生存分析(Survival Analysis)是统计学中用于分析“事件发生时间”的一种方法,最初用于研究患者的生存时间(如死亡时间),后来扩展到其他领域。其核心特点是能处理删...

生存分析(Survival Analysis)是统计学中用于分析“事件发生时间”的一种方法,最初用于研究患者的生存时间(如死亡时间),后来扩展到其他领域。其核心特点是能处理删...
免疫浸润分析(Immune Infiltration Analysis)是肿瘤微环境(TME)和免疫相关疾病研究中的重要工具,其目的是通过计算或实验方法量化组织样本中免疫细胞...
列线图(诺模图,Nomogram)在医学和生物学领域广泛应用,主要用于多变量预测模型的直观可视化,帮助医生、研究者或患者快速评估风险、预后或诊断结果,而无需复杂计算。 (1)...
在生物信息学中,Lasso回归、随机森林(Random Forest)和XGBoost因其各自的特性和优势,被广泛应用于基因组学、蛋白质组学、药物发现和疾病机制研究等领域。 ...
XGBoost(eXtreme Gradient Boosting) 是一种基于梯度提升决策树(Gradient Boosting Decision Tree, GBDT)的...
降维方法在数据分析和可视化中至关重要,不同方法各有特点,适用于不同场景。 1. PCA(主成分分析) 原理:线性降维,通过正交变换将数据投影到方差最大的方向(主成分)。 特点...
NMDS(Non-Metric Multidimensional Scaling,非度量多维尺度分析)是一种降维可视化技术,用于分析复杂数据(如物种组成、基因表达、生态群落等...
t-SNE(t-Distributed Stochastic Neighbor Embedding)是一种非线性降维技术,专门用于将高维数据(如单细胞RNA-seq、图像特征...
UMAP(Uniform Manifold Approximation and Projection)是一种非线性降维算法,专门用于将高维数据(如单细胞RNA-seq、基因组...
PCoA(Principal Coordinate Analysis,主坐标分析),也称为经典多维尺度分析(Classical Multidimensional Scalin...
PCA(Principal Component Analysis,主成分分析)是一种经典的降维技术,旨在将高维数据转换为低维表示,同时保留数据中的主要变异信息。其核心目的是简...
GO/KEGG/GSEA是生物信息学中最常见的富集分析方法之一,通常用于解读高通量数据的生物学意义。 GO:用于描述基因的生物学功能,包括:分子功能(MF:基因产物在分子层面...
Reactome富集分析是一种基于Reactome通路数据库的生物信息学方法,用于研究基因或蛋白质集合在生物学通路中的功能富集情况。Reactome是一个高质量、人工注释的通...
DO富集分析(Disease Ontology Enrichment Analysis)是一种基于疾病本体(Disease Ontology, DO)的生物信息学方法,用于研...
差异表达分析指的是在生物学研究中,通过比较不同条件下(如健康与疾病状态、组织分化或处理条件)的基因表达水平差异,从而发现哪些基因的表达量发生了显著变化。 分析目的: 发现表达...
KEGG富集分析(Kyoto Encyclopedia of Genes and Genomes Enrichment Analysis)是一种基于KEGG通路数据库的生物信...