小小的米粒

摘要： 天天用着python写代码，但是其实很多东西原理都不是很清楚,还是得知其所以然，否则处处踩坑 关键词：递归、列表、set,边遍历边修改 边遍历边修改是一件很危险的行为，小白无知，竟然大胆的使用了，还莫名其妙work了，然后进入了细致的分析。 第一种情况 def backtracing(index): 阅读全文

摘要： 好的文章当然要转一转啦 生存曲线的灵魂画手 生存曲线讲得很简单得一篇文章 生存曲线的损失函数讲得很好得文章 阅读全文

摘要： 最近chatgpt和new bing大火，决定试试 主要是按照这个教程来的, 中途会出现很多的坑，比如重定向次数过多等等的坑。总的原则就是要清除cookies，以免重定向到国内的网站 阅读全文

摘要： 折中方案也不失为一个方案 这里主要列出几个参考的链接 理论知识 实际操作 关于编译的过程中找不到链接库 阅读全文

摘要： 数据量大了之后就会存在存储以及计算效率的问题，于是有了这个帖子 这个问题背景是由于数据量越来越大，如果直接计算，内存不够，所以想稀疏矩阵每一列分别计算,这样就会存在空间足够但是时间太慢的问题，于是想到了使用并行计算。 问题可以抽象成两个子问题： 1.稀疏矩阵每一列执行相同的操作是否可行，类似于R里面 阅读全文

摘要： 不看代码直接调包就是耍流氓 主要的思路： cnv.pl.chromosome_heatmap内部核心操作： use_rep = "cnv" tmp_adata = AnnData(X=adata.obsm[f"X_{use_rep}"], obs=adata.obs) 这一步之后调用scanpy.p 阅读全文

摘要： 不太懂为什么现在生信分析这一部分都不喜欢写具体的原理，直接上来就是一堆怎么下载文件，怎么调用函数的操作，这篇文章想用通俗易懂的语言写一下原理部分，甚至贴一些代码。 今天看到的一个答案回答方式很喜欢 最简单的答案 主要是把基因列表降序排列，再来看待富集基因list上的基因，每出现一个，曲线就上升，没出 阅读全文

摘要： 迷茫的时候多看文献，别人说的和自己理解的之间真的有很大的gap 阅读全文

摘要： 他的出现一定有他的理由，他的离开也有他的理由 随着单细胞测序数据的增长，如果把数据全部导入内存则占用的内存太大，如何处理这个问题呢，一种思路是不一次直接将数据导入内存，一种是优化内存存储。针对这两种思路们都有相应的包。现在的格式太多了，h5ad,loom,h5seurat,这些格式有什么区别呢？ 1 阅读全文

摘要： 看来还得和临床结合才知道为什么提出问题 问题的背景 为什么提出PAM50分型，因为乳腺癌病人的异质性特别大，所以需要将这些病人进行一个分型，以便更好的治疗。 发展的历史 最初是根据免疫组化的三个指标进行分型的 HR+ HER2- HR+ HER2+ HR- HER2+ TNBC 随着RNA-seq的 阅读全文