使用limma包进行差异基因分析
虽然现在已经是高通量测序的时代，大家基本都是从counts矩阵出发，使用DESeq2进行差异表达分析，但是GEO和ArrayExpress上的仍有海量且持续更新的芯片数据，有时候也不可避免遇到一些FPKM格式乃至已经进行了z-score转换的数据，对于这些数据的分析，我们可以认为其在适当变换下(log2FPKM)，满足正态分布，那么仍可以使用limma直接进行分析。下面博主以E-MEXP-1422
oligo：GEO/ArrayExpress芯片数据处理
conda配置环境 conda clean -y -all conda create -n geo -c conda-forge r-base=4.1.3 conda activate geo conda install -c conda-forge r-tidyverse=1.3.1 -y conda install -c conda-forge r-irkernel -y
菜鸟博主对神经网络的简单理解（一）
博主最近在看临床预测模型，里面涉及到一些神经网络的相关知识，这里记录一下博主的简单理解。 基本概念 X：一个nx维的输入张量，可以是nx=0的标量，nx=1的向量，nx=2的矩阵，或更高维的张量 Y：一个ny维的输出张量，可以是nx=0的标量，nx=1的向量，nx=2的矩阵，或更高维的张量 f：一个特定结构的神经网络，如简单的BP神经网络
Counts矩阵的标准化方法：TMM和VST、RLOG
TMM：The Trimmed Mean of M value by edgeR VST：The variance stabilizing transformation by DESeq2 RLOG：The regularized-logarithm transformation by DESeq2 Counts矩阵来源于STAR匹配得到的结果：df <- read.csv('G
使用IQR方法进行重复值的选择
使用 rownames(df) <- rowNn 时经常会遇到rowNn中有重复值的情况，此时需要使用合适的策略来选择需要保留的那一列。下面这个函数默认保留IQR值(四分位距)最大的那一列。通过传入不同的select_func参数值，也可以改用其他的保留选择策略。如 mean 来保留算数平均值最大的一列，也可以传入自己定义的函数。 来源：Comprehensive Evaluation of
WGCNA：官方教程学习之共识分析
数据清洗123library(WGCNA) #加载WGCNA包enableWGCNAThreads() #开启多线程options(stringsAsFactors = FALSE) #避免某些错误匹配 1234567#Read in the female liver data setfemData = read.csv("LiverFemale3600.csv");#
WGCNA：官方教程学习之网络分析
官网下载zipped data sets和Male data，unzip解压，基本概念见此。 数据输入与清洗123456789library(WGCNA) #加载WGCNA包enableWGCNAThreads() #开启多线程femData = read.csv("LiverFemale3600.csv") #载入基因表达量数据femData datExpr0 = as.
WGCNA：概念初探
组织/细胞的功能执行具有模块化的特点。权重基因共表达网络分析(Weighted gene co-expression network analysis，WGCNA)使用Pearson相关系数或bicor双权重中位相关系数来衡基因之间的共表达关系，将表达模式相似的基因聚类成模块。同一模块的基因可能参与同一生物学过程或通路，被称为功能模块。WGCNA通过分析功能模块与特定性状或表型之间的关联