¶
+
+
本项目由「Openbiox 生信周刊」运维小队维护。
+成员：
+@ShixiangWang - 王诗翔@kkjtmac - 阚科佳@NiEntropy - 赵启祥 @He-Kai-fly - 何凯@JnanZhang - 张佳楠@Tomcxf - 陈啸枫 @wangdepin - 王德品@kongjianyang - 空间阳轮值负责排班表见 https://github.com/openbiox/weekly/issues/1352
+记录每周值得分享的生信相关内容，周日发布。
+欢迎投稿，推荐或自荐文章/软件/资源，请提交 issue 。
+1、使用 Sourcegraph.com 进行搜索。（推荐方法）
+2、使用 GitHub 自带的搜索，但只支持搜索英文单词。
+3、将这个仓库克隆到本地，然后在仓库目录使用下面的命令。
+$ grep -nri [搜索词] issues | cat --number
+比如，搜索 bash 相关内容。
+$ grep -nri bash issues | cat --number
+本周刊开源，以「署名（BY）-相同方式共享（SA）」协议发行。
+
本周刊受阮一峰《科技爱好者周刊》启发创办，仓库初始化也采用其作为模板。特此致谢。
+感谢以下个人/组织的长期/大额赞赏：
+ +
这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+讨论区的帖子《谁在招人？》，提供生信深造和就业信息，欢迎访问或发布学位攻读/工作/实习等岗位。
+我发布该周刊的驱动因素有两个：一是受到阮一峰《科技爱好者周刊》的影响，我常常能在其发布的内容中找到新颖有趣或值得思考的内容；二是处理浏览器不断增加的标签列表的焦虑感。我时常通过浏览器收藏非常不错的资源、文章，其中很多没看就忘记了，但我累积的内容却越来越多。
+我希望给自己做做减法，这个减法就是输出。将自己收纳的信息及时地处理并输出出去，一方面锻炼自己的脑子，另一方面也能够过滤出真正重要的知识，而这些知识是可查询和追溯的。
+当然了，对于读者，我希望这本周刊能够带给你思考或是效率的提升。注意，并不是所有的内容都适合你，你需要找到自己觉得最重要的内容。
+由于个人研究内容在肿瘤基因组，所以一些生信内容会偏向该方向。如果越来越多的朋友加入分享，这一倾向可以被纠正。
+第一期，我们将聚焦于对初学者有帮助的主题和资源。
+
当生物遇见计算机。（via）
+
生信是什么？你是如何理解它的？
+无论你是一个新手还是老手，想必都有自己的看法。这个问题没有标准答案，可能会一直没有答案。这是个你需要一直学习、一直寻求突破的事业，它让你痛并快乐着，让你舍不得离开座位，让你肚子一圈圈变大。来吧，亲爱的朋友们。
+对生信，这里不会给出教科书式的定义。如果你想要畅聊自己的看法，欢迎在GitHub讨论区发表自己的意见。
+从个人的经历来看，生信主要有3大块内容，或者说它基本是由3个学科交叉形成的新的科学。
+这里生物学是根、统计学是内核、计算机是外核。3者通其2，便能立足该领域。
+
该项目由美国食品药品监督管理局（FDA）牵头，历时5年多，聚集了来自全球100多个单位的300多位科学家参与。通过建立和使用一系列基因组参考物质，国际组学数据质量控制联盟对众多新一代测序平台和生物信息学方法在体细胞和胚系突变、拷贝数变异、肿瘤靶向测序和液态活检、单细胞测序等多个应用场景的性能进行了系统研究。
+2、Pan-Cancer Analysis of Whole Genomes 2020 成果合集
+
癌症是一种基因组疾病，由细胞获得关键癌症基因的体细胞突变引起。这些突变改变了调节细胞生长和与组织环境相互作用的途径。直到最近，对癌症基因组的研究都集中在蛋白质编码基因上，这些基因加起来只占基因组的1%。为了解决这个问题，ICGC/TCGA全基因组泛癌症分析(PCAWG)项目对超过2600个原发癌症及其38种不同肿瘤类型的匹配正常组织进行了全基因组测序和综合分析。这项研究揭示了大规模结构突变在癌症中所发挥的广泛作用，识别了之前未知的基因调控区域的癌症相关突变，推断了多种癌症类型的肿瘤进化，阐明了体细胞突变和转录组之间的相互作用，并研究了种系遗传变异在调节突变过程中的作用。该集合包括描述PCAWG联盟进行的核心分析集的论文，并展示了数据、工具和其他资源，对那些寻求进一步探索这个遗留数据集的人是有用的。
+ +
通过对33种最普遍的癌症形式的超过11000个肿瘤的分析，泛癌症图谱提供了一个独特的全面、深入和相互关联的理解，肿瘤如何、在哪里和为什么会在人类中出现。泛癌症地图集作为一个单一和统一的参考点，是在追求精准医疗的过程中开发新疗法的重要资源。
+4、TGCA pan-cancer analysis 2013 成果合集
+
人体不同部位不同细胞类型的基因组改变会导致数百种不同形式的癌症，而这些改变导致具有不同生物学、病理学和治疗策略的肿瘤的方式正开始被描述。TCGA研究网络已经将数千个肿瘤基因组的DNA、染色质和RNA的畸变与匹配的正常细胞基因组进行了分类，并分析了它们的表观遗传和蛋白质后果。在这里，泛癌症倡议检查了在TCGA分析的前12种肿瘤类型中发现的基因组和细胞改变之间的异同。这种对癌症类型的首次观察提供了基因组学和生物信息学的新工具，以及在肿瘤的临床分类之外，根据肿瘤的分子病理学重新定位靶向治疗的前景。
+别人怎么看生信？
+1、What is Bioinformatics?（英文）
+++生物信息学支撑并使整个生命科学的研究成为可能。这包括从大量还原科学（基因组学、蛋白质组学和其他“组学”，基因活性调节、表观遗传学、蛋白质和RNA结构和功能、细胞组织）到比较、进化和系统生物学。尤其是后者，试图发现我们的身体是如何工作的。
+
2、What is Bioinformatics?（英文）
+++测序和微阵列等高通量生物实验数据的爆炸式增长催生了生物信息学这门科学。生物信息学是一门类似于数据科学的解决生物学问题的交叉学科。
+
3、What is Bioinformatics?（英文）
+++生物信息学是一门相对较新的、不断发展的学科，它结合了计算机科学和生物学的技能和技术，帮助我们更好地理解和解释生物数据。
+
1、Anaconda：当前全球最流行的开源数据分析平台/环境。
+
++By data scientists, for data scientists
+
2、Jupyter：当前最流行的交互式数据分析笔记本（编辑器）（支持多语言）。
+
3、RStudio：当前最流行的R语言编辑器。
+
4、VS Code：当前最流行的通用集成开发环境IDE。
+
5、GitHub desktop：最流行代码存储库GitHub的桌面版软件。
+
目前通用的生物信息学研究中，3大编程语言为：R、Python和Shell。Shell必学，其他两者选择其一即可。下面收集和分享适合初学者的各类资源。
+1、The Unix Workbench（英文）
+
++这本书是为那些刚接触编程和刚接触类似unix的操作系统（如macOS）和Linux发行版（如Ubuntu）的人准备的。本书中讨论的大多数技术都可以通过命令行接口访问。命令行界面一开始看起来很陌生，所以这本书试图在使用命令行和你通常使用鼠标和键盘时采取的动作之间画出相似之处。你还将学习如何用一种名为Bash的编程语言编写小块软件，它允许你将我们将要讨论的工具连接在一起。我希望在本书结束时，你能够像使用连接乐高积木一样使用不同的Unix工具。
+
2、R for data science（英文）
+
++这是“R数据科学”的网站。这本书将教你如何使用R进行数据科学：你将学习如何将数据转换为R，使其成为最有用的结构，转换它，可视化它并建模它。在这本书中，你会发现数据科学的技能实践。就像化学家学习如何清洁试管和储存实验室一样，你也将学习如何清洁数据和绘图——以及其他许多事情。这些都是让数据科学发生的技能，在这里你将发现用R来做这些事情的最佳实践。你将学习如何使用图形语法、读写编程和可重复研究来节省时间。你还将学习如何管理认知资源，以便在争论、可视化和探索数据时促进发现。
+
3、廖雪峰的Python教程（中文）
+学习Python必读必推荐。
+4、Introduction to Bioinformatics and Computational Biology（英文）
+++这是哈佛大学STAT115/215 BIO/BST282的课程材料。本课程的所有YouTube视频都在2021年STAT115播放列表下（视频我记得B站上也有，大家觉得有需要就去搜一下）。
+
主要作者是Xiaole Shirley Liu
+5、Computational Genomics with R（英文）
+
++这本书的目的是为基因组学提供数据分析的基础。我们根据每年开设的计算基因组学课程开发了这本书。我们总是有来自物理、生物、医学、数学、计算机科学或其他定量领域的跨学科听众。我们希望这本书是一个起点，为计算基因组学学生和进一步的数据分析在基因组学更具体的主题指南。这就是为什么我们试图涵盖从编程到基础基因组生物学的各种各样的主题。由于这是一个跨学科的领域，不同背景的人需要有不同的起点。生物学家可能跳过基本基因组生物学的部分，从R编程开始，而计算机科学家可能想从基因组生物学开始。同样，一个经验丰富的人在需要做某种类型的分析时，可能会想要参考这本书，但之前没有经验。
+
6、Bioinformatics Data Skills（英文）
+【付费：出于版权问题我不会在公众平台分享PDF资源，请需要的读者打赏（至少2元）并留下邮箱和资源信息名，我会统一通过邮件发送。一定要留邮箱，当然单独打赏也是可以的。以后PDF等电子书的分享也采用相同的模式】
+
8、极客R：数据分析之道（中文）：我之前写了两章介绍就停了的书。对初学者还是很有用的。
+
7、Markdown 入门参考（中文）
+++Markdown 是一种轻量级标记语言，创始人为约翰·格鲁伯（John Gruber）。它允许人们“使用易读易写的纯文本格式编写文档，然后转换成有效的 XHTML（或者 HTML）文档”。这种语言吸收了很多在电子邮件中已有的纯文本标记的特性。
+
如果你想要支持本周刊，可以对推文进行赞赏或者 GitHub 仓库主页提供的支付宝/微信二维码打赏。
+这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+GitHub 粉们可以通过 Watch 仓库的 Release（提前）关注发布内容。
+讨论区的帖子《谁在招人？》，提供生信深造和就业信息，欢迎访问或发布学位攻读/工作/实习等岗位。
+ +
愈加开放的科学是未来的潮流。（via）
+联合国教科文组织（UNESCO）大会第41届会议于2021年11月9-24日召开。在经过一个包容、透明和多利益相关方的协商过程之后，会议审议通过《开放科学建议书》，标志着开放科学迈入全球共识的新阶段。
+《开放科学建议书》旨在为开放科学政策和实践提供一个国际框架，即承认关于开放科学的观点存在学科和地区差异，考虑到学术自由、促进性别平等变革的方法以及不同国家特别是发展中国家的科学家和其他开放科学行为者所面临的具体挑战，并有助于缩小国家之间和国家内部存在的数字、技术和知识鸿沟。
+++「开放科学建议书.pdf」，点击链接保存，或者复制本段内容，打开「阿里云盘」APP ，无需下载极速在线查看，视频原画倍速播放。 +链接：https://www.aliyundrive.com/s/zbYedF3XwRF
+
DNA甲基化是胚胎发育、致癌和遗传调控等重要生物学功能的重要组成部分。准确评估基因组甲基化状态的方法对于其在许多情况下的有效使用至关重要，尤其是在疾病的检测和诊断中。甲基化对比器，如Bismark和bwa-meth，经常分配比所映射的区域的唯一性所支持的MapQ值高得多。这些不正确的高MapQ导致重复区域中不适当的甲基化定量检测。本研究为甲基化检测工具MethylDackel创建了一个新特性，以执行基于读段的过滤。这种新的甲基化调用方法将一些表面上的混合甲基化修正为0%或100%甲基化，并消除了许多可信的甲基化检测结果。
+2、BIB｜深度学习能在多大程度上提高癌症细胞系对药物反应的预测?
