2302_80012625的博客

原创 安装 COSGR 包的学习笔记

如果加载成功，说明 COSGR 包已经正确安装。你可以尝试运行一些示例代码来验证功能是否正常。后，R 会提示你输入用户名和令牌。输入你的 GitHub 用户名和之前生成的令牌。git在~/miniconda3/envs/seruat/bin/git。，可以通过设置环境变量来指定 R 使用的。如果你使用的是 Miniconda 环境，安装完成后，可以通过以下命令查找。在终端中运行以下命令查询系统中。，可以通过以下命令查找所有。在终端中运行以下命令查询。如果系统中安装了多个。

原创 单细胞相关教程

原创 【无标题】

2.单细胞常用数据库介绍及使用: 是美国国立生物技术信息中心(NCBI)维护的公共基因表达数据库，网址为。GEO数据库包含高通量基因表达数据，支持从单个细胞到组织水平的基因表达分析。: 是由加州大学圣克鲁兹分校提供的数据库，网址为。它提供了多种细胞类型的基因表达数据，支持对单细胞RNA测序数据的查询和分析。: 是一个旨在建立人体所有细胞类型的参考图谱的项目，网址为。HCA数据库包含大量的单细胞RNA测序数据，有助于理解细胞的多样性和功能。: 由国家基因库生命大数据平台(CNGBdb)提供，网址为。

原创 SCFSlRAE1通过调节SlWRKY1的稳定性来调控番茄对灰霉菌的抗性。

泛素化是一种关键的翻译后修饰，在植物免疫反应的精细调控中发挥着核心作用。番茄（Solanum lycopersicum）因灰霉菌（Botrytis cinerea）这种毁灭性病原体的侵害而遭受严重的产量和品质损失。我们发现SlRAE1基因（编码一种E3泛素连接酶）是番茄抗灰霉菌的关键负向调控因子。SlRAE1与SlSKP1（SKP1–Cullin1–F-box [SCF]复合体的一个组分）相互作用，通过26S蛋白酶体途径调节转录因子SlWRKY1的蛋白稳定性。SlWRKY1靶向并抑制茉莉酸（JA）信号传导的

原创 molgenis/systemsgenetics

希望这些笔记能够帮助您更好地理解和使用。

原创 基于 GWAS 的群体遗传分析将 bZIP29 确定为玉米中的异种基因

了解异质基因在杂种优势形成中的作用对于推进杂交育种至关重要。我们分析了玉米杂交种群体的株高（PH）、穗高（EH）和转录组数据。全基因组关联研究（GWAS）表明，数量性状位点（QTL）的显性效应在杂交性状和中亲优势中起着重要作用。通过整合GWAS、表达GWAS（eGWAS）和模块eGWAS分析，我们优先确定了六个候选异质基因，这些基因位于六个QTL之下，其中包括一个跨越bZIP29基因的QTL。在杂交种群体中，bZIP29表现出对杂交性状和中亲优势的加性表达和显性效应，其有利等位基因与PH和EH呈正相关。

原创 indel_snp_ssr_primer

脚本头部信息和模块加载。命令行参数的解析。提供帮助信息。为未指定的参数设置默认值。初始化全局变量，用于存储参考基因组序列及其长度。读取参考基因组文件，并将其存储到哈希表中。处理 VCF 文件路径，确保文件可以正确读取。初始化相关变量，用于存储 SSR 和基因型信息。逐行读取 VCF 文件，提取 indel 信息，并获取 indel 两侧的侧翼序列。检测 SSR，并生成 Primer3 的输入文件。将 Primer3 输入文件分批保存，生成对应的 Shell 命令行。

原创 分子生物学：内含子、外显子、ORF、CDS、可变剪切

原创 文章代码|皮层/表皮特异性转录因子 bZIP89 的自然变异决定了玉米侧根发育和抗旱能力

本研究中的大量 RNA-seq 读数存放在 NCBI 序列读取档案 （www.ncbi.nlm.nih.gov/sra） 中，登录代码为 SRP446501/PRJNA980895。scRNA-seq、DAP-seq 和 DNA 测序源数据存放在基因组序列档案 （https://bigd.big.ac.cn/gsa） 中，登录号为 CRA018050、CRA018051 和 CRA017878。本文中使用的代码可在 https://doi.org/10.5061/dryad.nzs7h451h 处访问。

