转录组学
浓香鸭腿面
目前从事利用 机器学习算法 进行 玉米基因组 数据挖掘的相关工作
展开
-
文章:Mapping regulatory variants controlling gene expression in drought response and tolerance
样本:224个植株的叶片条件:3种浇水处理转录组:627,WW (209)、WS1 (208)、WS2 (210)一个植株测3次转录组,均在营养生长的2-3阶段,不同的地方在分别测定正常浇水、停止浇水9天 (含水量70%,WS1)、停止浇水13天 (含水量58%,WS2) 进行采样测定的转录组数据。设计目的:1. 可以严格控制基因型变量,即对照组与实验组之间基因型完全相同;2. 植株在干旱等逆境条件下的生长速率会降低,所以干旱13天和正常生长13天植株所处的生长阶段是不同的,由于转录组会随着时间变化,原创 2020-09-18 17:16:24 · 1212 阅读 · 1 评论 -
孟德尔随机化法(Mendelian Randomization,MR)
一、工具变量参考:https://www.zhihu.com/question/29067965在构建回归模型时,一般将因变量 YYY 拆成两部分,自变量 XXX 和随机误差 εεε。若 XXX 与 εεε 之间存在相关性,则在构建回归模型的时候,导致对 XXX 的参数 βββ 估计不准。如果能找到一个过滤器,把 XXX 中和 εεε 相关的部分过滤掉,只剩下与 εεε 无关的部分,则可以准确估计参数 βββ。工具变量是指与自变量 XXX 相关而与 εεε 无关的变量,工具变量可以作为过滤器,去除 XX原创 2020-09-15 22:10:08 · 18775 阅读 · 0 评论 -
文章:Integration of omic networks in a developmental atlas of maize
总结文章于2016年发表于Science上。随着转录组学、蛋白组学研究的深入,研究人员发现:生物体内mRNA含量与其所对应的蛋白质含量之间相关性较弱。(However, genome-wide correlations between the levels of proteins and mRNAs are weakly positive)所以我们很难通过对生物体mRNA含量的测定来准确推测对应蛋白质含量。作者以玉米为研究目标,测定了转录组、蛋白组和磷酸蛋白组数据,详细研究了各组学数据之间的关系及可能存原创 2020-05-12 13:36:01 · 607 阅读 · 0 评论