+
深度神经网络已被应用于1000多个癌症细胞和组织的多组学数据，以更好地预测药物反应。作者总结并研究了最近发表的最先进的深度学习方法。尽管深度学习方法在药物反应预测方面取得了重大进展，但深度学习方法在预测未出现在训练数据集中的药物反应方面显示出其弱点。特别是在药物盲测中，所有被评估的深度学习方法都比相似性-正则化矩阵分解（SRMF）方法表现差。作者概述了将深度学习方法应用于药物反应预测的挑战，并提出了将深度学习与已有的生物信息学分析相结合的方法。
+3、Nature | 表型关联分析揭示罕见变异与上万种常见疾病的关系
+
全基因组关联研究发现了与人类疾病相关的数以万计的常见变异。然而，这些变异只能解释很少一部分疾病的发病原因。罕见变异（MAF<1%）在疾病的发生过程中发挥着重要的作用。但是，罕见变异对常见疾病的贡献仍然未知。英国生物银行（UK Biobank，UKB）纳入了约50万人的基因组数据及详细的电子病例信息，这为遗传学家提供了前所未有的机遇来评估罕见变异对常见疾病发生的影响。在本研究中，作者纳入了UKB中269171个具有欧洲血统的人群，分析了17361种二元表型（如是否为精神分裂症）和1419种定量表型（如血糖等指标）与罕见突变的关系。以基因为单位（Gene-based collapsing）的关联分析显示，存在1703个具有统计学意义的基因-二元表型关联，中位数比值比（odds ratio）为12.4。另外，83%的关联通过单一变异关联分析无法检测到，这强调了基于基因的collapsing分析在高等位基因异质性下的检出效力。重要的是，与表型相关的基因显著富集于FDA已批准的药物靶点上。最后，作者进一步从UKB中纳入了具有非洲、东亚和南亚血统的11933名人员的外显子组测序数据，进行了谱系特异性和泛谱系collapsing分析。总之，本研究阐述了罕见变异在常见疾病发生过程中的重要作用。
+批次效应表示样品在不同的批次处理和测量时引入的与生物状态不相关的系统性的技术偏差。很多因素都可能导致批次效应的产生，如不同实验条件、不同操作者、不同公司的试剂、不同批的试剂、实验开展的时间、检测设备、不同的测序批次等。
+ +
高维数据在机器学习问题中非常普遍，要从大量数据中提取有用信息（例如，哪些变量对于预测或解释结果更重要），必须使用统计技术来减少噪声或冗余。挑选重要变量的方法有很多，本篇简介一个R包，Boruta，它是围绕随机森林分类算法构建的包装器，用于捕获数据集中所有与结果变量相关的重要、有趣的变量。
+ +
人体微生物组成了一个复杂的多界群落，在多个身体部位与宿主共生互作。宿主-微生物的互作影响多种生理过程、是多种多因素疾病的条件。在过去10年，微生物群落被认为影响多种癌症的发生、发展、转移和对治疗的反应。然而微生物对癌症生物学存在影响的因果证据才刚刚被揭示，因此解析微生物对癌症的调节以及对癌症治疗产生影响在分子层面上的机制，具有重大的科学价值和临床意义。
+在这篇综述中，研究者描述了不同促进癌症发生发展的微生物生态位共同具有的分子致病机制；强调了对相关问题理解的进步性、局限性、挑战和前瞻，这些问题包括微生物如何影响癌症和癌症对治疗的反应、微生物或其分泌的具有生物活性的代谢物如何具有潜在的利用价值、如何成为癌症治疗的精准靶标等等。
+
pins包发布数据、模型和其他R对象，使得跨项目和与同事共享它们变得容易。你可以把对象钉到各种不同的钉板上，包括文件夹(在网络驱动器上共享或与DropBox等服务共享)、RStudio Connect、Amazon S3、Azure存储和微软365 (OneDrive和SharePoint)。可以自动对引脚进行版本控制，从而可以直接跟踪更改、对历史数据重新运行分析和撤消错误。
+ +方便生成规范优雅的代码变更日志信息。
+ +
System Monitor（Sysmon）是一个系统服务和设备驱动程序，一旦安装在系统上，就会在系统重启时保持驻留，以监控并记录系统活动到事件日志。它提供有关进程创建、网络连接和文件创建时间变化的详细信息。通过使用事件收集或 SIEM 代理收集它产生的事件，并随后对其进行分析，用户可以识别恶意或异常活动。
+
数据下载地址：https://zenodo.org/record/5186413
+3、网易云课堂引进亚马逊AWS近百门IT类课程，向社会免费开放
+钛媒体10月26日消息，专注于成人职业技能提升的网易云课堂，正式宣布上线亚马逊云科技（以下简称“亚马逊AWS”）中文在线培训课程，并承诺向全社会免费开放。
+如果你想要支持本周刊，可以对推文进行赞赏或者提供的支付宝/微信二维码打赏。
+ |
+ |
+
|---|---|
| + | + |
感谢以下读者往期赞赏：
+这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+GitHub 粉们可以通过 Watch 仓库的 Release（提前）关注发布内容。
+讨论区的帖子《谁在招人？》，提供生信深造和就业信息，欢迎访问或发布学位攻读/工作/实习等岗位。
+ +
用热力图看中科院各个学部近20年的入选人数。（via）
+本周的话题是统计之都发布的文章《数说风云：中科院近20年院士增选之数据分析》。在此之前，还无人系统整理相关的数据。该文整理了2000-2021年共11次中科院院士增选信息以及相关单位地址和类型， 从人数、学部、单位、双一流大学、区域、单位类型、年龄等多个角度进行统计、可视化和比较分析。详细的信息可以通过网址https://costudy.gitee.io/cas-fellow/进行查看。
+
不知道各位生信看官对此次增选有何感触评价？是否参与了院士评选工作而所有经验感想？
+1、Nature & Science | 新疆出土四千年前遗骸完成DNA测序，证实并非移民而是土著
+
近期一个关于中国塔里木盆出土的数百具自然保存的遗骸考古研究，同时登上了著名学术期刊《自然》和《科学》的官网首页。 +这一研究解决了困扰考古学界很长时间的问题，这些埋藏在塔里木盆地上千年的遗骸，究竟来自哪里？
+根据基因测序，这些保存完好的遗骸可以追溯到大约9000年前生活在亚洲的石器时代狩猎采集者，并非来自其他地域的移民，而是长期居住在此的土著。这些遗骸在基因上是独立的，神奇的是，他们却学会了其他群体相同的饲养牲畜和种植谷物的方式。
+圣路易斯华盛顿大学考古学家Michael Frachetti表示，这一发现表明，文化交流并不总是与遗传关系相伴而行。这些人仅仅是互通往来，但这并不一定意味着要结婚生子。
+2、Nature | 基于45万样本WES数据揭示564个健康性状关联基因，有望开辟基因功能研究新航道
+
近期，来自美国“再生元”遗传研究中心的研究团队与UK Biobank团队合作，对45万名参与者进行了外显子组测序，利用生物信息分析研究了蛋白质改变带来的表型变化。
+（什么时候中国有此规模、系统的计划和公开数据？）
+3、NC | 网络分析揭示了生物组织的多个层次的罕见疾病特征
+
罕见的遗传疾病通常是由单个基因缺陷引起的。尽管基因型和表型之间有明确的因果关系，但在生物组织的不同层次上确定病理生物学机制仍然是一个实践和概念上的挑战。本文介绍了一种网络方法，用于评估罕见基因缺陷在生物尺度上的影响。本文构建了一个由超过2000万个基因关系组成的多重网络，这些基因关系被组织成46个网络层，跨越了基因型和表型之间的6个主要生物尺度。对3771种罕见疾病的综合分析揭示了不同的表型模块在各个层次。这些模块可用于机械分析基因缺陷的影响，并准确预测罕见疾病候选基因。结果表明，疾病模块形式可以应用于罕见疾病，并推广到物理交互网络之外。这些发现为应用基于网络的工具进行跨规模的数据集成开辟了新的途径。
+4、Communications Biology | 基于深度学习算法的DIA数据处理方法，有效提升DIA蛋白质组学分析性能
+
数据独立采集（Data-independent acquisition，DIA）是当前蛋白质组学中应用范围较广的采集方式。与数据依赖采集（Data-dependent acquisition, DDA）的策略相比，DIA避免了仅对高丰度蛋白质信号采集的偏好性，转而采取“兼容并包”的策略，将一级质谱的荷质比范围分为数个窗口，在二级质谱中采集各个窗口内所包含的所有母离子碎裂所产生的子离子信号。正是如此，DIA具有相比DDA更好的重现性与定量准确性，在样本数量较大时能够获得更加准确而稳定的蛋白表达矩阵，因而更加适用于大规模的定量蛋白质组学研究。
+本文，研究团队开发了基于深度学习算法的DIA数据处理方法DreamDIAXMBD，通过对DIA谱图库以及数据的分析，设计了包含上百种色谱峰类型的新型谱图数据结构代表性谱图矩阵（representative spectral matrix，RSM），使用深度学习算法提取DIA肽段谱图中的洗脱特征，有效提升了DIA数据处理算法的准确度，并在定性、定量等多个方面超越了目前广泛使用的开源DIA数据处理软件OpenSWATH、Skyline和DIA-NN。
+
Linux的黑白命令行无法看R语言配色，本文推荐了一个工具并介绍如何使用。
+2、远程运行jupyter notebook：密码登录和token登录
+本文介绍如何使用密码和token登录Jupyter Notebook。
+ +
这是一个对标VS Code的软件，目前处于邀请测试中。
+因为 Fleet，我们不再需要打开不同的 IDE 来获得特定技术所需的功能。使用 Fleet，一切都在一个应用程序中。
+
easystats是一个组织，提供了一系列方便在R中处理统计分析与建模的工具包。
+2、hardhat
+hardhat是一个以开发人员为中心的包，旨在简化新的建模包的创建，同时促进良好的R建模包标准，这些标准是由R建模包的一组传统的约定所制定的。
+
3、BruceR - 一个统计检验的R包，可以很方便地进行简单效应检验和多重效应检验
+(感谢知乎@谷雨投稿)
课件链接：https://www.aliyundrive.com/s/DjUaNNPxegL
+ + +
如果你想要支持本周刊，可以对推文进行赞赏或者提供的支付宝/微信二维码打赏。
+ |
+ |
+
|---|---|
| + | + |
感谢以下读者往期赞赏：
+这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+GitHub 粉们可以通过 Watch 仓库的 Release（提前）关注发布内容。
+讨论区的帖子《谁在招人？》，提供生信深造和就业信息，欢迎访问或发布学位攻读/工作/实习等岗位。
+ +
禁食在能量限制饮食的反应中起着至关重要的作用。(via)
+2021 年 10 月 18 日，国际期刊《自然医学》公开发表一篇研究论文，探讨饮食模式和改善生理健康之间的关系。研究将小鼠分为5组：（1）自由取食、（2）限制 30% 的热量摄取，单没有禁食期、（3）限制 30% 的热量摄取，半天内给食三次，另外半天禁食、（4）限制 30% 的热量摄取，每天只给食一次，另外半天禁食、（5）热量摄取总量不变，但每天禁食 21 小时。
+研究运用代谢组学与转录组分析等方法，发现仅仅「禁食」而没有减少摄取的总热量，就足以得到在限制热量的饮食模式时出现的大部分代谢与核酸转录组特征，以及延长寿命、防止衰弱等健康上的好处。
+读者觉得这种饮食模式可以迁移到人吗？
+++从个人角度来看，如果每天只有3小时能自由吃饭，其他21小时无法进食，吃饭后6-8小时消化后带来的饥饿感对人的肠胃、精神带来的影响很难忽略。
+
在文献和公共基因组学资源库中，单细胞组学是增长最快的基因组学数据类型。利用不断增长的标签数据集，并将标签从现有数据集迁移到新产生的数据集，将增强单细胞组学数据的探索。然而，目前的标签迁移方法性能有限，主要是由于细胞群的内在异质性和数据集之间的外在差异。在这里，作者提出了一个强大的图模型–单细胞图卷积网络（scGCN），以实现不同数据集之间的有效知识迁移。通过在总共30个单细胞组学数据集上与其他标签迁移方法的比较，scGCN在利用来自不同组织、平台和物种的细胞以及在不同分子层的细胞分析上始终表现出卓越的准确性。
+2、Science Advanced | 机器学习通过分析水平基因转移，预测抗生素耐药性传播
+
我们熟悉的从父母遗传给孩子一般被称为垂直基因转移；水平基因转移，则是指的是一个或多个基因，通过父母遗传以外的方式进行传递。
+水平基因转移常见于细菌之中，有些细菌主动同周围的细菌发生接合作用并共享基因，从而实现基因转移。即使它们是完全不同的种类，一些细菌收集从其他细胞释放出来的基因并将它们收为己用。如果外源基因适应良好，在增殖时细菌会将外源基因传递给后代；假如这个外源基因是抗生素抗性基因，将会给疾控带来了非常大的困扰。
+系统发育距离、共享生态学和基因组约束通常被认为是控制水平基因转移（HGT）的关键驱动因素，尽管它们的相对贡献尚不清楚。
