3.2 查找有效的工具变量 工具变量(IV )技术是可用于估算因果效应的几种方法之一,而无需完全了解所有可能影响暴露- 结局??
在前几期的内容中,我反复强调孟德尔随机化得出的是“因果”推论。在今天这一期中,我将重点阐明这种“因果推断”的含义。同时,我还将对工具变量理论进行了更详细的解释,并用生物学
在本期中,我将说明孟德尔随机化的基础概念与研究框架,并解释如何使用孟德尔随机化去解决常规流行病学问题。 2.1 什么是孟德尔随机化? 孟德尔随机化是在非实验数据中使用遗传变异
为了理解孟德尔随机化,我们有必要对遗传学有一个粗略的了解。 1. 读取遗传密码 许多生物的遗传信息(或基因组)由长长的一串遗传密码组成,这些遗传密码以DNA(脱氧核糖核酸)的形式?
久违的孟德尔随机化开始更新了,在今天的内容中,我将向大家介绍孟德尔随机化的基本概念及其背景知识,并举例说明何时可以使用该方法以及该方法为何能有效解释因果关系。本系列讲解内
一种肿瘤TMB的计算原理及数学模型的方法
随着高通量测序以及生物信息学的发展,R语言在生物大数据分析以及数据挖掘中发挥着越来越重要的作用。想要成为一名优秀的生物数据分析者与科研团队不可或缺的人才,除了掌握对生物大数据挖掘与分析技能之外,还要具备一定的统计分析能力与SCI论文质量绘图能力
TCGA数据据是由美国国家癌症研究所(NCI)及国家人类基因组研究所(NHGRI)联合建立,其包含丰富的肿瘤数据类;ceRNA其主要基于竞争性内源RNA假说解释mRNA、假基因、长链非编码RNA之间如何通过miRNA反应元件进行“对话”。
TCGA数据据是由美国国家癌症研究所(NCI)及国家人类基因组研究所(NHGRI)联合建立,其包含丰富的肿瘤数据类;ceRNA其主要基于竞争性内源RNA假说解释mRNA、假基因、长链非编码RNA之间如何通过miRNA反应元件进行“对话”。作为本系列的最后一讲,给大家介绍工具盒中批量生存分析和MRE统计算法,对ceRNA网络进行最后优化。
TCGA数据据是由美国国家癌症研究所(NCI)及国家人类基因组研究所(NHGRI)联合建立,其包含丰富的肿瘤数据类;ceRNA其主要基于竞争性内源RNA假说解释mRNA、假基因、长链非编码RNA之间如何通过miRNA反应元件进行“对话”。本节主要通过相关性优化ceRNA网络,去除大量假阳性位点。
TCGA数据据是由美国国家癌症研究所(NCI)及国家人类基因组研究所(NHGRI)联合建立,其包含丰富的肿瘤数据类;ceRNA其主要基于竞争性内源RNA假说解释mRNA、假基因、长链非编码RNA之间如何通过miRNA反应元件进行“对话”。本节主要lncRNA与miRNA的关系对构建。
TCGA数据据是由美国国家癌症研究所(NCI)及国家人类基因组研究所(NHGRI)联合建立,其包含丰富的肿瘤数据类;ceRNA其主要基于竞争性内源RNA假说解释mRNA、假基因、长链非编码RNA之间如何通过miRNA反应元件进行“对话”。本节主要mRNA-miRNA的互作网络构建。
TCGA数据据是由美国国家癌症研究所(NCI)及国家人类基因组研究所(NHGRI)联合建立,其包含丰富的肿瘤数据类;ceRNA其主要基于竞争性内源RNA假说解释mRNA、假基因、长链非编码RNA之间如何通过miRNA反应元件进行“对话”。本节主要讲解TCGA中不同类型RNA-Seq数据差异分析方法。
TCGA数据据是由美国国家癌症研究所(NCI)及国家人类基因组研究所(NHGRI)联合建立,其包含丰富的肿瘤数据类;ceRNA其主要基于竞争性内源RNA假说解释mRNA、假基因、长链非编码RNA之间如何通过miRNA反应元件进行“对话”。本节主要数据准备和预处理。
TCGA数据据是由美国国家癌症研究所(NCI)及国家人类基因组研究所(NHGRI)联合建立,其包含丰富的肿瘤数据类;ceRNA其主要基于竞争性内源RNA假说解释mRNA、假基因、长链非编码RNA之间如何通过miRNA反应元件进行“对话”。本讲非常详细解读基本TCGA数据库为后续分析打下一个坚实基础。
导读 Konrad J. Karczewski, and Michael P. Snyder 撰写的关于整合多组学在疾病研究中的应用一文《Integrative omics for health and disease》,于 2018年2月26日发表在 nature reviews genetics (Nature系列综述, 2018
导读 在单细胞研究的大潮中,新的测序方法层出不穷。不过,很少有人对这些方法进行系统的比对。慕尼黑大学生物学家Wolfgang Enard最近领导团队,在小鼠胚胎干细胞的基因表达研究中比较了一
WGCNA加权基因共表达网络分析主要用来分析不同样品之间基因关联模式的系统生物学方法,WGCNA适用于复杂的数据模式,15个样品以上的数据,利用数千或近万个变化最大的基因或全部基因的信息识别感兴趣的基因集,并与表型进行显著性关联分析,优势在于一是充分利用了信息,二是把数千个基因与表型的关联转换为数个基因集与表型的关联,免去了多重假设检验校正的问题。
欢迎关注"生信修炼手册"! 之前的文章中介绍了annovar软件的使用,除了annovar以外,snpEff 也是常用的一款突变位点注释工具。这款软件基于java语言进行开发,安装过程相对简单,下载之后解压
截止 2018 年 4 月,约有 193 种植物完成了基因组测序,详情查看下图: