摘要：
大学层次的统计学： 假设检验 参数估计 抽样(总体和样本) 贝叶斯 高级： 多元统计分析 概率论 常用的分布： 二项分布 泊松分布 正态分布 超几何分布 各种分布：二项分布 & 泊松分布 & 指数分布 随机事件的概率 随机变量的分布 随机变量的函数 随机变量的数字特... 阅读全文
posted @ 2016-11-16 23:19
Life·Intelligence
阅读(340)
评论(0)
推荐(0)
摘要：
单分子测序reads（PB）的混合纠错和denovo组装 我们广泛使用的PBcR的原始文章就是这一篇 原文链接：Hybrid error correction and de novo assembly of single-molecule sequencing reads 简介：PBcR里面有一种自纠算法（PacBioToCA），纠错的核心本质就是多重序列比对，为了加快比对速度使用了MHAP... 阅读全文
posted @ 2016-11-15 23:38
Life·Intelligence
阅读(2322)
评论(0)
推荐(0)
摘要：
写的零碎的python脚本太多了，到一定阶段就会出现一个问题，即以前写过的脚本找不到了，现在临时要用，还得再重写一遍，这就非常难受了，代码不能复用。 还好我有一个比较好的习惯，我喜欢把python脚本里面的核心功能封装成一个函数，即一个函数只实现一个特定的功能，我希望将我封装过得函数全部存起来，规范命名，以后要用的时候随时调用。 阅读全文
posted @ 2016-11-14 16:24
Life·Intelligence
阅读(436)
评论(0)
推荐(1)
摘要：
很早就知道有全局比对和局部比对这两种比对方法，都是用到的动态规划的思想，知道一些罚分矩阵的概念，但一直都没有机会搞透彻，一些算法的细节也不太清楚，也没有亲手编程实现。 现在由于项目需求，需要手动写一个简单的全局和局部比对的程序，同时得知团队里有个大牛早就用Perl实现了，看了一下他的代码也才100行，于是我打算从头开始全面的弄懂算法的每一个细节，然后再用python实现一遍。 阅读全文
posted @ 2016-11-10 12:45
Life·Intelligence
阅读(5073)
评论(0)
推荐(0)
摘要：
用GATK跑了很久的流程，但还是不知道它的原理，现在项目要深入，没有流程可用，一切都要手动，所以必须开始着手了解GATK运行的原理，必须要知道需要输入什么，基本的算法，输出是什么。 参见： GATK使用(一) 【原创】GATK使用方法详解（包含bwa使用）第一部分 阅读全文
posted @ 2016-11-09 09:46
Life·Intelligence
阅读(2620)
评论(0)
推荐(0)
摘要：
主要是收集一些Linux的技巧： 1.编写可靠shell脚本的八个建议 指定bash，推荐使用 /usr/bin/env bash 和 /bin/bash，不要使用/usr/bin/bash。 set -e 和 set -x，把执行的内容输出来；执行出错时结束程序，就像其他语言中的“抛出异常”一样。 带上shellcheck，有点不好安装 变量展开，玩转Bash变量 注意local，变... 阅读全文
posted @ 2016-11-08 23:46
Life·Intelligence
阅读(331)
评论(0)
推荐(0)
摘要：
知乎的一个专栏：超有机体 太有意思了，想我所想，而且作者算是专业出身，要多多学习。 阅读全文
posted @ 2016-11-07 15:03
Life·Intelligence
阅读(261)
评论(0)
推荐(0)
摘要：
参考： 8天学通MongoDB——第一天 基础入门 阅读全文
posted @ 2016-11-07 14:02
Life·Intelligence
阅读(143)
评论(0)
推荐(0)
摘要：
人工智能开始被资本炒的火热，但我还是比较悲观，计算机科学是勉强跟上了，但是智能的核心还是没有被揭示，其中脑科学和语言学等核心学科都没有突破性的进展。 制造真正的人工智能还得依赖仿生学，我们得观察自然智能，然后用我们现有的技术来努力实现。 那现在我们都观察到了什么呢？ 个体与群体，语言不仅促成了个体的智能，还将个体联结成了群体，我们所说的智能往往默认是智能群体，因为个体是微不足道的。语言承载了信息的... 阅读全文
posted @ 2016-10-20 16:05
Life·Intelligence
阅读(283)
评论(0)
推荐(0)
摘要：
决定在python上有所突破 先看看知乎： 如何面试Python后端工程师？ Python之美 - 知乎专栏 Python书籍推荐 阅读全文
posted @ 2016-10-20 12:08
Life·Intelligence
阅读(540)
评论(0)
推荐(0)
摘要：
虽然现在能在Linux系统下生存，但是自觉效率太低，和高手有很大的差距。 这就是关于Linux的知识太过匮乏，有很多事情知道该怎么做，但是就是没法在Linux下实现，为了提升工作效率，必须要接触Linux高级技巧 Linux的东西比较深，没法一下学完，所以只要能掌握生信必备的基础就好了。 一些主要的 阅读全文