+康奈尔大学的研究人员将机器学习算法应用于一组精选的不同细菌基因组，以梳理特定功能特征对 HGT 事件的重要性。 +研究人员发现功能性内容准确预测HGT网络，涉及抗生素抗性基因（ARG）的转移的性能进一步提高，突出了HGT机制、生态位特异性和代谢功能的重要性。发现尚未检测到的高概率 ARG 转移事件，几乎是人类相关细菌所独有的。该方法在预测病原体的 HGT 网络方面是可靠的，包括鲍曼不动杆菌和大肠杆菌，以及在局部环境中，例如个人的肠道微生物组。
+3、Cancer Cell | 基于小细胞肺癌单细胞图谱，鉴定与转移、免疫抑制及预后相关的细胞亚群
+
作为最具侵袭性的肺癌类型，小细胞肺癌（SCLC）患者的预后较差，并且大多数患者在诊断之时就已经发生了转移。被寄予厚望的免疫检查点阻断疗法也仅略微提高了患者的中位生存率。虽然SCLC在形态学上表现同质，但近期来自小鼠模型和人类肿瘤的数据表明，SCLC仍然存在显著的异质性。根据癌细胞中四种转录因子（ASCL1、NEUROD1、POU2F3和YAP1）的差异表达，研究人员对SCLC进行了分类。然而，这种分类下的不同亚型是否与特定的疾病阶段、转移潜能或免疫微环境相关，以及亚型之间是否存在可塑性等难题仍未得到解决。
+近日，美国纪念斯隆·凯特琳癌症中心研究团队借助单细胞转录组和成像技术，构建了SCLC的单细胞图谱，鉴定出一组潜伏在肿瘤细胞周围、PLCG2高表达的干细胞样细胞亚群，这类细胞能够推动肿瘤的转移，并与患者的预后密切相关。该研究为小细胞肺癌的分子特征提供了支撑，为将来更加深入的研究提供了宝贵的数据资源，也为更为精准的治疗奠定了理论基础。
+4、Bioinformatics | BioDynaMo：一个研究生物过程的新计算平台
+
基于代理的模拟 (ABS) 是一种强大的工具，可帮助生命科学家更好地理解复杂的生物系统。计算机模拟是一种快速测试有关细胞群、组织、器官或整个生物体的（病理）生理学假设的廉价且有效的方法。然而，此类计算机模拟对科学研究的有效性通常是有限的。
+萨里大学、欧洲核子研究中心、纽卡斯尔大学等研究机构的研究人员合作，提出了一种称为 BioDynaMo 的新型模拟平台。研究人员证明 BioDynaMo 可用于模拟以下领域的用例：神经科学、肿瘤学和流行病学。对于每个用例，研究人员使用实验数据或分析解决方案来验证 BioDynaMo 的模拟发现。性能测试结果表明 BioDynaMo 的性能比当前最先进的基线快三个数量级。读者可以通过https://biodynamo.org/查看相关示例。
+1、tidyverse团队重新发布诸多包的许可协议，统一更改为MIT
+tidyverse团队（包括r-lib、tidymodels）近十五年为R社区贡献了诸多的工具包和相关生态。但由于采取了多种不同的开源许可协议，使用者常常会感到混乱。本文总结了团队为重新制定许可协议作出的努力，全部更改为MIT协议。
+ +
峰峦图对于可视化随时间或空间分布的变化非常有用，本文介绍如果通过ggridges包进行相关图形的绘制。
+
转录组学分析可能因此变得顺滑，后面如果有分析需求或者有时间学习文档我再单独分享。
+ +
提供了一整套表格展示语法，并支持Office。
+
这里记录一段时间作者在互联网上看到的有意思的内容与信息，防止它们在我的脑袋里走丢了。
+（感谢@mugpeng的投稿）
+ +吴恩达在推特上展示了一份由 TessFerrandez 完成的深度学习专项课程信息图，这套信息图优美地记录了深度学习课程的知识与亮点。因此它不仅仅适合初学者了解深度学习，还适合机器学习从业者和研究者复习基本概念。
+如果你想要支持本周刊，可以对推文进行赞赏或者提供的支付宝/微信二维码打赏。
+ |
+ |
+
|---|---|
| + | + |
感谢以下读者的往期赞赏：
+这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+GitHub 粉们可以通过 Watch 仓库的 Release（提前）关注发布内容。
+讨论区的帖子《谁在招人？》，提供生信深造和就业信息，欢迎访问或发布学位攻读/工作/实习等岗位。
+ +
KEGG概览。（via）
+之前在一期的话题是什么时候有生信诺奖。这篇来自知识分子的文章提供了一个实例可以让大家进一步思考和讨论。
+2018年，日本京都大学金久实教授被美国咨询公司科睿维安列为可能获诺贝尔生理医学奖的人选之一，提名理由是 “对生物信息学的杰出贡献，特别是开发了京都基因和基因组大百科全书”。京都基因和基因组大百科全书英文全称是 “Kyoto Encyclopedia of Genes and Genomes”，简称KEGG。即使从事专业生物信息工作的人也未必知道金久实教授，但略微接触过生物信息的人都会知道KEGG。
+++生物信息要解决的问题是生物数据的产生、管理和挖掘。这种旷日持久的系统性推动与支撑，与通常意义上星光灿烂的概念和技术进展相比，似乎更容易被人们忽略低估。
+生物信息确实在各个方向上有力地推动了生物学研究和应用的发展。其尴尬之处在于，作为实用工具缺乏深度，而概念和技术突破又非常依赖实验设计和数据质量。就诺奖而言，生物信息最大的痛点是自身很难闭环，很难达到普遍接受的高度。
+
生信作为交叉学科，涉及内容广泛。我们应该从事什么方向的研究？是否要为人熟知？未来是否能为诺奖添砖加瓦？
+1、Bioinformatics | MoNET：一个多组学网络分析R包
+越来越多的多组数据可用性使得在不同规模上发现疾病生物标志物成为可能。了解多组生物标志物之间的功能相互作用正变得越来越重要，因为它具有提供潜在分子机制的巨大潜力。
+R包地址：https://github.com/JW-Yan/MONET
+2、Cancer Discovery | 31个胃癌组织的单细胞图谱
+
本文利用多个病人标本的单细胞测序数据，为我们呈现一个较为全面的细胞族系、肿瘤微环境和不同分型的特异性转录组表达情况的图谱。
+ +
日本的科学家近日研发出了一种新型口罩，如果佩戴者感染了新冠病毒，这种口罩就能在紫外灯下发出亮光。有了这款口罩，人们在家中就可以自测是否感染了新冠病毒。
+文章浏览一下四个工具的使用：
+我自己之前使用过PyScaffold写过loon这个Pypi包，用的就是PyScaffold。
+ +一篇名为Towards Causal Representation Learning的综述文章由因果领域领军人物马普智能系统所所长Bernhard Schölkopf及深度学习三巨头之一的Yoshua Bengio等人撰写。顾名思义，何为因果表征causal representation呢？其又拥有怎样优良的性质使我们想要学习因果表征呢？
+
Tidy Data Tutor让你在浏览器中编写R和Tidyverse代码，并查看Data Frame在数据分析管道的每个步骤中如何变化。
++ ++ +
JBrowse Jupyter是一个python包，它为JBrowse视图提供了一个python接口。
+3、fastp
+一个为FastQ文件提供快速一体化预处理的工具。这个工具是用c++开发的，支持多线程以提供高性能。
+R图书书签集合，大部分是免费的。
+ +
介绍R编程以及用于生物数据处理。
+如果你想要支持本周刊，可以对推文进行赞赏或者提供的支付宝/微信二维码打赏。
+ |
+ |
+
|---|---|
| + | + |
这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+GitHub 粉们可以通过 Watch 仓库的 Release（提前）关注发布内容。
+讨论区的帖子《谁在招人？》，提供生信深造和就业信息，欢迎访问或发布学位攻读/工作/实习等岗位。
+ +
第三代Xenobot(红色)和松散干细胞组成的聚集体(绿色) 。（图片来源）
+++去年1月，美国佛蒙特大学、塔夫斯大学和哈佛大学的4名科学家共同开发首个活体机器人Xenobot。从外面看起来，它只是一个毫米大小的细胞团，但却相当厉害。它能朝特定的方向移动，具有强大的延展性和可塑性，在被切开后，还能自行复原。
+
++在各奔前程的过程中，旧友不断流失，但在新的环境里，又未能建立起可以弥补这种流失的关系。是这两者的合力，共同酿成了“失友”的感受。
+真正可贵和难得的情谊，不会轻易被时空打败。哪怕人生的际遇疏离化了一些关系，哪怕彼此的联系不如往日频繁，哪怕已经许久未见，哪怕不能第一时间知晓你的近况，但在我需要你的时候，我知道你就在那里。
+别离是人生常态，身边的人也确实来来往往更迭不断，但总有一些人，已经陪伴了我们很久，还将陪伴我们更久。
+
1、Genome Medicine | 人工智能临床决策工具GEM，通过快速基因组注释助力遗传病诊断
+
Fabric Genomics Inc的Mark Yandell研究团队联合Martin G. Reese研究团队，开发了一种用于快速基因组注释的临床决策支持工具——Fabric GEM。GEM是一种新型的基于人工智能的临床决策支持工具。研究团队在回顾性队列中对GEM进行的基准测试显示，GEM能将90%以上的致病基因排在优先候选基因中，几乎囊括了所有变异类型。此外，结合深层表型分析发现，GEM可以实现快速、准确、全面地基于WGS和WES数据进行诊断，有效降低了成本并加快变异评估。
+2、Nature Biotechnology | Genentech公司开发TraCe-seq系统用于识别癌症药物反应的转录特征
+
针对致癌驱动基因突变的靶向治疗为癌症患者提供了显著的临床获益，为精准医疗带来了巨大的希望。但并非所有癌症患者都能产生治疗反应，其他既存的和获得的耐药机制对患者的整体反应和药效持久性提出了巨大的挑战。近年来，靶向蛋白降解这一新的作用机制 (MOA) 引起了人们的广泛关注。与传统的基于占位的靶向抑制不同，异质双功能靶向蛋白降解物能够同时将E3泛素连接酶富集到目标位置，并通过泛素介导的蛋白质水解诱导靶向降解的分子，并被证明在特定情况下优于单独的酶抑制。但目前尚不清楚双作用抑制剂-降解剂是否具有普遍优势。
+为了解决上述难题，美国Genentech公司研究团队开发了一个名为TraCe-seq (Tracking differential clonal response by scRNA-seq) 的系统，能够同时跟踪肿瘤起源并比较肿瘤细胞对不同疗法的即时反应，大大加速药物反应机制或者耐药机制的研究。
+3、Genome Biology | 精准解析SNV、SV和甲基化的综合性分析方法PRINCESS，填补基因组学研究空白
+
研究团队针对目前测序数据分析短板（对于长读段数据中染色体结构变异的综合分析）进行了补充，开发了一种可以精准解析SNV、InDel、SV和甲基化数据的单倍型分析方法：PRINCESS。PRINCESS能够以最低的成本为每个样本提供全面的、单倍型解析结果。
+这篇文章介绍了GO功能富集分析的冗余性和解决方法。
+ego2 <- simplify(ego, cutoff=0.7, by="p.adjust", select_fun=min)
+2、4 Tips to Make Your Shiny Dashboard Faster
+
3、Tired: PCA + kmeans, Wired: UMAP + GMM
+
这篇文章比对了两种将降维和聚类结合的策略。相比PCA+Kmeans，作者跟推荐UMAP+GMM。
+
3、tidyHeatmap - 用整洁的数据框架简单地绘制热图
+
1、GitHub 上最大的算法开源库：The Algorithms
+
在这个网站上面，收录了包括 Python、Java、C++、JavaScript、Go 等多种主流编程语言的算法代码实现。 +你可以通过搜索框，快速寻找自己需要学习的算法。
+ +
这个存储库包含用于数据集成工具基准测试研究的代码。在我们的研究中，我们在85批基因表达和染色质可及性数据上对16种方法进行了基准测试，包括4种预处理步骤组合，一共68种方法组合。
+如果你想要支持本周刊，可以对推文进行赞赏或者提供的支付宝/微信二维码打赏。
+ |
+ |
+
|---|---|
| + | + |
感谢以下读者往期的赞赏：
+这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+GitHub 粉们可以通过 Watch 仓库的 Release（提前）关注发布内容。
+讨论区的帖子《谁在招人？》，提供生信深造和就业信息，欢迎访问或发布学位攻读/工作/实习等岗位。
+ +
（via）
+这周话题分享饶毅教授的评述。
+++三流及以上对99.99999%国人学者来基本是梦想，请看上面链接的原文。希望大家都脱离九流，做着六七流，勇争四流。
+
四流：研究的科学或应用意义被同学科科学家交口称赞，二十年内都知道其代表性重要工作，为本学科中坚；
+五流：研究意义一般科学工作者误认为很有噱头，虽然少数优秀科学家早就看穿其局限性，挡不住这类科学研究在短时间得到很多瞩目，研究者个人得到利益，但其研究结果不到十年就被同一学科所忘记。
