R语言基础

https://www.cnblogs.com/think-and-do/p/6549422.html

作图

http://www.360doc.com/content/17/0111/15/19913717_621780543.shtml
https://blog.csdn.net/woodcorpse/column/info/19360(R语言绘图包)
https://www.cnblogs.com/xuanlvshu/p/6129510.html（圆弧条形图）
https://www.cnblogs.com/xudongliang/p/7884667.html（花瓣图，组别大于5）
http://www.a-site.cn/article/193237.html （基因组展示Rcircos）
https://blog.csdn.net/qazplm12_3/article/details/76474682 （linux R 画火山图）
https://blog.csdn.net/u014801157/article/details/24372531 (ggplot2参数)

Python学习

http://scu.zju.edu.cn/redir.php?catalog_id=58400&object_id=205537
http://scu.zju.edu.cn/redir.php?catalog_id=58400&object_id=206185
http://www.cnblogs.com/IvyWong/p/9784441.html （程序运行结束发送邮件）

python绘图与可视化

https://www.cnblogs.com/zhizhan/p/5615947.html （matplotlib参数介绍）
https://www.cnblogs.com/darkknightzh/p/6117528.html (色谱)
http://blog.sciencenet.cn/blog-301516-408670.html （配色设计）
https://blog.csdn.net/qq_41841569/article/details/83824342（圈型饼图）

随机网络

http://blog.sciencenet.cn/home.php?do=blog&id=337442&mod=space&uid=404069

WGCNA（加权基因共表达网络分析）

http://www.biotrainee.com/thread-704-1-1.html（胡永飞教程）
http://tiramisutes.github.io/2016/09/14/WGCNA.html（画热图报错解决）
https://www.cnblogs.com/wkslearner/p/5731015.html（胡永飞教程：reshape2包dcast函数）
http://blog.sina.com.cn/s/blog_5d5320cd0102w56k.html（详细）
http://blog.sina.com.cn/s/blog_61f013b80101lcpr.html（逐步构建）
http://scu.zju.edu.cn/redir.php?catalog_id=58400&object_id=209293
http://www.360doc.com/content/17/0111/15/19913717_621780330.shtml
https://max.book118.com/html/2017/0715/122326492.shtm (讲义)
http://www.bio-info-trainee.com/2535.html
http://blog.sina.com.cn/s/blog_61f013b80101lcpr.html（详细更新）
https://www.jianshu.com/p/e2acfee2ba5f （关于hub标准的讨论）
https://blog.csdn.net/weixin_43569478/article/details/83747196 （hub gene）
https://www.jianshu.com/p/25905a905086 （hub gene 及后续）
https://www.jianshu.com/p/f0409a045dab（网站汇总）
https://www.jianshu.com/p/b7626aef5efb（过程图的解释）

非常好的转录组技术入门*

http://blog.fungenomics.com/2016/07/why-fpkm-and-rpkm-are-wrong.html

基因共表达聚类分析及可视化（非常好，概述）

https://blog.csdn.net/qazplm12_3/article/details/78904744
https://www.jianshu.com/p/f899312ee01d（聚类概述，R）

DESeq2

http://www.bioinfo-scrounger.com/archives/113
https://www.jianshu.com/p/3bfb21d24b74 (简书)
http://www.360doc.com/content/16/0804/08/26456292_580656574.shtml (rlg标准化)
http://www.360doc.com/content/16/0804/08/26456292_580656102.shtml（limma）
http://scu.zju.edu.cn/redir.php?catalog_id=58400&object_id=162638 (详细)
http://scu.zju.edu.cn/redir.php?catalog_id=58400&object_id=202797（#DESeq2包做富集分析）
https://www.jianshu.com/p/6d385b729b27（从原始数据到可视化，非常好！）

富集分析

https://www.jianshu.com/p/5a4bda169247(概述与比较)

KEGG数据下载与处理

http://www.oebiotech.com/Article/smkeggsjnj.html(辅助ReCiPa R包)

mirpath miRNA富集分析

差异表达概述（非常好，讲了阈值的含义）

https://www.jianshu.com/p/b55276e46f0c
http://www.yunbios.net/Differential-Expression-Analysis.html（差异表达分析，支持edgeR、DESeq2、limma）
http://www.freesion.com/article/752576024/（三种比较）
http://blog.sciencenet.cn/blog-3377724-1095665.html（count FPKM 用途）
https://blog.csdn.net/weixin_30657541/article/details/97068082（edgeR,过滤）
https://www.cnblogs.com/timeisbiggestboss/p/7190938.html（edgeR）

使用R处理GEO基因表达数据

https://www.jianshu.com/p/6f9f40b516f0

基因表达数据处理：Raw2FPKM

https://blog.csdn.net/guomutian911/article/details/78154840

差异表达结果怎么看

http://www.360doc.com/content/16/1214/11/19913717_614583481.shtml
https://www.jianshu.com/p/b55276e46f0c

count与FPKM

http://www.omicshare.com/forum/thread-762-1-1.html
https://blog.csdn.net/weixin_30512785/article/details/96585643（DEseq2 直接count均一化）
https://www.jianshu.com/p/5f94ae79f298
http://www.360doc.com/content/19/1224/14/68068867_881789451.shtml (DEseq2标准化详解)
https://www.bioinfo-scrounger.com/archives/111/ (DEaeq不是2)
https://www.jianshu.com/p/f685149ea247 (contrast顺序)

R根据列名提取

https://www.cnblogs.com/raisok/p/11089646.html

Web of Science 数据库导出记录中各个字段的含义

https://blog.csdn.net/qq_36215315/article/details/103097152

limma包做差异表达分析

https://www.plob.org/article/9966.html
https://blog.csdn.net/tuanzide5233/article/details/83541443

转录组的高级分析前该如何标准化数据？

http://www.360doc.com/content/17/1208/14/49848843_711247413.shtml

ID转换文件介绍

http://chuansong.me/n/1551007052174
http://www.360doc.com/content/16/0804/08/26456292_580657420.shtml (各种R包)

数据库R包org.Hs.eg.db（和merge结果会有差异）

http://www.360doc.com/content/16/0804/08/26456292_580659335.shtml
https://www.cnblogs.com/yatouhetademao/p/6817824.html （select函数）

使用annotate包注释芯片

https://www.jianshu.com/p/0695a6a3c51f
https://www.cnblogs.com/raisok/p/10836339.html（*****）
https://shengxin.ren/article/97（网站汇总*****）
ftp://ftp.ncbi.nlm.nih.gov/gene/DATA/GENE_INFO/Mammalia/Homo_sapiens.gene_info.gz

JAVA创建

http://www.oracle.com/technetwork/java/javase/downloads/index.html
JDK：JAVA_HOME(注意路径)
JRE: Path

linux特殊符号

http://scu.zju.edu.cn/redir.php?catalog_id=58400&object_id=209336

STRING的应用

http://www.bio-info-trainee.com/1589.html

Htseq(python)count提取
https://www.jianshu.com/p/6932c72aba63

RNA-seq回贴与组装

https://www.cnblogs.com/leezx/p/5704047.html

NCBI注释下载

ftp://ftp.ncbi.nlm.nih.gov/gene/DATA

Genecode注释下载

https://www.gencodegenes.org/releases/current.html

Gene type的分类说明

http://www.pinlue.com/article/2018/09/1520/497200298153.html

igraph画图（学不会，放弃）

http://www.bio-info-trainee.com/2082.html
https://www.cnblogs.com/zidiancao/p/3937120.html

Cytoscape

http://www.bio-info-trainee.com/2053.html（扫盲）
http://manual.cytoscape.org/en/stable/Styles.html(官方使用手册，炫酷)
https://shengxin.ren/article/161(美化)
https://www.jianshu.com/p/5a790c223dee (数据导入设置※)
http://blog.sina.com.cn/s/bolg_7ed9e1310102wspp.html(布局与修改颜色)
http://blog.sina.com.cn/s/bolg_5d188bc40102vdtd.html(控制节点颜色)
https://shengxin.ren/article/376(筛选hub gene)
https://blog.csdn.net/woodcorpse/article/details/82739825(带饼图或条图的网络,应用bypass和slect,以及AI或PS)
https://www.sohu.com/a/200098300_652735（根据中心性选择hub gene）
http://www.doc88.com/p-6793970636907.html（拓扑结构介绍）
http://www.jintiankansha.me/t/kRWuOwYpu8(大全)
http://blog.sina.com.cn/s/blog_18600b4880102ydkc.html（layout）

RGB配色表

http://www.wahart.com.hk/rgb.htm

sci文章用图修改与排版规则

https://blog.csdn.net/qazplm12_3/articale/details/7848642
https://www.sohu.com/a/228711352_307557 （期刊要求）

