样本水平富集分析 (Sample-Level Enrichment Analysis, SLEA) 是一种用于分析转录组数据集中每个样本内基因模块（或称基因集，如通路）转录状态的方法。 […] 逐样本分析： 与传统的基因集富集分析 (GSEA) 不同，传统的 GSEA 通常是比较两组样本（例如，疾病组与正常组）之间基因集的富集情况，而 SLEA 是对数据集中的每个独立样本计算其特定基 … 阅读全文 →

𝔾SEA（Gene Set Enrichment Analysis，基因集富集分析）是一种基于阈值的计算方法，其核心统计学目标是判断一个预先定义的基因集（Gene Set）内的基因，是否在两个生物学状态（例如肿瘤组织 vs 正常组织）的基因表达排序列表中呈现非随机的排列。不同于传统的差异表达分析（只关注差异显著的少数基因），GSEA关注的是整个基因表达谱的整体趋势，利用加权柯尔莫哥洛夫-斯米尔诺夫 … 阅读全文 →

《数据驱动的可重复性研究》是一篇关于数据科学和人工智能的研究生课程。这个课程讨论了科学研究的可重复性问题。 数据科学和人工智能科学研究数据分析中是两个快速发展的领域。这个课程教授一种数据驱动的可重复性研究方法，通过数据驱动的方法来提高研究的可重复性。这种方法可以帮助研究人员更好地理解数据科学和人工智能的研究结果，提高研究的可信度和可重复性。 详见链接：数据驱动的可重复性研究。 阅读全文 →

最近看视频了解到有一个可用于生成游戏地图中地形、环境差异的算法，听起来像是以德国地名命名的噪音算法——柏林噪声。 它的名字原本叫做 Perlin Noise，由 Ken Perlin 发明并以他的名字命名。虽然听起来与德国地名有关，但实际上与地名无关，而是对 Perlin Noise 的音译误读。柏林噪音是生成自然纹理（如地形、云层和水流）最常用的噪声算法之一，广泛用于游戏开发和计算机图形学中。 … 阅读全文 →

使用 clusterProfiler 的内置富集函数做代谢物富集分析。 阅读全文 →

ℙCA 分析确定主成分后，每一个主成分都是变量的映射，变量有自己的 loading。 […] 以下是使用 R 进行 PCA 分析并绘制 PCA loading 图的完整代码示例： […] # 加载必要的包 library(ggplot2) library(ggrepel) ## Warning: package 'ggrepel' was built under R … 阅读全文 →

在随机森林模型中，mean decrease in gini index（也称为Gini重要性或基尼指数下降均值）用于衡量各特征对模型分类性能的贡献。 […] 可以通过以下步骤绘制它： […] 假设使用的是 scikit-learn 的随机森林实现： import matplotlib.pyplot as plt import numpy as np from … 阅读全文 →

要遍历 blogdown 站点下的每个文章，并对 categories 和 tags 进行合并和优化，可以按照以下步骤操作： […] 读取文章文件：遍历站点目录，找到所有的文章（通常是 .Rmd 或 .md 文件），读取文件中的元数据（如 categories 和 tags）。 […] 合并和优化元数据：对每篇文章的 categories 和 tags 进行合并，移除重 … 阅读全文 →

在 Git 项目中使用大文件已经成为非常普遍的事情了，例如在 Hugging face 下面的仓库中这样的情况比比皆是。 为了能够“专业地”存储大文件，或许可以有以下几种方式： […] 要将 NAS 作为 Git LFS 服务器，关键是让 NAS 提供 HTTP 或 SSH 文件存储服务，并将其作为 LFS 对象的存储端点。具体步骤如下： […] 确保 NAS 服务器支 … 阅读全文 →

使用 GitHub Webhook 自动更新个人网站。bio-spring.top 是我的个人网站，其源代码托管在 GitHub 上。通过使用 GitHub Actions 可以自动构建网站并部署到 GitHub Pages，实现自动更新网站在 gaospecial.github.io/bio-spring/ 上的展示。通过使用 netlify 可以实现自动更新网站在 netlify 服务器上的展 … 阅读全文 →