原创 MADS-box编码基因Tunicate1通过增加玉米果穗上方的叶片数量正向调控玉米产量。

玉米果穗上方的叶片是玉米籽粒灌浆的主要碳水化合物来源。然而，在现代玉米育种中，通过增加果穗上方叶片数量来增强碳源并提高玉米产量仍然是一个挑战。在此，我们克隆了与果穗上方叶片数量相关的数量性状位点（QTL）的致因基因。该致因基因是之前报道的MADS-box结构域编码基因Tunicate1（Tu1），它负责有稃玉米或Tunicate玉米的表型。我们发现，Tu1可以在保持源—库平衡的同时显著增加果穗上方的叶片数量。

原创 文献学习|DBB2 调节玉米株高和避阴反应

在模式植物拟南芥（Arabidopsis thaliana）中，多种光受体，如光敏色素（phyA、phyB）、隐花色素（CRY1）和UVR8，已被鉴定为与SAR相关的各种细胞过程的关键参与者（Keller等，2011；Burko等，2022）、B盒蛋白（BBX21、BBX22、BBX24）（Crocco等，2010，2015）以及同源框蛋白（HB、HB2、HB4）（Sorin等，2009），都参与了SAR的调控。Xu等，2023）。作物的株高受到茎秆中节间数量和长度的共同影响（Le等，2022）。

原创 玉米籽粒发育

这段文字强调了BETL在玉米籽粒发育中的关键作用，以及ZmMRP1、ZmMn1、ZmSWEET4c和ENB1等基因在BETL细胞形态建成和功能中的重要性。这些基因的表达和功能对于BETL细胞的分化、细胞壁形成、糖分运输等过程至关重要，影响籽粒的灌浆和最终的粒重。对这些基因的研究有助于我们更好地理解植物种子发育的分子机制，为作物改良和农业生产提供理论基础。

原创 禾本科植物胚乳的发育

在草类植物中，胚乳的发育具有相当的一致性，特别是在早期阶段（Weatherwax，1930；通常，大多数草类植物的胚乳在成熟时是淀粉质和干燥的，这当然是一个有价值的特性，但也有例外。例如，在对169个草类属（占该科总属数的25%以上）的调查中，发现有30个属在成熟时具有液态或软质胚乳的物种，胚乳的粘性状态可以保持几十年。胚乳是由胚囊中央细胞中的两个极核与一个精子细胞核受精产生的，这产生了一个三倍体（3n，3C）的核，而二倍体（2n，2C）的胚则起源于第二个精子细胞核与卵细胞的受精。

原创 R for Data Science(3)

重点：介绍了dplyr包中用于操作数据框的工具，包括行操作、列操作和组操作。下一步：深入学习特定类型数据的转换方法（如数字、字符串、日期等）。

原创 单细胞转录组（4）Cell Ranger

使用Cell Ranger进行单细胞数据分析是一个多步骤的过程，包括数据转换、质控、生成基因表达矩阵以及结果解读和可视化。数据转换 BCL2FASTQ使用Illumina提供的bcl2fastq软件将测序仪生成的BCL格式数据转换为FASTQ格式，这是进行下游分析的前提。数据质控利用FastQC等工具对FASTQ数据进行质控，确保数据质量符合分析要求。生成矩阵 COUNT使用Cell Ranger软件对原始数据进行比对和定量分析，生成基因表达矩阵。

原创 单细胞转录组（3）

是 10x Genomics 提供的官方数据分析软件，它支持从原始测序数据（FASTQ 或 BCL 格式）到基因表达矩阵的生成，并提供聚类、降维等分析功能。需要下载大鼠的基因组序列和GTF文件，过滤GTF文件，最后构建参考序列。对于猕猴（Rhesus macaque）等其他物种，步骤与斑马鱼类似，需要下载对应的基因组序列和GTF文件，然后进行过滤和构建参考序列。是 Illumina 提供的软件，用于将 BCL 格式的测序数据转换为 FASTQ 格式，这是单细胞测序数据分析的前置步骤。

原创 单细胞转录组（2）单细胞测序原理

10x Genomics 单细胞测序技术通过 GEM、Barcode 和 UMI 的结合，实现了高通量、低成本的单细胞测序。这些技术的结合不仅提高了单细胞测序的通量，还提高了数据的准确性和可靠性。10x Genomics 平台因其高效性和经济性，已成为单细胞测序领域的主流选择。10x Genomics 单细胞测序平台通过其高效、高通量和低成本的特点，为单细胞基因表达分析提供了强大的工具。这些优势使得该平台在单细胞研究领域中非常受欢迎，适用于各种生物学和医学研究。

