1.加载数据library(Seurat)library(SeuratData)pbmcpbmcAnobjectofclassSeurat13714featuresacross2638sampleswithin1assayActiveassay:RNA(13714features,2000variablefeatures)2dimensionalreductionscalculated:pca,umap2.执行默认的差异表达测试Seurat的大部分差异表达特征可以通过“FindMarkers()”函数访问。默认情况下，Seurat基于非参数Wilcoxon秩和检验执行差分表达式。这取代了以前的
####安装包install.packages("BiocManager")BiocManager::install(version="3.13")BiocManager::install("gprofiler2")BiocManager::install("clusterProfiler")BiocManager::install("AnnotationHub")BiocManager::install("org.Bt.eg.db")GO分析（上下调基因分开做，可用于BP,CC,MF分开画图）##方法2：下载到本地加载,每次使用上传,（推荐）library(AnnotationDbi)set
####安装包install.packages("BiocManager")BiocManager::install(version="3.13")BiocManager::install("gprofiler2")BiocManager::install("clusterProfiler")BiocManager::install("AnnotationHub")BiocManager::install("org.Bt.eg.db")GO分析（上下调基因分开做，可用于BP,CC,MF分开画图）##方法2：下载到本地加载,每次使用上传,（推荐）library(AnnotationDbi)set
(全文约1520字)【推荐】用Smudgeplot评估物种倍性后，用组合jellyfish+GenomeScope1.0做二倍体物种的基因组调查，用组合KMC+GenomeScope2.0做多倍体物种的基因组调查。1.k-mer进行基因组调查的软件k-mer进行基因组调查分为k-mer频数统计和基因组特征评估两步。jellyfish可以实现第一步k-mer频数统计。jellyfish的结果sample.histo可以用在GenomeScope上，实现第二步基因组特征评估。2.jellyfish简介jellyfish是CenterforBioinformaticsandComputational
(全文约1520字)【推荐】用Smudgeplot评估物种倍性后，用组合jellyfish+GenomeScope1.0做二倍体物种的基因组调查，用组合KMC+GenomeScope2.0做多倍体物种的基因组调查。1.k-mer进行基因组调查的软件k-mer进行基因组调查分为k-mer频数统计和基因组特征评估两步。jellyfish可以实现第一步k-mer频数统计。jellyfish的结果sample.histo可以用在GenomeScope上，实现第二步基因组特征评估。2.jellyfish简介jellyfish是CenterforBioinformaticsandComputational
期刊：Naturemethods(47.990/Q1)Exploringgenomicdatacoupledwith3DchromatinstructuresusingtheWashUEpigenomeBrowser使用WashUEpigenomeBrowser探索与3D染色质结构相结合的基因组数据TotheEditor—Three-dimensional(3D)genomicstructuresarevitalforgeneregulationandcellfunction.High-throughputtechnologiesbasedonchromosomeconformationcap
期刊：Naturemethods(47.990/Q1)Exploringgenomicdatacoupledwith3DchromatinstructuresusingtheWashUEpigenomeBrowser使用WashUEpigenomeBrowser探索与3D染色质结构相结合的基因组数据TotheEditor—Three-dimensional(3D)genomicstructuresarevitalforgeneregulationandcellfunction.High-throughputtechnologiesbasedonchromosomeconformationcap
这里是佳奥！我们开始解析作者提供的表达矩阵吧！本次的代码在这里：https://github.com/jmzeng1314/scRNA_smart_seq2下载.zip后解压，开始下游分析！1安装R包rm(list=ls())Sys.setenv(R_MAX_NUM_DLLS=999)##Sys.setenv修改环境设置，R的namespace是有上限的，如果导入包时超过这个上次就会报错,R_MAX_NUM_DLLS可以修改这个上限options(stringsAsFactors=F)##options:允许用户对工作空间进行全局设置，stringsAsFactors防止R自动把字符串stri
这里是佳奥！我们开始解析作者提供的表达矩阵吧！本次的代码在这里：https://github.com/jmzeng1314/scRNA_smart_seq2下载.zip后解压，开始下游分析！1安装R包rm(list=ls())Sys.setenv(R_MAX_NUM_DLLS=999)##Sys.setenv修改环境设置，R的namespace是有上限的，如果导入包时超过这个上次就会报错,R_MAX_NUM_DLLS可以修改这个上限options(stringsAsFactors=F)##options:允许用户对工作空间进行全局设置，stringsAsFactors防止R自动把字符串stri
写在前面前述，写了一个推文，大体是《即日起「TBtools」关闭「高速插件商店」，让往事随风~》。简单来说，舍去了两个辅助插件安装的插件，因为时代已经不需要他们。我们选择了另外一种方式，可以让用户跟安装TBtools其他所有插件一样，轻松安装「R插件」。至于，为什么我现在一定要做这个事情？因为，我受够了。前几天，我花了整整两天的时间，在服务器上，私活安装不上DESeq2和WGCNA，最后发现要么是gcc版本问题，conda库和bioconda库的版本不对齐问题，更或者就是网络不行...总的来说，安装软件，我是真的不想干这个事情。打成稳定插件，没那么多事。最后我还是用TBtools把差异表达分析
