logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

IF 12+ 小细胞肺癌的空间转录组全谱分析揭示了肿瘤内分子和亚型异质性

该分析揭示了肿瘤内多区域异质性,其特征在于空间定位的组织学区域内存在不同的分子特征、生物学功能、免疫特征和分子亚型。本研究介绍了一项初步的以肿瘤为中心、区域靶向的空间转录组资源,揭示了小细胞肺癌肿瘤内部此前未被探索的空间异质性。B、C)箱形图展示了通过CIBERSORT、TIMER和MCPCOUNTER算法估算出的CD8+T细胞在h-ITH、m-ITH和l-ITH 品型中的浸润丰度。G) 通过Cl

IF: 8+ 基于26种机器学习算法的人工智能预测肺腺癌患者预后和免疫治疗反应

这期分享一篇 2024年1月发表于Cell Prolif (IF 8.5)的文章,作者基于26种机器学习算法的人工智能预测肺腺癌患者预后和免疫治疗反应。该文章使用桓峰基因公众号里面生信分享教程即可实现,有需要类似思路的老师可以联系我们!摘 要免疫细胞在影响肺腺癌 (LUAD) 细胞的增殖、进展和转移中起着越来越重要的作用。然而,免疫细胞特异性基因模型的潜力在很大程度上仍然未知。在当前的研究中,..

#人工智能#机器学习#算法 +1
MachineLearning 35. 机器学习之Lasso+Cox回归筛选变量 (LassoCox)

简 介对于Cox模型,响应最好是一个由生存包中的Surv()函数创建的Surv对象。对于右删减的数据,该对象的类型应该是“right”,对于(start, stop)数据,它的类型应该是“counting”。为了拟合分层Cox模型,在将响应传递给glmnet()之前,应通过stratifySurv()函数将地层添加到响应中。(为了向后兼容,右审查的数据也可以作为两列矩阵传递,列名为'tim...

#机器学习#回归#人工智能 +2
MachineLearning 12. 机器学习之降维方法t-SNE及可视化 (Rtsne)

最佳降维方法之一 t-SNE,并实现在多个数据集上的应用,尤其是单细胞测序数据

文章图片
#机器学习#数据挖掘#数据分析
甲基化系列 3. 甲基化芯片数据分析完整版(ChAMP)

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)

文章图片
#数据分析#数据挖掘
MachineLearning 19. 机器学习之神经网络分类器(NNET)

简介神经网络是一种运算模型,由大量的节点(或称“神经元”,或“单元”)和之间相互联接构成。每个节点代表一种特定的输出函数,称为激励函数。每两个节点间的连接都代表一个对于通过该连接信号的加权值,称之为权重,这相当于人工神经网络的记忆。网络的输出则依网络的连接方式,权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近,也可能是对一种逻辑策略的表达。使用神经网络的动机是...

#机器学习#神经网络#人工智能 +1
SCS【15】细胞交互:受体-配体及其相互作用的细胞通讯数据库 (CellPhoneDB)

点击关注,桓峰基因桓峰基因公众号推出单细胞系列教程,有需要生信分析的老师可以联系我们!单细胞系列分析教程整理如下:Topic 6. 克隆进化之 CanopyTopic 7. 克隆进化之 CardelinoTopic 8. 克隆进化之 RobustCloneSCS【1】今天开启单细胞之旅,述说单细胞测序的前世今生SCS【2】单细胞转录组 之 cellrangerSCS【3】单细胞转录组数据 G...

#数据库
FigDraw 17. SCI 文章绘图之主成分绘图(pca3d)

R语言中pca3d包能帮你快速制作2D和3D的PCA图,一个包帮你解决PCA分析

文章图片
#开发语言#机器学习#支持向量机 +2
MachineLearning 34. 机器学习之竞争风险生存分析的深度学习方法(DeepHit)

简 介生存分析(time-to-event analysis)广泛应用于经济金融、工程、医学等诸多领域。一个基本问题是理解协变量和生存时间(时间到事件)分布之间的关系。之前的大部分工作都是通过将生存时间视为随机过程的第一次命中时间来解决这个问题,假设潜在随机过程的特定形式,使用可用数据来学习协变量与模型参数之间的关系,然后推导协变量与第一次命中时间(风险)分布之间的关系。然而,以前的模型依赖于..

#机器学习#深度学习#人工智能
    共 70 条
  • 1
  • 2
  • 3
  • 7
  • 请选择