![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
文章解读
文章平均质量分 86
bioInfo_seeker
一名行走在生物信息学领域的研究者
展开
-
CCRCC+101 种机器学习算法组合+免疫原性死亡+单细胞
3、TCGA数据集ssGSEA计算ICD-score,并使用WGCNA的方法筛选关键的module基因集,同时差异分析筛选肿瘤发生相关的基因集,GO和KEGG富集分析筛选关键的功能。4、基于10种机器学习的方法构建101种机器学习算法组合构建风险模型,并择优选择c-index最佳的模型,其中在c-index相差不大的时候,基因数量越少越好,这里作者选择了lasso+逐步回归+多因素建模,并绘制KM曲线。8、风险模型的功能注释,GSE+GSVA,关键功能高低评分的KM曲线。低风险GSEA分析,和配受体分析。原创 2024-04-27 14:59:48 · 979 阅读 · 0 评论 -
多组学+机器学习+膀胱癌+分型+建模
三个亚型之间进行了差异分析,选择了每一个亚型的 top20 个上调的基因作为特征绘制基因表达热图(图D),通过这20个基因作为一个分类器,对验证集分型,并绘制KM曲线(E),通过这20个基因的分类器使用NTP的算法构建计算分类的准确性。2、模型验证中纳入了NTP,我们网站之前使用的NTP的算法,基本上是通过两两进行对比,而在这次分析中,使用三种的亚型的敏感性比较,值得借鉴,但是原文筛选特征的基因的方法是使用差异基因做的。通过合并几套数据集,去批次,通过PCA查看去批次前后的各个数据集之间的分布。原创 2024-04-25 09:03:42 · 1350 阅读 · 0 评论 -
B细胞异质性和三级淋巴结构的单细胞转录组测序预测乳腺癌预后和新辅助治疗效果(10分+)
这篇文章做的比较多,有点杂,小编针对这篇文章单独对分析顺序重新理一下思路:1、下载单细胞数据,常规聚类降维分析,亚群注释2、针对B细胞进行二次聚类分析,包括富集分析,重轻的基因表达说明B细胞的异质性3、轨迹分析(monocle2)揭示B细胞的分化进程说明乳腺癌的病变进程。原创 2024-04-24 09:17:56 · 761 阅读 · 1 评论