使用 rownames(df) <- rowNn 时经常会遇到rowNn中有重复值的情况，此时需要使用合适的策略来选择需要保留的那一列。下面这个函数默认保留IQR值(四分位距)最大的那一列。通过传入不同的select_func参数值，也可以改用其他的保留选择策略。如 mean 来保留算数平均值最大的一列，也可以传入自己定义的函数。 来源：Comprehensive Evaluation of

数据清洗123library(WGCNA) #加载WGCNA包enableWGCNAThreads() #开启多线程options(stringsAsFactors = FALSE) #避免某些错误匹配 1234567#Read in the female liver data setfemData = read.csv("LiverFemale3600.csv");#

官网下载zipped data sets和Male data，unzip解压，基本概念见此。 数据输入与清洗123456789library(WGCNA) #加载WGCNA包enableWGCNAThreads() #开启多线程femData = read.csv("LiverFemale3600.csv") #载入基因表达量数据femData datExpr0 = as.

组织/细胞的功能执行具有模块化的特点。权重基因共表达网络分析(Weighted gene co-expression network analysis，WGCNA)使用Pearson相关系数或bicor双权重中位相关系数来衡基因之间的共表达关系，将表达模式相似的基因聚类成模块。同一模块的基因可能参与同一生物学过程或通路，被称为功能模块。WGCNA通过分析功能模块与特定性状或表型之间的关联

GSEA分析123456789101112131415161718192021222324252627282930313233343536require(clusterProfiler)require(enrichplot)rres <- readRDS('DEGs_X1.OE.DMSO_X2.OE.DMSO_vs._X1.control.DMSO_X2.control.DMSO_

通过比对，我们得到了counts矩阵，接下来可以进行DEGs分析。此时如果我们有多组之间的对比，则可以使用RRA算法来聚合我们的结果。RRA的安装过程见此。 第一步，多组差异基因分析1234567891011121314151617181920212223242526272829303132333435library(DESeq2)count_all <- read.csv("~/

WikiPathways是一个开放协作平台，旨在促进生物学界对通路信息的贡献和维护。它提供了一种新的模型，可以增强和补充KEGG、Reactome和Pathway Commons等正在进行的工作。 安装相应的R包 conda activate clusterprofiler conda install -c bioconda bioconductor-rwikipathways -y 初步建立数

clusterProfiler中提供了enricher和GSEA两个函数，enricher包装了**Over-representation analysis**，GSEA包装了Gene Set Enrichment Analysis。这两个函数与其他的enrichKEGG、gseKEGG的唯一不同点是提供的不是KEGG数据库，而是TERM2GENE和TERM2NAME两个参数。 从gson格式初探

更新包 conda activate clusterprofile ~/dev/xray/xray -c ~/etc/xui2.json & wget -e “https_proxy=http://127.0.0.1:20809“ https://github.com/YuLab-SMU/clusterProfiler/archi

之前在树莓派里通过docker安装了宝塔面板，并将博客转移到了树莓派上，通过内网穿透和反向代理提供服务。今天家里停电了一会儿，后来来电后发现访问博客出现502错误，原来是宝塔内部的NGINX没有自动启动，下面尝试解决这个问题。 sudo docker inspect baota 发现入口是用python3启动了一个script.py sudo docker exec -it baota