分类目录归档：

2022
08-29

降维算法只用tSNE？你out啦！

数据，已经渗透到当今各行各业和业务职能领域。但如何处理已获得的复杂数据并从中挖掘出有效的信息成为了大家关注的问题。其中数据可视化是极其重要的一个方面，因为 无论如何对数据进行分析处理，能够简明准确的展示最终结果，才是数据可视化的点睛之笔。在前几期的介绍中，王老师带领大家一起盘了许多FlowJo®插件，也针对数据分析软件的实际应用进行了分析， 那么本期，王老师将继续从生物学角度，带大家了解数... 阅 读 全 部 >
2022
08-19

如何改造你的图片，让你的单细胞测序分析图向CNS看齐？

单细胞转录组学测序是目前比较火热的组学技术，单细胞测序在很多高分文章中露脸的次数非常频繁。然而数据拿到手，分析后的可视化也是发文章时的重点内容。看到CNS或者其他高质量文章中单细胞的可视化总是一种高大上的感觉，可是自己手里的数据可视化却是与别人有很大差距。那么，接下来就随着笔者初探单细胞作图的修饰，抛弃默认出图，修饰作图，提高档次，向好的文章看齐！也让自己的数据有一个更好的呈现！为了方便演示，示例... 阅 读 全 部 >
2022
08-19

PCA、LDA、MDS、LLE、TSNE等降维算法的Python实现

整理 | 夕颜【导读】网上关于各种降维算法的资料参差不齐，但大部分不提供源代码。近日，有人在 GitHub 上整理了一些经典降维算法的 Demo(Python)集合，同时给出了参考资料的链接。PCA资料链接：https://blog.csdn.net/u013719780/article/details/78352262https://blog.csdn.net/u013719780/articl... 阅 读 全 部 >
2022
08-19

R语言从入门到精通：Day14（PCA & tSNE)

实际工作中要处理的变量之间的关系往往是错综复杂的。处理这些多变量数据的最大挑战之一就是信息过度复杂，若数据集有100个变量，如何了解其中所有的交互关系呢?即使只有20个变量，当试图理解各个变量与其他变量的关系时，也需要考虑190对相互关系。主成分分析等方法是用来探索和简化多变量复杂关系的常用方法。在这里我们重点介绍两种简化多变量复杂关系，即降维的方法：主成分分析和t-SNE（t-Distri...... 阅 读 全 部 >
2022
08-19

还在用PCA降维？快学学大牛最爱的t-SNE算法吧（附Python/R代码）

大数据文摘作品编译：寒小阳、蒋宝尚、Sheila、赖小娟、钱天培假设你有一个包含数百个特征（变量）的数据集，却对数据所属的领域几乎没有什么了解。 你需要去识别数据中的隐藏模式，探索和分析数据集。不仅如此，你还必须找出数据中是否存在模式－－用以判定数据是有用信号还是噪音？这是否让你感到不知所措？当我第一次遇到这种情况，我简直全身发麻。想知道如何挖掘一个多维数据集？ 这是许多数据科学家...阅读全文&... 阅 读 全 部 >
2022
08-18

单细胞测序中的聚类和降维，你真的分清楚了吗……

#单细胞测序的优势#近年来，快速发展的高通量测序，已经广泛应用于生命科学的各个领域。传统的混合细胞测序（bulk cells sequencing）检测的是数以万计的细胞群体平均后的表达水平，无法反应每个细胞的真实情况，这使得局部/微小组织的功能研究有了极高的门槛。同时，细胞异质性也成了研究组织中特殊种类的细胞功能作用时无法跨越的鸿沟。单细胞测序技术通过对单个细胞的RNA进行测序，精准得到单个细胞... 阅 读 全 部 >
2022
06-17

转录组专题——关于样本重复性问题小技巧

目前，转录组测序仍是应用最广的高通量测序技术之一，很多研究课题是关于基因表达潜在的机制，并已经发现了一些现象，但分子机制还不清楚。而做转录组测序特别适合用于分子机制探究，可以获得样本中几乎所有的mRNA信息。关于转录组领域的研究，应用范围极为广泛。如可研究同一个体不同组织之间的基因表达差异；或者不同的外界处理条件下（病毒、光照、紫外、干旱、高温和高盐胁迫等），对基因表达的影响。在我们正式进行转录组... 阅 读 全 部 >
2022
06-17

R语言绘图课程 | PCA图

PCA（Principal Component Analysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。在生物信息分析中，PCA常用于分析不同样本之间的相互关系，可以基于表达量或者SNP突变类型进行分析。R语言是一门专门针对统计绘图等需求设计的编程语言，在R语言中，内置了PCA分析的函数prco..... 阅 读 全 部 >
2022
06-16

解读文献里的那些图——主成分分析图（PCA）

PCA全名principal component analysis，即主成分分析，看到这个名字的时候，第一次深刻的体会到了什么是每个字都认识，合在一起却不知道是什么意思……看一下主流的解释：主成分分析是一组变量通过正交变换转变成另一组变量的分析方法，来实现数据降维的目的。转换后得到的这一组变量，即是我们所说的主成分。Emmmm，还是不懂……拆开了，一个字一个词的...阅读全文>>... 阅 读 全 部 >
1 2