+六流：很能总结研究结果，特别能够发文章，无论研究本身有没有意义，虽然优秀科学家很快嗤之以鼻，但研究者有办法把文章发表在读者多的场景，例如发表在Nature。读者还不少，但两周内大家都不记得做了什么，一个月后自己也说不清楚发现了什么，灰飞烟灭；
+七流：做完研究自己都不记得为什么科学原因而开始研究，但能够发文章，还有少量读者，对其他人的研究永远没有影响；
+八流：能够自己设计课题，勉强能够发表，在国际上主要是只能职业爬坡，在某些局部环境被认为是科学家，文章无人阅读，同一课题组也不再继续做；
+九流：不知道该研究什么，为了职业不断模仿其他人的研究。
+1、Cell | 加州大学任兵团队发表迄今最大规模人类单细胞染色质可及性图谱
+
全基因组关联研究（GWAS）已经确定了数十万种与人类特征和疾病广泛相关的遗传变异，这些变异大多数是非编码的。此外，研究发现疾病相关组织和细胞类型中的候选顺式调节元件（CCRE）富含非编码疾病风险变异，因此科学家们推测非编码变异影响疾病风险的主要机制是通过影响特定细胞类型中的转录调节元件。但由于缺乏人类基因组中调控元件的细胞类型解析图，这些非编码变异的注释仍具有挑战性。
+美国加州大学圣地亚哥分校任兵教授课题组在Cell上发了题为“A single-cell atlas of chromatin accessibility in the human genome”的研究文章。研究人员使用改良的单细胞测序技术sci-ATAC-seq对来自多个个体30种成人组织类型的615998个细胞进行了染色质可及性分析，并将这些数据与15种胎儿组织类型的细胞染色质可及性图谱相结合，绘制了迄今最大规模的人类单细胞染色质可及性图谱。该图谱在222个细胞亚型中注释了近120万个CCRE，为揭示细胞类型与疾病的相关性，发现人类细胞类型的相关治疗靶点，以及人类复杂疾病的致病机理提供了宝贵的参考资源。（资源获取：http://catlas.org/humanenhancer）
+2、Nature Methods | 李明瑶团队发表空间转录组数据分析的新算法SpaGCN，可检测出具有空间表达模式的SVG
+
近年来，空间转录组（Spatially Resolved Transcriptoms, SRT）技术的进步使得利用组织中的空间信息进行基因表达谱分析成为可能。目前，关于SRT的实验策略大致可分为两类：第一类是具有单细胞分辨率的原位杂交或测序技术（包括seqFISH、MERFISH等），能够检测单个细胞中数百到数千个基因的表达水平；第二类是基于原位捕获的技术（包括SLIDE-seq和10x Visium等），即先进行空间条形码编码再进行测序，可以检测捕获特定位置中数千个基因的表达水平。这些不同的SRT技术使得揭示异质组织的复杂转录结构成为可能，并增强了人们对疾病细胞机制的理解。
+本文提出了空间转录组数据分析的新算法SpaGCN。SpaGCN首先构建表示数据空间依赖性的无向加权图，再将基因表达、空间位置和组织学进行整合来识别空间域。此外，SpaGCN还可以检测每个空间域丰富的SVG，通过将搜索空间限制在空间域上，以保证检测到的SVG都具有空间表达模式。SpaGCN适用于分析多种类型的SRT数据，包括ST、10x Visium、SLIDE-seqV2等。
+1、Creating a custom color palette class with vctrs
+
本文介绍如何使用vctrs创建一个自定义的调色板🎨。
+ +这篇简短的博客文章的目的是概述作者写论文时正在使用的软件包和工作流。
+ +“文献单词”指的是文献中的高频词汇，它们有特殊的用法，不同学科也有对应的专业英语，因此其范畴和四六级单词不同。
+
iCOBRA是一个软件包，用于计算和可视化排序和二进制赋值方法的性能指标。一个典型的用例可以是，例如，在基因表达实验中比较调用差异表达的方法，这可以被看作是一个排序问题(估计正确的效应大小并根据显著性对基因排序)或一个二元分配问题(将基因分为差异表达和非差异表达)。
+1、The Innovation | 视频: Y叔谈clusterProfiler 4.0 前沿应用
+ +如果你想要支持本周刊，可以对推文进行赞赏或者提供的支付宝/微信二维码打赏。
+ |
+ |
+
|---|---|
| + | + |
这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+GitHub 粉们可以通过 Watch 仓库的 Release（提前）关注发布内容。
+讨论区的帖子《谁在招人？》，提供生信深造和就业信息，欢迎访问或发布学位攻读/工作/实习等岗位。
+ +
++Cancer Discov. 2022; 12: 31-46.
+
Hallmarks of Cancer发布第3版。在既往10个特征的基础上，再一次增加了4个特征，分别是：1、解锁表型可塑性（Unlocking phenotypic plasticity），而表型可塑性可以破坏细胞分化。2、衰老细胞（Senescent cells），细胞衰老被认为是维持组织稳态的一种保护机制，然而越来越多的证据提示，在某些情况下，衰老细胞可以各种方式促进肿瘤的发生、发展。3、非突变表观遗传重编程（non-mutational epigenetic reprogramming），表观遗传即DNA序列没有发生变化，但基因功能发生了可遗传的变化。4、多态微生物组（Polymorphic microbiomes），存在于结肠、其他黏膜及其连接器官，或肿瘤自身的微生物组。前两个特征为“新出现的特征”，后两者为“赋予的特征”。
+Hallmarks的又一次更新是人类从新方向研究癌症近期结果的汇总，拓展了癌症研究的纲要和主要研究范围。
+1、Nature Methods | 结合DNA远端互作的高精度基因表达预测模型——Enformer
+
结合DNA远端互作预测基因表达和染色质状态的计算模型可以帮助更好地理解转录调控以及变异对转录调控的影响，补充基于人群的关联研究。
+本文通过Enformer整合了来自基因组的远端互作信息，能够更准确的预测变异效应。此外，Enformer结合了直接从DNA序列预测增强子-启动子相互作用的方法，使得精细映射人类疾病成为可能。
+2、Nature Machine Intelligence | 基因组学中高效设计深度卷积神经网络的自动化框架
+
卷积神经网络(cnn)已成为生物序列分析的标准。网络架构的调整对于CNN的性能至关重要，但它需要大量的机器学习知识和投入的时间和精力。因此，这一过程对现代深度学习在基因组学中的广泛和有效应用造成了重大障碍。在这里，我们提出了生物循证研究的自动化建模(AMBER)，一个完全自动化的框架，有效地设计和应用基因组序列的cnn。AMBER通过最先进的神经结构搜索(NAS)为用户指定的生物问题设计最优模型。我们将AMBER应用于基因组调控特征建模的任务中，并证明了AMBER设计的模型的预测明显比等效的基线非nas模型更准确，与已发表的专家设计的模型相匹配甚至超过。琥珀建筑搜索的解释揭示了它的设计原则，利用计算操作的全空间精确建模基因组序列。此外，我们还阐明了使用AMBER在等位基因特异性结合和疾病遗传力富集中准确发现功能性基因组变异。AMBER为基因组学中设计精确的深度学习模型提供了一种高效的自动化方法。
++ ++
3、Nature communications | ClusterMap for multi-scale clustering analysis of spatial gene expression
+
在空间环境中定量RNA对于理解复杂组织中的基因表达和调控至关重要。原位转录组方法在完整组织中生成空间分辨的RNA谱。然而，目前还缺乏一个统一的计算框架来整合原位转录组数据分析。本文由此引入了一个无监督和无注释的框架，称为ClusterMap，它包含了RNA的物理位置和基因身份，将任务作为点模式分析问题，并通过密度峰聚类(DPC)识别具有生物学意义的结构。具体来说，ClusterMap在二维和三维空间中精确地将RNA聚集到亚细胞结构、细胞体和组织区域，并在各种组织类型上一致地执行，包括小鼠大脑、胎盘、肠道和人类心脏器官。本文证明ClusterMap可广泛应用于各种原位转录组测量，从具有高维转录组特征的图像中揭示基因表达模式、细胞生态位和组织组织原则。
+此包不仅可以实现三线表的绘制，同时可以进行模型结果的可视化展示、评估。
+
本文介绍使用ComplexHeatmap进行完全自定义的注视。
+
本文八种可用于构建API的优秀Python框架。
+1、ggeffects - ggplot2回归模型的边际均值估计和边际效应
+一个支持多种模型的可视化和预测神器。
+
library(ggplot2)
+library(ggiraph)
+data <- mtcars
+data$carname <- row.names(data)
+
+gg_point = ggplot(data = data) +
+ geom_point_interactive(aes(x = wt, y = qsec, color = disp,
+ tooltip = carname, data_id = carname)) +
+ theme_minimal()
+
+girafe(ggobj = gg_point)
+
3、ggcorrplot - 使用ggplot2可视化相关矩阵
+
生物信息学、数据科学、机器学习、编程语言(Python、Golang、R、Perl)和其他方面的宝贵资源。
+ +如果你想要支持本周刊，可以对推文进行赞赏或者提供的支付宝/微信二维码打赏。
+ |
+ |
+
|---|---|
| + | + |
这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+GitHub 粉们可以通过 Watch 仓库的 Release（提前）关注发布内容。
+讨论区的帖子《谁在招人？》，提供生信深造和就业信息，欢迎访问或发布学位攻读/工作/实习等岗位。
+ +
由ezcox包所绘制的Cox回归森林图（via）。
+
戴维·罗斯贝·科克斯爵士，Sir David Roxbee Cox，1924年7月15日－2022），英国著名统计学家，英国皇家学会院士暨英国社会科学院院士，美国科学院、丹麦皇家科学院外籍院士。曾任国际统计协会、伯努利数理统计与概率学会、英国皇家统计学会主席。主要学术贡献包括Cox过程和影响深远且应用广泛的Cox比例风险模型等。
+++目前的临床医学研究、生物信息学研究都从Cox模型中颇为受益，它是鉴别变量对生存数据影响力的有效手段。科学家追求的理想应就是这种有著作流芳百世，福泽后人。
+
1、两院院士评选“2021年中国/世界十大科技进展新闻”揭晓
+这里仅介绍一例，其余读者可以通过链接文章阅读。
+
奥地利科学院生物学家Sasha Mendjan和团队使用人类多能干细胞培养出芝麻大小的心脏模型，又称心脏线。它可以自发地进行组织，在不需要实验支架的情况下发展出一个中空的心房。Mendjan团队以特定的顺序激活所有参与胚胎心脏发育的6个已知信号通路，诱导干细胞自我组织。
+2、Nucleic Acids Research | 疗效药物靶标的比较性研究与数据平台构建
+
在人工智能药学急速发展的今天，迫切需要累积针对药靶的比较性研究数据，以推进基于大数据的AI药学研究。浙江大学药学院朱峰教授、医学院裘云庆教授和清华大学深圳研究生院陈宇综教授合作开展了全面的药靶比较性研究。研究结果涵盖了所有FDA已批准药物作用的、一万余个临床研究药物作用的、两万五千余个临床前和实验研究中药物作用的药靶。（https://idrblab.org/ttd/）
+3、NEJM | 超快纳米孔技术8小时测序基因组，找到致病基因，挽救生命
+
在对病人进行基因组测序并返回结果上，耗时几周时间，已经被大多数医生认为是快速了。那么，能否进一步将耗时缩短到几天甚至几个小时呢？本文研究团队开发了一种新的超快速基因组测序方法，用于诊断罕见的遗传疾病，平均仅需耗时8小时，这在标准的临床护理中前所未见。快速诊断意味着病人在重症监护病房花费的时间更短，需要的检查更少，恢复得更快，在护理上花费更少。更重要的是，这种更快的测序技术并没有牺牲准确性，测序结果依旧可靠。
+
技术的进展为我们提供了大规模的生物数据，但要如何从中获得对生物学机制的理解？一方面我们可以使用来自科学文献的先验知识，但这种知识驱动方法往往基于特定的情境，不适合进行因果关系预测；另一方面，纯数据驱动的推断方法专注于创建特定情境下的预测模型，却很难进行有意义的生物学解释。
+2021年6月，发表于Cell 旗下Patterns 杂志的论文“蛋白质组中的因果相互作用：分子数据遇见通路知识”，介绍了一款名为 CausalPath 的因果推断工具，能够结合新的测量结果与先验知识，推断蛋白质组数据中因果信号的相互作用。这种方法模仿了生物学家用先验知识解释新的实验数据的传统方法，但可以在数十万反应的规模上进行。
