夜神moon_个人页

癌症免疫系列（6）

我的博客即将入驻“云栖社区”，诚邀技术同仁一同入驻。 批准用于转移性结直肠癌的免疫疗法药物的组合 Tumor cells with DNA repair defects, including microsatellite instability, m...

癌症免疫系列（0）

免疫疗法的类型 几种类型的免疫疗法用于治疗癌症。这些治疗可以帮助免疫系统直接攻击癌症或以更一般的方式刺激免疫系统。 有助于免疫系统直接对抗癌症的免疫疗法类型包括： 检查点抑制剂，它是帮助免疫系统对肿瘤作出更强烈反应的药物。

癌症免疫系列（5）

2017年2月2日，美国食品和药物管理局（FDA）批准nivolumab（Opdivo®）加速批准治疗一些尿路上皮癌，这是最常见的膀胱癌患者。这使得nivolumab成为第二种免疫检查点抑制剂，被批准用于治疗膀胱癌。

癌症免疫系列（4）

免疫疗法的新方法导致乳腺癌患者对其他治疗无反应的完全反应 美国国家癌症研究所（NCI）研究人员开发的一种新型免疫治疗方法导致乳腺癌完全消退，患者对所有其他治疗无反应。

癌症免疫系列（2）

FDA改变批准使用两种检查点抑制剂治疗膀胱癌 Several drugs that target immune checkpoint proteins like PD-1 and PD-L1 are approved to treat bladder cancer.

癌症免疫系列（1）

用自然杀伤细胞对抗癌症 癌症免疫疗法使患者自身的免疫系统能够攻击和缩小肿瘤，近年来已经走过了漫长的道路，在某些情况下导致了广泛传播的癌症治疗。但是免疫学的新见解仍在被揭示，可能提供更大的治疗潜力。

机器学习实战⑴之线性回归预测房价

机器学习 一般来说，一个学习问题通常会考虑一系列 n 个 样本 数据，然后尝试预测未知数据的属性。 如果每个样本是 多个属性的数据，比如说是一个多维记录），就说它有许多“属性”，或称 features(特征) 。

python机器学习速成|1|数据导入

主要任务： ①完成常见的数据导入操作，包括数据导入，缺失值填充 ②完成常见的机器学习数据准备，包括特征二值化和训练集测试集的划分等 # -*- coding: utf-8 -*- """ Created on Wed Oct 17 00:26:22 2...

使用R语言进行机器学习特征选择②

1.特征工程概述 特征工程其实是一个偏工程的术语，在数据库领域可能叫做属性选择，而在统计学领域叫变量选择，其实是一个意思：即最大限度地从原始数据中提取有用信息以供算法和模型使用，通过寻求最优特征子集等方法使模型预测性能最高。

机器器学习算法系列列（1）：随机森林

随机森林原理 顾名思义，是用随机的方式建立一个森林，森林里面有很多的决策树组成，随机森林的每一棵决 策树之间是没有关联的。在得到森林之后，当有一个新的输入样本进入的时候，就让森林中的每 一棵决策树分别进行一下判断，看看这个样本应该属于哪一类（对于分类算法），然后看看哪一 类被选择最多，就预测这个样本为那一类。

pandas VS baseR

import numpy as np import pandas as pd 创建DataFrame In [2]: df = pd.DataFrame({'col_a': np.

使用R语言进行机器学习特征选择①

特征选择是实用机器学习的重要一步，一般数据集都带有太多的特征用于模型构建，如何找出有用特征是值得关注的内容。 使用caret包,使用递归特征消除法，rfe参数:x，预测变量的矩阵或数据框,y，输出结果向量（数值型或因子型）,sizes，用于测试的特定...

Potent immunogenicity in BRCA1-mutated patients with high-grade serous ovarian carcinoma

摘要 高级别浆液性卵巢癌（HGSOCs）是免疫检查点抑制剂（ICIs）效果不理想的肿瘤之一。因此必须开发可行的生物标志物，用于鉴定响应候选者并指导HGSOC患者的精确免疫疗法。

使用R语言分析微信好友

上篇使用python分析微信好友 - 简书https://www.jianshu.com/p/c7f1b400d20a python爬虫： 数据保存后用R语言作图分析 省份分布 城市分布 ...

