简 介当前用于比较分析单细胞数据集的计算工作流程在测试不同实验条件下的差异丰度时，通常使用离散 cluster 作为输入。然而，聚类并不总是提供适当的分辨率，也不能捕获连续的轨迹。在这里，我们提出了Milo，一个可扩展的统计框架，通过在k近邻图上将单细胞分配到部分重叠的邻域来执行差异丰度测试。使用模拟和单细胞RNA测序(scRNA-seq)数据，表明 Milo 可以识别因离散细胞成 cluster

简 介利用神经网络对Cox比例风险模型进行扩展，提出了时间-事件预测的新方法。基于嵌套病例对照研究的方法，我们提出了一个损失函数，可以很好地扩展到大型数据集，并可以拟合Cox模型的比例和非比例扩展。通过仿真研究，验证了所提出的损失函数是Cox部分对数似然的良好近似。将提出的方法与现有方法在实际数据集上进行比较，发现具有很强的竞争力，通常在Brier分数和二项对数似然方面产生最佳性能。软件包安装..

简介偏最小二乘回归（Partial Least Squares Regression，PLS Regression）是一种常用的统计建模方法，用于解决多元线性回归中自变量间高度相关的问题。在偏最小二乘回归中，通过将原始自变量转换为一组新的综合变量（称为主成分或潜在变量），然后再使用这些主成分进行回归分析，从而减少自变量之间的共线性，并且提高模型的稳定性和预测能力。偏小二乘回归提供...

简 介围绕中心点划分 Partitioning Around Medoid（PAM）聚类算法的基本思想为选用簇中位置最中心的对象，试图对n个对象给出k个划分；代表对象也被称为是中心点，其他对象则被称为非代表对象；最初随机选择k个对象作为中心点，该算法反复地用非代表对象来代替代表对象，试图找出更好的中心点，以改进聚类的质量；在每次迭代中，所有可能的对象对被分析，每个对中的一个对象是中心点，...

OncodriveCLUST： 利用体细胞突变的位置聚类来识别癌症基因

单细胞转录组数据中识别细胞对“基因集”的响应 (AUCell)

机器学习中生存树（Survival Tree）的原理详解 生存树是结合决策树与生存分析的机器学习模型，主要用于处理带有时间-事件数据（包含删失数据）的预测问题。示例： 在每个候选分裂点，计算左右子节点的Kaplan-Meier曲线，通过对数秩检验的p值评估差异显著性，选择p值最小的分裂点。预测输出 风险评分（Risk Score）：每个叶节点的样本具有相似的风险水平，可通过中位生存时间或累积风险函

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...

简介有监督的主成分回归的基本原理主成分分析是由KarlPearson于1901提出的,它把原来的多个变量用少数几个线性组合，即主成分来概括。主成分分析也是降维方法的一种，可以用于可能高度相关的基因表达数据的探索，但是由于在仅考虑自变量的常规主成分分析中组成和选择主成分的时候没有用到生存时间,因此无法保证所选择的主成分与病人的生存相关。所以Bair和Tibshirani提出了有监督的主...

机器学习之分类树（ClassificationTrees）