R包读取excel数据

https://blog.csdn.net/esa_dsq/article/details/65003304

R包查询

http://www.omicsclass.com/article/517

置换检验(permutation test：当样本量足够多时，样本发生的频率近似于概率。)

https://blog.csdn.net/wukong1981/article/details/72820049?readlog(概论)
http://blog.sina.com.cn/s/blog_5cd2f1e2010192kj.html(perm包)
https://www.jianshu.com/p/ce84cd89f67d(Deducer包)

遗传学补课

http://blog.sina.com.cn/s/blog_59024b7d0102w4sm.html （rare mutation/common mutation）

预测基因间相互作用

http://www.sohu.com/a/137672913_177233

RIP实验技术

https://wenku.baidu.com/view/a42bc037f705cc17542709c7.html

WGS

http://www.360doc.com/content/18/0430/17/53115266_750031817.shtml
http://www.360doc.com/content/18/0208/11/19913717_728563847.shtml
https://www.biomart.cn/news/10/2855654.htm（tools）
http://blog.sina.com.cn/s/blog_165162de60102xmdz.html（tools）
https://zhuanlan.zhihu.com/p/54077965 （知乎）
https://www.plob.org/article/11652.html（历史简介）

lncRNA

https://www.sohu.com/a/224346923_653813（A基因通过B基因/信号通路在C疾病中发挥D功能）

lncRNA引物设计

http://www.360doc.com/content/17/0825/22/33204118_682144708.shtml(引物设计)

lncRNA数据库

http://www.bio-info-trainee.com/2927.html

lncRNA差异表达原因

http://www.360doc.com/content/18/0325/17/53579289_740098364.shtml

lncRNA2017盘点

http://www.360doc.com/content/17/1214/19/45962007_713114566.shtml

机器学习扫盲

http://www.360doc.com/content/17/0604/01/40628179_659684706.shtml（概述）
https://blog.csdn.net/kiss__soul/article/details/81625275（分类、回归、聚类、降维的区别）
https://www.csdn.net/gather_20/MtTacg5sOTg3Ni1ibG9n.html

https://www.jianshu.com/p/58b276f7e7fd（3Dtsne绘图）

python机器学习库sklearn——交叉验证（K折、留一、留p、随机）

https://blog.csdn.net/luanpeng825485697/article/details/79836262
https://blog.csdn.net/light_blue_love/article/details/41794215 （留一）

lasso回归和岭回归

https://blog.csdn.net/JH_Zhai/article/details/82694937

判别分析的R实现

https://wenku.baidu.com/view/689633f924c52cc58bd63186bceb19e8b9f6ec2d.html（原理）
http://www.doc88.com/p-1137288773501.html
https://www.cnblogs.com/Ricepig/p/LDA.html （安装说明）
https://wenku.baidu.com/view/51f4fc1430126edb6f1aff00bed5b9f3f80f7273.html

逐步判别分析方法与判据的选择

https://max.book118.com/html/2017/0717/122615190.shtm
https://wenku.baidu.com/view/ba3c738c680203d8ce2f24e4.html

线性判别分析的原理简介&Python与R实现

https://cloud.tencent.com/developer/article/1099252

线性判别分析LDA原理总结

https://www.cnblogs.com/pinard/p/6244265.html

用scikit-learn进行LDA降维

https://www.cnblogs.com/vivianzy1985/p/9208505.html

LDA降维与分类

https://blog.csdn.net/jie310600/article/details/84926693

LDA降维与PCA的区别

https://blog.csdn.net/ainimao6666/article/details/64933677

R语言逻辑回归、ROC曲线和十折交叉验证

https://blog.csdn.net/Tiaaaaa/article/details/58116346

R语言多重共线性判别

http://www.mamicode.com/info-detail-1557739.html

支持向量机扫盲

https://blog.csdn.net/b285795298/article/details/81977271
https://www.zhihu.com/question/26768865?sort=created
http://blog.sina.com.cn/s/blog_6ab063770102vwup.html（核函数的选择）
https://wenku.baidu.com/view/9378da89be1e650e53ea9941.html
https://www.cnblogs.com/volcao/p/9465214.html
https://blog.csdn.net/dengheCSDN/article/details/78109253?locationNum=2&fps=1
https://www.jianshu.com/p/0a24eafda4ff（SVM 的核函数选择和调参）
http://www.sohu.com/a/303234946_777125（lass）
https://www.cnblogs.com/xiaojikuaipao/p/7126076.html（lasso）
https://blog.csdn.net/qll125596718/article/details/6910921（松弛变量）
https://blog.csdn.net/xgl112112/article/details/60321413（正则化）
https://www.jianshu.com/p/4bad38fe07e6（L2范数）
https://www.cnblogs.com/zhizhan/p/4629432.html（VC维与结构风险）

