1、基础描述分析历史上有这样一幅著名的图，它出自1854年的克里米亚战场之中，一名叫南丁格尔的护士利用一幅扇状的玫瑰饼图展示了她所管理的野战医院里不同季节中死于不同病因的病人数变化（见图1），直观地让英国政府看到：每年死于感染的士兵数（即蓝色区域）比死于战场（红色区域）和其他原因（黑色区域）的要多得多，这才终于使得政府开始制定措施改善战地士兵的卫生条件，降低了士兵的死亡率。因此这幅图被称...阅读... 阅 读 全 部 >
在某一项研究中，我们通过转录组或者蛋白组学研究了干预组和对照组的表达谱，获得了数千个基因的变化信息，如何从这些表达谱中发掘有用的信息？初步的生物信息分析可能已经给我们提供了它们之间的差异倍数，P值等等。接下来我们可以使用在线工具对基因表达的分布进行分析。这里提供一个最近更新的简单又快捷，不需要安装软件的在线分析工具：WEB-based GEne SeT AnaLysis Toolkit。...阅读... 阅 读 全 部 >
常规分析找不到差异基因？GSEA分析了解一下在上一期中，我们云平台的生信工程师为大家带来了一款强大的分析工具GSEA，很多老师觉得那篇稿子三分钟绘制一张优美的GSEA图 | 云平台看完后仍然意犹未尽。不过大家请不要着急，今天会带领大家对一些概念重新温习一遍。在引出今天的主角GSEA分析之前，我们先来谈一谈大家在挖掘转录组数据中，可能会遇到的一些共性问题——差异分析拿到了一大堆基因无从下手...阅读... 阅 读 全 部 >
很多小伙伴拿到转录组结果，都会有一个大大的疑问，明明上一步已经计算了FPKM了，为什么差异分析还是用readcount来做，我想用FPKM行不行？这里，郑重地回答你：不可以且没必要！你熟悉的DESeq，DESeq2和EdgeR都表示不同意！他们都只认readcount！首先，先让你和老朋友FPKM再重新熟悉一下：由于不同样品过滤后获得的数据量是不可能完全一致的，不同基因长...阅读全文>&g... 阅 读 全 部 >
尽管从一群细胞中获得全基因组范围的mRNA表达量对理解生物学机制非常有用，但这种方法只能获得平均基因表达水平，有时候会掩盖，甚至误导一些有意思的生物学现象。幸运的是，随着高通量测序技术的迅速发展，我们可以获得单个细胞的转录组。与大体积（bulk）RNA测序相比，单细胞RNA测序的数据结构虽然与其相同，但也有它不一样的特征：起始RNA极其稀少、分辨率高（resolution，即存在大量的基因有0..... 阅 读 全 部 >
全基因组测序（Whole Genome Sequencing），简称WGS，目前默认指的是人类的全基因组测序。所谓全（Whole），指的就是把物种细胞里面完整的基因组序列从第一个DNA开始一直到最后一个DNA，完完整整地检测出来并排列好。因此这个技术几乎能够鉴定出基因组上任何类型的突变。这种从头测序和组装通常应用于没有参考基因组可用或可用参考质量较差的生物体。之前未测序的基因组...阅读全文>... 阅 读 全 部 >
导读在农业科学中，为了提升作物农艺性状，经常会遇到将与性状相关的基因或位点在基因组上进行定位的需求，此时BSA作为一种简便又高效的分析方法便有了大显身手的机会。可是BSA究竟是怎样的一种研究方法呢，适用于什么群体呢？跟着小编了解一下吧！什么是BSA?BSA（Bulked segregation analysis）即混合分组分析，也称分离群体分组分析，是指利用目标性状存...阅读全文>>... 阅 读 全 部 >
领略高端套路，发表高分文章！ 小伙伴们大家好，我是菠小萝。这里是菠小萝的高分生信SCI解读专栏。说到套路，大家都是又爱又恨，简单的套路分数低，分高的套路实验多，难道就没有我们自己也能通过基础的生信和简单的实验发表的高分文章吗？2020年的12月，菠小萝将以“你也能发表的高分生信”为专题，带给大家不一样的生信套路套路~本周我要与大家分享的是一篇2018年发表在《Cell Systems》上的纯生..... 阅 读 全 部 >
前言条形图专用于离散变量和数值变量之间的可视化展现，其通过柱子的高低，直观地比较离散变量各水平之间的差异，它被广泛地应用于工业界和学术界。在R语言的ggplot2包中，读者可以借助于geom_bar函数轻松地绘制条形图。对于条形图大家对其的印象是什么呢？又见过哪些种类的条形图呢？在本篇文章我将带着各位网友说道说道有关条形图的哪些品种。ggplot2的语法讲解如果读者对...阅读全文>>... 阅 读 全 部 >
差异基因富集方法之Friends分析大家好，我是阿琛。今天，我们来给大家介绍一种常见的拓展生信分析方法。在常规的⽣信文章中，我们往往能够得到⼀大堆的显著差异表达基因。然而，从⾥面挑选哪⼀个基因出来进行验证常常让我们感到困扰。 通常，我们会从这些特定的蛋白功能信息出发，根据差异基因的条⽬进⾏富集分析，查找与其功能相似或相关的蛋白质，关联、比较、量化，看看是否富集在某个GOterm或者KEGG通路当中... 阅 读 全 部 >