使用python分析微信好友

下篇 使用R语言分析微信好友 - 简书https://www.jianshu.com/p/dfc08843f8d2 5.png

社交网络分析(Social Network Analysis in Python)①

今天的网络是我们日常生活的一部分。 让我们学习如何使用网络在Python中可视化和理解社交网络 网络无处不在，道路网络，社交媒体上的朋友和关注者网络以及办公室同事网络。

Python Vs R：数据科学家的永恒问题

Python和R是当今数据科学最常用的两种语言。 它们都是完全开源的产品，并且可以根据GNU公共许可证的要求完全免费使用和修改。但哪一个更好？ 而且，更重要的是，你应该学习哪一个？两者都被广泛使用，并且是每个数据科学家手中的标准工具。

python可视化(1)--箱图

carbon.png

factoextra包 聚类分析（2）

聚类分析是一种数据贵呀技术，旨在揭露数据集中观测值的子集。它可以把大量的观测值归为若干个类。这里的类被定义为若干个观测值组成的群组，群组内观测值的相似度比群间的相似度高。

R语言 循环作图

setwd("C:\\Users\\Administrator\\Desktop\\pic") # Plot separate ggplot figures in a loop.

Whole-Genome Expression Microarray Combined with Machine Learning to Identify Prognostic Biomarke...

摘要 本研究的目的是建立一个框架，以更好地了解高级别胶质瘤（HGG）预后相关的生物标志物。进行全基因组基因表达微阵列以鉴定HGG和低级弥漫性神经胶质瘤之间的差异表达基因。

Establishment of a SVM classifier to predict recurrence of ovarian cancer

摘要 使用卵巢癌（OC）的基因表达数据用于鉴定感兴趣的基因和 支持向量机（SVM）分类器预测OC的复发。三个数据集 （GSE17260，GSE44104和GSE51088）从Gene Expression下载 。

Unsupervised clustering reveals new prostate cancer subtypes

摘要 背景：前列腺癌是男性中第二常见的癌症。发展基于基因的分类方法是迫切的要求。我们的目标是建立基因分型。 方法：我们使用了四个前列腺癌数据集。癌症基因组图谱（TCGA）RNA-Seq数据用于训练分类器。

数据处理第3部分：选择行的基本和高级的方法

原文地址：https://suzan.rbind.io/2018/02/dplyr-tutorial-3/ 作者：Suzan Baert 这是系列dplyr系列教程中的第三篇博客文章。

Signalling entropy: A novel network-theoretical fram

摘要 系统生物学的一个关键挑战是阐明决定细胞表型的基本原理或基本定律。了解如何在癌症等疾病中改变这些基本原则对于将基础科学知识转化为临床进展非常重要。虽然正在取得重大进展，但通过系统生物学方法确定了新的药物靶点和治疗方法，我们仍然缺乏基本系统对某些治疗成功和其他治疗失败的理解。

使用RNA-seq数据通过网络熵评估肿瘤内异质性

scientific report第6卷，文章编号：37767（2016） 摘要 肿瘤内异质性（ITH）出现在肿瘤进展、转移和复发的不同阶段，而这些对于临床应用是重要的。

数据处理第2节：将列转换为正确的形状

博客原文：https://suzan.rbind.io/2018/01/dplyr-tutorial-1/ 作者：Suzan Baert 这是一系列dplyr函数中的第二篇文章。

数据处理第一节：选取列的基本到高级方法

博客原文：https://suzan.rbind.io/2018/01/dplyr-tutorial-1/ 作者：Suzan Baert 注意：所有代码都将作为管道的一部分呈现，即使它们中的任何一个都不是完整的管道。

文献翻译：Statistical Approaches for Gene Selection, Hub Gene Identification and Module Interaction in...

摘要 信息基因的选择是基因表达研究中的重要问题。基因表达数据的小样本量和大量基因特性使选择过程复杂化。此外，所选择的信息基因可以作为基因共表达网络分析的重要输入。

R语言字符串处理①

R基础字符串处理函数 nchar paste strsplit tolower toupper casefold chartr gsub sub substr substring grep grepl regexpr R包stringr 字符串处...

R语言基础操作①

基础指令 程序辅助性操作： 运行 q()——退出R程序 tab——自动补全 ctrl+L——清空console ESC——中断当前计算 调试查错 browser() 和 debug()——设置断点进行，运行到此可以进行浏览查看（具体调试看browser（）帮助文档（c,n,Q）） stop(‘your message here.

