If you have a library which was sequenced across multiple flowcells, you can pool the reads from both sequencing runs. Follow the steps in Running Multi-Library Samples to combine them in a single ce

JTK是一种非参数检测程序，能从芯片数据中检测循环转录本。除了计算每个转录本最佳的相位(LAG)、振幅(AMP)和周期(PER)外，JTK还计算了置换检验P值(ADJ.P)和Benjamini-Hochberg q值 (BH.Q)。与常规的周期检测算法相比，JTK具有更好的检验效能、更高的计算效率和更强的鲁棒性。R语言的metacycle包实现了ARSER、JTK_CYCLE、Lomb-Scarg

wget https://obs-community-intl.obs.ap-southeast-1.myhuaweicloud.com/obsutil/current/obsutil\_linux\_amd64.tar.gz tar -zxvf obsutil_linux_amd64.tar.gz cd obsutil_linux_amd64_5.3.4/ chmod +x o

安装包 conda activate clusterprofiler conda install -c conda-forge r-sysfonts -y conda install -c conda-forge r-showtext -y 绘图1234567sysfonts::font_add("Arial Narrow", "~/font/Arial Narro

之前通过TCGAbiolinks下载了蛋白质组数据，而其中peptide_target给的是抗体的名字，进行富集时需要进行ID转换，我们先来构造一个映射表。RPPA的抗体与基因映射关系在这里。 准备映射表从官网下载手工版的映射表，整理成下面的格式，RPPA_Expanded_Ab_List_Updated、RPPA_Standard_Ab_List_Updated和the list of Upda

之前通过tcpa下载过蛋白数据，而TCGAbiolinks也有下载蛋白质组学数据的示例，后者看上去更全面一点。 下载数据123456789library(TCGAbiolinks)query.rppa <- GDCquery( project = "TCGA-PRAD", data.category = "Proteome Profiling&qu

在分析数据集时，常常会碰到一些缺失值，如果缺失值的数量相对总体来说非常小，那么直接删除缺失值就是一种可行的方法。但某些情况下，直接删除缺失值可能会损失一些有用信息，此时就需要寻找方法来补全缺失值。（庄闪闪） 安装包 conda create -n MICE -c conda-forge r-mice -y conda activate MICE conda install -c conda-for

之前TCGAbiolinks下载甲基化数据的hg19的数据下载好了，现在继续进行分析 安装包 conda create -n rGADEM -c conda-forge r-base=3.6 -y conda activate rGADEM conda install -c bioconda bioconductor-motiv -y conda install -c conda-for

之前用GOplot绘制了富集系统聚类图，感觉非常好看也非常实用，因此简化一下调用流程 12345678910f_GOplot <- function(GOplotIn, genedata, filePath, Category='enricher', width = 12, height = 8){ names(GOplotIn) <- c(

用DESeq2计算的结果，有时候绘图时，会发现有些差异基因的P值为0，这时候可以通过使用其他方法来计算P值，代替为0的p值，在不改变结果的前提下让火山图更好看。 读入数据123456789101112DEG <- readRDS('../../../DEG/CELL/C42vsLNCaP_EtOH.rds')DEG <- subset(DEG, !grepl(&#x