前几天读到一篇英文博客深以为然,所以翻译一下和大家分享。以下24个提示不仅适用于生物信息而是适用于所有科学研究,看似简单但需要我们时刻留心。
前几天读到一篇英文博客深以为然,所以翻译一下和大家分享。以下24个提示不仅适用于生物信息而是适用于所有科学研究,看似简单但需要我们时刻留心。
这周的刊首语随便聊聊几个工具。
本周想分享一个「汉隆剃刀」经验法则:能解释为愚蠢的,就不要解释为恶意。
本周把自己一年多没更新的个人公众号(思考问题的熊)更新了一次,结果很快就有了五十多条留言。
很多人都在反馈自己过去三四年发生和经历的事情,很神奇的感受,看似没有交集但是却也没有断了联系。
是的,你可能会好奇什么是学习素材共享小组,以及 1.0 版本去哪里了。
Van den Berge, Koen, Katharina M. Hembach, Charlotte Soneson, Simone Tiberi, Lieven Clement, Michael I. Love, Rob Patro, and Mark D. Robinson. 2019. “RNA Sequencing Data: Hitchhiker’s Guide to Expression Analysis.” Annual Review of Biomedical Data Science 2 (1): 139–73. https://doi.org/10.1146/annurev-biodatasci-072018-021255.
DESeq 最新版本(v1.25.9)针对大样本分析的速度和之前相比有了质的飞越,果子老师的 1215 个 TCGA 样本差异分析时间从 1200 分钟缩短到单线程 20 分钟,使用多线程的情况下最快 6 分钟搞定。
生物信息涉及到的工具方法过于庞杂,很多时候接触到一个新的内容总是不知该去哪里找相关的工具,还有很多时候找到的工具太多又不知道该用哪个。之前写过两篇文章 66 种测序数据分析方法和流程 和 如何快速找到自己需要的 R 包。分别从测序数据类型和 bioconductor 包两个角度介绍如何快速找到自己需要的工具。
第一届生物信息人才发展论坛落幕已经半月有余,算上前前后后的准备周期,在大家眼中一个「小而美」的论坛其实陆陆续续持续了一个多月的时间。
有两件事情,第一是前几天看到一个朋友分享了自己 学习生物信息工具的经验,借着这个机会刚好反思了一下自己过去几年是如何做的;第二是最近有人问了我一个问题:“使用 tophat 比对完的转录组数据 bam 文件想用 RNA-SeQC 来质控,但是这个软件好像没人维护了”(竟然还在用 tophat)。那这次就聊聊如何学习一个新的工具。