一篇带你搞定Meta分析全过程！5000+字纯干货
写了几个月的Meta分析被人抢先发表！原来是差了这一步！
做Meta分析必须知道的科研神器
首先，让我们先回顾一下分子生物学的基本知识。人类细胞中的DNA序列长度约1828.8毫米，而细胞核的直径只有5微米，那么，如何将这些DNA装入核中是细胞面临的一个巨大挑战。好在DNA并不是裸露地存在于细胞核中，它们由核小体折叠缠绕，形成可以调节的结构。这就意味着DNA序列不能简单地理解为按照一维线性排列，而应该是具有三维折叠和环套状态的结构。我们知道DNA重测序，转录组测序，甲基化...阅读全文&... 阅 读 全 部 >
作者：丁点helper来源：丁点帮你前面我们已经讲完两组比较的非参数检验，类似t检验与方差分析，当比较的数据超过两组时，我们就需要换一个方法了。非参数K-W检验，相比前文讲解的Mann-Whitney 检验就是这样，我们可以把它理解为“非参数检验的方差分析”。K-W检验的全称为，Kruskal-Wallis检验，它是用于正态分布条件不满足情况下，多组独...阅读全文>>... 阅 读 全 部 >
前段时间为大家介绍过绝对定量转录组测序可以为研究工作带来的改善，你还记的吗？图1 绝对定量转录组测序建库原理绝对定量转录组测序是这样做的：使用含有UMI标签（或Barcode）的接头与cDNA连接，然后进行PCR文库扩增和上机测序（图1）。定量更准确由于每个cDNA扩增产物都带有unique的UMI标签，在数据分析时，通过识别UMI标签，就可以容易地识别哪些序列是PCR扩增产生的（相同的UMI），... 阅 读 全 部 >
mRNA测序简述RNA高通量测序（RNA-sequencing,缩写为RNA-seq）是目前高通量测序技术中应用广泛的技术之一，它可以帮助我们了解各种比较条件下基因表达情况的差异。在所有差异类型的检测中，常见的就是检测mRNA表达量的差异，而mRNA样本在上机测序之前会做怎么的处理？它与DNA样本的建库处理又有哪些不同？这些你们都清楚了吗？今天小翌跟大家讲解的就是这部分内容。 ...阅读... 阅 读 全 部 >
染色质环（或染色质相互作用）是染色质结构的重要组成元素（图1）。染色质环的破坏与癌症、多指畸形等多种疾病有关。目前，ChIA-PET、HiChIP和PLAC-Seq等技术可用于检测特异性蛋白质介导的高分辨率染色质环。近年随着3D基因组研究的快速进展，ChIA-PET、HiChIP和PLAC-Seq的数据集不断积累，亟需对这些数据集进行有效的收集和处理。图1. 染色质环（Chromatin loop... 阅 读 全 部 >
时维深冬，蒹葭仍苍，想到诗经中的意境，小编禁不住要为我们的产品赋一首属于这个季节的古风歌。彼组学之华兮，在水一方。求之不得兮，寤寐思服。爰赛默飞解决方案之厥功兮，大功可期。——吴泽明赛默飞代谢组学解决方案之蒙太奇——三体舰队来袭！列位客官也看出来了小编是个玩质谱的文青。今天小编我就用电影镜头语言来重现赛默飞代谢组学解决方案的三个应用场景。小编爱质谱也爱科幻，近期在二刷偶像大刘的《三体》。想着 ..... 阅 读 全 部 >
代谢组是对生物体内代谢产物全谱分析的一种研究手段，代谢产物包括核酸、蛋白质、脂类生物大分子以及其他小分子物质，目前主要是检测1000Da以下的物质。代谢组研究具有高通量的检测能力、高灵敏度和准确度、非侵入性、非破坏性、全面性、数据资源整合等特点。通过LC-MS/GC-MS评估生物体或细胞产生的代谢产物的水平以及变化，可以进一步研究这些代谢产物与转录组学差异基因或微生物的关系。在这个系统生物学...... 阅 读 全 部 >
我们知道在代谢组学实验鉴定后，原始数据经软件解析后将得到代谢离子以及二级碎片离子的谱图信息，如：离子的质荷比（m/z）、保留时间（Retention time）及在信号强度值（intensity）等，通过与数据库中一二级代谢物的谱图信息进行匹配，来确定检测到哪些代谢物。但在谱图匹配中一定少不了数据库，继上期小编分享了四连发 | 新鲜出炉!同一期刊连发4篇，鹿明LC-MS非靶向代谢“...阅读全文&... 阅 读 全 部 >
1. 概述1.1. 背景及分析流程简介为了理解细胞中更为复杂的生物过程，许多研究已在通过比较ChIP-seq的差异获得的不同数据。越来越多的ChIP-seq实验正在研究多种实验条件（例如各种治疗条件，几个不同的时间点和不同的治疗剂量水平）下的转录因子结合，组蛋白修饰的差异。差异富集在生物学和医学研究中已变得具有实际重要性。为了建立对比条件消除误差，我们对数据进行了以下流程处...阅读全文>&... 阅 读 全 部 >
据 JPR 称，GPU 市场预计到 2025 年将达到 33.18 亿台，年增长率为 3.5%。该统计数据清楚地表明，近年来 GPU 在机器学习中的使用有所发展。深度学习（机器学习的一个子集）需要处理海量数据、神经网络、并行计算和大量矩阵的计算。所有这些方法都使用处理大量数据并将其转换为可用软件的算法。这需要使用图形卡进行处理，以通过深度学习和神经网络执行这些任务。GPU 在这里发挥...阅读全文... 阅 读 全 部 >
生信圈
欢迎您支持我的公众号
点击此处可关闭