原创 单细胞转录组（1）

细胞是生物体的基本结构和功能单位，所有生物体（除病毒外）均由细胞组成。传统测序基于多细胞进行，提取组织的DNA或RNA后测序。而单细胞测序（scRNA-seq）能够对单个细胞进行测序，提供单细胞水平的基因表达观测方法，有助于更好地研究组织中不同类型的细胞及其相互作用。传统测序的局限性传统测序方法（如bulk RNA-seq）是基于多细胞样本进行的，检测的是样本中所有细胞的基因表达平均值。这种方法无法反映细胞间的异质性，即不同细胞之间的基因表达差异。

原创 多态性标记设计

原创 kasp标记设计

UUID=81edf4f6-3266-4d57-a532-01066f6b1997）之后检查特异性，使用blast（https://www.maizegdb.org/popcorn/search/sequence_search/home.php?在NCBI（https://www.ncbi.nlm.nih.gov/gene/?选择包含该位点的前20bp为正向引物，注意其中不能包含4个碱基的重复，且CG含量相当。之后选择包含正向引物往后80-120bp设计反向引物（与序列反向互补）选择该位点前100bp。

原创 测序的原理

第一代测序技术（Sanger 测序）：准确性高、读长长，但速度慢、成本高，适合小规模、高精度的测序项目。第二代测序技术（NGS）：高通量、成本低、应用广泛，但读长短、有偏向性，适合大规模基因组测序和转录组分析。第三代测序技术（PacBio 和纳米孔测序）：长读长、无需 PCR 扩增、适合复杂基因组分析，但数据量小、成本高、设备昂贵，适合特定应用场景，如基因组组装、结构变异检测和现场快速测序。

原创 常用的关系性统计方法

相关性分析：回归分析：降维分析：聚类分析：ROC曲线：相关性分析的定义和重要性：线性相关：Pearson相关和Spearman相关：相关系数的比较：不同类型的相关性分析：假设检验：结果展示：

转载 常见生信分析

涵盖：33种癌症的基因组、临床、生存等数据官网TCGA使用方式：下载RNA-seq、mutation、clinical、survival数据，适合生存分析、免疫分析、建模等涵盖：多种疾病的转录组芯片/RNA-seq数据官网GEO数据形式：系列矩阵 + 临床表型 + 平台注释适用分析：差异表达、聚类、诊断模型构建内容：美国大型肿瘤登记数据库，提供生存、发病率、治疗方式官网SEER应用方向：长期随访、生存模型、流行病研究cBioPortal内容：多种肿瘤的基因突变 + 临床数据，适合网络探索。

原创 文章复现|（1）整合scRNA-seq 和空间转录组学揭示了子宫内膜癌中 MDK-NCL 依赖性免疫抑制环境

目标：肿瘤微环境(TME)在子宫内膜癌(EC)的进展中起着重要作用。我们旨在评估EC的TME中的细胞群体。方法：我们从GEO下载了EC的单细胞RNA测序(scRNA-seq)和空间转录组(ST)数据集，并从TCGA下载了TCGA-UCEC项目的RNA-Seq (FPKM)和临床数据。使用R软件对这些数据集进行了分析。结果：我们获得了5个scRNA-seq数据集，1个ST数据集和569个RNA测序样本。在来自scRNA-seq的33,162个细胞中，共检测到20亿个转录本和33,408个基因。

原创 16S&18S_OTU分析（3）

OTU：操作分类单元是在系统发生学研究或群体遗传学研究中，为了便于进行分析，人为给某一个分类单元（如品系、种、属、分组等）设置的同一标志。目的：OTU用于将相似的序列归为一类，以便于研究和比较不同样本中的微生物多样性。OTU是一种基于序列相似度的分类方法，它将高度相似的序列归为一类，以便于研究微生物的多样性和群落结构。在实际应用中，OTU的划分标准可以根据研究的具体需求进行调整，但97%的相似性阈值是常用的标准。通过OTU分析，研究人员可以更好地理解和比较不同环境或条件下的微生物群落组成。

原创 16S&18S_分析步骤（2）

操作：从环境中收集样本，这些样本可能包括土壤、水体、空气、人体微生物群等。目的：获取包含目标微生物的样本，以便进行后续的DNA提取和分析。

原创 16S&18S基础知识（1）

真菌ITS和真核18S rRNA基因在测序分析中各有优势。ITS区域因其高变异性适用于真菌多样性研究，而18S rRNA基因则适用于更广泛的真核微生物分类。研究者可以根据具体的研究目的和需求，合理选择测序方案。