机器学习算法选择流程

pandas入门①

本指南直接来自pandas官方网站上的10分钟pandas指南。 我将它改写以使代码更易于访问。 本指南适用于之前未使用pandas的初学者。 使用如下缩写： df：任意的Pandas DataFrame对象 s：任意的Pandas Series对象...

文献翻译A 15-gene signature for prediction of colon cancer recurrence and prognosis based on SVM（1）

Abstract 目的： 筛选用来区分高风险复发和低风险复发结肠癌患者并预测其预后。 方法： 从Gene Expression Omnibus数据中收集5个结肠癌样本微阵列数据和癌症基因组图谱（TCGA）。

文献翻译Complex integrated analysis of lncRNAs-miRNAs-mRNAs in oral squamous cell carcinoma(2)

材料和方法 获取微阵列数据和选择数据集头颈部鳞状细胞癌的基因表达数据 （HNSCC）从Cancer Genome Atlas下载（TCGA）数据库（https://gdc-portal.nci.nih.gov/）。

文献翻译Complex integrated analysis of lncRNAs-miRNAs-mRNAs in oral squamous cell carcinoma(1)

Abstract 目的: 本研究旨在通过基因表达数据揭示口腔鳞状细胞癌（OSCC）中lncRNAs-miRNAs-mRNA的调控网络。 材料与方法: 差异表达的lncRNAs，miRNAs和mRNAs（截止值：假阳性率（FDR） 1.5）。

factoextra 主成分分析（1）

factoextra是一个R软件包，可以轻松提取和可视化探索性多变量数据分析的输出，其中包括： 主成分分析（PCA），用于通过在不丢失重要信息的情况下减少数据的维度来总结连续（即定量）多变量数据中包含的信息。

python 特征选择①

移除低方差的特征(Removing features with low variance) VarianceThreshold 是特征选择中的一项基本方法。

python 预测目标(y)的转换

标签二值化 >>> from sklearn import preprocessing >>> lb = preprocessing.LabelBinarizer() >>> lb.

可视化 坐标系统

坐标系可能是ggplot2中最复杂的部分。 默认坐标系是笛卡尔坐标系，其中x和y位置独立地确定每个点的位置。 还有一些偶尔有用的其他坐标系统。 ggplot2可以通过coord_flip()切换x和y轴。

python合并两列

需要把数字类型转化为字符串类型，再进行连接 第一种 df1 = pd.DataFrame({'Year': ['2014', '2015'], 'quarter': ['q1', 'q2']}) df1['period'] = df[['Year', 'quarter']].

python双Y轴

import matplotlib.pyplot as plt import numpy as np x = np.arange(0., np.e, 0.

Python常见数据框操作①

import numpy as np import pandas as pd from pandas import Sereis, DataFrame ser = Series(np.

R语言 排序问题

解决R语言排序问题的方法： order from base arrange from dplyr setorder and setorderv from data.

ggplot2 easyplot②

根据组更改条形图颜色 可以将颜色指定为十六进制RGB三元组，例如“＃FFCC00”或名称。还可以使用其他颜色比例，例如从RColorBrewer包中提取的颜色比例。

差异分析③

统计差异基因数目 tfit

R语言 读取文件

1. R读取txt文件 使用R读取txt文件直接使用read.table()方法进行读取即可，不需要加载额外的包。 read.table("/home/slave/test.txt",header=T,na.strings = c("NA")) 注意，此处的na.strings = c("NA") 的意思是文件中的缺失数据都是用NA进行表示；在读取文本文件时，默认的分割符号为空格。

ggplot2 easyplot①

ggplot2.stripchart：使用ggplot2和R软件的简单一维散点图 介绍 ggplot2.stripchart是一个易于使用的函数（来自easyGgplot2包），使用ggplot2绘图系统和R软件生成条带图。

python-运算符与表达式

运算符与表达式 你所编写的大多数语句（逻辑行）都包含了表达式（Expressions）。一个表达式的简单例子便是 2+3。表达式可以拆分成运算符（Operators）与操作数（Operands）。

差异分析②

样品的无监督聚类 检查基因表达分析最重要的探索性策略之一是多维定标（MDS）图或类似的图。该图以无监督的方式显示了样本之间的相似性和不相似性，以便人们可以了解在进行正式测试之前可以检测差异表达的程度。