Digital-LI

摘要： 2023年03月31日 cellranger pipeline基本是对的，但想要更原始的数据还是得自己手动count。 这两批perturb-seq的问题在于，Plasmid的设计，无法区分原始的和编辑后的Plasmid，长度一样，于是做cell sorting的时候一大堆dummy cells就被 阅读全文

摘要： 转自：http://blog.csdn.net/lhf_tiger/article/details/8203013 真恶心，10X流程产生的csv文件的行位居然有^M字符，害我一直在找报错原因，真是坑，还好最后我找出来了。一直在用Python，perl是越来越不熟练了。调试花了好久。 替换^M字符在Linux下使用vi来查看一些在Windows下创建的文本文件，有时会发现在行尾有一些“^M”。有几... 阅读全文

摘要： 业界良心啊，开源的单细胞课程。 随便看了几章，课程写得非常用心，非常适合新手。 课程地址：Analysis of single cell RNA-seq data 源码地址：hemberg-lab/scRNA.seq.course 阅读全文

摘要： 本文总结自一篇综述： Computational approaches for interpreting scRNA-seq data 单细胞分析分为两个层次： cell level gene level Tools for the visualization and clustering of cells. Tools for the ordering of cells & bifurca... 阅读全文

摘要： PhiX Control v3 is a reliable, adapter-ligated library used as a control for Illumina sequencing runs. The library is derived from the small, well-characterized PhiX genome, offering several benefits ... 阅读全文

摘要： 小提琴图现在比较流行，在文章里很常见。 【小提琴图】其实是【箱线图】与【核密度图】的结合，【箱线图】展示了分位数的位置，【小提琴图】则展示了任意位置的密度，通过【小提琴图】可以知道哪些位置的密度较高。 实例解析 在上图中，白点是中位数，黑色盒型的范围是下四分位点到上四分位点，细黑线表示须。外部形状即为核密度估计（在概率论中用来估计未知的密度函数，属于非参数检验方法之一）。 数据化分析解读：... 阅读全文

摘要： ERCC是啥？ 外部RNA控制联盟，就是一套RNA-seq，基因表达检测过程中的控制系统，使得结果具有可重复性。 RNA Spike-in Controls for Gene Expression While early gene expression measurements with DNA microarrays were groundbreaking in their ability to... 阅读全文

摘要： mRNA是由DNA的一条链转录而来的（可以是正链，也可以是反链），DNA是由非编码区和编码区组成，编码区也有其特殊的结构，主要有外显子和内含子组成。 mRNA的一个重要性质就是可变剪切，也就是同一个编码区，可能会有不同的外显子组合。 mRNA的结构：5’端的帽子结构和3’端的polyA尾巴。 polyA和oligo（dT）是什么？它在mRNA纯化和反转录中有什么作用？ 传统mRNA差异显示技术（D... 阅读全文

摘要： 最近在搞16S，发现了一个实践算法的最佳机会。 见文章： A Bayesian taxonomic classification method for 16S rRNA gene sequences with improved species-level accuracy. 文章利用了贝叶斯模型，调用了blast和muscle来对OTU进行taxonomy assignment。 可以看一下源代... 阅读全文

摘要： 杰卡德距离(Jaccard Distance) 是用来衡量两个集合差异性的一种指标，它是杰卡德相似系数的补集，被定义为1减去Jaccard相似系数。而杰卡德相似系数(Jaccard similarity coefficient)，也称杰卡德指数(Jaccard Index)，是用来衡量两个集合相似度的一种指标。 Jaccard相似指数用来度量两个集合之间的相似性，它被定义为两个集合交集的元素个数除... 阅读全文

摘要： 16S结题报告中都会有这么一张图： 这张图是OTU Rank曲线，该曲线可以展示样品的多样性。而样品的多样性常通过以下两个方面进行解释：物种的丰富程度和均匀程度。Rank曲线中，曲线在横轴上的跨度越长，表明样品的物种含量越丰富；曲线越平坦，表示样品的物种组成越均匀。 图中，横坐标按照丰度由高至低排序的OTU数量，纵坐标为OTU丰度。样本曲线的延伸终点的横坐标位置为该样本的OTU数量。若曲线越平滑... 阅读全文