原创 python_竞态条件

好的，我们通过一个具体的例子来说明在多线程环境中，可变对象和不可变对象的行为差异，以及不可变对象如何避免竞态条件（race condition）。

原创 python中的单例与实例

单例（Singleton）：就像一个特别的玩具，整个程序中只有一个，None就是这样的单例。实例（Instance）：就像从工厂里生产出来的玩具，每个都有自己的特点，从类里创建出来的对象就是实例。检查None：因为None是单例，用is来检查变量是不是None是最直接的方式。

原创 函数定义、 异常处理、 迭代器协议、内置函数、返回值

在Python中，函数就像是一个“小机器”，你可以给它输入一些东西，它会按照你设定的规则处理这些输入，然后输出结果。定义函数就像是告诉Python：“嘿，我有一个任务，每次我需要完成这个任务的时候，就按照我下面写的步骤去做。

原创 Python格式化字符串学习笔记

Python提供了多种字符串格式化方法，每种方法都有其适用场景。选择合适的格式化方法可以让你的代码更简洁、更易读且更高效。f-string（Python 3.6及以上版本）str.format格式化模板字符串。

原创 Jupyter Notebook 配置学习笔记

【代码】Jupyter Notebook 配置学习笔记。

原创 R语言实战第5章（1）

R提供了丰富的统计函数，用于计算各种描述性统计量。这些函数不仅可以直接应用于数值向量，还可以通过参数调整来满足不同的需求。函数描述用例mean(x)平均数返回值为2.5median(x)中位数返回值为2.5sd(x)标准差返回值为1.29var(x)方差返回值为1.67mad(x)绝对中位差（median absolute deviation）返回值为1.48求分位数返回x的30%和84%分位点range(x)求值域返回值为c(1,4)求值域的差返回值为3sum(x)求和返回值为10滞后差分。

原创 学习笔记：Conda 环境共享

通过导出和导入环境配置文件，可以确保不同协作人员在相同的软件环境中工作，避免因环境差异导致的问题。这对于团队协作和项目部署非常关键。

原创 结合 GWAS 和 TWAS 鉴定玉米籽粒中生育色醇水平的候选致病基因

生育酚（Tocochromanols，包括生育酚和生育三烯酚，统称为维生素E）是一类脂溶性抗氧化剂，对植物的生长发育和人类健康都具有重要意义。维生素E的主要膳食来源是种子油，这些油通常含有较高水平的生育酚异构体，但这些异构体的维生素E活性较低。生育酚的生物合成途径在植物物种中是保守的，但对于大多数谷物种子中生育酚水平的自然变异，其背后的基因和机制的综合研究仍然有限。

原创 TWASandGWAS中GBS filtering and GWAS（1）

F:\文章代码\TWASandGWAS\GBS filtering and GWAS。

原创 TWAS / FUSION

输入数据：需要 PLINK 格式的基因型数据（bed/bim/fam 文件）和基因表达数据。运行脚本：使用脚本，指定输入文件、临时文件路径、输出路径等参数。支持的模型：包括 BLUP、BSLMM、LASSO、Elastic Net 和 top1 等。

原创 TWAS、GWAS、FUSION

GWAS关注于检测遗传变异与表型之间的关联。理想中的TWAS关注于检测基因表达与表型之间的关联，但成本较高。实际中的TWAS通过预测基因表达，以较低的成本实现与理想TWAS相似的目标。实际TWAS框架通过预测基因表达水平，提供了一种成本效益更高的方法来研究基因表达与表型之间的关联。FUSION：这是一个用于执行转录组全关联研究的工具，它通过构建基因表达的遗传成分的预测模型，并使用全基因组关联研究（GWAS）的汇总统计数据来预测和测试这些成分与疾病的关联。目标。

原创 Java编程中常见错误的总结和解决方法

语法错误：初学者最容易犯的错误，如忘记分号、大括号、引号，或者拼写错误。解决方法：仔细阅读编译器的错误信息，理解并修正错误。举例int i = 1缺少分号。0 -> o数字0和字母o混淆。英文符号写中文符号，如使用中文的分号；而不是英文的分号;。拼写错误。不好修改的错误：业务错误和环境错误，这些通常不是代码本身的问题，而是逻辑或配置上的问题。

原创 java_基础Java 转义字符学习笔记

由于光标已经移回到了行首，所以 “北京” 覆盖了 “中国农业大学” 的前两个字，最终输出结果是 “北京农业大学”。在Java编程中，转义字符用于表示那些无法直接在代码中表示的字符。是回车符（Carriage Return），它的作用是将光标移回当前行的开头。这种行为在文本编辑器或控制台中可能会有所不同，具体取决于编辑器或控制台如何处理。时，它会将光标移回该行的开始位置，然后继续打印后面的字符。可能会被忽略，或者与其他字符组合使用来实现特定的文本格式。