AnimalTFDB：动物转录因子注释和预测tool
经验分享：非编码RNA（non-coding RNA, ncRNA）简介
山东农科院、北林等开发异源多倍体亚基因拆分新算法
前情提要：《 当年，我们是怎么平滑上云的？ 》一文中提到了上云的背景，将所有的系统，从一个机房，迁移到另一个机房。 如上图：迁移之前，系统部署在机房A（M6）内，是单机房架构。迁移之后，系统部署在机房B（阿里云）内，换了一个机房。《当年，我们是怎么平滑上云的？ 》有三结论：（1）单机房架构的核心是“全连接”；（2）机房迁移方案的设计目标是：平滑迁移，不停服务；可以分批迁移；随时可以回滚；（3）想要... 阅 读 全 部 >
《R包学习》专栏·第3篇 文| R学习者2352字 | 6分钟阅读这是dplyr包系列第三篇文章。前两篇文章如下：前两篇文章是从 数据列的角度做选择和变换处理。这篇文章是从 数据行的角度，描写行选择的一系列操作与方法。数据的行，可以看作为 观察、样例、对象等。 数据的行选择，主要包括如下内容：1 基于比较运算的行选择2 基于字符匹配的行选择3 基于正则模式的行选择4 基于多条件的行选择5 跨越多列... 阅 读 全 部 >
转自：EasyCharts今天这篇主要讲解R语言颜色综合运用，主要跟大家介绍如何提取那些专业色彩包中的颜色搭配用于在基础绘图系统和高级绘图系统中共享。其实无论是R语言的预设配色系统、自定义颜色表还是哪些专属配色包，我们所使用（或者R语言识别的）的仅仅就是一组字符向量所代表的色值而已，并不神秘。通过scales中的色彩获取函数，我们可以将专属配色主题（RColorBrewer、ggthemes）中的... 阅 读 全 部 >
在文献中，我们经常能够看到这样的散点图。例如，通过RNA-seq或qPCR比较特定基因在不同分组样本中的整体表达水平。文献中的蜂群图与其称它们为散点图，其实它们是有独自名字的—蜂群图。当然原则上它们仍属于散点图的范畴，因为它仍将单个样本直接显示为点。但其特别之处在于，蜂群图采用了一种逻辑，以确保所绘制的点彼此靠近且不会重叠，并能有效呈现出点分布的局部密度信息，直观而不失优雅。...阅读全文>... 阅 读 全 部 >
Python作为胶水语言的强大之处已经不需要我过多描述了，它在机器学习领域、大型网站搭建框架等都有非常广泛的应用，比如TensorFlow的python接口，基于Python的Tornado和Django框架，国内的知乎和豆瓣、以及Youtube大部分是基于这些python的框架。当然最为重要的是它在生物信息领域的应用也较为广泛，比如基于扩增子的测序，还有一些全基因组测序等后期分析的软件很多都是基... 阅 读 全 部 >
我本来对实习僧网站是没什么好感的，因为之前自己在实习僧上投的实习简历几乎全部都石沉大海了（一个文科生偏要去投数据分析岗不碰壁才怪~_~）！然鹅看到最近知乎爬虫圈儿里的两大趋势：爬美图；爬招聘网站。后来大致观察了下，几乎各类大型招聘文章都被别人爬过了，自己再去写免不了模仿之嫌，而且大神们都是用Python去爬的（Python我刚学会装包和导数据），自己也学不来。现在只能选一个还没怎么被盯上的招聘网站... 阅 读 全 部 >
最近，在文献中看到这样一个令人惊艳不已的组合图，如下。很明显，这个图至少是由8个小图表组合而成的，通过坐标轴粗细和图表间隔的不一致可以看出来。可见，熟练使用Ai(Adobe illustrator)也是成为科研巨佬的必备技能。(The Plant Cell, 2020)除去两侧的聚类树和条形图，组合图的中间部分其实是一种比较新颖的山峦图，也称作山脊线图(Ridgeline plots)，可以用作图... 阅 读 全 部 >
笔者前一段时间忙于为新文章制作配图，多处搜集配图优雅美观的优质论文。最后终于找到一篇发表在 Science Advances 的文章——通过高通量测序分析揭示了小 RNA 在小鼠卵母细胞和早期胚胎中的调控作用。文章中除了复杂的 RNA Seq、Chip Seq 分析，图表的搭配十分美观。虽说我们是崇高的科（ke）学 (yan) 家 (gou)，但关乎我们毕业大计的 SCI 也得要「高颜值」。以常见... 阅 读 全 部 >
转自：TalkingData原文作者：Sunil Ray译者：TalkingData 张永超原文链接：https://www.analyticsvidhya.com/blog/2017/09/common-machine-learning-algorithms/“简介”从广义上讲，机器学习算法有三种类型：监督学习该算法是由一个目标/结果变量（也成为因变量）组成，该变量可以从一组给定的预测...阅读... 阅 读 全 部 >
翻译｜谢旭审校｜张卫滨本文比较了用于数据准备的几种方法，它们分别是提取-变换-加载批处理（ETL）、流式获取和数据整理。本文还讨论了数据准备如何与可视化分析相关联，以及不同用户角色（如数据科学家或业务分析人员）应如何共同构建分析模型的最佳实践。要点在常见的机器学习/深度学习项目里，数据准备占去整个分析管道的60％到80％。市场上有...阅读全文>>... 阅 读 全 部 >