王者荣耀中悟出来的道理。 王者荣耀/英雄联盟真是研究社会信息学的一个绝佳案例。 1. 公平 这是个绝对的规则公平的世界(除开软件作弊),当然开黑抓人有时很容易赢,但是你也可以开黑啊。在顶级大赛里,每个人都是受过良好教育的,比赛是一个绝对公平的团队赛。 2. 博弈论 不存在霸主英雄,只存在霸主召唤阅读全文
posted @ 2018-06-08 21:07 Bioinformatics 阅读(42) 评论(0) 编辑
TOP