网址：https://yiweiniu.github.io/blog/2019/03/ATAC-seq-data-analysis-from-FASTQ-to-peaks/

在R中也可以跑ATAC了，主要是上游分析也可以跑，惊讶把，来来，咱来跑一下，看一下咋样。

在开始机器学习之前，要有一个性能基准（Baseline），任何更复杂的模型都应该要超越这个基准才有价值。这边是将将30%的数据划为测试集，70%为训练集。大家可以自己调整的，一般训练集是0.6-0.8，具体的可以查看数据以及相关的文章来确定。这边是将将30%的数据划为测试集，70%为训练集。大家可以自己调整的，一般训练集是0.6-0.8，具体的可以查看数据以及相关的文章来确定。一般机器学习的默认参

深度学习的核心是 “用深度神经网络自动学习数据的层次化特征”，通过 CNN、RNN、Transformer 等架构，解决了图像、文本、序列等复杂数据的处理难题，已成为 AI 技术落地的核心驱动力。从原理上，需掌握 “感知机 - 神经网络 - 前向 / 反向传播” 的基础逻辑；从应用上，需结合具体任务选择合适架构，并通过数据预处理、正则化等技巧提升模型效果。未来，随着小样本学习、可解释性等技术的突破

这期主要就是对机器学习的结果查看，主要是用shap进行模型特征重要性的查看。后面还有一个机器学习的 LIME，他的作用是跟shap差不多的，但是包含的含义还是有一点区别的。

这期主要就是对机器学习的结果查看，主要是用shap进行模型特征重要性的查看。后面还有一个机器学习的 LIME，他的作用是跟shap差不多的，但是包含的含义还是有一点区别的。

按照自己需要研究的，自己去进行选择，并且把XPT数据下载到一个文件夹，或者像这样整理一个表格记录一些自己下载的数据内容，像这样。

全球疾病负担（Global Burden of Disease, GBD）研究是全球规模最大、最权威的健康评估项目之一，由华盛顿大学IHME主导，联合204多个国家、逾12,000名研究人员共同参与。项目始于1991年，致力于量化不同国家和时期的疾病、伤残与风险因素对人群健康的影响。GBD每年更新数据，已发布至2023年（现阶段仅对协作组开放），并自2015年起开放分析代码与多种可视化工具，提升研

NHANES（National Health and Nutrition Examination Survey）是美国一项具有代表性的全国性健康和营养调查项目，旨在通过综合性的健康和营养评估来监控美国民众的健康趋势和生活方式的变化。它涵盖了人口统计学信息、营养摄入、实验室测试、体格检查以及生活方式和社会经济调查等多个领域。官方网站：在研究设计吸取全球专家意见。收集400+主题，主要包含人口统计数据

它旨在研究中国45岁及以上中老年人的健康、养老、经济状况及社会支持等问题，为相关政策的制定提供科学依据。发布说明介绍了CHARLS 2015年开展的第三轮全国调查的总体流程，包括设计、实施和数据发布，旨在帮助数据用户更好地理解和使用这套数据；体检问卷包括血液、呼吸功能、握力、平衡能力、步行速度、重复从椅子站起的时间测试、身高测量、手臂长度测量、膝高测量、体重测量和腰围测量；家户问卷包括基本信息、家