linkequa的博客

原创 参考基因组中的大小写字母

在这 60 种重复区域家族中，Alu 和 MIR 家族属于 SINE 类型，L1 和 L2 家族属于 LINEs 类型，除 Simple repeats 和 Low complexity repeats 外的其它 54 种家族大部分属于 LTR 和 DNA 重复。经统计，人类基因组 60% 以上的重复属于散在重复序列，其中又以 Alu 和 L1 为主体，二者之和占散在重复序列的 80% 及全基因组重复区40%以上。

原创 Mcnemar‘s exact test

与卡方检验的区别与fisher exact test区别

原创 全基因组关联分析GWAS

WGBS常用来研究基因型（SNP）和表型的关系。用到的数据是基因组测序数据（WGS，WES，microarray）和临床信息，通过常规的或者新的统计方法去检验基因型和表型的相关性。

原创 bsmap输出结果解释

516290和输出结果中的unique pairs: 257594对不上（257594*2=515188），相差的1102条是read 1和read 2完全反向互补的reads（bam格式中第7列是=，第9列是0）。对757427条记录进行拆解：516290（双端比对到同一染色体的reads数）+232457（单端比对上的reads数）+8680（双端比对到不同染色体的reads数）。r=0： 只输出唯一比对上的reads（包括单端和双端）S=1234：随机种子。

原创 problem forward和solution backward有什么区别

Note: 在具体研究中，problem forward是先提出问题，然后围绕着科学问题设计出完美的解决方案；而solution backward是先盘算自己有哪些技术，有哪些解决方案，反过来去寻找和定义问题。

原创 Kullback-Leibler (KL) 散度

原创 softplus激活函数

原创 卷积神经网络

原创 均匀狄利克雷先验

原创 方差与协方差

方差是一种特殊的协方差。

原创 gzip不同压缩等级的区别

Gzip supports different compression levels, which range from 1 (fastest, least compression) to 9 (slowest, most compression). Here’s what each level generally means:Level 1 (Fastest): This is the fastest compression level, which results in the least amount

原创 Bootstrapping、Bagging 和 Boosting

bagging方法如下：bagging和boosting比较

原创 玻尔兹曼分布

原创 孟德尔随机化

IVW的应用前提是所有的SNP均为有效的工具变量且相互之间完全独立。②加权中位数估计（Weighted median,WM）：WM为所有的个体SNP效应值按照权重排序后得到的分布函数的中位数。当至少50%的信息来自于有效的工具变量时，WM可得到稳健的估计值。该基因型与年龄、性别等混杂因素无关。②估计工具变量对结局的作用，工具变量对结局的作用也是从所有的研究中估计出来的整体效应，这样可以拒绝单个研究的偏倚。①找工具变量，从其他研究中挑选特定基因作为工具变量，从基因库中挑选需要的和暴露相关的基因变量SNPs。

原创 二进制分割策略

原创 辛普森法则

原创 两个beta函数乘积积分的含义

这个积分实际上是在计算所有导致 ( X ) 取特定值 ( x ) 的 ( V ) 和 ( U ) 的组合的概率。由于 ( V ) 和 ( U ) 是独立的，我们可以分别对它们的概率密度函数进行积分。总之，两个Beta分布的卷积积分是一个强大的工具，它允许我们结合两个概率分布的信息，以预测它们的和或总和的分布。其中 ( B(\alpha, \beta) ) 是Beta函数，用于归一化概率密度函数，确保积分等于1。这个积分表示了所有可能的 ( V ) 和 ( U ) 的组合，它们的和等于 ( x ) 的概率。

原创 sam格式总结

256： 代表这个序列不是主要的比对，一条序列可能比对到参考序列的多个位置，只有一个是首要的比对位置，其他都是次要的。8： 代表这个序列的另一端序列没有比对到参考序列上，比如这条序列是R1,它对应的R2端序列没有比对到参考序列上。153 = 128+16+8+1（R2比对到负链接，R1没有匹配上）163 = 128+32+2+1（R2完全匹配，R1比对到负链）99 = 64+32+2+1 （R2比对到负链，R1完全匹配）32 ：代表这个序列对应的另一端序列比对到参考序列的负链上。

原创 似然比检验、wald 检验以及拉格朗日乘子检验

此三大检验是对模型好坏进行检验的常用方法。

原创 为什么白昼最长的地方不是在太阳的直射点

太阳直射：赤道地区接收到太阳的直接垂直照射。因为赤道几乎是地球的中心线，太阳光线在这里的入射角度最小，能量密度最大，导致该地区接收到的日射量最高，从而使地表温度升高。地球自转效应：地球自转会导致赤道地区在一天内更长时间地处于太阳直射下，这使得地表有更多时间吸收太阳能量，进一步增加温度。大气对流：赤道地区的高温促进了大气的上升运动，形成了强烈的对流。这种对流不仅加强了热量的传递和分布，也影响了该地区的气候模式。

原创 TCGA masked cnv含义

Masked copy number segments are generated using the same method except that a filtering step is performed that removes the Y chromosome and probe sets that were previously indicated to be associated with frequent germline copy-number variation.

