论文感想
文章平均质量分 83
luciferdfg
BIOINFORMATICS,
MACHINE LEARNING,
IMAGE PROCESSING
展开
-
DeepLinc 方法总结
这里总结一下DeepLinc,是一个利用Variational Graph Auto-Encoders计算cell - cell communication 的方法。2022年6月发表的。原创 2024-01-31 00:30:05 · 597 阅读 · 1 评论 -
Time course gene analysis--lmms 算法总结
总结一下lmms 算法,来着论文‘A Linear Mixed Model Spline Framework forAnalysing Time Course ‘Omics’ Data’。lmms 提供了一整套处理Time Course ‘Omics’ Data’的流程,包括quality control and filtering, modeling, clustering and differentila analysis.Filtering首先重点是: 这个方法是建立在我们的数据是包含:n个原创 2022-03-12 22:11:19 · 1848 阅读 · 0 评论 -
limma 算法总结
我这个人完全没办法在不了解算法的情况下用一个包,那样我会疯,可是网上居然完全找不到limma算法的讲解资料,全是介绍怎么用的。可能我太初级了,这么简单的算法大概不值得一提……于是搞了一天原文,和东拼西凑的统计学知识,把现在了解的先总结一下:limma是做差异表达的包,其算法核心在两个function上:lmfit()以及eBays()lmfit()就是multiple linear regression假设我们有基因表达矩阵Y=[y1,y2,...y100]Y=[y_1,y_2,...y_{10原创 2021-04-29 20:30:49 · 7166 阅读 · 7 评论 -
Spatial Shrunken Centroids (2) 之 Spatially aware & Spatially aware structure-adaptive clustering
上一篇总结了Spatial Shrunken Centroids Segmentation的基本算法原理,其中涉及到Spatially aware & Spatially aware structure-adaptive clustering这两个聚类算法。算法来自一篇2013年bioinformatics上的文章 Efficient spatial segmentation of large imaging mass spectrometry datasets with spatially awa原创 2021-04-05 23:07:00 · 330 阅读 · 0 评论 -
Spatial Shrunken Centroids Segmentation 小结 (1)
最近在做质谱数据分析,不得不说,从原始数据开始分析东西实在是太恶心了。数据预处理要逼疯我……对MALDI-MSI 的每个section聚类,可以用Spatial Shrunken Centroids 的方法。这个方法来自文章Probabilistic Segmentation of Mass Spectrometry (MS) Images Helps Select Important Ions and Characterize Confidence in the Resulting Segments,代原创 2021-04-05 03:16:21 · 437 阅读 · 0 评论 -
2019-09-06 生物小白理解 WGCNA
计算机专业掉入生信坑真是心塞……WGCNA是个R 工具包, 用来分析gene数据的这是2008年发表在BMC BIO上的一篇文章,由于方法简单,便于理解,而且效果不错,一直深得生物学家们的喜爱。这里只谈论大概思想原理:首先,我们的数据一般是个样本(m个)*gene(n个)的矩阵。一般来说,n>>mWGCNA,的主要思想是(这里讨论unsigned):1) 计算基因之间的相关...原创 2019-09-12 20:59:50 · 942 阅读 · 1 评论