+它拥有 50 多项特性，为提高生产力而生。主要目的，是让你可以像极客一样，通过键盘快捷键来使用 Chrome。
+ +
一些教职相关的资料。
+ +
如果你想要支持本周刊，可以对推文进行赞赏或者提供的支付宝/微信二维码打赏。
+ |
+ |
+
|---|---|
| + | + |
感谢以下读者往期的赞赏：
+这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+GitHub 粉们可以通过 Watch 仓库的 Release（提前）关注发布内容。
+讨论区的帖子《谁在招人？》，提供生信深造和就业信息，欢迎访问或发布学位攻读/工作/实习等岗位。
+ +
（via）
+图灵奖得主、“贝叶斯网络之父”Judea Pearl在Twitter上分享了一篇新论文“What are the most important statistical ideas of the past 50 years?”（过去50年中最重要的统计思想是什么？）
+这篇论文由哥伦比亚大学统计学教授Andrew Gelman和阿尔托大学计算机科学系副教授Aki Vehtari所著，他们根据自己的研究和文献阅读经验总结出了过去半个世纪以来最重要的8个统计思想，并表示：“它们是独立的概念，涵盖了统计方面不同的发展。这些思想都在1970年前的理论统计文献和各个应用领域的实践中就已经出现。但是在过去的五十年中，它们各自已经发展到足以成为新事物的程度。”
+他们认为，过去半个世纪中最重要的统计思想是：反事实因果推理，基于bootstrapping（自助抽样法）和基于模拟的推理，超参数化模型和正则化，多层模型，泛型计算算法（generic computation algorithms），自适应决策分析，鲁棒推理和探索性数据分析（未按时间顺序，排序不分先后）。
+
2、第八届全国计算生物学与生物信息学学术会议暨生物医学大数据与人工智能大会
+
时间和会议形式
+组织机构
+3、Nature Communications | 超低频变异低深度检测技术——QBDA，助力MRD液体活检实现精准定量
+
阅尔基因的科学家和MD Anderson癌症研究中心合作在知名期刊Nature Communications上发布了一项可对低于0.01%VAF的体细胞突变进行精确定量的研究。团队通过将分子标签技术与抑制探针置换扩增（BDA）等位基因富集技术相结合，发明了新的定量BDA（QBDA）方法，克服了BDA的潜在偏差，实现了更为精准的VAF定量。与同类技术相比，QBDA仅需6~20ng的DNA起始量，同时测序深度降低了10倍以上。
+4、Nature Communications | 单细胞差异分析方法评测
+
本研究使用18个已发表的“金标准”数据集，评测了14个目前常用的差异分析方法，pseudobulks方法要优于single-cell分析方法，指出现在的很多发表的差异分析方法是错误的，会有太多的假阳性。
+本文介绍了使用自定义的数据绘制cnet图形。
+
最近接触到的一个Windows效率工具，大家感兴趣可以看看。从设计和一些插件应用来看还是蛮好玩的。
+
IFN-γ致癌和抗癌两面性，取决于环境和他作用的靶细胞。
+
1、factoextra : Extract and Visualize the Results of Multivariate Data Analyses
+一个常见的多维分析一站R包。网上介绍的推文很多。
+
该包提供PyTorch特性并附加一些R的支持特性。
+3、distant - remotely edit files and run programs
+4、pbapply: adding progress bar to ‘*apply’ functions in R
+使用方式很简单：
+out <- if (requireNamespace("pbapply", quietly = TRUE)) {
+ pbapply::pblapply(X, FUN, ...)
+} else {
+ lapply(X, FUN, ...)
+}
+
程序员离不开命令行，许多经典命令是每天必用的，比如ls和cd。
+虽然它们很好用，但是由于历史原因，往往也有一些缺点，比如用法不符合直觉、难以配置，有些速度也不快。
+这些年，它们的替代品开始出现，而且越来越多，大家开始尝试使用现代语言，重新实现这些经典命令。本文总结一下这些替代品，其中有些真的很不错，值得你在自己的计算机上安装。
+2、老程的转录组
+这是一系列基于常用软件以及一些新开发的软件进行RNA-seq数据分析的推文，希望不仅能为大家入门RNA-seq数据分析有所帮助，更能够从中挖掘到与众不同的信息。
+如果你想要支持本周刊，可以对推文进行赞赏或者提供的支付宝/微信二维码打赏。
+ |
+ |
+
|---|---|
| + | + |
这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+GitHub 粉们可以通过 Watch 仓库的 Release（提前）关注发布内容。
+讨论区的帖子《谁在招人？》，提供生信深造和就业信息，欢迎访问或发布学位攻读/工作/实习等岗位。
+ +
端粒到端粒（T2T）合作组正在对所有染色体进行测序。来源：Adrian T. Sumner/SPL
+从基因编辑到蛋白质结构解析，再到量子计算，以下七项技术或在科学界产生重大影响。
+可以看到几乎都与生命科学有关系。但未来国内如果想要深入和快速发展和应用相关技术，科技工作者需要被更好地管理和培养。
+1、Briefings in Bioinformatics | SGANRDA - 预测circRNA与疾病关联的半监督生成对抗网络
+
环状RNA（circRNA）在复杂人类疾病的诊断、发生和预后中起着至关重要的作用。与传统的生物实验相比，融合多源生物数据以识别circRNA与疾病之间的关联的计算方法可以有效地降低成本和节省时间。考虑到现有计算模型的局限性，作者提出了一种半监督生成对抗网络模型SGANRDA，用于预测循环RNA-疾病关联。
+2、NAR | RiboDetector - 高通量测序数据鉴别和去除rRNA序列利器
+
RiboDetector是一款用于从宏基因组、宏转录组、ncRNA和核糖体测序数据中准确而快速地检测和去除rRNA序列的软件（https://github.com/hzi-bifo/RiboDetector）。它是基于深度学习的BiLSTM（一款双向的循环神经网络架构）开发的软件。跟基于比对和隐马尔科夫模型的方法相比RiboDetector能抓取更长距离的序列特征，从而具有更好的准确性。文章中对比了目前常用的其他5款工具。在测试数据上，RiboDetector比其他软件的错误预测率低6到2000倍。另外它的CPU模式运行比目前最常用的软件有10倍左右的速度提升，而在GPU模式上实现了50倍左右的运行速度提升（见下图B-C）。文章中分析表明RiboDetector有很好的泛化能力，能预测发现新的rRNA（和数据库中已知rRNA相似性低于90%）序列。最后，在测试数据上它的假阳性预测序列没有显著的对某些功能的偏向性（没有GO term显著富集在假阳性预测的序列中）
+3、Neuron | 大脑的学习方式如何，机器学习与生物学习的联系将提供「答案」
+
大脑的变化如何导致学习？要回答这个问题，请考虑人工神经网络 (ANN)，通过优化给定的目标或成本函数来进行学习。这种优化框架可能会提供有关大脑如何学习的新见解，因为神经活动的许多特殊特征可以通过经过训练，以执行相同任务的 ANN 来概括。
+然而，在整个学习过程中神经群体活动如何变化的关键特征无法用优化来解释，也不是 ANN 的典型特征。在这里，详细介绍了其中的三个特征：
+（1）整个学习过程中神经可变性的不灵活性；
+（2）即使在简单任务中也使用多个学习过程；
+（3）存在与任务无关的大型活动变化。
+科学家认为，理解这些特征在大脑中的作用将是使用优化框架描述生物学习的关键。
+1、eXtreme Gradient Boosting (XGBoost): Better than random forest or gradient boosting
+本文通过实例介绍和对比了XGBoost, Gradient Boosting (GBM), Random Forest, Lasso, Best Subset几种算法。
+ +本文介绍使用plotly绘制桑基图。
+
本文介绍Tabby的安装和使用。
+
bigwig是一种常见的基因组文件格式，本文介绍它的特点、应用场景和相关工具。
+1、pybedtools: Python wrapper – and more – for Aaron Quinlan’s BEDTools (bioinformatics tools)
+瑞士军刀bedtools是基因组区间数据处理的标杆，pybedtools提供了一个python接口。
+from pybedtools import BedTool
+
+snps = BedTool('snps.bed.gz') # [1]
+genes = BedTool('hg19.gff') # [1]
+
+intergenic_snps = snps.subtract(genes) # [2]
+nearby = genes.closest(intergenic_snps, d=True, stream=True) # [2, 3]
+
+for gene in nearby: # [4]
+ if int(gene[-1]) < 5000: # [4]
+ print gene.name # [4]
+2013 年，来自米兰理工大学的一个研究室 DensityDesign，正式发布了 RAWGraphs。
+项目诞生的初衷，主要是在于帮助设计师与开发者，打通电子表格应用与矢量图形编辑器之间的桥梁，让数据与图形的对接，变得更加流畅丝滑。
+
4、edgebundle - edge bundling算法实现R包
+包含的算法实现：
+
1、Machine-Learning-From-Scratch
+每天30分钟，系统梳理机器学习的各个知识点，概念+原理+代码。
+2、Bioinformatics-training-collection
+这是一个学习生物信息学相关工具和语言的资源集合。
+2、Gene set enrichment analysis for genome-wide DNA methylation data
+包含一系列甲基化分析的文档。
+如果你想要支持本周刊，可以对推文进行赞赏或者提供的支付宝/微信二维码打赏。
+ |
+ |
+
|---|---|
| + | + |
感谢以下读者往期的赞赏：
+这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+讨论区的帖子《谁在招人？》，提供生信深造和就业信息，欢迎访问或发布学位攻读/工作/实习等岗位。
+ +
如果先做一个菜鸟。（via）
+让别人看到你在学习～。
+华中科技大学教授薛宇翻译生物信息学研究的5个层次水平并加入自己的理解：
+0级（Level 0）：为建模、而建模（modeling for modeling’s sake）。简称：渣级。
+1级（Level 1）：给数据、能分析。简称：菜鸟级。
+2级（Level 2）：想新招、玩数据。简称：肉鸟级。
+3级（Level 3）：玩数据、作发现。简称：顶级。
+X级（Level X）：玩科学、讲政治。简称：神级。
+希望每一位生信学习者都能从渣打到神级。
+如果读者对本期话题感兴趣，欢迎到讨论区评论交流。
+
全国生物信息学与系统生物学学术大会自1998年首届召开以来，已成功举办九届，是中国生物信息学研究领域学术水平最高、影响最大的全国盛会。第十届全国生物信息学与系统生物学学术大会将于2021年10月25日至28日在四川省成都市召开。此次会议由中国生物信息学学会（筹）主办，四川省生物信息学学会承办，大会主题为“生物信息学前沿——人工智能大数据系统生物学与人类健康”。
+2、未来科学大奖公布：香港大学袁国勇/裴伟士因SARS获生命科学奖
+
未来科学大奖（Future Science Prize）是由华裔科学家、企业家群体共同发起的民间科学奖项，设置“生命科学”和“物质科学”、“数学与计算机科学奖”三大奖项，单项奖金100万美元，于2016年首次颁发。旨在奖励在大中华地区（包含中国大陆地区、香港、澳门及台湾）取得杰出科技成果的科学家。
+2021年未来科学大奖生命科学奖获奖者为：袁国勇（香港大学）、裴伟士（香港大学）。
+获奖原因：他们发现了冠状病毒（SARS-CoV-1）是导致2003年全球重症急性呼吸综合征（SARS）的病原，以及由动物到人的传染链，为人类应对MERS和COVID-19冠状病毒引起的传染病产生了重大影响。