原创 使用install.package（）和从命令行R CMD INSTALL安装R包的区别

A major difference between installing R packages using the R package installer at the R command line and shell command line is that package dependencies must be resolved manually at the shell command line.从使用的角度讲没区别

原创 HISAT2双端read比对结果解释

(51100+57804+33582+277922+1144382)/(4165142)=0.4803

原创 R 设置错误信息的长度

最近运行代码报错，查看错误信息时发现错误信息只显示了一半，原因是错误信息太长了，默认的设置显示不完（默认设置有点傻），搜索了半天在解决了，解决方法是用下面的命令去设置输出错误信息的长度：options(warning.length = 5000)

原创 PCA和LDA

PCA is an unsupervised method that tries to find the directions of maximum variance in the data. It projects the data onto a new set of orthogonal axes, called principal components, that capture as much of the variability as possible. The first principal c

原创 MDS，PCoA和PCA

Non-metric的MDS就叫做Principal Coordinates Analysis（PCoA），它跟PCA的区别在于用距离矩阵代替了PCA中的观察值。MDS分为两种类型：1，metric MDS，它使用距离矩阵进行计算；2，Non-metric MDS，用距离的排序构造矩阵。MDS: A distance matrix.（这里的距离包含各种各样的距离，或者距离的rank）

原创 平均值和方差的点估计、区间估计

0，预备知识0.1，中心极限定理0.2，均值的标准误差0.3，卡方分布1，总体均值的无偏估计量2.1，当总体方差已知时对样本均值的描述（Z统计量）2.2，当总体方差未知时对样本均值的描述（t统计量）3.1，当总体方差已知，或者大样本量（n>200，总体方差未知）时，总体均值的区间估计。（在实际操作过程中会对样本进行抽样，每次取n个数出来，算平均值，这些平均值的期望就是对总体方差的无偏估计）3.2，当总体方差未知，总体均值的区间估计。4.1，总体方差的点估计（对任何分布

原创 为什么样本方差（sample variance）的分母是 n-1？

https://www.zhihu.com/question/20099757

转载 RR、OR和HR区别

1，在医学统计学中，有三个关于比值的概念，分别为相对危险度（relative risk，RR，也称 risk ratio）、风险比（hazard ratio，HR）和优势比（odds ratio，OR）。很多同行一看见这三个概念就容易混绕。在此，笔者拟谈谈如何正确理解这三个概念的区别和联系。我们以病因学研究为例，先谈谈 OR 与 RR 的区别，因为这两个指标均可以从四格表中衍生出来。我们先来看看两个关于吸烟与肺癌的例子：RR(Relative Risk) - 相对危险度RR(Relative Risk

原创 拟牛顿法quasi-Newton method

拟牛顿法Quasi-Newton methods是一种以牛顿法为基础设计的，求解非线性方程组或连续的最优化问题函数的零点或极大、极小值的算法。当牛顿法中所要求计算的雅可比矩阵或Hessian矩阵难以甚至无法计算时，拟牛顿法便可派上用场。

原创 医疗器械编号查看

原创 python3中if和else只能执行一个

【代码】python3中if和else只能执行一个。

原创 beta distribution （beta分布）

https://homepage.divms.uiowa.edu/~mbognar/applets/beta.html

原创 GSEA p-value和FDR计算方法

Estimating Significance. We assess the significance of an observed ES by comparing it with the set of scores ESNULL computed with randomly assigned phenotypes.Multiple Hypothesis Testing.Create a histogram of all NES(S, π) over all S and π. Use this null d

原创 bash常用命令

Reference。

原创 最大似然估计（Maximum Likelihood Estimation）

如果我们拿到一组值，不知道这组值对应的分布的参数，甚至都不知道这组值服从何种分布，我们推测可能分布的参数，我们给这个参数取不同的值，计算这些点发生概率的乘积，这就是似然。我们要找到概率最大时（即最大似然）对应的参数值，此时的参数值最有可能是真实分布的参数值。在某个分布的参数已知的情况下，计算某个值（或一组值、一个区间）出现的概率，概率是用原因推测结果，给定某个分布，理论情况下事件发生的频率跟我们计算出来的概率是一样的。

原创 batch normalization与layer normalization

batch normalization常用在CNN上，而用layer normalization用在RNN和transformer上更合适，因为序列数据的长度不一，导致有些特征在部分样本中没有，给基于特征的标准化带来了麻烦。

原创 多层感知机（Multilayer Perceptron, MLP）

【代码】多层感知机（Multilayer Perceptron, MLP）

原创 感知机介绍

Note:<>在数学中通常指求期望的意思。假设我们用感知机区分cat和dog，使用下面三个特征：x1: color of hair；cat 用+1表示，dog用-1表示（对应到σx\sigma(x)σx函数的话，当函数结果为1时，判定为cat，为0时，判定为dog）。三个特征对应有三个权重w1, w2, w3。

原创 bismark和bsmap比对原理

任意取一条比对后的reads，经过PCR后得到BSW,BSWR,BSC,BSCR四种reads，因为BSW和BSWR完全互补，BSC和BSCR完全互补，我们只需要取BSW和BSCR去查看就好了（如果BSW能比对上，那么BSWR一定也可以比对上）。1，watson链和crick链都用来做参考基因组，这样只要容许有T比对到C或者T上，就可以实现所有的比对；2，只用watson链做参考基因组，既需要容许有T比对到C或者T上，又需要容许A比对到A或G上。