CinboWang的博客

原创 单细胞数据分析笔记整理

以10X的3’端测序为例，磁珠上有很多短序列（它们的cellular barcode是一样的，UMI各不相同），在PolyT结合mRNA的3’端PolyA之后，尽管转录本有长有短，但因为测序序列长度有所限制，这些转录本分子会在靠近3’端的地方随机打断（只留下最靠边的序列），所以10X的又叫做3’测序，UMI-based，测序深度较低，每个细胞只有一部分基因可以被探测到，但UMI的计数被认为是基因表达水平的直接体现。：一个完整的转录本分子会被随机打断，转录本越长，片段会越多，而这些片段最终都会被测序。

原创 下载mosek 并在R语言中使用Rmosek package

下载mosek 并在R语言中使用Rmosek package

原创 R语言glmnet中岭回归的超参数lambda的选择

R语言的glmnet提供了ridge regression的函数，其对应与α=0\alpha=0α=0时情形。其默认λ\lambdaλ最大值的产生为α=0.001\alpha=0.001α=0.001时，Lasso对应KKT条件中的最大λ\lambdaλ.使用默认程序提供的lambda sequence可以看到默认的lambda sequence有很大一部分非常大，几乎没有任何作用，而对应lambda.min处的MSE仍在继续减小。考虑基于上述的lambda.1se, 继续构建lambda_seq,

原创 R语言中使用UpSet包绘制多集合Venn图

集合的交集一帮采用Venn图进行展示，但当集合数目超过3时，使用Venn图直接展示会显得比较杂乱，我们倾向于使用UpSet展示。 这里，我们介绍UpSet的概念，并展示如何使用UpSet package绘制图.UpSet 元素解读三个条形图表示A，B，C三个集合大小；第一行三个空白⚪表示不存在与A，B, C三个集合的元素，第2-4行表示仅存在于其中一个集合的元素，以此类推. 如下所示UpSet 包使用UpSet提供两个转换函数fromList and fromExpression用于格式化数据

原创 中介分析笔记

原创 Markdown语法

文章目录Table of contentsEmphasisBlockquoteslistTask ListFootnotesHorizontal RulesLinksImagesTable of contents直接输入[toc] and press the Enter key.Emphasissingle asterisks*this text is surrounded by literal asterisks**single asterisks*\*this text is surrou

原创 高级搜索常用语法

GoogleAND: 谷歌默认搜索逻辑. 如program google 搜索出包含‘program’和’google’的内容，等价于program AND google.OR: 如program OR google表示搜索包含其中之一即可。"": 如"prgram google"表示搜索包含program google的指定顺序内容.-: 注意-前面一个空格，后面紧跟关键词。如program -google表示只要program, 不要google内容。intitle:: 将搜索范围限定在网页标

原创 使用ggplot2包绘图

目录散点图geom_point()条形图geom_bar(), stat_count()柱形图geom_histogram(),geom_freqpoly()抖动图与箱线图geom_jitter(),geom_boxplot()注释图geom_text(),geom_label()分面与栅栏图其他问题散点图geom_point()标题、标签、注释、legend，主题等设置library(ggplot2);library(dplyr)data(mpg)label <- mpg %>%

原创 R base笔记

这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar

原创 R语言使用igraph包绘制网络图

效果如下library(igraph)# Create dataset.seed(1)data <- matrix(sample(0:1, 100, replace=TRUE, prob=c(0.8,0.2)), nc=10)network <- graph_from_adjacency_matrix(data , mode='undirected', diag=F )# Default networkpar(mar=c(0,0,0,0))opar <- par(no