import__的博客

例如，查看转录组数据不同区域的Reads丰度，不同样本的基因表达差异，查找SNP位点，查看甲基化，查看基因结构信息。（3）如果在本地可视化，需要将 bam 和 bai 或 bigwig 文件从 linux 系统上传到本地，且放置在同一个文件夹下，如果服务器搭建有 ftp 站点则可以直接使用 url 载入，也可以将数据上传至可以接受外部访问的服务器（如 https://de.cyverse.org/dashboard ）上再使用 url 载入，具体可参考教程《通过 url 访问服务器文件》。

文章目录ClusterGVis——时间序列聚类可视化安装使用1. 输入2. 确定最佳聚类数目3. 聚类4. 输出5. 可视化（1）折线图（2）热图（3）热图 + 折线图/箱形图/GO富集补充报错参考ClusterGVis——时间序列聚类可视化ClusterGVis 提供了时间序列的 RNA-seq 数据的模糊 c-means 算法和 kmeans 算法聚类的可视化，还可以实现对 WGCNA 输出的可视化，同时可以使用 clusterProfiler 的 enrichCluster 完成每个 cluste

对于转录组测序的数据而言，组装得到转录本之后，首先要做的就是区分蛋白编码和非蛋白编码的RNA。第一种算法基于序列比对，可以较好的识别保守性较好的蛋白编码基因，包括CPCPhyloCSF等软件；第二种算法不需要比对，而是通过 coding 和 non-coding 转录本的序列特征来进行区分，包括CNCICPATPLEK等。

clust 是一种用于识别在一个或多个物种的异构数据集中持续共表达（相关性良好）的基因簇（组）的全自动方法。

Mfuzz 工具采用算法，根据具有时间序列特征的转录组、蛋白质组数据中基因或蛋白表达的时间趋势，对具有相同表达模式的基因或蛋白划分 cluster。相较于传统的统计学显著的上下调基因分组，Mfuzz 可以实现更为多元的生物学实验设计的基因聚类，如的实验。迄今为止的聚类大多为硬聚类（K-means 等算法），即将每个基因或蛋白质都完全分配给一个聚类，但在实际情况中，基因/蛋白质簇经常会出现重叠，且硬聚类算法通常对噪声十分敏感。为了克服硬聚类的局限性，Mfuzz 采用了。