主成分分析（PCA）原理总结

https://www.cnblogs.com/pinard/p/6239403.html

K均值聚类

https://blog.csdn.net/alicelmx/article/details/80991870（选择K）
https://www.jianshu.com/p/743cf2357b28（LG RF SVM）

分类器的选择

http://i.dataguru.cn/mportal.php?aid=11360&mod=view（有监督学习选择深度学习还是随机森林或支持向量机?）

随机森林

https://blog.csdn.net/yawei_liu1688/article/details/78891050（R实现）
http://www.360doc.com/content/17/0829/00/33459258_682897658.shtml
https://www.cnblogs.com/iupoint/p/10175090.html（进度条，k折交叉验证）
http://blog.sciencenet.cn/home.php?mod=space&uid=3406804&do=blog&id=1158196（带可视化和交叉验证）
https://blog.csdn.net/HHTNAN/article/details/54580747（R实现）
https://blog.csdn.net/weixin_43216017/article/details/87887334（简易版）
https://blog.csdn.net/t15600624671/article/details/76515033（超详细讲解代码）
https://blog.csdn.net/qq_35040963/article/details/88832030（网格搜索法调参）

R包介绍（机器学习等多种）

https://blog.csdn.net/mjk/article/details/6229697

网格搜索和调参

https://blog.csdn.net/cymy001/article/details/78578665
https://www.cnblogs.com/aibbtcom/p/8548486.html（各种验证方式）
https://blog.csdn.net/weixin_40604987/article/details/79691752
https://www.cnblogs.com/aibbtcom/p/8548484.html
https://blog.csdn.net/winycg/article/details/80358567
https://blog.csdn.net/qysh123/article/details/80063447（自动化调参详解）
https://blog.csdn.net/cherdw/article/details/54970366（*****）
https://blog.csdn.net/baidu_15113429/article/details/72673466（*****）
https://blog.csdn.net/reallyr/article/details/87016298
https://baike.baidu.com/item/F1%E5%88%86%E6%95%B0/13864979?fr=aladdin（F1 score）
http://blog.sina.com.cn/s/blog_6a41348f0101ep7w.html（C和G的选择，很好）

ROC曲线以及评估指标F1-Score, recall, precision

https://blog.csdn.net/csqazwsxedc/article/details/51509808
https://blog.csdn.net/Quincuntial/article/details/69596456
https://blog.csdn.net/quiet_girl/article/details/70830796
https://blog.csdn.net/reallyr/article/details/87016298

Python机器学习库sklearn.model_selection模块的几个方法参数（非常好）

https://blog.csdn.net/cymy001/article/details/79078470
https://scikit-learn.org/stable/modules/svm.html

python机器学习库sklearn

http://www.dengb.com/rgznjc/1312678.html

Scikit-learn实例之理解SVM正则化系数C

https://blog.csdn.net/mingtian715/article/details/54574700

特征选择：递归特征消除与LassoCV

https://www.cnblogs.com/gczr/p/6802948.html（python）
https://www.jianshu.com/p/8d42df933070
https://www.zybuluo.com/Macux/note/181285（R lasso*****）

外泌体总结

http://www.sohu.com/a/168249466_390793

高通量测序质量解读

http://www.360doc.com/content/19/0424/16/15294469_831161186.shtml（特征缩放术语混淆）
https://wenku.baidu.com/view/a5f2c8157f21af45b307e87101f69e314232fa62.html
http://www.360doc.com/content/16/0909/20/19913717_589635518.shtml（基因组转录组区别）
http://www.biotrainee.com/thread-2789-1-1.html（生物学重复和技术重复）
https://www.jianshu.com/p/0f5a9616efe2（Read count CPM RPKM）
http://www.360doc.com/content/18/1218/18/47588191_802708524.shtml（RNA-seq常用图和read count）RNA丰度：一种特定的mRNA在某个细胞中的平均分子

RNA-seq项目设计：生物学重复和单个样本测序量对结果的影响

https://www.jianshu.com/p/5a21b218b366

RNA-seq层次聚类

https://www.bbsmax.com/A/WpdKV7k15V/（python）
https://www.jianshu.com/p/adea91ac59d8（R）

聚类热图包

https://www.sohu.com/a/210713199_688647（十种方法）
https://blog.csdn.net/lalaxumelala/article/details/86022722
http://blog.sina.com.cn/s/blog_4a0824490102v7aa.html（自定义颜色）

