生信碱移Recall 通过人工生成随机的噪声假基因判断细胞聚类簇是否拆得过细，如果过细就自动往回合并或者调整分辨率，从而得到优化的聚类。单细胞 RNA 测序（scRNA-seq）能够分析包含数千至数百万个单细胞转录组图谱的数据集。主流分析流程 seurat 与 scanpy 一般包括以下三个大步骤：预处理（质控、归一化、选 HVGs、PCA）无监督聚类（在 PCA 空间构建的邻接图上 执行Louv

该研究通过搭建单细胞整合评估平台（scIB），在13个整合任务（含2个模拟任务、5个 scRNA-seq 任务和6个 scATAC-seq 任务）上。为检验方法的准确性、可用性和可扩展性，研究设计了14个性能指标从批次效应移除与生物学变异保持两大维度进行量化评估；同时，考虑了多种输出格式（嵌入、矫正矩阵、集成图等）及不同的预处理策略（含/不含缩放与高变基因筛选）。

生信碱移TCMNP 包，一路打通网络药理学数据库与可视化分析。最近，小编冲浪的时候看到一个今年发表的网络药理学 R 包 TCMNP，据说整合了多个数据库以及多种可视化分析函数，一眼看下来确实够顶。具体来说，TCMNP 整合了几大类型的数据库：① 三大药物成分及靶点数据库TCMSP、DrugBank、ETCM；② 疾病基因数据库 DisGeNET 与 OMIM；③ 转录因子及其对应靶基因数据库 TR

生信碱移locuszoomr可视化GWAS结果locuszoomr 是由伦敦玛丽王后大学的研究者开发的R包，允许用户生成出版级别的基因组位点注释图，这可以用于可视化并解读 GWAS 分析结果。由 locuszoomr 生成的基因位点注释图通过 R 基础图形或 ggplot2 生成，简易使用的同时又附加了大量个性化参数设置。本文将介绍locuszoomr的使用方法，大家也可以根据官方文档探索更多的个

每一行代表一个 SNP；每一列代表一个基因，对应填充值为 QTL 结果中 SNP 对基因表达的效应，最后一列为 GWAS 结果中每个 SNP 对所研究性状的效应。此外，还需要。

生信碱移微阵列和RNA-Seq等基因表达研究常常会产生成百上千个差异表达基因 (DEG)。要了解这种海量数据集的生物学意义变得非常困难，尤其是在存在多种条件和比较的情况下。▲ 常规的RNA测序分析流程。图片来源：10.1186/s12859-018-2486-6。为此，来自英属哥伦比亚大学的研究者开发了一款软件包，于2024年9月16号发表于。该软件包集成了通路富集和蛋白-蛋白相互作用网络，基于差

生信碱移TCMNP 包，一路打通网络药理学数据库与可视化分析。最近，小编冲浪的时候看到一个今年发表的网络药理学 R 包 TCMNP，据说整合了多个数据库以及多种可视化分析函数，一眼看下来确实够顶。具体来说，TCMNP 整合了几大类型的数据库：① 三大药物成分及靶点数据库TCMSP、DrugBank、ETCM；② 疾病基因数据库 DisGeNET 与 OMIM；③ 转录因子及其对应靶基因数据库 TR

从二分类建模、评估、SHAP可解释性甚至到。

开发团队利用了来自近 400 个数据集的 2300 多万个细胞，只需几秒钟就能完成细胞搜索。▲ SCimilarity 是一种基于度量学习的细胞搜索工具，能够在包含 23.4M 细胞轮廓的参考数据库中高效定位与查询细胞相似的样本。它通过三元组损失（Triplet Loss）训练神经网络，利用细胞本体论注释，从全身组织中选择锚点细胞、相似细胞和不相似细胞进行学习，从而实现对细胞相似性关系的高精度建模

bulk RNA-seq 免疫细胞浸润估计