热门的文章 - 第15页

16S+功能预测也能发Sciences：尸体降解过程中的微生物组

Metcalf, J. L., et al. (2016). "Microbial community assembly and metabolic function during mammalian corpse decomposition." Science 351(6269): 158-162. 于2015年12月10日在线发表，...

0
2
刘永鑫
发布于 2018-03-21 20:13
阅读 ( 7486 )

社区打赏功能使用教程

众人拾柴火焰高，为了鼓励广大生信爱好者分享知识，社区最新系统中增加了打赏功能以资鼓励生信人分享有用的知识。打赏功能设置如下：首先在账号设置（https://www.shengxin.ren/profile/bas...

0
0
admin
发布于 2017-10-12 09:27
阅读 ( 7485 )

生信文章解析（第五篇）IPM对HCC免疫微环境影响的综合分析

作者研究了不同人群和平台中TP53突变状态和RNA表达，并建立了基于免疫相关基因的免疫预后模型（IPM），这些基因在不具有TP53 突变和TP53突变型HCC样本之间差异表达。然后，作者综合分析了IPM对HCC免疫微环境的影响。

3
0
柚子
发布于 2019-07-30 17:47
阅读 ( 7447 )

宏基因组实战9. 组装assembly和分箱bin结果可视化—Anvi'o

0
1
刘永鑫
发布于 2017-11-20 20:28
阅读 ( 7437 )

干货：如何将别人的芯片数据唯我所用，发自己的文章

别人芯片数据为我所用，用别人的数据发自己的文章

8
2
调研图
发布于 2018-08-05 12:06
阅读 ( 7418 )

RCricos绘制简单圈图

2
2
爽儿
发布于 2017-05-20 10:25
阅读 ( 7415 )

开源基因组浏览器JBrowse教程系列第二篇：使用拟南芥基因组演示怎么配置JBrowse

本文以拟南芥为例演示了JBrowse的配置。

1
9
deepxin
发布于 2017-08-09 17:31
阅读 ( 7414 )

文献解读（5）三阴性乳腺癌与免疫微环境

研究纳入了WCH的76例TNBC患者和来自TCGA的158例TNBC患者。作者基于转录组数据，使用基于基因标记的xCell方法计算了34种免疫细胞的整体免疫得分和类型特异的富集得分。由Cox比例风险模型计算无复发生存率(RFS)和总生存率(OS)的HRs，研究细胞与预后的关系。

2
0
柚子
发布于 2019-12-25 18:32
阅读 ( 7406 )

WGCNA分析，简单全面的最新教程

本文应该是第二全的WGCNA分析教程，参考了最新的文档。第一全的还在路上，会出现于生信宝典和宏基因组公众号组织的二代三代转录组测序分析实战班上，欢迎点击链接了解更多。 WGCNA基

1
0
shengxinbaodian
发布于 2018-10-26 18:01
阅读 ( 7402 )

快速解读：3-5分的蛋白质组学文章思路

3-5分蛋白质组学文章思路！

1
3
组学生物
发布于 2018-07-13 09:54
阅读 ( 7391 )

16S预测宏基因组最强R包-Tax4Fun

之前在公众号的文章《根据16S预测微生物群落功能最全攻略》阅读人数近3000人，有需求的用户还是非常多的。其中提到了4个软件，之前已经介绍了其中非常有特点的三种，分别为： PICRUSt预测宏基...

0
2
刘永鑫
发布于 2018-01-03 09:47
阅读 ( 7382 )

一键计算泛癌中基因表达与TMB、MSI、purity、ploidy、HRD、LOH、新抗原的关系

众所周知，现阶段研究肿瘤基本离不开TCGA,研究单个基因的话更离不开单个基因在泛癌中的表达，当然我们也可以分析基因组异质性与基因表达的关系，比如 TMB：肿瘤突变负荷，TMB与PD-1/PD-L1抑制...

0
0
admin
发布于 2021-10-05 11:51
阅读 ( 7378 )

南瓜基因组

南瓜基因组万圣节将至，南瓜灯和糖果是其不可缺少的东西，今天小编给大家简单介绍南瓜基因组文章。背景南瓜为葫芦科（Cucurbitaceae）南瓜属（Cucurbita）中的一年生草本植物，起源于...

2
4
张海伦
发布于 2017-10-20 14:39
阅读 ( 7367 )

胃癌TCGA结合GEO数据建模（机器学习建立疾病诊断模型的方法）

生物信息建模大杂烩...

1
1
生信分析流
发布于 2019-09-03 11:27
阅读 ( 7361 )

多种生信套路组合——发4分的文章

这篇文章今年1月份发表在J Cell Mol Med上；文章只有两套数据，一套训练集和一套验证集；作者构建的模型AUC也不是很高，但是文章的分数发了4.6分。主要原因是作者能够将很多常规分析串起来，这些分析大家在泛癌课程和之前分享的文章、小工具推文中大家都接触过。所以小编提议大家多看文章，英文看不懂，没有关系，可以先看小编的解读，再看看原文，锻炼自己的思维。