4家数据科学公司:如何深度挖掘微生物组数据
相关推荐
-
科研 | Nature :微生物群中究竟谁是导致疾病发生的幕后黑手(第四期文献包投票选出的文章)
本文由李苗苗编译,董小橙.江舜尧编辑. 原创微文,欢迎转发转载. 导读 微生物全基因组关联研究(MWAS)已经确定了许多疾病与微生物群变化息息相关.这些研究通常会产生一系列作为疾病生物标记的共生菌,与 ...
-
BiB: 电子科大邹权组构建基于肠道菌群平衡的疾病预测模型及微生物生物标志物发掘平台
Briefings in Bioinformatics: 电子科技大学邹权组研发自动构建基于肠道微生物平衡的疾病预测模型及微生物生物标志物发掘平台 DisBalance: 自动构建基于肠道微生物平衡的 ...
-
使用Easystat挖掘微生物组数据-看得到的就是方便和强大
写在前面 目前我们在Easystat用于数据差异分析及其可视化方面做了很多的工作,尤其是大大扩展了可视化的类型,相信大家总能找到一种适合自己的可视化方式.现在我带领大家使用此包进行微生物组数据的差异分 ...
-
Nature medicine | 将流行病学,药理学,遗传学和肠道微生物组数据整合到药物-代谢物图谱中
推荐:江舜尧 编译:番茄加牛腩同学 编辑:小菌菌 荷兰鹿特丹伊拉斯姆斯大学医学中心/英国牛津大学Nuffield人口健康学部Jun Liu和Cornelia M. vanDuijn等于2020年1月1 ...
-
R包animalcules-一键式交互探索微生物组数据
写在前面 这个包最优雅的地方在于交互式,所以学习的主要目的也就是交互式的实践.交互 图可以很好的探索数据,但一般不支持输出矢量图,不方便下游编辑和修改和用于发表.如果你找到了导出矢量图方法,请留言. ...
-
微生物组数据再也别用相对丰度了,结合RastStat完美展示OTU
写在前面 题目错误,更正为:EasyStat包.我们在分析群落数据的时候,往往相对丰度转化后就展示了,在差异分析中往往使用相对丰度做差异分析不是上上策,因为目前edger和Desep2包中的标准化方式 ...
-
学习微生物组数据比较成熟的R包microbiome
learning_microbiome_2 这两个包的安装比较麻烦 无法下载得到github包,或者无法安装后,将github包手动下载下来,解压之后定位文件夹名称后安装 这部分用来学习微生物组成的操 ...
-
NAR:gcMeta——全球微生物组数据存储和标准化分析平台
gcMeta全球微生物组数据存储和标准分析平台 gcMeta: a Global Catalogue of Metagenomics platform to support the archiving ...
-
沈西凌团队开发癌症大数据比较分析方法揭示癌症微生物组清晰图谱
长期以来,人们一直困惑着什么细菌驻留在内部器官中以及当不同的癌症发展时它们如何变化.该问题具有挑战性,因为在提取.处理和测序过程中组织总是被外部细菌污染. 2020年12月30日,杜克大学生物医学工程 ...
-
大数据, 航运公司亟待挖掘的"金矿"!
随着信息社会的发展,数据也已经越来越成为航运公司的新黄金.航运公司越来越依赖数据管理和数据分析技术来改善业务决策.业务绩效. 当然,航运公司当前管理和利用数据存在挑战,尤其是围绕现有存量数据量如何共享 ...
-
香饽饽成弃子?毕马威金融科技最新榜单无一数据公司入围,前三年获奖数据公司中多家被调查或暂停业务
蓝鲸财经旗下,专注互联网金融领域独家报道,大大集团.中晋.快鹿.链家金融.海通布局互金等独家线索均已10万+并引起大量媒体跟进.蓝鲸是重要财经资讯门户+财经记者工作平台,拥有150家媒体传播资源,每天 ...
