Yang Dream, Long Road

摘要： 离上一次组会汇报有半年左右时间了~ 总体来说还是比上一次强不少的，不过，还有很多需要提高的地方：1. 英语英语的重要性怎么强调都不为过，在没有达到NATIVE的水平前，总是还需要不断学习、练习的。2. Background这次presentation背景介绍的不够。的确，做ppt的时候总是assume别人跟你一样熟悉这个topic。其实，他们往往对你做的东西知之甚少，你必须讲的很明白。Ite说的很对：仅仅介绍ABCA的作用不行，还要介绍它敲出后，小鼠死掉；heterozygous小鼠有hyperplasia等等这些信息，才能够让人知道你为什么要去研究这个基因。3. method总体来讲，met 阅读全文

摘要： 基本能够比较熟练地操作Linux和Windows，但是Mac还是不很熟练，今天也在Mac上面折腾了不少时间。Homer是一个分析DNA motif的程序，需要先安装，再使用。首先，来这里http://biowhat.ucsd.edu/homer/introduction/install.html下载一个安装脚本configureHomer.pl.cd到所在目录，然后 perl configureHomer.pl -install即可安装当然，它会有一些dependency，所以需要下载一些dependency如samtools、blat等等（需要仔细看说明）后即可接着，安装好后会给你一个pat 阅读全文

摘要： 1. How to open a text file in terminal: open -a TextEdit filename2. How to open a new Rstudio: open -n /Application/Rstudio.app3. How to visualize... 阅读全文

摘要： 用过无数R包，但是却从来没有自己写过。总觉的写R包是很困难的事情，但是其实写一个最简单的R包还是蛮容易的！今天便在Ubuntu环境下写一个R包～首先，写一个函数，存放到一个文件夹中或者直接存在R中均可OK，下一步就是在你的R中source该函数，并且使用函数setwd('My directory')package.skeleton(name="My package name", list= “My function”) #list必须是“字符串”这样R这个函数就会在你的目录中出现一个文件夹，里面有几个基本的R包的文件，按照规则填上自己的包的信息之后便可以在t 阅读全文

摘要： 常常会写一些函数来分析Microarray。而每次使用函数所用的参数都不同，因此需要一些方法能够将每次这些不同的结果以及参数存储起来。首先使用一个R内置的时间函数Sys.time()：Sys.time()[1] "2013-04-26 14:15:37 PDT"#这里更改设置，输出成自己喜欢的格式：format(Sys.time(), '_%Y_%b_%dth_%H_%M')[1] "_2013_Apr_26th_14_18"#因此，可以每次程序都能够新建一个以时间为名称的文件夹（避免重复问题） dir = '/media/Res 阅读全文

摘要： 1. 怎样快速入门一个R包这两天查看了十几个R包，也算是对看R入门一个R包有一些经验了把～所有的R包都附带一个manual（有些R包还会有一个小manual，做简介用，那就更好了）。把manual下下来，看看它的最前面有没有一个对整个包general的介绍，如果有，那么一定要仔细阅读，这个非常重要！它会把整个包的大致情况介绍：要解决什么问题，用什么算法解决的......另外，它还会介绍最重要的函数（其实一个R包经常用到的函数不会一般超过五个！）了解这些信息，便很容易上手了～但是并不是所有的R包都会有这样一个对本包的概述，对于这样的情况，可以在R包的主页上面找一个‘citation'的东 阅读全文

摘要： 1. getAnywhere: getAnywhere(函数名）可以返回这个函数的代码 在看一些函数的时候总是找不到它的源代码，直接在R console中敲函数 的名字，有些函数是可以直接显示所有代码，但是有些却不能。对于那些不能的，我们使用这个函数即可～ 阅读全文

摘要： DNA microarray分析中，聚类分析（clustering analysis）是非常重要的一步。今天学习了Pan Ning Tan的introduction to data mining ，进行一下总结：1. 聚类分析的分类1） 按照是否有层次：层次聚类（hierarchical clustering)划分聚类（partitioninng clustering）2）按照是否依据模型：non-parameter clustering：没有默认的assumption整个数据集是由哪几种分布mix的model-based clustering: 基于模型的聚类认为不同的‘类’有不同的‘分布’ 阅读全文

摘要： 以前只是知道R 中的lm函数能够做线性拟合，恰如函数的名字：lm= linear model不过今天需要做非线性拟合的时候， 上网搜各种函数，包括nls、nlm等等，不过nlm的用法好像和一般的建模函数不太相同；nls函数的用法倒很像，可是却总是出error，不知道为什么。再次苦找，忽然发现其实lm函数便可以完成这个工作：lm函数进行非线性拟合的本质是在其中加入非线性的变量，对这些非线性的变量进行线性拟合，结果还是非线性的。library(car)plot(USPop)lmfit = lm(population ~ year, data = USPop) #线性拟合lines(USPop$ye 阅读全文

摘要： 今天快速浏览了一遍Bioconductor Case Studies这本书的前半部分，大有相见恨晚之感。里面系统地阐释了很多microarray的东西，让我之前的一些疑问得到冰释。1. 对于单通道microarray来讲，一般的预处理往往由三个步骤组成：　a) background correction: 把背景噪声去掉。　b) between array normalization: 每个芯片之间由于加样量、操作以及本身芯片制作时产生的差别，会有所不同，因此，将不同芯片之间进行标准化（normalization）后比较，才能更真实地反映出差别。　c) reporter summarizati 阅读全文