随机森林和套索算法的特征筛选

http://m.sohu.com/a/303234946_777125（LASSO，R）
https://blog.csdn.net/lightsupw/article/details/80916384（RF，python）
https://www.sohu.com/a/122101031_572440（RF，R）
http://www.doc88.com/p-0923201614591.html（各自优劣）

特征选择

https://www.jianshu.com/p/009a86ad55a0
https://blog.csdn.net/u013524655/article/details/41078911（两种R包比较）
https://www.sohu.com/a/325884447_466874 （翻译）
http://wap.sciencenet.cn/blog-3406804-1158196.html（完整随机森林R实现*****）

set.seed()函数的意义以及用法

https://blog.csdn.net/vencent_cy/article/details/50350020

R + python︱数据规范化、归一化、Z-Score

https://blog.csdn.net/Castlehe/article/details/88988267
https://blog.csdn.net/sinat_33761963/article/details/53433799（代码）
https://blog.csdn.net/sinat_26917383/article/details/51228217
https://blog.csdn.net/chixujohnny/article/details/54231815（scale normal 为做图好看）
什么时候用归一化？什么时候用标准化？https://www.jianshu.com/p/95a8f035c86c
（1）如果对输出结果范围有要求，用归一化。
（2）如果数据较为稳定，不存在极端的最大最小值，用归一化。
（3）如果数据存在异常值和较多噪音，用标准化，可以间接通过中心化避免异常值和极端值的影响。
个人经验：建议优先使用标准。对于输出有要求时再尝试别的方法，如归一化或者更加复杂的方法。
https://blog.csdn.net/qq_40304090/article/details/90597892（一步和逐步标准化区别）

不同版本的R

https://cran.r-project.org/bin/windows/base/old/

R字符串处理

https://www.bbsmax.com/A/D854jnnQzE/
http://blog.sina.com.cn/s/blog_7147f6870102whcl.html

缺失值处理（R）

https://blog.csdn.net/sadfasdgaaaasdfa/article/details/44595309
https://blog.csdn.net/qq_29462849/article/details/80647999（数据缺失类型）
https://blog.csdn.net/carlwu/article/details/75645092（缺失数据可视化）
http://blog.sina.com.cn/s/blog_99dc1f0a0102w790.html（VIM mice包）
https://www.cnblogs.com/feffery/p/10914486.html（marginplot）
https://www.jianshu.com/p/442697e91516（多重插补）
http://www.sohu.com/a/235232488_274950

数据切分

https://blog.csdn.net/qq_16365849/article/details/52734139
https://blog.csdn.net/chandelierds/article/details/83245221（数据划分与cross validation）
https://www.cnblogs.com/Hyacinth-Yuan/p/8289385.html（caret包参数说明）

交叉验证的一些方法

https://www.cnblogs.com/D2016/p/6921005.html

凸包算法

https://stats.stackexchange.com/questions/11919/convex-hull-in-r（R实现）
http://www.doc88.com/p-7394513613827.html
http://www.twinklingstar.cn/category/computational-geometry/8-%E5%87%B8%E5%8C%85/（综述）

GSEA富集分析（路径从头到尾不能有中文）

https://blog.csdn.net/qazplm12_3/article/details/83474140（详细步骤）
https://www.omicsclass.com/article/186（格式说明）
https://www.cnblogs.com/jessepeng/p/9555804.html（结果：NES绝对值≧ 1.0，NOM p-val ≦ 0.05，FDR q-val ≦ 0.25是有意义的基因集合）

https://baijiahao.baidu.com/s?id=1647547246944679438&wfr=spider&for=pc

https://blog.csdn.net/weixin_43569478/article/details/83745105（输入表达矩阵分组，基因fc排列）

http://www.360doc.com/content/19/1124/09/33037066_875109328.shtml

外泌体提取

https://www.exosomemed.com/893.html

逻辑回归

https://www.cnblogs.com/nxld/p/6170690.html
https://www.cnblogs.com/Hyacinth-Yuan/p/7905855.html（R）

KNN算法

https://www.jianshu.com/p/c37d9b0b6052（非常好：3种R包）
https://blog.csdn.net/Chenyukuai6625/article/details/73612440
https://blog.csdn.net/bigdata_wang/article/details/44139125
https://blog.csdn.net/zrh_CSDN/article/details/80878842（KNN的选择）