+3、聚焦五大领域：浙江大学发布《重大领域交叉前沿方向2021》报告
+以智能化为特征的第四次工业革命已经全面开启，会聚技术的不断涌现，正引领各领域创新突破性跃迁。学科交叉是这场变革的核心驱动力，主要表现为信息、生命、物质三大学科板块间的深度融合，最终将推动人类生产生活发生深刻变化。把握全球科技发展趋势，瞄准交叉前沿领域加快布局，对于抢抓创新竞争未来制高点具有重要意义。
+++很多内容应该可以更生信关联起来。
+
4、Nat. Comput. Sci. | 深度学习建模基因调控网络
+
【drugAI】单细胞测序技术的快速发展为生物学家研究细胞状态提供了前所未有的机会。而在批量测序数据中未发现的实验噪声会显着降低下游生物信息学分析结果的准确性。为了解决这个问题，人们利用深度学习通过模拟基因之间复杂的相互作用模式来过滤单细胞转录组数据中的噪声。先前的基于深度学习的方法虽然能更清晰的揭示细胞异质性，捕捉转录组学相似性和细胞之间的差异，但很难评估基因调控网络（GRN）结构或数据其他内部结构。而许多计算模型是将GRN推断和单细胞数据分析模型进行结合。然而，通常需要设计复杂的实验，并且还可能引入额外的噪声。此外，基于单细胞RNA测序（scRNA-seq）数据的方法也有明显的局限性。
+针对上述问题，本文作者提出基于β-VAE框架的DeepSEM模型，可以联合嵌入基因表达数据，同时构建GRNs反映单细胞内基因相互作用的内部结构，而无需依赖任何额外信息，例如TF结合motif或单细胞ATAC测序（scATAC-seq）数据。作者在多个基准数据集上评估DeepSEM在各种单细胞任务中的性能都获得了不错的结果，并且由于VAE模型本身可以对潜在向量空间进行扰动来生成新的数据，因此在训练样本数据有限的情况下，仍能保证细胞类型分类的准确性。
+5、吃下去的药被肠道细菌吸收了？可能会降低药效并改变肠道菌群
+
人体肠道自然包含许多不同种类的细菌群落，这些细菌对健康和疾病都很重要，它们被称为肠道微生物群。人与人之间的细菌种类组成差异很大，此前已有研究表明，肠道细菌的种类与肥胖、免疫反应和心理健康等多种疾病有关。
+不仅如此，肠道细菌还可以通过生化反应来改变某些药物的特性，这一过程被称为生物转化。那么，与之相反，某些常用药物在肠道的累积是否会改变人体的肠道微生物群呢？
+2021年9月8日，剑桥大学医学研究委员会毒理学部门和德国欧洲分子生物学实验室的研究人员在Nature上发表题为：Bioaccumulation of therapeutic drugs by human gut bacteria的研究论文。
+这项研究首次表明，某些种类的肠道细菌会积累人体药物，并改变细菌的类型及其活动。这可能会直接改变药物的有效性，因为积累可能会减少药物对身体的可用性，同时也可能间接地改变细菌的功能和成分，因为可能会产生副作用。
+6、上海交通大学王卫庆/曹亚南团队发表用于中国人群准确基因型插补的ChinaMAP参考Panel
+
研究团队基于中国代谢分析项目（ChinaMAP）的WGS数据构建了该高分辨率和群体特异性参考panel。与此前的中国样本的参考panel相比，ChinaMAP参考panel在样本量、测序深度、插补准确性、精确度和灵敏度方面表现出显著优势。ChinaMAP插补服务器（www.mbiobank.com）可以为中国和东亚人群的遗传研究提供最佳插补方法，有助于中国人群遗传研究中更全面的插补和更新颖的发现。
+ +
大的单细胞地图集现在经常被生成，作为小范围研究分析的参考。然而，由于数据集之间的批处理效应、有限的计算资源可用性以及原始数据的共享限制，从参考数据中学习变得复杂。在这里，我们介绍了一种深度学习策略，用于在引用之上映射查询数据集，称为单细胞架构手术（scArches）。scArches使用迁移学习和参数优化来实现高效、分散、迭代的参考构建和新数据集的上下文化，而无需共享原始数据。使用来自小鼠大脑、胰腺、免疫和全生物地图集的例子，我们表明，尽管使用的参数比从头整合少四个数量级，但能保留生物状态信息，同时消除批效应。scArches可推广到多模态参考映射，允许对缺失的模态进行归因。最后，scArches保留了2019冠状病毒病（COVID-19）的疾病变异，当映射到健康参考时，可以发现特定疾病的细胞状态。scArches将通过迭代构建、更新、共享和有效使用参考地图集来促进合作项目。
+ +
目前，机器学习技术在解释图像以诊断各种疾病方面显示出潜力。虽然面部特征的计算分析已广泛用于一般的安全应用，但尚未被用于医疗诊断。前期的初步研究结果表明，使用面部分析和机器学习技术识别与遗传综合征相关的面部畸形是可行的。但那些研究只是为了支持专业医疗机构对预先筛查的患者进行临床诊断，没有解决确定哪些儿童有出现遗传综合征的风险并应寻求专业治疗的关键需求，且其纳入的研究人群较为局限。
+近日，美国华盛顿国立儿童医院的研究团队在The Lancet Digital Health期刊在线发表了题为Development and evaluation of a machine learning-based point-of-care screening tool for genetic syndromes in children: a multinational retrospective study的文章。研究团队开发出一种基于深度神经网络和面部统计模型的遗传病筛查技术，并评估了其在儿童遗传综合征预测层面的性能。根据多个国家的多中心数据分析表明，该深度神经网络学习模型能够在一般的儿科人群中识别任何遗传畸形，解释与种族、年龄和性别相关的表型变异性。
+1、在ggplot2散点图中自动添加回归系数或回归方程、R2、P值等
+
有时候使用ggplot2绘制散点图展示两组变量的关系时，同时也做了一些描述二者关系的统计，如相关性分析、回归分析等，并期望将相关系数或回归方程、R2、P值等也添加在ggplot2的散点图中，该如何实现呢？
+ +
分析肿瘤空间异质性是历来研究的热点，但也是难点。因此，今天为大家深度解读一篇2021年6月发表在《Cancer Discovery》(IF=39.397；中科院1区)上的文章，学习作者如何利用公共数据探索空间异质性的分子特征。
+3、生物网络中的小世界系数（small-world coefficient）及R语言计算
+
本文简介一种网络拓扑属性，小世界系数（small-world coefficient）。
+ +本文介绍如何构建基本的Shell脚本，掌握Linux终端编程。
+内容：
+step1 input.txt | less
+step1 input.txt | step2 | less
+step1 input.txt | step2 | step3 | less
+++Linux管道
+
本文参考学习《Bioinformatics. Data. Skills》，这里简要地整理下Linux用来处理数据文本的工具。
+该书的获取方式见上期。
+ +delays <- flights %>%
+ group_by(dest) %>%
+ summarize(
+ count = n(),
+ dist = mean(distance, na.rm = TRUE),
+ delay = mean(arr_delay, na.rm = TRUE)
+ ) %>%
+ filter(count > 20, dest != "HNL")
+++dplyr管道与数据操作
+
本文参考学习《R for Data Science》，这里介绍dplyr数据处理和编程基础。
+ +
我有兴趣学习更多关于矩阵分解及其在scRNAseq数据中的应用。我想对Elana J. Fertig研究组的论文Enter the Matrix: Factorization Uncovers Knowledge from Omics进行深入学习。
+
在生信分析中，R是很常用的语言，R中数据处理的包，特别是tidyverse开发的包，包括dplyr、tidyr、 forcats等，很受欢迎。他们的API设计简单易记，配合ggplot2，简直数据分析+作图的神组合。而python中，pandas虽然强大，但API繁多且不容易记住。datar将R中相关的包在python中进行了实现，使得python中的数据分析也可以用上dplyr的语法。datar不仅实现了管道操作，并且尽量遵循原包的API设计，对R熟悉的同学很容易上手。
++本工具是作者本人分享，我简单的看了下项目仓库以及与作者交流，不仅发现tidyverse中极多有用功能被纳入，而且是纯Python实现的（与简单提供R接口不同）。非常厉害的工具，称得上Python中的tidyverse，推荐大家尝试使用！
+
from datar import f
+from datar.dplyr import mutate, filter, if_else
+from datar.tibble import tibble
+# or
+# from datar.all import f, mutate, filter, if_else, tibble
+
+df = tibble(
+ x=range(4),
+ y=['zero', 'one', 'two', 'three']
+)
+df >> mutate(z=f.x)
+"""# output
+ x y z
+ <int64> <object> <int64>
+0 0 zero 0
+1 1 one 1
+2 2 two 2
+3 3 three 3
+"""
+
+df >> mutate(z=if_else(f.x>1, 1, 0))
+"""# output:
+ x y z
+ <int64> <object> <int64>
+0 0 zero 0
+1 1 one 0
+2 2 two 1
+3 3 three 1
+"""
+
+df >> filter(f.x>1)
+"""# output:
+ x y
+ <int64> <object>
+0 2 two
+1 3 three
+"""
+
+df >> mutate(z=if_else(f.x>1, 1, 0)) >> filter(f.z==1)
+"""# output:
+ x y z
+ <int64> <object> <int64>
+0 2 two 1
+1 3 three 1
+"""
+2、eulerr
+
eulerr生成面积比例欧拉图，显示与圆或椭圆的集合关系(交、并、解)。欧拉图是维恩图，不要求所有集合的相互作用都存在（无论它们是空的还是空的），这意味着，根据输入，欧拉有时会产生维恩图，有时不会。
+3、gt - 表格制作神器
+
使用gt包，任何人都可以使用R编程语言制作好看的表。gt的哲学是：我们可以用一组内聚的表部件来构造各种各样的有用的表。这包括表头、存根、列标签和跨组列标签、表主体和表脚。
+4、gtExtras
+gtExtras的目标是提供一些额外的辅助函数来帮助使用gt创建漂亮的表。这些函数通常是对样板文件的包装，或者添加了gt中尚未内置的功能。gt包是惊人的，确保去阅读官方文档。
+++主题
+
++数据高亮
+
5、gtsummary - 准备好的演示数据总结和分析结果表
+gtsummary包提供了一种优雅而灵活的方法来使用R编程语言创建可发布的分析和汇总表。gtsummary包总结了数据集、回归模型等等，使用了具有高度可定制功能的合理默认值。
+
6、mathpix - 图片转公式神器
+
好用的公式提取工具。支持拷贝到Word和LaTex。
+Cookbook for R 中文版 是由 Openbiox 小组第一批创建和维护的Cookbook for R中文翻译项目。这里以直观明了的问题/需求和方案为基本内容向读者介绍 R 的基础和如何解决常见的分析问题。从阅读中读者可以学习安装和使用三方包、操作基础的数据类型，学习数据的导入、操作和可视化，学习统计分析和编写脚本等内容。
+2、free self-taught education in Bioinformatics - 开源社会大学生信之路课程
+
对于那些想要在自己的时间免费完成生物信息学课程的人来说，这是一条坚实的道路，课程来自世界上最好的大学。
+在我们的课程中，我们优先选择MOOC（大规模开放在线课程）风格的课程，因为这些课程是根据我们的学习风格创建的。
+要成为一名生物信息学家，你必须学习大量的科学知识，所以要做好准备，比如生物、化学等。
+3、getting-started-with-genomics-tools-and-resources
+
Ming Tang多年整理的维护的基因组分析学习和使用资源。
+如果你想要支持本周刊，可以对推文进行赞赏或者提供的支付宝/微信二维码打赏。
+ |
+ |
+
|---|---|
| + | + |
这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+GitHub 粉们可以通过 Watch 仓库的 Release（提前）关注发布内容。
