「技术干货」在Linux中安装部署ZeroTier虚拟网络
使用ZeroTier快速组建SD-WAN网络，自行搭建Moon月亮服务器
贝锐蒲公英挑战ZeroTier、TailScale，异地组网新选择：直连高速不限速！
本文首发于微信公众号 *“ 生信补给站 ” ，期待您的关注！！！*"一张统计图形就是从数据到几何对象(geometric object, 缩写为geom, 包括点、线、条形等)的图形属性(aesthetic attributes, 缩写为aes, 包括颜色、形状、大小等)的一个映射。此外, 图形中还可能包含数据的统计变换(statistical transformatio...阅读全文>&g... 阅 读 全 部 >
作者：dwzb，R语言中文社区专栏作者。知乎专栏：https://zhuanlan.zhihu.com/Data-AnalysisR第一篇戳：第二篇戳：R|ggplot2(二)|覆盖柱状图各种需求引用一句Hadley在ggplot2网站上的一句话A layer combines data, aesthetic mapping, a geom (geometric object), a stat..... 阅 读 全 部 >
目录1.离群值的基础知识1.1 为什么需要关注离群值outliers？1.2 什么是离群值outliers2. 离群值的可视化2.1用Boxplot来可视化离群值（Outliers）2.2 另一种方法更好地可视化离群值（Outliers）3. 删除离群值3.1 方法一（更简单的方法）3.2 方法二（更易懂的方法）4. 小结5. 参考资料1.离群值的基础知识1.1 为什么需要关注离群值outlier... 阅 读 全 部 >
taoyan：伪码农，R语言爱好者，爱开源。个人博客: https://ytlogos.github.io/上篇文章中提了一下如何通过ggpubr包为ggplot图添加p-value以及显著性标记,本文将详细介绍。利用数据集ToothGrowth进行演示。#先加载包library(ggpubr)#加载数据集ToothGrowthdata("ToothGrowth")head(ToothGrow..... 阅 读 全 部 >
一般来说，数据分析分为统计检验和可视化两个部分。今天给大家分享一个R包，可将这两个部分合二为一，不仅能够画出美观精致的图表，还能够同时展现统计分析的详细结果，简直“一石二鸟”、“一举两得”！这个包为ggstatsplot，非常适合做统计分析的科研工作者们，赶紧用起来！#所需R包的安装和载入remotes::install_github( "IndrajeetPatil/ggstatsplot"..... 阅 读 全 部 >
经典功能富集分析可戳：《KEGG富集分析及可视化，一把子拿捏！》 《GO富集分析及可视化，一把子拿捏！》通过KEGG、GO等经典富集分析，我们能够了解到阈值筛选出的差异基因参与的通路和具备的功能，以及哪些功能/通路对表型变化是可能起主导作用的。但在经典富集分析中，我们无法得知某条通路下差异基因的总体变化趋势，即富集到同一通路下的基因既又上调也有下调，那么这条通路的表现形式到底是被激...阅读全文&... 阅 读 全 部 >
各位医学方的朋友，大家好。我是Flyman！做过下游分析的小伙伴都知道富集分析的重要性，生信类文章大家总会在最后一步针对我们前面筛选出来的差异基因做一下GO/KEGG富集分析，研究一下他们参与到什么信号通路上或者参与什么生物学过程？富集分析的本质是什么呢？实际上就是一个超几何分布，超几何分布是统计学上一种离散概率分布。它描述了从有限N个物件（其中包含M个指定种类的物件）中抽出n个物件，成功抽出该指... 阅 读 全 部 >
做转录组分析时，我们通常会筛选差异表达基因进而对这些差异表达基因进行功能富集分析（下面简称常规富集分析）。不知道大家有没有遇到过以下情况：差异基因少而富集不出来感兴趣或相关的功能/通路，或者差异表达基因虽然很多，但是没有富集到感兴趣的通路或者GO功能？此时，可以试试GSEA分析。那么问题来了，GSEA是什么？全名Gene Set Enrichment Analysis，也就是基因集富集分析！GSE... 阅 读 全 部 >
在某一项研究中，我们通过转录组或者蛋白组学研究了干预组和对照组的表达谱，获得了数千个基因的变化信息，如何从这些表达谱中发掘有用的信息？初步的生物信息分析可能已经给我们提供了它们之间的差异倍数，P值等等。接下来我们可以使用在线工具对基因表达的分布进行分析。这里提供一个最近更新的简单又快捷，不需要安装软件的在线分析工具：WEB-based GEne SeT AnaLysis Toolkit。...阅读... 阅 读 全 部 >
各位医学方的朋友，大家好，我们你们的老朋友Flyman，时隔许久，今天我们又和大家见面了。今天我们和大家分享一下大家司空见惯的话题基因通路富集分析。谈到富集分析，大家首先会想到Y叔叔写的神包clusterprofiler，几行代码轻松搞定，目前主流的富集分析的算法寻找相关通路本质就是一个超几何分布，那我们今天剖析的GSEA算法则和超几何分布是略有不同。GSEA全称是 gene-set enrich... 阅 读 全 部 >