这期开始增加一个系列就是我们经常用到的数据库或者网站，便于我们查找数据，在线分析数据，若能很好的利用别人的工具，就没必要自己一句一句码代码，最主要的是不断出现各种bug处理不了，东问西问搞不定，今天就来介绍第一个在线平台——kaggle， 因为要找套 CT 影像的数据，忽然发现这个在线平台效果不错，可以参考别人的思路以及代码，同时也可以上传自己的思路和代码，参与一些竞赛，蛮有意思的，毕竟生物信息也

全网剖析最全面的基因表达聚类方法

这期介绍一个基于TCGA和GTEx数据挖掘神器（GEPIA2），个人觉得如果没有编程基础的可以直接利用这个在线小工具分析自己的研究的单个基因或者多个基因，效果还是蛮好的！桓峰基因公众号推出转录组分析教程，有需要生信的老师可以联系我们！转录分析教程整理如下：RNA 1. 基因表达那些事--基于 GEORNA 2. SCI文章中基于GEO的差异表达基因之 limmaRNA 3. SCI 文章中基于T

简介immunarch是专为分析T细胞受体(TCR)和B细胞受体(BCR)而设计的R包，主要为医学科学家和生物信息学家量身定制。immunarch的使命是使免疫测序数据分析尽可能轻松，帮助您专注于研究而不是编码。关键特性1. Data agnostic快速轻松地操作免疫库数据:A. 软件包自动检测文件的格式-不再猜测文件的格式（可分析任何类型的数据:single-cell, bulk, d...

甲基化系列 3. 甲基化芯片数据分析完整版（ChAMP）甲基化全套分析流程整理 （ChAMP）

这期分享一篇2024年9月发表在 6.8/Q1 NPJ Precision Oncology 的文章 Immune-related cell death index and its application for hepatocellular carcinoma，免疫相关细胞死亡指数及其在肝癌中的应用。摘 要调节细胞死亡（RCD）在肝细胞癌（HCC）的免疫微环境、发展和进展中起着至关重要的作用。.

简介CoxBoost使用基于组件似然的增强来拟合Cox比例风险模型。特别适用于具有大量预测器的模型，并允许具有无惩罚参数估计的强制协变量。与梯度增强(例如在R包mboost中的glmboost例程中实现，使用CoxPH损失函数)相比，CoxBoost不是基于损失函数的梯度，而是采用Tutz和Binder(2007)的基于偏移量的增强方法来估计Cox比例风险模型。在每个增强步骤中，将前面的...

简介本文提出了一种新的特征选择方法，该方法使用类似于支持向量机递归特征消除 (SVM-RFE)的反向消除过程。与 SVM-RFE 方法不同的是，在每一步中，该方法通过对原始训练数据的子样本上训练的多个线性支持向量机的权重向量进行统计分析来计算特征排序得分。我们在四个用于癌症分类的基因表达数据集上测试了所提出的方法。结果表明，所提出的特征选择方法比原 SVM-RFE 方法选择了更好的基因...

简 介在许多应用中，理解一个模型为什么会做出某种预测是至关重要的。然而，对于大型现代数据集，最好的准确性通常是通过复杂的模型来实现的，即使专家也很难解释，比如集成或深度学习模型。这造成了准确性和可解释性之间的紧张关系。作为回应，最近提出了各种方法来帮助用户解释复杂模型的预测。在这里，我们提出了一个统一的框架来解释预测，即SHAP (SHapley Additive exPlanations)，它.

机器学习之分类树（ClassificationTrees）