人工智能

单细胞细胞比例分析方法列举

1.利用箱线图比较两类样本的某个细胞比例差异 比较直观,但是缺点在于如果单细胞样本个数过少且异质性大,导致很难有统计学显著意义 library(ggpubr) data <- data.frame(Cancer = c(0.5, 0.6, 0.8, 0.2), Normal = c(0.2, 0.3, 0.7, 0.4),

2. 从机器学习的基本概念开始

从我个人意愿来说呢,更想跳过这一章节。为什么呢?因为对我自己而言,再重温机器学习的基本概念,意义并不大,毕竟算法的代码实现都在玩了,基本概念也是清楚的,又不用参加考试,那么就更没有必要将概念教条式的背下来了。 不过,考虑到学习机器学习的还是存在一批“纯白”,甚至于是转行过来的,这些概念就有似乎有必要了。记得前段时间,我有个前同事,就报了一个人工智能的学习班。她的专业以及技能偏向,应属于广告营销领域

Flow使用笔记

Flow是什么 Flow用于表达多个连续的异步过程。 实现方式为使用协程封装成生产者消费者模式,上游流负责生产,下游流负责消耗。 Flow创建 创建 fun simpleFlow() = flow { for (i in 1..3) { delay(100) emit(i) } } 消费 fun createFlowTest() { runBloc

Hisat2+FeatureCounts+DESeq2流程+作图!

featureCounts是一个用来统计count数的软件,运行的速度飞快,比之前用的htseq-count快了好多好多。 照例先说一下怎么下载这个软件: wget tar -zxvf subread-1