旧事手札
  • 首页
  • 归档
  • 分类
  • 标签
  • 关于

R语言设置用户库

注意不要用校园网 注意要到官网上下载,Ubuntu上下载的版本比较古老 ① 设置用户库路径(一次性)12345678910111213# 以 R 4.5.x 为例(用 Rscript -e 'R.version$major; R.version$minor' 确认版本)mkdir -p ~/R/4.5# 让 R 每次启动都用你的用户库printf 'R_LIB
2025-12-20
Bioinformatics
#Bioinformatics #R

ubuntu台式机连笔记本网

windows端 在设置中找到网络适配器编辑选项,我这里使用的是wifi,所以就更改wifi的网络适配器选项 点击编辑,点击上方的共享,像我一样勾选,然后家庭网络连接中选择以太网(不要选择以太网2之类的),点击确定 强制重启 ICS 服务,用管理员权限打开 PowerShell(务必是管理员): 12sc stop sharedaccesssc start sharedaccess
2025-12-20
Bioinformatics
#Bioinformatics #Linux

基因组注释计划蓝图

gene-anno 工程蓝图 适用场景:任意物种的基因组结构 + 功能注释工程,用于从基因组序列到完整发布集的系统化加工。 目录 工程定位与总体流程 顶层目录结构 配置文件结构说明(config.yaml 占位) 必备软件与数据库 每步脚本说明(01–12 + 可选模块) 5.1 公共工具模块 5.2–5.13:01–12 主线 5.14:03b 长读转录本证据模块(可选) 5.15:10b
2025-12-20
Bioinformatics
#Bioinformatics

科研环境配置

conda环境配置安装 删除原来的环境 1conda env remove -n phylo 从头安装环境和软件 12mamba env create -n phylo -f envs/phylo.ymlconda activate phylo # 或:mamba activate phylo 更新环境中的软件 12mamba env update -n phylo -f env
2025-12-20
Bioinformatics
#Bioinformatics #Linux

转录组计划

转录组计划 —— 自用(不产图) 最终目录 + 统一表头/格式 + 各脚本 I/O 契约 + 通用 ORA 引擎接入规范按此执行,结果可直接进论文 Source Data,也便于后续把任意基因集合丢进富集模块复用。 0)目标与适用范围 核心目标:在不产图的前提下,输出统计口径统一、可追溯、能直接给顶刊补充材料的表格与方法文本。 适用范围: 标准 RNA-seq:Salmo
2025-12-20
Bioinformatics
#Bioinformatics #RNA

酿酒酵母全基因组测序

这篇笔记的目的是为了学习全基因组测序的步骤和相关软件的简单使用 环境:Windows的Ubuntu子系统 数据:saccharomyces cerevisiae(酿酒酵母) 安装工具 进入anaconda网站安装Miniconda,在网站可以找到使用命令行快速安装的链接 使用conda安装生信工具 12345# Mamba是conda的plus版本,速度更快,从conda-forge这
2025-08-19
Bioinformatics
#Bioinformatics #WGS

ATAC-seq原理

This article is from: 一文详解ATAC-seq原理+读图:表观遗传的秀儿 - 知乎 ATAC-seq,全称Assay for Transposase-Accessible Chromatin with high throughput sequencing,是2013年由斯坦福大学William J. Greenleaf和Howard Y. Chang实验室开发的用来研究染
2025-08-17
Bioinformatics
#Bioinformatics #seq

ChIP-seq原理

一文读懂 ChIP-seq:从实验原理到结果图分析1. 什么是 ChIP-seq,它能做什么?首先,我们来拆解一下这个名字: ChIP = Chromatin Immunoprecipitation (染色质免疫共沉淀) seq = sequencing (二代测序) 合在一起,ChIP-seq 的核心思想就是:用一个“钩子”钓出与特定蛋白质结合的 DNA 片段,然后通过测
2025-08-17
Bioinformatics
#Bioinformatics #seq

GWAS模型对比

在 GWAS(全基因组关联分析)中,LM、GLM、LMM、MLM 都是用来分析 “基因位点” 和 “性状”(比如身高、是否患病)之间关系的统计模型。它们的核心目标是找到 “某个基因位点是否真的影响性状”,但适用场景和解决的问题不同。 先打个比方:用 “考试成绩” 理解模型假设我们想研究 “每天刷题时间”(类似 “基因位点”,取值 0/1/2 小时)是否真的影响 “数学成绩”
2025-08-13
Bioinformatics
#Bioinformatics #GWAS

GWAS流程

QC质控格式转化 初始文件为二进制类型文件bed、bim和fam,需要使用plink转化为ped、map格式 12# temp是文件前缀,是一个临时文件plink --bfile HapMap_3_r3_1 --recode --out temp 查看SNP个数和样本个数 12# test.map是SNP信息, test.ped是样本信息wc -l test.map test.ped
2025-08-13
Bioinformatics
#Bioinformatics #GWAS
123…6

搜索

Hexo Fluid
皖ICP备2021018016号-3