+讨论区的帖子《谁在招人？》，提供生信深造和就业信息，欢迎访问或发布学位攻读/工作/实习等岗位。
+ +
现代与自然的设计结合：裂开的大楼（via）。
+“双料”院士王晓东背着一袋尿素要进研究所大楼，却被拒之门外；同学在认真做学术报告，台下的王晓东却惊得大跌眼镜；天台上，王晓东身穿实验服，抱着电吉他，前仰后合地忘情弹奏。
+这些场景都出自近日爆火的一段视频，由北京生命科学研究所（NIBS）所长、百济神州创始人王晓东带领他的学生“整点儿奇活”，最终制成贺岁大片《苦行僧》科研版和王晓东solo大作《晓东RAP》！
+这是课题组第七次放送贺岁视频，融合了摇滚和RAP，并用黑色幽默的形式将时下的热梗融入科研，展现了科研“苦行僧”在梦想与现实，杂念和初心之间的“斗争”和“修行”。
+科研是苦是乐，科研人心中评说～你是否也会用类似的方式表达与科研“欲罢不能”的情感？
+1、Briefings in Bioinformatics | 高歌课题组建立人类RNA转录本编码能力定量
+
高歌课题组收集了发表于公共数据库22个不同细胞类型的人类Ribo-seq/RNA-seq配对数据，并进行系统挖掘分析，对数据中101,170条转录本的翻译状态进行了严格判定。其中，46%的转录本为编码，43%为非编码。值得注意的是，研究团队发现11%的转录本，在不同细胞中呈现不同的翻译状态，即在部分细胞中编码，而在另一部分细胞中非编码。研究团队将其命名为“环境依赖编码转录本”(context-dependent coding transcripts, CDCTs)。
+在此基础上，高歌课题组应用数据驱动的特征选择算法，综合运用序列内生和细胞环境特征，建立了人类RNA转录本编码能力跨细胞定量模型RiboCalc，实现了对人类转录本在多种细胞环境下的编码能力的高精度预测(r = 0.81)。模型分析显示，转录本的序列和所在细胞环境都对编码能力的决定起到了重要作用，提示转录本的编码能力不应被简化为单纯的编码/非编码二分分类，而是一个依赖于环境的连续定量指标。值得注意的是，自14年以来即有若干工作报导一些非编码RNA可以在特定条件下结合核糖体甚至产生肽段(如[1])，RiboCalc分析显示这些RNA转录本与不结合核糖体的RNA相比编码能力分数显著高，为理解相关现象提供了新的线索。
+2、Bioinformatics | HPODNets: 预测人类蛋白质-表型关联的深度图卷积网络
+
破解人类基因/蛋白质与异常表型之间的关系，对疾病的预防、诊断和治疗具有重要意义。人类表型本体 (HPO)是描述人类疾病中遇到的表型异常的标准化词汇表。但是目前的HPO注释是不完整的。因此有必要预测人类蛋白质-表型关联。就目前的蛋白质标注计算方法而言 (如功能注释)，有三个重要特征：1)多重网络输入，2)半监督学习，3)深度图卷积网络 (GCN)，而目前还没有包含所有这些特征的方法来预测人类蛋白质的HPO注释。
+作者开发了具有上述三个特征的预测模型：HPODNets，用于预测人类蛋白质-表型关联。HPODNets采用8层GCN从多个蛋白质相互作用网络中获取高阶拓扑信息。实验结果表明HPODNets的有效性，在蛋白质功能预测方面优于7种最先进的方法。
+3、Nature Machine Intelligence | 在实验中恢复转录组范围内RNA结构谱丢失信号的方法
+
基于测序的 RNA 结构探测可以生成 RNA 二级结构的全转录组谱。需要足够的结构覆盖才能获得关于 RNA 结构和功能的客观见解，但探测方法通常会产生不均匀的覆盖，在许多转录本中缺少结构分数。
+为了克服这一障碍，清华大学的研究人员开发了 StructureImpute，这是一种受计算机视觉深度补全启发的深度学习框架，它将 RNA 序列与相邻核苷酸的可用 RNA 结构信息相结合，以推断缺失的结构分数。
+
2、肿瘤中的突变表位
+
3、谁是Python/R中最强Dashboard APP开发工具？
+
2、wifi-password - Get the password of the wifi you’re on (bash)
+3、croc - Easily and securely send things from one computer to another
+命令行安装：
+curl https://getcroc.schollz.com | bash
+
如果你想要支持本周刊，可以对推文进行赞赏或者提供的支付宝/微信二维码打赏。
+ |
+ |
+
|---|---|
| + | + |
感谢以下读者往期的赞赏：
+这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+GitHub 粉们可以通过 Watch 仓库的 Release（提前）关注发布内容。
+讨论区的帖子《谁在招人？》，提供生信深造和就业信息，欢迎访问或发布学位攻读/工作/实习等岗位。
+ +
长寿之道，殊途同归。辟谷的道士（暗示饥饿）和对面是炼丹炉（暗示二甲双胍）都是通过溶酶体-AMPK通路（上山的阶梯）达到营养的阴阳平衡最终长寿（丹顶鹤，仙人）。（来源：林圣彩团队破解二甲双胍靶点）
+在来自社会的刻板印象中，科研人似乎就是严肃呆板不苟言笑，一身白大褂泡在实验室，除了做实验还是做实验。
+
（目前在哈佛任教的量子力学博士 Merritt Moore ，业余也是一位芭蕾舞演员。）
+科研人凭什么不可以追求自己的兴趣爱好，不可以对科研之外其他「副业」充满热情？科研与爱好两者从来就不是也不应当是水火不相容的关系。（原文中举了很多的例子，感兴趣的读者不妨看看）
+你是如何看待科研与兴趣爱好（副业）的呢？后者对于你的生活幸福感又是否重要？
+
“iMeta” 是由威立、肠菌分会和本领域数百位华人科学家合作出版的开放获取期刊，主编由中科院微生物所刘双江和荷兰格罗宁根大学傅静远教授担任。目的是发表原创研究、方法和综述以促进宏基因组学、微生物组和生物信息学发展。目标是发表前10%(IF>15)的高影响力论文。期刊特色包括视频投稿、可重复分析、图片打磨、青年编委、前3年免出版费、50万用户的社交媒体宣传等。第一期于2022年2月正式发布。
+ +
美国国家癌症研究所发起一项名为癌前图谱PreCancer atlas（PCA）计划，推动致癌因素在肿瘤形成前分子机制的解析。超过90%以上的结直肠癌起源于腺瘤，但这类癌前病变中仅有很少一部分进展为肿瘤，准确判断出有恶变潜力的腺瘤是一个不小的挑战。为此，范德堡大学细胞生物学教授Robert Coffey, 系统生物学家Ken Lau博士以及肿瘤流行病学家Martha Shrubsole博士发起结肠图谱计划（COLON Map），隶属PCA，最新进展文章于12月14日发表在Cell 杂志。研究团队对患者同一息肉样本完成scRNA-seq、外显子组（Exome-seq）、多重免疫荧光（MxIF）及多重免疫组化（MxIHC）分析，发现传统腺瘤起源于干细胞扩增，而锯齿状息肉源于细胞化生。这两种路径形成的病变组织具备不同的免疫微环境特征，其中化生起源的锯齿状息肉展现出以CD8+T细胞增多为特征的细胞毒性免疫微环境，且这种免疫改变早于肿瘤基因组超突变（hypermutation）的形成。该研究不但为结直肠癌发生发展的分子机制提供新见解，更可作为整合基因组学、组织病理、动物模型多维度解析scRNA-seq数据生物学意义的完整新路线。
+3、Cancer Cell 评述 | 通过单细胞基因组测序绘制肿瘤抗原图谱
+
单细胞全基因组测序这一方法，不但可以预测免疫治疗的脱靶效应，还可以以数据为基础分析出特异的靶标。在概念上，作者认为，寻找和确定免疫治疗的靶点应该基于数据。图展示了通过结合大尺度单细胞图谱和特定肿瘤分析来确定抗原靶点。高通量的单细胞全基因组测序数据库可以提供肿瘤细胞抗原的潜在靶点以及这些靶点是否存在于其他细胞上。
+作者提出了单细胞全基因组测序所面临的挑战：一是如何界定某一类型细胞重要与否，并且，随年龄、性别等影响，其重要性是否有所区别。二是如何确定一标准，使得某分子在肿瘤细胞与体细胞的表达量超过这一标准，才可以认定为是潜在靶标。三是影响抗原表达水平的因素都有什么。最后，理论上可行的靶标在临床上也可能出现各类未知问题。
+python中的数据结构除了内置的数据结构如列表、字典、元组、集合等之外，python的colletions内置模块中还有一些高级的数据结构，可以在特定场景下提高便利性，缩减代码量。
+ +论文发表量越多，并不代表该领域的创新发展程度。来自美国西北大学凯洛格商学院的 Johan S. G. Chu 和芝加哥大学社会学系的 James A. Evans 合作，研究了 241 个学科 9000 万篇论文的 18 亿次引用数据，发现大规模的论文发表不会导致某个领域的中心思想更替，而是会导致经典思想范式的僵化。该研究指出当前科研创新需要颠覆式的学术创新和对新思想的关注。
+1、zellkonverter - scRNAseq对象相互转换R包
+ +
4、esquisse - 交互式创建ggplot2的RStudio插件
+
1、视频：The Innovation | Promotion–Science Writing
+ +对于想学习编程语言的人来说，GitHub是一个不错的起点。本文将介绍学习Python的GitHub存储库。
+3、Appsilon’s Shiny Demo Gallery
+一系列R Shiny Demo库，开发时可以用作参考。
+
如果你想要支持本周刊，可以对推文进行赞赏或者提供的支付宝/微信二维码打赏。
+ |
+ |
+
|---|---|
| + | + |
这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+讨论区的帖子《谁在招人？》，提供生信深造和就业信息，欢迎访问或发布学位攻读/工作/实习等岗位。
+「生信周刊讨论区（语雀）」（很少有读者在GitHub回复，换成国内的会不会更好点呢？）
+
美国一家神经技术新创公司 Kernel 的研究人员，开发了一种名为「Kernel Flow」的可穿戴设备，这个形似头盔的设备，采用 TD-fNIRS（时域功能性近红外光谱）技术，可通过记录局部血氧变化来测量大脑活动。（via）
+本周的话题来自阅读谢益辉（@yihui）的这篇文章，这篇文章里面透露出的思考是发人深省的，我们生活在一个科技驱动发展的时代，但这个科技发展大多数时间并没有解放我们自身，反而让我们深陷效率之渊。
+++大半年前看到一篇文章说人类社会生产率一直在显著提高，但它带来的结果似乎只是我们在购买越来越多的东西，并同时失去越来越多的自由时间。在前工业时代，人们每周的工作时间比现在更短。按理说，如果我们对当前（物质）生活水平感到满足的话，生产率提高应该是让我们在更短的时间内完成生产工作，然后可以享受更多闲暇时间。为什么结果是反过来的呢？
+信息在人与人之间毫无阻碍地快速流通，表面上让我们可以更高效地获取信息、节省等待时间，然而这样让我们也暴露在太多低价值的信息中，从而要花掉更多的精力或心理能量。比如任何人都可以轻松在 Github 上报告软件问题；尽管公平地说，多数报告的质量都还令人满意，但总有那么些低质的报告让人感到需要控制情绪去回复。或比如社交媒体对人的训练，就算没有直接与自己有关的新消息，也难免去刷一遍，看看有没有其它吸引眼睛的新事情，而刷着刷着，就花了计划外的一小时在上面。
+尽管生产率在提高，但生产目标越来越高（夹杂着琐碎的目标），我们并没有因为越来越有效率而变得能越来越快处理完我们的事情。分子分母都在涨，但分子可能涨得更快。何解？我也不知，感觉这是一项艰难的平衡艺术。
+
拓展这个话题，我们思考更多。例如，当代信息的聚集让我们有了更多选择（的机会），但我们最终做出来最满意的结果了吗？
+不知道读者们针对该话题有哪些想法，欢迎在「语雀讨论区」交流。（输入邀请码「ZIXONZ」获得3个月会员）
+1、Science | 张泽民/季加孚/步召德等团队发表泛癌T细胞单细胞图谱
+
为更好地了解肿瘤浸润T细胞的全貌，揭示癌种间的共性和特殊性，研究团队对来自21种癌症类型316名患者的肿瘤、癌旁组织和血液样本进行了scRNA测序，获得了更多癌种的T细胞数据，包括骨髓瘤、淋巴瘤、肾癌、卵巢癌、子宫内膜癌、食道癌、甲状腺癌、乳腺癌、胃癌和胰腺癌等。同时，研究团队通过创新生物信息方法整合了已发表的scRNA-seq T细胞数据，构建了系统的单细胞水平泛癌T细胞图谱（图1），涵盖了397,810个高质量T细胞数据。
+2、Nat. Biotechnol | 基于多维数据的深度融合，大幅提升空间转录组分辨率
+
空间转录组可帮助科研工作者在不破坏组织原有空间形态的前提下，从分子水平了解生物组织之间复杂的交互网络关系，探索关键因素与环境之间的响应和变化。为科研工作者提供了研究复杂多细胞生物在组织系统和组织互作的工具，使得全面了解组织水平的基因表达图谱成为可能。