R语言正则化

https://blog.csdn.net/u011801891/article/details/55274809（l1范数（lasso）、l2范数（岭回归））
https://blog.csdn.net/wangqi1113/article/details/80204956
https://blog.csdn.net/wildwind0907/article/details/86735474
http://blog.sina.com.cn/s/blog_e799ef7e0101fujn.html（cv.glmnet()glmnet（））

降维概述

https://yq.aliyun.com/articles/70733（t-sne）
https://blog.csdn.net/Flyingzhan/article/details/79521765

特征筛选（随机森林，袋外误差OOB）

https://blog.csdn.net/wishchin/article/details/52515516

R apply、lapply、sapply、mapply、tapply函数详解

https://blog.csdn.net/u014543416/article/details/79037389

apply系列函数学习

http://scu.zju.edu.cn/redir.php?catalog_id=58400&object_id=180064

数据分析tapply

http://scu.zju.edu.cn/redir.php?catalog_id=58400&object_id=162298

数据分析：交并集，重复处理

http://scu.zju.edu.cn/redir.php?catalog_id=58400&object_id=162023

3D转换图包

https://cloud.tencent.com/developer/article/1468704

屏蔽360

https://jingyan.baidu.com/article/95c9d20da98845ec4f756162.html

circRNA

http://www.sohu.com/a/68776974_390793
http://www.sohu.com/a/245920746_769248
http://www.360doc.com/content/18/0909/19/19913717_785211749.shtml（芯片）

可变剪接

https://www.jianshu.com/p/759a5a714aa3

转录组扫盲

https://www.jianshu.com/p/f6ed62416686
https://www.jianshu.com/p/1505fa220ce4（数据处理）
http://www.bio-info-trainee.com/244.html（count）
https://blog.csdn.net/u012110870/article/details/102804307（raw count标准化原则*****）

转录组思路

https://m.baidu.com/sf?pd=realtime_article&openapi=1&dispName=iphone&from_sf=1&resource_id=4584&word=%E8%BD%AC%E5%BD%95%E7%BB%84%E6%B5%8B%E5%BA%8F+mRNA+miRNA&keysign=http%3A%2F%2Fwww.sohu.com%2Fa%2F192990065_99971433&source=www_normal_a&fks=1b2fbd&top=%7B%22sfhs%22%3A1%7D&title=%E8%BD%AC%E5%BD%95%E7%BB%84%E6%B5%8B%E5%BA%8F%20mRNA%20miRNA&lid=10718925662695254130&referlid=10718925662695254130&ms=1&frsrcid=1599&frorder=1
http://www.sohu.com/a/192990065_99971433

处理GEO

https://www.jianshu.com/p/6f9f40b516f0
https://www.jianshu.com/p/9a64dced5b2a

外泌体与神经系统疾病

http://www.sohu.com/a/150973486_464200
https://www.exosomemed.com/3791.html（被根神经节-慢性疼痛）

excel快速计算年龄

=DATEDIF(K58,L58,"y")&"岁"&DATEDIF(K58,L58,"ym")&"月"&DATEDIF(K58,L58,"md")&"天"

差异表达（芯片和RNAseq处理差异）

https://www.jianshu.com/p/b55276e46f0c
https://www.jianshu.com/p/de98164c3141(从sra)
https://www.jianshu.com/p/41a6c6508adf(不错的解读)
http://www.dxy.cn/bbs/topic/34064676?sf=2&dn=4（EBseq）
https://www.wandouip.com/t5i20362/（报错）
https://blog.csdn.net/enyayang/article/details/98176566

RSEM和RPKM两种数据处理方法有区别，但我一般直接用TCGA给的RSEM；对数据取log2(*+1)，数据分布就非常类似基因芯片了。

许多其他研究也采用这中方法。要得到基因上下调，就要进行差异表达分析，那就是另外一回事了。

一抗二抗的选择

https://wenku.baidu.com/view/cd141ef4f61fb7360b4c65d1.html

WB步骤

https://wenku.baidu.com/view/133c8d66f011f18583d049649b6648d7c1c70887.html（BCA）
https://wenku.baidu.com/view/61be9b195e0e7cd184254b35eefdc8d376ee14ef.html
https://www.sohu.com/a/278602111_177233

