▶ 자연과학/▷ 생물정보학 썸네일형 리스트형 【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.. 【생물정보학】 TCGA DATA 얻는 법 TCGA DATA 얻는 법 추천글 : 【생물정보학】 생물정보학 분석 목차 1. 공통 과정 [본문] 2. 마무리 방법 1 [본문] 3. 마무리 방법 2 [본문] 4. 마무리 방법 3 [본문] 5. 마무리 방법 4 [본문] 6. 트러블슈팅 [본문] 7. 부록 [본문] 1. 공통 과정 [목차] ⑴ 구글에 TCGA 입력 Figure. 1. 공통 1단계 ⑵ 최상단에 The Cancer Genome Atlas Program - National Cancer Institute 접속 Figure. 2. 공통 2단계 ⑶ 본문 중 publicly available에 접속 Figure. 3. 공통 3단계 ⑷ 우측 상단에 Carts를 클릭 Figure. 4. 공통 4단계 ⑸ 우측에 GDC Data Transfer Tool 접속.. 【생물정보학】 생물정보학 노트 생물정보학 노트 추천글 : 【생물정보학】 생물정보학 분석 목차 1. Bayesian methodology ⑴ 용어 정의 ① yng : single-cell count. negative bionomial을 따름 ② sn : cell size factor ③ zn : cell type indicator ④ μngc : modeled average expression. deterministic fn을 따름 ⑤ ϕngc : negative binomial dispersion. deterministic fn을 따름 ⑥ δgc : marker overexpression. log-normal을 따름 ⑦ ρgc : marker/cell type matrix ⑧ xnp : covariates (batch or sampl.. 【생물정보학】 리간드-수용체 상호작용 분석 리간드-수용체 상호작용 분석(ligand-receptor interaction analysis; 세포-세포 상호작용, cell-cell interaction, CCI) 추천글 : 【생물학】 생물정보학 분석 목차 1. 알고리즘 및 데이터베이스 [본문]2. 리간드-수용체 라이브러리 [본문]a. 단백질-단백질 상호작용 모델b. 유전자 라이브러리c. 유전자 스코어 라이브러리d. 셀 타입 마커 유전자 1. 알고리즘 및 데이터베이스 [목차]⑴ LR 상호작용 스코어 (ref) ⑵ CellTalkDB (human DB file, mouse DB file)⑶ CellPhoneDB ⑷ CellChat ⑸ NicheNet ⑹ IPA (upstream regulator analysis of ingenuity pathway .. 【생물정보학】 세포주 (셀라인) 라이브러리 세포주 라이브러리(cell line library) 추천글 : 【생물정보학】 생물 라이브러리 1. 총론 [본문] 2. 각론 [본문] 1. 총론 [목차] ○ 기타 부족한 정보는 수십억 개의 논문을 큐레이션 한 https://typeset.io/, https://www.scinapse.io/를 참고할 수 있음 ○ CCLE (Cancer Cell Line Encyclopedia) (ref, file, DEGs) HTML 삽입 미리보기할 수 없는 소스 2. 각론 [목차] ○ 4T1 ○ 반감기 12.6시간 ○ Balb/c 마우스 삼중음성유방암(TNBC) 조직으로부터 유래 ○ A549 ○ 폐암을 가진 58세 백인 남성의 폐 조직에서 유래 ○ B16F10 ○ 색소성 흑색종(pigmented melanoma) 모델 ○.. 이전 1 2 3 4 다음
최근댓글