自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(9)
  • 收藏
  • 关注

原创 文献积累(8)线粒体OCR(Seahorse XF Mito Stress Test)

参数计算生物学意义基础线粒体功能ATP生成能力膜损伤/ROS最大能力应激储备能力Rot/AA非线粒体耗氧。

2026-02-24 16:18:12 1090

原创 单细胞数据分析学习之Seurat新手瞎折腾(一)

但我呢,就是轴,我特别想知道为啥用这个函数不用别的。Read10X_HD_GeoJson Visium HD 几何结构 高分辨率空间。Visium 空间转录组 → Read10X + Coordinates + Image。以下函数主要用于 10X Visium 空间转录组,不能单独用于 scRNA-seq。函数,和help(函数)两个功能的认识,可以开始正式学习了。太好了,除了第二、第四个函数介绍的10X数据格式,其他好像都没见过。官网上有很多代码,有R基础的可以拿来,改一下直接用。

2026-02-03 10:44:53 1138

原创 文献积累(7)eCLIP-Seq

eCLIP‑seq凭借高分辨率、低背景与强稳定性,已成为RNA‑蛋白互作研究的核心技术,尤其适用于HCC等癌症中RBP调控网络的系统解析。实验需注重抗体质量、对照设计与测序深度,数据分析需结合UMI去重、IDR验证与多组学整合,以确保结果可靠并挖掘生物学意义。以上内容来自豆包,请注意辨别。

2026-01-29 13:42:12 652

原创 文献积累(5)肿瘤微环境中的相关细胞类型

肿瘤微环境相关细胞类型逐一介绍。

2026-01-27 13:58:00 710

原创 文献积累(6)CRISPR-RfxCas13d简单介绍

是归属于型的 RNA 靶向基因编辑工具,核心功能是特异性识别并切割单链RNA(ssRNA),不造成双链DNA断裂,安全性高,在转录组调控、病毒检测、基因治疗及癌症相关研究(如肝细胞癌致癌RNA降解)中应用广泛。其功能实现高度依赖与蛋白的协同作用。

2026-01-22 10:56:29 635

原创 文献积累(4)肿瘤微环境

是指肿瘤细胞赖以生存、增殖和转移的局部内环境,由和周围的共同构成,是一个动态、异质性的复杂系统。它不仅为肿瘤提供营养和生存空间,更通过细胞间、细胞-基质间的信号交互,调控肿瘤的发生、侵袭、转移以及对治疗的耐药性,是肿瘤研究和靶向治疗的核心靶点之一。

2026-01-21 15:49:12 727

原创 文献积累(3)eHCC aHCC veHCC vaHCC

这种新的分类方法(尤其是引入veHCC 和 vaHCC精准预后判断:将“血管侵犯”这一关键预后因素整合进形态学分类,能更精细地区分高危患者。vaHCC > veHCC > aHCC(无血管侵犯) > eHCC(无血管侵犯)的预后风险排序更为清晰。指导治疗决策对于已手术的veHCC或vaHCC患者,提示需要更密切的随访和考虑更强的辅助治疗(如TACE、靶向/免疫治疗)。在术前通过影像学和活检(如果可行)进行初步分型,有助于评估手术获益和制定综合治疗方案。反映肿瘤演变。

2026-01-21 14:51:07 756

原创 文献阅读积累(2)生存曲线

摘要:存活可能性曲线(如Kaplan-Meier曲线)是生物医学研究中用于分析生存数据的核心工具。该曲线以时间为横轴、存活概率为纵轴,通过阶梯状下降反映事件(如死亡、复发)发生情况,并用删失点标记失访数据。主要分析指标包括中位生存期、Log-rank检验P值和风险比(HR)。常见的曲线类型有OS(总生存期)、PFS(无进展生存期)等。需注意曲线视觉分离不等于统计显著性,且需明确事件定义、随访时间和完整报告统计指标。该方法是评估治疗效果和预后因素的重要分析手段。

2026-01-14 15:38:05 517

原创 文献阅读积累(1)ROC曲线

ROC曲线是评估二分类模型性能的重要工具,通过真阳性率(TPR)和假阳性率(FPR)反映模型区分能力。关键指标AUC(曲线下面积)衡量模型优劣:0.5表示随机猜测,>0.9为优秀。理想曲线靠近左上角(TPR=1,FPR=0)。ROC适用于均衡样本,与PR曲线、校准曲线等形成互补。阈值选择可通过Youden指数或临床需求(侧重敏感性/特异性)。需注意:AUC高≠临床实用,样本不平衡时需谨慎。ROC核心价值在于评估"区分能力",而AUC量化"区分程度"。

2026-01-14 15:22:33 80

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除