▶ 자연과학/▷ 생물정보학 썸네일형 리스트형 【생물정보학】 xFuse의 이해 및 실행 xFuse의 이해 및 실행 (ref) 추천글 : 【생물정보학】 생물정보학 분석 목차 1. 개요 [본문] 2. step 1. forward scheme [본문] 3. step 2. inference [본문] 4. step 3. prediction [본문] 5. 프로그램 실행 [본문] 1. 개요 [목차] ⑴ 목적 : 저해상도의 ST 라이브러리를 고해상도의 ST 라이브러리로 만드는 것 ① 전체 스팟의 개수는 Visium 프로토콜 기준으로 최대 4992개에 불과함 : 상당히 저해상도라고 할 수 있음 ⑵ 배경 이론 ① 이산확률이론 ② 연속확률이론 ③ CNN(convoluted neural network) ⑶ 가정 ① I : 가우시안 분포를 따른다고 가정 ② X : 음이항 분포를 따른다고 가정 2. step 1. .. 【생물정보학】 RCTD의 이해 및 실행 RCTD의 이해 및 실행 (ref) 추천글 : 【생물정보학】 생물정보학 분석 목차 1. 개요 [본문] 2. 수학적 이론 [본문] 3. 코드 [본문] 4. 결과 [본문] 5. 결론 [본문] 1. 개요 [목차] ⑴ 기존 spatial transcriptomics의 한계 ① 특정 cell type이 어디에 위치하는지 알기 어려움 ○ 이유 1. spatial transcriptomics spots 위에 single-cell이 놓이지 않고 수십~수백 개의 cell들이 놓일 수 있기 때문 ○ 이유 2. spot 위에 수 개의 cell들만 올라가더라도 별개의 cell로 인식하지 못하고 하나의 새로운 cell로 인식함 ② 기존 unsupervised marker-dependent analysis의 단점 (ref) ○ .. 【생물정보학】 CellPhoneDB의 이해 CellPhoneDB의 이해 추천글 : 【생물정보학】 리간드-수용체 상호작용 분석 1. 설치 [본문]2. 레퍼런스 [본문] 1. 설치 [목차]⑴ 리눅스 환경 준비 혹은 anaconda3 설치 ⑵ 입력 파일 ① cellphonedb_meta.txt ② cellphonedb_count.txt ⑶ 예제 코드 # 1. 가상환경 생성 및 활성화conda create -n cpdb python=3.7activate cpdb # 혹은 conda activate cpdbpip install cellphonedbactivate cpdb # 혹은 conda activate cpdb# 2. 예시 데이터 설치curl https://raw.githubusercontent.com/Teichlab/cellphonedb/mas.. 【생물정보학】 데이터 분석 : Kaplan-Meier 생존 곡선 데이터 분석 : Kaplan-Meier 생존 곡선 추천글 : 【생물정보학】 생물정보학 분석 목차 1. 이번에 죽은 환자 수 [본문] 2. # of censored [본문] 3. 지금까지 살았을 확률 [본문] 4. R 코드 [본문] 5. 파이썬 코드 [본문] 총 걸린 시간 (t) 이번에 죽은 환자 수 (d) 전까지 살아있던 환자 수 (n) # of censored 이번에 죽었을 확률 (d/n) 이번에 살았을 확률 (1 - d/n) 지금까지 살았을 확률 (L) 6 1 23 0 0.0435 0.9565 0.9565 12 1 22 0 0.0455 0.9545 0.9130 21 1 21 0 0.0476 0.9524 0.8695 27 1 20 0 0.0500 0.9500 0.8260 32 1 19 0 0.0526 .. 【생물정보학】 MIA 분석의 이해 및 실행 MIA 분석의 이해 및 실행 (ref) 추천글 : 【생물정보학】 생물정보학 분석 목차 1. 배경이론 [본문] 2. 코드 [본문] 3. 결과 1. scRNA-seq data validation [본문] 4. 결과 2. ST chracterization [본문] 5. 결과 3. MIA(multimodal intersection analysis) [본문] 6. 결과 4. scRNA-seq의 subpopulation을 MIA를 통해 분석 [본문] 7. 결과 5. cancer population을 MIA를 통해 분석 [본문] 8. 결과 6. tumor microenvironment를 MIA를 통해 분석 [본문] 9. 결과 7. TCGA(The Cancer Genome Atlas)로 보강 [본문] 10. 한계 [본.. 【생물정보학】 scater로 cell type 결정하기 scater로 cell type 결정하기 (ref) 추천글 : 【생물정보학】 생물정보학 분석 목차 1. 패키지 설치하기 [본문] 2. 데이터 셋팅 [본문] 3. quality control [본문] 4. expression calculation [본문] 5. 차원축소기법 [본문] 6. 커스토마이징 [본문] a. Cell Type Classification Pipeline b. Seurat로 cell type 결정하기 c. scanpy로 cell type 결정하기 1. 패키지 설치하기 (ref1, ref2) [목차] install.packages("BiocManager") BiocManager::install("scRNAseq") browseVignettes("scRNAseq") # starting htt.. 【생물정보학】 Seurat로 cell type 결정하기 Seurat로 cell type 결정하기 추천글 : 【생물정보학】 생물정보학 분석 목차 1. 정식 튜토리얼 [본문] 2. 커스토마이징 [본문] 3. 트러블슈팅 [본문] a. Cell Type Classification Pipeline b. scater로 cell type 결정하기 c. scanpy로 cell type 결정하기 d. Seurat와 scanpy의 비교 ※ 최근에 업그레이드 된 Seurat v5.0 이전의 문서입니다. ※ Seurat는 조르주 쇠라에서 따온 명칭입니다. ※ Seurat의 발음은 '스-라' (fr; 위) 혹은 '스-랫' (eng; 아래)에 가까움 Download audio (fr) Download audio (eng) 1. 정식 튜토리얼 (R STUDIO) (ref1, ref2).. 【생물정보학】 Cell Type Classification Pipeline Cell Type Classification Pipeline 추천글 : 【생물정보학】 생물정보학 분석 목차 1. matrix와 sparse matrix [본문] 2. PCA로 차원 축소 [본문] 3. 클러스터링 [본문] 4. DEG 탐색 [본문] 5. 패키지 소개 [본문] a. Seurat로 cell type 결정하기 b. scater로 cell type 결정하기 c. scanpy로 cell type 결정하기 1. matrix와 sparse matrix [목차] ⑴ sparse matrix는 0이 아닌 데이터의 값과 위치를 표시한 행렬 ⑵ 생물정보학에서 다루는 데이터의 양이 크므로 sparse matrix 사용 2. PCA로 차원 축소 [목차] ⑴ 큰 데이터에 PCA를 적용할 수 없으므로 최적화 필요 ⑵.. 이전 1 2 3 4 다음
최근댓글