精华内容
下载资源
问答
  • 差异性分析
    千次阅读
    2020-03-19 15:35:44

    title: “GSE93798”
    output: word_document

    knitr::opts_chunk$set(echo = TRUE)
    

    R Markdown

    关于GSE93798的差异性分析、GO分析、KEGG分析、DO分析

    rm(list = ls()) 
    
    
    #RStudio控制台(console)中出现少量中文乱码的解决方法
    Sys.setlocale("LC_ALL","Chinese")
    
    
    # if (!requireNamespace("BiocManager", quietly = TRUE))
    #   install.packages("BiocManager")
    # BiocManager::available()
    # 
    # options(BioC_mirror="http://mirrors.ustc.edu.cn/bioc/")
    
    library(BiocManager)
    
    #BiocManager::install('limma')
    library(limma)
    
    #install.packages("ggplot2")
    library(ggplot2)
    
    exp<-read.table("GSE93798_series_matrix1.txt",header = T,row.names = 1,comment.char = "!")
    
    
    annot<- data.table::fread("GPL570.annot.gz",skip ="ID",data.table 
    更多相关内容
  • 同类产品差异性分析
  • 新媒体时代不同社会网络口碑营销差异性分析.pdf新媒体时代不同社会网络口碑营销差异性分析.pdf新媒体时代不同社会网络口碑营销差异性分析.pdf新媒体时代不同社会网络口碑营销差异性分析.pdf新媒体时代不同社会网络...
  • 新媒体时代不同社会网络口碑营销差异性分析.docx新媒体时代不同社会网络口碑营销差异性分析.docx新媒体时代不同社会网络口碑营销差异性分析.docx新媒体时代不同社会网络口碑营销差异性分析.docx新媒体时代不同社会...
  • 样本量大的时候做差异性分析容易得到有显著性差异的结论,原因如下图, 求p值的过程中,n越大,Z0也越大,相对应的p就小了。当然这里默认方差变化不大的情况下,因为一般来说很多数据经过平均后方差不会变化很大,...

    样本量大的时候做差异性分析容易得到有显著性差异的结论,原因如下图, 求p值的过程中,n越大,Z0也越大,相对应的p就小了。当然这里默认方差变化不大的情况下,因为一般来说很多数据经过平均后方差不会变化很大,相比平均前后的样本量。

    4025027-2cb4826507155392.png
    p值计算, from google image

    下图中的数据,y1和y2的数据量各为1000,y1m和y2m数据量各为100, 是y1和y2每10个10个数据的平均,所以y1和y1m,y2和y2m的平均值相等,他们的方差也是基本没大变化,我们分别对y1和y2,y1m和y2m做下差异性分析,这里用单因素方差分析(anova1),其实用独立样本t-test会得到相同的结果(计算公式形式虽然不一样,但换汤不换药,结果一样的).
    结果是,y1和y2的p值为0.0189,他们之间有显著性差别;y1m和y2m的p值 0.4603,fail to reject原假设(H0: 他们之间没差别),不能说他们之间有显著性差别的。

    4025027-13d39845f25f36e3.png
    4025027-44398cafe4534978.png
    标准差

    MATLAB代码

    y1 = sin([0.01:0.01:10])*10;
    y2= y1+0.7;
    p  = anova1([y1;y2]')
    
    y1m = mean(reshape(y1,10,100));
    y2m = mean(reshape(y2,10,100));
    pm  = anova1([y1m;y2m]')
    
    subplot(2,1,1)
    plot(y1,'.')
    hold on 
    plot(y2, '.')
    legend('y1','y2')
    subplot(2,1,2)
    plot(y1m,'.')
    hold on
    plot(y2m,'.')
    legend('y1m','y2m')
    