调整年龄和性别

https://www.jianshu.com/p/2634d0cbd0ca

正态分布检验

https://www.it610.com/article/2580278.htm

perl表达矩阵处理

https://www.jianshu.com/p/17a1d9c256c2

UCSCXenaTools包用法介绍——搜索与下载TCGA、GDC、ICGC等公开数据库数据集

https://shengxin.ren/article/397

lncRNA预测

https://www.douban.com/note/666292911/
https://cloud.tencent.com/developer/news/386861
https://www.docin.com/p-526245550.html（分析方法综述，中文，讲了标准化方法）
http://www.360doc.com/content/17/0109/22/39751229_621403934.shtml（编码能力预测）
http://www.360doc.com/content/16/0808/10/19913717_581620155.shtml
http://www.360doc.com/content/16/1111/12/19913717_605626019.shtml

microRNA作用方式是通过结合mRNA来抑制翻译或者促进降解实现的，发生在转录后水平；

但是lncRNA就太复杂了，因此有关于lncRNA作用模式的多种说法，比如顺式（cis）和反式（trans）之分，

比如Signal，Decoy，Duide，Scaffold，
也可以根据lncRNA与不同的分子分为DNA、RNA和蛋白，总体上包括了转录和转录后水平。

P值校正简介（FDR）

https://www.jianshu.com/p/7436db3b62b4

ceRNA网络构建

http://www.360doc.com/content/18/1226/13/52645714_804579327.shtml
https://www.jianshu.com/p/3f440177db46
http://www.hzrna.com/4509.html

miR下游预测

http://www.bio-info-trainee.com/1719.html（提到一个新R包）

无参转录组RNAseq分析/WES（七）看de novo变异情况

http://www.bio-info-trainee.com/tag/de-novo

转录调控

http://www.sohu.com/a/221919998_652735

罕见变异常见变异

https://www.docin.com/p-869320712.html

混合效应模型lme

http://www.sohu.com/a/292709912_274950
https://zhuanlan.zhihu.com/p/49480686
http://www.doc88.com/p-5877404057484.html（RNAseq）
https://zhuanlan.zhihu.com/p/32006859
http://www.matools.com/blog/190430887
https://www.sohu.com/a/115465771_466874（***）

线性模型（Logistics回归）

https://zhuanlan.zhihu.com/p/21710196（嵌套模型选择）

R语言try错误识别

https://blog.csdn.net/YJJ18636810884/article/details/83176190
https://www.jianshu.com/p/759d31b371bf

根据表达量筛选探针后，对主成分分析的PCA图有什么影响

https://www.jianshu.com/p/dd4e842b6707(***)
https://www.jianshu.com/p/f4b618354dc2

推荐在统计检验前过滤表达量低，也就如果一个基因在所有样本中count均低于某一阀值，请在分析前剔除。这个阀值也是约定俗成，一般设置为3.

卡方检验

https://www.jianshu.com/p/bb0bd72bc428
https://www.cnblogs.com/yuanzhoulvpi/p/8387019.html（列联表）

高效R包

http://blog.sciencenet.cn/home.php?mod=space&uid=1271266&do=blog&id=968772
https://www.jianshu.com/p/bb435002251d

TCGA数据下载预处理

https://www.jianshu.com/p/00f6ed2d5cff（R）
https://blog.csdn.net/weixin_42512684/article/details/89415482（在线）
https://blog.csdn.net/herokoking/article/details/78980085
https://blog.csdn.net/qq_35203425/article/details/80882988（gdc安装）
http://3g.dxy.cn/bbs/topic/42048765?sf=2&dn=4
https://www.bioinfo-scrounger.com/archives/317/（总结）
https://shengxin.ren/article/27（简易版）
https://www.jianshu.com/p/73363a33c3bc（下载后数据整理）

环境变量配置是在系统变量里和网上不一致，cmd->gdc-client -h -m

m6A甲基化

https://blog.csdn.net/AIPuFu/article/details/100821644（工具）
https://www.sohu.com/a/251171553_464200（基础知识）
https://www.jianshu.com/p/3bd1feb0a4ff（扫盲，特别好*****）

ChAMP 包分析甲基化数据

https://www.jianshu.com/p/7993b890e4f3（R包）

b站的机器学习教程

机器学习（Machine Learning）- 吴恩达（Andrew Ng）

https://www.bilibili.com/video/av9912938/?p=1

李宏毅机器学习(2017)

https://www.bilibili.com/video/av10590361?from=search&seid=6875117190981152608

Python教程_600集Python从入门到精通教程 （前100Linux基础）

https://www.bilibili.com/video/av14184325/?p=1

交互式图表

https://www.jianshu.com/p/67c6b0132892（Bokeh 可视化）
https://blog.csdn.net/tankloverainbow/article/details/80442289
https://blog.csdn.net/weixin_44208569/article/details/98068947（python绘图库总结，*****推荐）