posted @ 2016-10-20 11:08
Life·Intelligence
阅读(652)
评论(0)
推荐(0)
摘要：
之前学过perl，深知perl在模式匹配方面的强大，现在想完全转到python，虽说python的模式匹配没有perl那么强大，但还是可以用的，只是需要一个熟悉的过程。 参考资料： Python正则表达式指南 cnblog - 非常详细 阅读全文
posted @ 2016-10-20 11:03
Life·Intelligence
阅读(2043)
评论(0)
推荐(0)
摘要：
python的一个核心优势就是模块多，有了模块你的编程工作就轻松了，不必从头开始造轮子，直接使用模块就能成为高手。 系统模块（sys） 操作系统接口模块（os） 数学模块（math） 正则匹配模块（re）参照：Python正则表达式指南 读文件模块（fileinput）参照：Python中fileinput模块介绍 读写压缩文件模块（gzip）参照：gzip — Suppo... 阅读全文
posted @ 2016-10-20 10:50
Life·Intelligence
阅读(549)
评论(0)
推荐(0)
摘要：
sam格式很精炼，几乎包含了比对的所有信息，我们平常用到的信息很少，但特殊情况下，我们会用到一些较为生僻的信息，关于这些信息sam官方文档的介绍比较精简，直接看估计很难看懂。 今天要介绍的是如何通过bam文件统计比对的indel和mismatch信息 首先要介绍一个非常重要的概念--编辑距离 定义：从字符串a变到字符串b，所需要的最少的操作步骤（插入，删除，更改）为两个字符串之间的编辑距离。... 阅读全文
posted @ 2016-10-19 17:12
Life·Intelligence
阅读(3499)
评论(0)
推荐(0)
摘要：
视频地址： 《开讲啦》 20160910 颜宁：女科学家去哪儿了？ 果然是女神科学家，讲了一些我很感兴趣的东西，让我也体会到了女神的气质，有点感触，这个节目不错，可以追。 颜宁教授于2016年5月中旬应央视之邀，在《开讲啦》节目中为我们描述了从结构生物学角度看到的世界，分享了她的科研经历和科研心得， 阅读全文
posted @ 2016-10-07 21:18
Life·Intelligence
阅读(1938)
评论(0)
推荐(0)
摘要：
2023年02月04日 现在又回头来处理fasta，读取可以用pysam，可以很省力，输出就用python，因为结构很简单。 import pysam all_fasta = pysam.FastaFile("all.human.protein.fasta") all_fasta.reference 阅读全文
posted @ 2016-09-26 12:58
Life·Intelligence
阅读(11326)
评论(0)
推荐(1)
摘要：
编程只有不断练习才能掌握其精髓，多练练网上的习题和项目，才能掌握python的精髓。 Python的模块和包是出了名的多，因此你不必自己从底层开始写起，只需要看懂模块和包的使用文档就可以了，因此掌握一些模块的基本使用方法是非常有必要的，举一反三，到最后无师自通。 参考链接： Python 的练手项目有哪些值得推荐？ show-me-the-code 第 0000 题：将你的 QQ 头像（或... 阅读全文
posted @ 2016-09-10 21:57
Life·Intelligence
阅读(5561)
评论(0)
推荐(0)
摘要：
先不要想其他的，首先要在大脑里形成概念！ 最大似然估计是什么意思？呵呵，完全不懂字面意思，似然是个啥啊？其实似然是likelihood的文言翻译，就是可能性的意思，所以Maximum Likelihood可以直接叫做最大可能性估计，这就好理解了，就是要求出最大的可能性（下的那个参数）。 一些最基本的概念：总体X，样本x，分布P(x；θ)，随机变量（连续、离散），模型参数，联合分布，条件分布 ... 阅读全文
posted @ 2016-08-30 15:32
Life·Intelligence
阅读(1787)
评论(0)
推荐(0)
摘要：
看起来名字很陌生，但其实做机器学习的时候经常用到这个统计方法。 这个就是做回归时，用来拟合最优线性模型的方法。 参考链接： 最小二乘法 - CSDN 最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小... 阅读全文
posted @ 2016-08-30 15:32
Life·Intelligence
阅读(1340)
评论(0)
推荐(0)
摘要：
看一个通俗的解释： HMM模型就是这样一个系统——它有一个会随时间改变的隐藏的状态，在持续地影响它的外在表现。 A tutorial on Hidden Markov Models and selected applications in Speech recognition python包： hm 阅读全文
posted @ 2016-08-30 15:28
Life·Intelligence
阅读(789)
评论(0)
推荐(0)
浙公网安备 33010602011771号