    
    展开全文
  • from PIL import Image import os def RGB_compare(base_layer_path, min_size_path, max_size_path, save_path): # 加载图像min表示图像1,max表示图像2 min_size = Image.open(min_size_path) ...
    from PIL import Image
    import os
    
    
    def RGB_compare(base_layer_path, min_size_path, max_size_path, save_path):
        # 加载图像min表示图像1,max表示图像2
        min_size = Image.open(min_size_path)
        min_size = min_size.convert('RGBA')
        max_size = Image.open(max_size_path)
        max_size = max_size.convert('RGBA')
        base_layer = Image.open(base_layer_path)
        base_layer = base_layer.convert('RGBA')
        both = 0  # 记录两幅图都预测出的像素个数
        max_min = 0  # 记录max预测出但是min没有预测出的像素个数
        min_max = 0  # 记录min预测出但是max没有预测出的像素个数
        # 获取图像尺寸
        heigh, width = min_size.size
        for i in range(heigh):
            for j in range(width):
                # 以max作为图像判别标准
                min_r, min_g, min_b, min_a = min_size.getpixel((i, j))
                max_r, max_g, max_b, max_a = max_size.getpixel((i, j))
                # 如果max预测出来了
                if max_r == 128:
                    # 如果两张图像都预测出来了便标记为红色
                    if min_r == 128:
                        both += 1
                        min_size.putpixel((i, j), (255, 0, 0, 255))
                    # 大有小没有便标记为白色
                    if min_r == 0:
                        max_min += 1
                        min_size.putpixel((i, j), (255, 255, 255, 255))
                elif max_r == 0:
                    # 如果两个都没预测出来,直接设置为背景
                    if min_r == 0:
                        min_size.putpixel((i, j), (0, 0, 0, 0))
                    # 如果小的有大的没有,设置为绿色
                    if min_r == 128:
                        min_max += 1
                        min_size.putpixel((i, j), (0, 255, 0, 255))
        print('both:{},max_min:{},min_max:{}'.format(both, max_min, min_max))
        base_layer.paste(min_size, (0, 0), min_size)  # 贴图操作
        base_layer.save(save_path + "/" + "1024_1280.png")  # 图片保存
    
    
    if __name__ == "__main__":
        base_layer_path = r''
        min_size_path = r''
        max_size_path = r''
        save_path = r''
        RGB_compare(base_layer_path, min_size_path, max_size_path, save_path)
    
    

    请添加图片描述

    展开全文
  • 参考: 1.《医学案例统计分析与SAS应用》,冯国双

    在这里插入图片描述
    参考:

    1.《医学案例统计分析与SAS应用》,冯国双

    展开全文
  • 如何利用excel进行数据差异显著性分析利用excel进行数据差异显著性分析的步骤:工具原料:excel2013版本;1.打开excel,添加“数据分析”模块;结果如图;添加“数据分析”模块步骤:①单击左上角“文件”选项;②在...
  • 当比较两组数据是否差异显著时,可用参数检验和非参数检验。因为参数检验会更加准确,所以一般会先用参数检验。不同的参数检验方法有不同的要求,如果不满足要求,可以对数据进行转换,如果转换后也无法达到要求,再...
  • edgeR差异基因分析的一般过程

    千次阅读 2020-12-29 02:17:57
    DESeq2已经在上一篇文章中作了简介,本篇继续展示R包edgeR的差异基因分析流程。类似DESeq2,edgeR作为被广泛使用的R包,文献中经常能看到它的身影,如下举例。相关文献描述1 安装edgeRedgeR可直接使用Bioco...
  • excel如何进行显著性差异分析

    千次阅读 2020-12-19 11:46:02
    步骤:1、打开excel,点击“文件”,再点击“选项”,添加...利用excel进行数据差异显著性分析的步骤:工具原料:excel2013版本;1.打开excel,添加“数据分析”模块;结果如图;添加“数据分析”模块步骤:①单击...
  • 同时,SEM的这种做法是有代价的:它将一个总样本分成两个小样本,其结果是降低了Power of Analysis (统计分析效力),从而在没有降低犯Type I的误差的同时又提高了犯Type II误差。 4. 更合理的方法是男女不分组、保留...
  • edgeR基因表达差异分析

    千次阅读 多人点赞 2020-09-17 21:21:53
    edgeR基因表达差异分析 文章目录edgeR基因表达差异分析官方文档总结读取read数DGEList对象、构建分组过滤,删除低表达基因CPM标度转换手动过滤自动过滤归一化测序深度有效库大小GC含量基因长度MDS图形展示 样本无...
  • 几种常用的差异分析方法简介