Github介绍

https://www.yangzhiping.com/tech/github.html

python数据替换

https://www.runoob.com/python/att-string-replace.html

python统计入门

https://mp.weixin.qq.com/s?__biz=MjM5MDEzNDAyNQ==&mid=200997042&idx=1&sn=99b0f9426d5c6f1d7eda975aafcdc284&scene=21#wechat_redirect（五星推荐*****）

TPM标准化

https://blog.csdn.net/herokoking/article/details/78790938（公式）
https://www.bioinfo-scrounger.com/archives/342/（FPKM）

批次效应

https://www.dxy.cn/bbs/newweb/pc/post/37426943?from=recommend
https://www.plob.org/article/14410.html
https://cloud.tencent.com/developer/article/1518682
https://shengxin.ren/question/10（******）

AUC

http://www.dataguru.cn/article-12379-1.html
https://blog.csdn.net/qq_29423387/article/details/87911526（比较）
https://www.jianshu.com/p/8d3716bf2e9b（*****）
https://blog.csdn.net/sunflower_sara/article/details/81214897 （各指标计算）
http://www.sohu.com/a/277402356_324765（灵敏度特异度在线）
https://www.jianshu.com/p/c4f740b0939b（proc*****）
https://www.mediecogroup.com/method_topic_article_detail/297/?ty=methods（截断值解释）

miR网站下游分析

http://www.360doc.com/content/18/0220/22/47873863_731092035.shtml

RNA-seq上游流程sra→fasq→bam→count

https://www.jianshu.com/p/9639bfa86543
https://www.jianshu.com/p/c78b8719e81b（sra→fasq→bam→count 需要linux和R）
https://www.bilibili.com/video/av28453557（视频教程）
https://zhuanlan.zhihu.com/p/77876265

大脑翻译汇编

https://wenku.baidu.com/view/ca6c7974b52acfc788ebc925.html
https://wenku.baidu.com/view/1772ad7f02d276a201292e45.html（详细功能分区）

一般英文文献对Kernel有两种提法，一是Kernel Function，二是Kernel Trick。

svm四类核函数：9 种核函数以及它们的用处和公式，常用的为其中的前四个：linear，Polynomial，RBF，Sigmoid

https://www.imooc.com/article/49276

hg19和hg38

https://cloud.tencent.com/developer/article/1424598（转录组基因组）

mirdeep2使用

https://www.jianshu.com/p/2f8d39760e5e （mapper.pl、miRDeep2.pl）
https://www.jianshu.com/p/ebf162ae5690 （quantifier.pl）

参考基因组注释及比对

https://www.jianshu.com/p/75404f813e0a
https://www.cnblogs.com/jessepeng/p/9681749.html
https://blog.csdn.net/L_yivs/article/details/80799366?utm_source=blogxgwz5（基因组和注释文件下载）
https://www.jianshu.com/p/348eca15fb03（排序、index文件）
https://www.jianshu.com/p/48b5a0972301 （GFF和GTF，数据结构）

sra到fastq格式转换并进行质量控制

https://www.jianshu.com/p/bc03e81f29aa（*****python linux?）

参考转录组RNAseq分析Kallisto

https://www.jianshu.com/p/4601374fbb9f

R语言utf8各种问题解决

https://blog.csdn.net/snowdroptulip/article/details/78806793

KNN和SVM的区别

https://blog.csdn.net/nineship/article/details/88200905
https://blog.csdn.net/weixin_42864175/article/details/88755913 （SVM，决策树，随机森林知识点整理）
https://blog.csdn.net/qq_34106574/article/details/82016442
https://blog.csdn.net/wargames_dc/article/details/89235746

灵敏度 特异度 比较）

https://www.sohu.com/a/213439666_489312

R语言机器学习之核心包kernlab

https://www.ikddm.com/3125.html/

模拟多分类的支持向量分类

https://blog.csdn.net/buracag_mc/article/details/76408155

随机森林优劣的详细解释

https://blog.csdn.net/keepreder/article/details/47273297 （*****）
https://blog.csdn.net/qq_38984677/article/details/88627572

knn超参数选择，python

https://www.cnblogs.com/xufangming/articles/9046171.html
https://www.cnblogs.com/baochuan/p/9756791.html（讲解优缺点比较特别好，对k值的理解）

ggpubr 画图（顶级CNS）

http://blog.sciencenet.cn/blog-3334560-1091714.html（python）
https://blog.csdn.net/qq_25055921/article/details/99705180（R）

biostar Hand book生信手册

https://biostar.myshopify.com/