第一代测序技术称作sanger sequencing，第二代测序技术（Second-generation sequencing），或下一代测序技术（Next-generation sequencing，NGS），或称作高通量测序，是诸多第二代测序技术的统称，主要技术有三种，即Illumina(Solexa)，Roche 454，Ion Torrent。 一、Illumina(Solexa) sequencingIllumina测序，是一种边合成边测序的技术，使用荧光信号来标记不同的碱基，因此，可 ...

listOrganisms()是GenomeInfoDb中的函数，用于查询物种的common name和学名。 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717273747576777879808182838485868788899091929394959697989910010 ...

genomeBuilds()是GenomeInfoDb中的函数，可以列出给定物种的可用基因组。 123456789101112131415161718192021222324252627282930313233343536373839> genomeBuilds("mouse", style = "UCSC") commonName organism ucscID1 mouse Mus musculus mm92 mouse Mus musculus ...

seqinfo()是GenomeInfoDb程序的一个函数，用于获取基因组序列的基本信息，这个函数在运行时需要调用fetchExtendedChromInfoFromUCSC()，因此，需要保持网络连接。基本用法是 1Seqinfo(genome="") 以获取hg38的基因组信息为例 123456789101112131415161718192021> x <- Seqinfo(genome="hg38")> xSeqinfo object with 455 sequence ...

在生物信息分析中，经常需要用到染色体的信息，可以使用GenomeInfoDb来获取，如下： 一、获取human的染色体信息 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717273747576777879808182838485868788899091929394959697989 ...

在R中，dnorm()是正态分布的概率密度函数，d代表density，norm代表正态分布，返回给定x在标准正态分布下的概率密度。 对于一个给定的正态分布，X ∼ N(μ,σ2)，μ代表均值，σ2代表方差，dnorm()可以计算给定x下的概率密度，即P(X<=x|μ=a,σ=b)，比如，对于标准正态分布 X ∼ N(0,1)，要计算x=1时的概率密度，即dnorm(1)=P(X<=1|μ=0,σ=1) 1234> dnorm(1) # 默认为标准正态分布，故亦可以写作下面这种形 ...

在R中，绘制正态分布曲线方法如下： 12345x <- rnorm(1000000,mean=0,sd=1)plot(density(x),xaxs="i",yaxs="i",col="blue",lwd=2,main="",bty="n",yaxt="n",xaxt="n",ylim=c(0,0.42),xlim=c(-5,5))axis(2,at=c(0.0,0.1,0.2,0.3,0.4))axis(1,at=c(-4,-2,0,2,4))abline(v=0,lty=2)

在R中，可以使用runif()来生成随机数，并且，可以通过使用set.seed()设置随机数种子来生成相同的随机数。 12345678910111213141516> runif(10) [1] 0.88128755 0.05515884 0.49174723 0.58947710 0.26055370 0.42419775 0.91291115 0.53224161 0.59857483[10] 0.45912772> runif(10) [1] 0.11450970 0.4374 ...

在统计中，方差或标准差是最常使用的衡量数据离散程度的指标，但是方差或标准差有其固有缺陷，当数据中存在离群值（outlier）时，即使outlier数量极少，也会使方差或标准差极度偏移，因此，我们需要一种统计工具来反映大部分数据分布在哪里，最常用的方法是计算75%与25%之间的差别，这称为四分位间距（interquartile range）。在R中，可以使用IQR()计算四分位间距，使用quantile()来计算向量的所有分位数。 123456789101112131415161718192021 ...

对于符合正态分布的两个样本进行显著性检验时，可以使用t.test()；若是不确定两个样本是否符合正态分布假设时，可以执行Mann-Whitney-Wilcoxon Test，函数为 1wilcox.test(x,y,paired = TRUE, alternative = "two.sided") 例如： 1234567> wilcox.test(mtcars$gear,mtcars$carb,paired = TRUE, alternative = "two.sided") Wilcox ...