    万次阅读 2021-04-06 11:01:15
    几种常用的差异分析方法简介 如今在生物学研究中,差异分析越来越普遍,也有许多做差异分析的方法可供选择。但是在实际应用中,大多数人不知道该使用哪种方法来处理自己的数据,所以今天我就来介绍下目前几种常用的...
  • Stamp软件是一款用于组间差异分析的软件,适用于多种类型的组间差异分析,比如物种分布及丰度差异、基因差异、功能差异等等。该软件2014年发表于Bioinformatics,几乎适用于所有的组间差异分析,目前已被引用数百次...
  • 差异表达基因的分析(2)

    千次阅读 2020-12-06 13:55:09
    应学生及个别博友的要求,尽管专业博文点击率和反应均很差,但在去San Diego参加PAG会议之前,还是抽时间给出【R高级教程...差异表达基因分析是根据表型协变量(分类变量)鉴定组间差异表达,它属于监督分类的一种。...
  • 文章目录介绍环境搭建软件下载结果展示基因数据下载流程基因数据处理利用GEO分析绘制拟火山图 注意,本 系列 有连贯,每一步都很详细,每一步都很重要,请耐心读完!! 介绍 本系列文主要依据真实论文制图流程,...
  • SPSS实战与统计思维 第四篇 中级统计比一比(差异性分析) 没有比较就没有伤害,没有比较就不知好坏。 ——网络流行语 第三篇初级说一说,采用统计图、统计表(统计指标)的方式,描述了单组或多组数据的属性特征。...
  • 高颜值绘图工具ImageGP不只可以绘制常见的生信图形,还提供了不少分析功能,如之前提到的在线WGCNA分析,操作简单,参数丰富,结果交互,绝对是科研必备神器。访问也很简单,百度或谷歌搜...
  • 文章目录结果展示需要的数据结构绘制方法 结果展示 需要的数据结构 看过上一篇文章后,你需要自己整理好数据,这里我筛选出所需基因排序。 绘制方法 请仔细阅读代码,并修改部分你需要改的数据 ...
  • 如何比较两组数据之间的差异性

    千次阅读 2020-12-10 12:52:44
    展开全部1, 首先,分别把这两组数据分别设为x和y,打开SPSS,点击左下角的Variable View选项卡,e5a48de588b...2, 然后,进行数据分析,分别把y和x选进各自的对话框,然后按ok,在输出窗口中看...
  • 本周又有一些小伙伴提出了他们的问题,有一些真的对大家比较有参考意义,注意认真阅读哦~Q1-生信分析问:想对GEO数据库的数据进行差异表达基因分析DEG分析,应该怎么操作呢答:从GEO数据库得到的芯片数据进行DEG...
  • R语言差异检验:单因素方差分析

    千次阅读 2019-11-10 22:24:24
    文章目录@[toc]方差分析介绍适用条件分类R语言单因素方差分析示例数据集示例多重比较...它比较的是组间差异。 方差分析介绍 方差分析(Analysis of Variance,简称ANOVA),又称“变异数分析”,是R.A.Fisher发明的,...
  • Origin对实验数据作显著性差异分析.ppt
  • 就是组间的差异分析以及显著检验,应用统计学上的假设检验方法,检验组间是否有差异及其差异程度。 坦率地讲,所有的差异检验都基于一个假设:组间没有差异,变量之间没有关系(即原假设,H0H_0H0​)。也说
  • 均值差异性检验是数据分析的重要部分,在各行各业都有广泛应用,例如,验证某种新药是否有效;某个工艺改进是否能成功;某产品的营销措施是否起作用等。均值差异性检验的另一个方法:方差分析,它与Z检验和T检验的...
  • 数据分析 检验组间差异

    千次阅读 2020-08-29 11:07:47
    方差分析-用于两个及两个以上样本差别的显著检验 当比较两个不同样本之间的问题时,如:比较两个不同样本(文案)之间的问题 分析差别:做出一些必要的假设:假设,数据是服从正态分布,而且不同组之间不受到...
  • 软件信息:Excel for Mac版本:16.26(19060901)许可证:Office 365订阅步骤一:导入(输入)数据步骤二:为Excel添加分析工具的加载项插件,路径为:工具→Excel加载项→分析工具库步骤三:开始分析1. 在数据中选择...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 375,345
精华内容 150,138
关键字:

差异性分析

友情链接: 程序1.rar