摘要： 工作中有个真理：如果你连自己所做的工作的来龙去脉都讲不清楚，那你是绝对不可能把这份工作做好的。 这适用于任何行业。如果你支支吾吾，讲不清楚，那么说难听点，你在混日子，没有静下心来工作。 检验标准：随时向别人解释你的工作，让别人提出尖锐的问题，看你是不是答不上来。 16S概念 什么是16S？S是什么意思？ 16S分析是用来干嘛的？能分析什么？ 16S大致的分析原理是什么？ 有点生物学基础的... 阅读全文

摘要： 上一篇文章写了一些基本的Django操作，下面重点介绍数据库的内容。 对象之间的关系： 一对一 一对多 多对多 1.一对多 先演示一对多的关系，多个blog对应一个名字， 修改blog/models.py class Entry(models.Model): name = models.CharField(max_length=30) def __unicode... 阅读全文

摘要： 参考资料：爬虫课程 认识网页 使用chrome，右键检查，查看网页源码，左侧的html，右侧的css，底下的JavaScript。 网页 = HTML（内容） + CSS（样式） + JavaScript（功能） 网页的标签，标签之间可以嵌套。 wow! 其中div就是区域，p就是文本，class就是css样式。 常见标签 #文字内容 #区域 #列表 #图像 ... 阅读全文

摘要： 最近想做一个数据库网站，我对Python很熟悉，也了解到Django很好用，于是说搞就搞。 首先，在快云上买了一个vps，一元试用一个月，Ubuntu系统。 1.安装Django apt-get update apt-get install python-pip python-dev build-essential python -m pip install django 安装的方法很多，可以自由... 阅读全文

摘要： 微生物16S的OTU聚类工具有很多，最常用的就是 usearch、cdhit-OTU、mothur。 这些工具大多都是针对二代测序平台的，usearch的64bit版本是收费的。 如果要跑PacBio的OTU聚类，目前就只能用 mothur 了。 mothur有着非常详细的说明文档！ General operations Sequence processing OTU-based approac... 阅读全文

摘要： 一个有效的数据降维的方法 t-SNE，类似PCA的主成分降维分析。 参考： t-分布邻域嵌入算法（t-SNE algorithm）简单理解 t-SNE初学 很好的教程：An illustrated introduction to the t-SNE algorithm 有点复杂额 阅读全文

摘要： 单细胞流程跑了不少，但依旧看不懂结果，是该好好补补了。 有些人可能会误会，觉得单细胞的RNA-seq数据很好分析，跟分析常规的RNA-seq应该没什么区别。今天的这篇文章2015年3月发表在Nature Genetics Review上，专门说明了一下单细胞RNA测序数据在数据分析和计算上的挑战（虽然已经过去1年多了，这里指出的问题和挑战仍然是不过时的，至于这些问题和挑战现在是不是完美解决了，... 阅读全文

摘要： 10X Genomics已经广泛应用于单细胞测序、组装领域，现在也是火的不行。 10X Genomics原理 通过将来自相同DNA片段（10-100kb）的reads加上相同的barcode，然后在illumina平台上进行测序，从而实现长片段的测序。其基本原理是同一长片段的reads会具有同样的标 阅读全文

摘要： 最开始学的就是C和C++，但只是学过，根本就不知道怎么使用。 后来接触了Python和Perl才知道怎么将编程应用于实际需求当中，读取文件，存放到数据结构，处理，输出。 但脚本语言有其固有的缺点，不能用于高速计算。 生物信息的基础是大数据（G~T级别），我们不仅要优化算法，还得选择接近底层的语言，那显然就必须要用到C和C++了，Java都不够快。 现在我接触了一个CNV的C++写的程序，看了源码，... 阅读全文