【生信数据预处理】第1讲：酵母RNA-Seq数据

已于 2022-05-17 03:51:11 修改
阅读量1.4k 收藏 2
点赞数
文章标签： 机器学习 人工智能 数据挖掘
于 2022-05-16 20:35:39 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wong2016/article/details/124800029
版权

数据集一 酵母 RNA_Seq 数据

在生物信息学研究中，酵母(Yeast, Saccharomyces cerevisiae)基因表达数据经常被用来验证理论模型、算法的应用效果。本文介绍的yeast表达数据集来自 Expression Atlas 的 E-MTAB-5174 实验。在获得了全部基因的RNA-seq的原始读数(raw-counts)后， 我们删除了零表达方差的基因。即，这些基因的表达读数几乎是常数值。经过处理后的yeast基因表达数据集由6930个基因在209个样本的RNA-seq读数值组成。

数据集二 豌豆根瘤菌 Microarray 数据

豌豆根瘤菌(R. leguminosarum) 微阵列数据来自18个不同的生长条件，每个条件有3个独立的样本，这样就获得了 n = 54 n=54 n=

最低0.47元/天 解锁文章
Goodsta
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
机器学习——聚类
joker_shy的博客
07-27 2650
超市选址问题 这里我们又用到机器学习的一个新算法，聚类，聚类是无监督算法的一个重要算法，如图所示 绿点代表住户，×点代表超市，每个用户离拿个超市近就会去哪个超市，然后就会分到这个超市然后用户就被分成红蓝两组 但这不是最合理的位置，经过多次迭代，计算最终会取得一个最好的结果 这就是聚类的K均值算法 思路讲解 1.我们需要先确定需要几个超市，这就用到了‘肘部法则’来确定K，，我们是改变K值，计算代价...
Yeast数据集简单说明
一只活活泼泼快快乐乐的萨摩耶的博客
11-22 1456
Yeast数据集简单说明
Yeast数据集免费下载，别让nt恰公开数据的钱
m0_51577307的博客
11-03 805
Yeast 数据集 2417条数据 103个特征 14个标签 百度网盘下载 链接：https://pan.baidu.com/s/1PCwWGoMTLeMffzfUR0y0Pg 提取码：S0D5
yeast数据集
04-08
yeast数据集
yeast数据集（测试集部分）
04-08
yeast数据集
【免费下载可直接使用】Yeast数据集csv格式，能够直接输入模型
11-20
Yeast数据集来源于慕尼黑蛋白质序列信息中心（MIPS）的微阵列数据集。其中，每个实例代表一个yeast基因，每个基因有103个特征。共有14个基因功能群标签。数据集总大小为2417*117维，后14列为分类标签列，样本共分为14类，如果某个样本属于该类就标注为1，否则标注为0。（一个样本可能存在多个不同的类别中） 进行上述预处理后可直接输入模型进行降维分析！！
yeast.mat多标签数据集
07-28
yeast（酵母菌）数据集是一个多标签数据集，里面包括14种标签，已经划分好了训练集和测试集，可以直接进行调用，可用于机器学习，多标签分类等等，在MATLAB和python中都可调用。
单细胞RNA测序（scRNA-seq）Cellranger流程入门和数据质控.md
最新发布
05-12
单细胞RNA测序（scRNA-seq）Cellranger流程入门和数据质控
单细胞RNA测序（scRNA-seq）SRA数据下载及fastq-dumq数据拆分.md
05-12
单细胞RNA测序（scRNA-seq）SRA数据下载及fastq-dumq数据拆分
Yeast 酵母菌数据集-数据集
03-30
酵母菌中的蛋白质相互作用，可用于构成其蛋白质相互作用网络
聚类分析、机器学习及数据挖掘中常用数据集
09-02
在聚类分析、机器学习、数据挖掘中常用到的数据集，包括：UCI的数据集wine,yeast,iris等，还有USPS数据集，4k2_far,leuk72_3k数据集等。
聚类分析常用数据集
03-26
聚类分析常用的人工数据集，包括：UCI:wine、Iris、yeast，还有4k2_far、leuk72_3k等数据集。它们在聚类分析、数据挖掘、机器学习、模式识别领域经常用到。
聚类原始数据集
10-26
聚类数据集 %% 利用不同方法对债券样本进行聚类 %说明 %分别采用不同的方法，对数据进行聚类 %可以选择的pdist/clustering距离 % methods = {'euclidean'; 'seuclidean'; 'cityblock'; 'chebychev'; ... % 'mahalanobis'; 'minkowski'; 'cosine'; 'correlation'; ... % 'spearman'; 'hamming'; 'jaccard'}; %Y=pdist(X) 生成各数据点之间距离的行向量 %squareform(Y) 生成方阵（i，j）代表i个点与j各点之间的距离 %聚类方法： %k-means %kidx=kmeans(bonds,numClust,'distance',dist_k); %层次聚类 %hidx=clusterdata(bonds,'maxclust',numClust,'distance',dist_h,'linkage',link); %liankage产生层次聚类树 %获取距离矩阵，第二参数指定距离计算方法
yeast_data:酵母RNA-seq数据分析
03-13
yeast_data:酵母RNA-seq数据分析
生信常见数据格式.pdf
03-28
生信常见数据格式.pdf生信常见数据格式.pdf生信常见数据格式.pdf生信常见数据格式.pdf生信常见数据格式.pdf生信常见数据格式.pdf
单细胞RNA测序（scRNA-seq）工作流程入门.md
05-12
单细胞RNA测序（scRNA-seq）工作流程入门
单细胞RNA测序（scRNA-seq）Seurat分析流程入门.md
05-12
单细胞RNA测序（scRNA-seq）Seurat分析流程入门
RNA-seq生信分析R语言代码
09-27
RNA-seq的生信分析可以使用R语言进行。下面是RNA-seq分析的大体步骤和对应的R语言代码： 1. 数据质控： - 质量评估和过滤：使用软件如FastQC和Trimmomatic对测序数据进行质量评估和过滤。 ```R library("ShortRead") library("Rsubread") # 质量评估 qc <- FastqFile("sample.fastq") quality <- qa(qc) # 过滤 filtered <- filterFASTQ(qc, output_file="filtered.fastq", trimVector=TRUE) ``` 2. 数据比对： - 将测序数据比对到参考基因组或转录组上，使用软件如HISAT2和STAR。 ```R library("Rsubread") # 比对到参考基因组 index <- buildindex("genome.fasta", "genome_index") aligned <- align(index, "filtered.fastq", output_file="aligned.bam") ``` 3. 确定基因表达水平： - 使用软件如featureCounts和HTSeq将比对结果转换为基因表达矩阵。 ```R library("Rsubread") # 生成基因表达矩阵 counts <- featureCounts("aligned.bam", annot.ext="gene.gtf", isPairedEnd=FALSE) ``` 4. 差异基因表达分析： - 使用软件如DESeq2和edgeR对基因表达矩阵进行差异基因分析。 ```R library("DESeq2") # 差异分析 dds <- DESeqDataSetFromMatrix(countData=counts, colData=sample_info, design=~condition) dds <- DESeq(dds) results <- results(dds) ``` 以上是RNA-seq生信分析的大体步骤和对应的R语言代码。请根据实际情况对代码进行相应的调整和优化。如果需要更详细的代码和解释，请参考相关的生物信息学教程和文献。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值