快速发SCI，就选神刊：Sci！
Bioconductor：助力你的生物信息学研究
基因序列到进化树：轻松掌握多物种DNA序列比对与进化分析
时维深冬，蒹葭仍苍，想到诗经中的意境，小编禁不住要为我们的产品赋一首属于这个季节的古风歌。彼组学之华兮，在水一方。求之不得兮，寤寐思服。爰赛默飞解决方案之厥功兮，大功可期。——吴泽明赛默飞代谢组学解决方案之蒙太奇——三体舰队来袭！列位客官也看出来了小编是个玩质谱的文青。今天小编我就用电影镜头语言来重现赛默飞代谢组学解决方案的三个应用场景。小编爱质谱也爱科幻，近期在二刷偶像大刘的《三体》。想着 ..... 阅 读 全 部 >
代谢组是对生物体内代谢产物全谱分析的一种研究手段，代谢产物包括核酸、蛋白质、脂类生物大分子以及其他小分子物质，目前主要是检测1000Da以下的物质。代谢组研究具有高通量的检测能力、高灵敏度和准确度、非侵入性、非破坏性、全面性、数据资源整合等特点。通过LC-MS/GC-MS评估生物体或细胞产生的代谢产物的水平以及变化，可以进一步研究这些代谢产物与转录组学差异基因或微生物的关系。在这个系统生物学...... 阅 读 全 部 >
我们知道在代谢组学实验鉴定后，原始数据经软件解析后将得到代谢离子以及二级碎片离子的谱图信息，如：离子的质荷比（m/z）、保留时间（Retention time）及在信号强度值（intensity）等，通过与数据库中一二级代谢物的谱图信息进行匹配，来确定检测到哪些代谢物。但在谱图匹配中一定少不了数据库，继上期小编分享了四连发 | 新鲜出炉!同一期刊连发4篇，鹿明LC-MS非靶向代谢“...阅读全文&... 阅 读 全 部 >
1. 概述1.1. 背景及分析流程简介为了理解细胞中更为复杂的生物过程，许多研究已在通过比较ChIP-seq的差异获得的不同数据。越来越多的ChIP-seq实验正在研究多种实验条件（例如各种治疗条件，几个不同的时间点和不同的治疗剂量水平）下的转录因子结合，组蛋白修饰的差异。差异富集在生物学和医学研究中已变得具有实际重要性。为了建立对比条件消除误差，我们对数据进行了以下流程处...阅读全文>&... 阅 读 全 部 >
据 JPR 称，GPU 市场预计到 2025 年将达到 33.18 亿台，年增长率为 3.5%。该统计数据清楚地表明，近年来 GPU 在机器学习中的使用有所发展。深度学习（机器学习的一个子集）需要处理海量数据、神经网络、并行计算和大量矩阵的计算。所有这些方法都使用处理大量数据并将其转换为可用软件的算法。这需要使用图形卡进行处理，以通过深度学习和神经网络执行这些任务。GPU 在这里发挥...阅读全文... 阅 读 全 部 >
技术爱好者不时会遇到ECC（纠错码）的概念。首先要明确的是，这项技术一般用于服务器和工作站，也就是企业领域。开发纠错码是为了自动检测和纠正 RAM 芯片中可能出现的错误。电子/磁干扰或宇宙射线会破坏内存中的数据。ECC 的目的是纠正损坏的数据，并在无法纠正的情况下向系统报告。随DDR5技术一起崭露头角的On-die ECC（ODECC）技术，引起了消费者的诸多讨论和困惑。首先，需要...阅读全文&... 阅 读 全 部 >
ECC 存储器或纠错码存储器是一种RAM（随机存取存储器），它利用纠错码来检测和纠正RAM 上的潜在数据损坏。与只能检测常见内存错误的非ECC RAM 相比，ECC RAM可以在内存错误导致数据损坏或事件系统崩溃之前立即检测并修复它们。这就是为什么ECC 内存被用于众多企业应用程序，尤其是任务关键型应用程序的原因。是什么导致 RAM 中的内存数据损坏？像 RA...阅读全文>>... 阅 读 全 部 >
编者按受体配体的相互作用是复杂器官实现细胞间信息交流的途径，肝脏作为哺乳动物体内重要的器官之一，其细胞通讯网络图谱一直未被阐明，本研究将健康和非酒精性脂肪性肝炎小鼠肝脏中的非实质细胞进行单细胞测序，为健康和疾病中的肝脏细胞间通讯和重编程提供了新的见解。基本信息样本：健康和非酒精性脂肪性肝炎小鼠肝脏（n=6）方法：10x Genomics单细胞转录组测序年份：2019期刊...阅读全文>>... 阅 读 全 部 >
大家好，这里是专注表观组学十余年，领跑多组学科研服务的易基因。CHIP-seq研究的数据挖掘思路主要分为3步：整体把握CHIP-seq图谱特征：peak/reads在基因组上的分布、peak在元件上的富集、peak在基因元件上的分布、peak的motif分析、peak距离TSS位点的距离分析、peak修饰基因的功能分析筛选具体差异peak和基因：差异peak鉴定、非时序数据的...阅读全文>... 阅 读 全 部 >
01前言实际的科研项目中不可能只有一个样本，多样本的单细胞数据如何合并在一起，是否需要校正批次效应呢？先上一张图说明多样本scRNA数据的批次效应：左边的图简单地把多个单细胞的数据合并在一起，不考虑去除批次效应，样本之间有明显的分离现象。右边的图是使用算法校正批次效应，不同的样本基本融和在一起了。scRNA数据校正批次效应的算法有很多：MNN, CCA+MNN, Harmony, Scanor..... 阅 读 全 部 >