+目前，空间转录组研究的常用方法都存在局限性：基于原位测序（ISS）或杂交（ISH）的方法具有较高的分辨率和灵敏度，但通量有限，单次只能检测少数的基因，限制了其在探索全转录物相互作用时的通用性；基于原位捕获（ISC）的方法可以同时靶向所有带有poly（A）尾的转录本，但由于在组织水平的分辨率和灵敏度较低，对其应用和发展造成了限制。来自瑞典皇家理工学院（KTH）的Joakim Lundeberg教授研究团队提出了一种空间表达数据的深度生成模型，能够将ISC数据与高分辨率组织学图像结合，提升空间转录组的分辨率。
+ +
当整合来自多个批次的单细胞RNA测序(scRNA-seq)数据时，批效应校正被认为是必不可少的。最先进的方法忽略了单细胞聚类标签信息，但这些信息可以提高批次效应校正的有效性，特别是在生物差异与批次效应不正交的现实情况下。为了解决这个问题，我们提出了SMNN，通过监督互最近邻检测对单细胞RNA测序数据进行批量效应校正。我们在仿真和真实数据集的广泛评估表明，SMNN提供了跨批次相应细胞类型的改进合并，使MNN、Seurat v3和LIGER在跨批次分化减少。此外，SMNN保留了更多的细胞类型特异性特征，部分表现为经过SMNN校正后发现的细胞类型之间的差异表达基因在生物学上更相关，精度提高了高达841.0%。
+这是StackOverflow的一个帖子，讨论如何确定最优聚类个数的方法。
+
1、dittoSeq - 单细胞和大量RNA测序数据的色盲友好可视化 R包
+
++datapasta的作用是减少向R复制和粘贴数据的阻力。这是对我经常使用像Sublime这样的中间程序将文本转换成合适格式这一认识的一种回应。
+
例如，表格复制粘贴为Tibble：
+
3、ISO - helloSystem Live and installation ISO
+4、Playwright - Web测试和自动化的框架。它允许用一个API测试Chromium、Firefox和WebKit
+# Run from your project's root directory
+npm init playwright@latest
+# Or create a new project
+npm init playwright@latest new-project
+5、JuliaConnectoR - 从R调用Julia的面向函数的接口
+
通过Tidygate，你能够使用鼠标框选元素并返回对应数据。
+
1、图书 - Scientific Visualization: Python + Matplotlib
+ +3、Python resources for everybody
+如果你想要支持本周刊，可以对推文进行赞赏或者提供的支付宝/微信二维码打赏。
+ |
+ |
+
|---|---|
| + | + |
这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
美国博德研究所（via）。
+近年来，博德研究所取得了系列重要代表性成就：开发出新型“碱基编辑器”（2017 年）——能够在人类细胞中进行精准 DNA 碱基替换与修改，编辑效率达 50%，有望用于靶向治疗人类单基因遗传疾病；成功研发 DNA 显微镜（2019 年）——能够通过细胞自身 DNA 变化情况，获取细胞内生物分子的基因序列和相对位置，实现了在基因组水平对细胞代谢规律的揭示；绘制人类第一代癌细胞系转移图谱MetMap（2020 年）——能够揭示癌症转移的器官特异性模式，有望阐明癌症转移机制并开发出预防癌症转移的新疗法；建立全新 RNA 递送平台 SEND（2021年）——利用逆转录病毒样蛋白实现 RNA 包装和递送，为基因治疗提供了全新的递送载体。通过不断取得这些颠覆性研究成果，研究所进一步稳固了全球生命科学前沿创新领头羊的地位。
+++美国博德研究所自 2004 年成立起，坚持科技创新与管理创新并重；不到 10 年，即迈入世界一流生命科学研究机构行列，成为生命科学前沿创新的“领头羊”“风向标”，其独特的发展模式值得借鉴。研究表明，聚焦重大疾病诊治需求牵引科研攻关，打通从基础研究到转化应用的通路，构建跨学科、多层次整合研究模式，发挥战略科学家的领航领军作用，集聚小而精的杰出科学家团队，实施高度灵活的项目组织管理，以及打造背靠一流、辐射全美、拓展全球的创新网络，有效支撑了博德研究所高质量创新发展。我国可借鉴其经验，从将生命科学作为建设科技强国的突破口、面向人民生命健康加强顶层设计、夯实生命科学人力资源根基、深度融入生命科学全球创新网络 4 个方面，推进生命科学前沿创新。
+
2、Journal of Experimental & Clinical Cancer Research | scRNA-seq在癌症研究中的应用
+
（scRNA-seq在评估肿瘤免疫逃逸中的应用）
+这篇综述的主要内容包括以下几个方面： +（1）scRNA-seq概述； +（2）scRNA-seq在肿瘤异质性中的应用； +（3）scRNA-seq在免疫细胞分型中的应用； +（4）scRNA-seq在免疫逃逸中的应用； +（5）scRNA-seq在细胞通讯中的应用。
+3、Nature Biotechnology | 夏铮团队开发Scissor算法，整合bulk+单细胞RNA测序鉴定表型相关细胞亚群
+
目前大多数单细胞研究只针对特定单个表型，涉及几十例样本，缺乏足够的统计能力来识别驱动表型的细胞亚群。通过长达十年的临床病理注释收集，人们能够从癌症基因组图谱 (TCGA) 这样的公共大数据集上获得批量测序数据及其对应的表型数据。利用这种广泛可及且有表型注释信息价值的批量测序数据，来指导基于单细胞数据进行细胞亚群鉴定具有重大意义，但还没有生物信息学工具可以在单细胞数据分析中利用大量表型信息来指导关键细胞亚群的识别。
+本研究团队开发了Scissor算法，可利用大量单细胞数据和表型信息识别与疾病高度相关的细胞亚群，从一个新的角度来探索和解释了单细胞数据，对揭示疾病的机制，提高疾病的诊断和治疗具有重要意义。
+本文介绍Shiny在1.6版本引入的一些新特性，如更强大的主题支持、缓存优化、开发者模式。
+
2、Encrypt and host a knitted R Markdown file
+
本文介绍如何对R Markdown输出的文档进行加密。https://github.com/matt-dray/encrypt-rmd-test提供了一个示例，主要是有工具https://github.com/dirkschumacher/encryptedRmd。
+3、熊读文献｜别再用DEseq2和edgeR进行大样本差异表达基因分析了
+
本文系统解读了最新发表在GB上研究差异分析工具和假阳性问题的文章。
+4、“个性化推荐”可以关了！一文了解常用 App 怎么关、有什么影响
+今年 1 月，《互联网信息服务算法推荐管理规定》出台，明确了算法推荐服务提供者应当以显著方式告知用户其提供算法推荐服务的情况；向用户提供不针对其个人特征的选项，或者向用户提供便捷的关闭算法推荐服务的选项。
+本文介绍了常见社交平台关闭推荐的方法。
+1、smoove - structural variant calling and genotyping with existing tools, but, smoothly
+smoove对使用short reads进行SV检测进行了简化和提速。它还通过去除许多指示低噪声和经常导致虚假呼叫的虚假对准信号来提高特异性。
+smoove call -x --genotype --name $name --outdir . \
+ -f $fasta --processes 12 --exclude $bed *.bam
+介绍文章：https://brentp.github.io/post/smoove/
+ +
coloc软件包可用于对两个潜在相关的表型进行基因共定位分析，以询问它们在给定区域是否共享共同的遗传因果变异。
+3、geomtextpath - 在ggplot2中创建曲线文本路径
+
library(geomtextpath)
+#> Loading required package: ggplot2
+
+# Set a consistent theme for the plots here
+theme_set(theme_minimal() +
+ theme(axis.line = element_line(size = 0.25, colour = "gray75")))
+
+t <- seq(5, -1, length.out = 1000) * pi
+
+spiral <- data.frame(x = sin(t) * 1:1000,
+ y = cos(t) * 1:1000,
+ text = paste("Like a circle in a spiral,",
+ "like a wheel within a wheel,",
+ "never ending or beginning,",
+ "on an ever spinning reel")
+ )
+
+ggplot(spiral, aes(x, y, label = text)) +
+ geom_textpath(size = 7, vjust = 2, text_only = TRUE) +
+ coord_equal(xlim = c(-1500, 1500), ylim = c(-1500, 1500))
+4、scico - 基于Scientific Colour-Maps的R调色板
+
library(scico)
+
+scico_palette_show()
+使用它的两种原因：
+
提供了一系列数据科学的教程。
+
介绍表格制作神包gt的使用教程。
+如果你想要支持本周刊，可以对推文进行赞赏或者提供的支付宝/微信二维码打赏。
+
感谢以下读者往期的赞赏：
+这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
人类基因组计划 (HGP) 被誉为历史上最伟大的科学成就之一。该项目的目标是发现和绘制人类基因组的完整蓝图，包括估计的约25,000个基因，以促进进一步的生物医学研究。HGP项目于1990年正式启动，在花费10年时间后，也就是在2000年，第一版人类基因组首次发布。虽然当时它被认为是“完整的”，但是受限于Sanger测序和NGS的技术能力，实际上第一版人类基因组距离真正的完整仍然存在许多差距。在随后的20年中，虽然科学家们不断使用新的技术填补了一些空白，但直到2020年，仍然有8%左右的人类基因组序列未被绘制出来。
+GRCh38缺失了人类基因组约8%的序列，有上百万碱基未知，被字母“N”表示；有169段重要的重复序列未能成功拼接；还有相当一部分序列难以分析组装。具有重要生物功能的染色体近端着丝粒的短臂、着丝粒和数个重复的常染色质区域也未能解析，只能以模式序列代表。这些信息和人类众多疾病息息相关，受限于测序技术，这些重要序列的解读组装未能实现。
+这次的 T2T-CHM13 组装增加了五个完整的染色体臂。与过去 20 年任何参考基因组版本相比，更新了更多的未知序列。
+
近日，美国“All of Us”研究项目公布了第一批近10万人的全基因组测序数据，同时包括身高、体重和血压等身体相关数据，以及调查数据，例如关于参与者的人口统计数据、生活方式和总体健康状况的数据。这些基因组数据可以通过一个基于云的平台All of Us研究员工作台获得。随着All of Us首批基因数据的发布，将有助于研究人员解决健康和疾病相关尚未回答的问题，进而推动新的突破和发现，以减少持续存的种族和族裔人口之间数据差异和医疗差异问题。
+2、Nature | 基于66种癌症类型训练机器学习模型，绘制癌症基因潜在驱动突变图谱
+
巴塞罗那生物医学研究所研究团队通过模拟中性突变，用机器合成一组推测的从动癌基因突变，以此来模拟在人体内癌症相关基因的多米诺骨牌式突变。研究团队基于机器学习的方法开发出一种算法“boostDM”，用于评估给定基因所有可能的诱变，并评估它们对癌症发展影响的可能性。该算法可帮助临床医生对于病人的癌症发展做出更准确的解释。
+3、Nucleic Acid Research | 单细胞全基因组甲基化数据库scMethBank
+
scMethBank 是一个开放访问和综合性的全基因组单细胞DNA甲基化数据库，收集基于重亚硫酸氢盐转换的单细胞原始测序数据，以标准化的工作流程在单碱基分辨率下检测甲基化状态并构建多种状态下的单细胞甲基化图谱。数据库目前收录了来自于15个公开的单细胞数据集的8328个单细胞全基因组重亚硫酸氢盐测序数据和人工审编的元数据，涉及人和小鼠两个物种、29种细胞类型和两种疾病状态。
+1、forestploter: 分组创建具有置信区间的多列森林图
+本文介绍如何绘制美丽的森林图。
+
有很多人对下面这种图形比较感兴趣，本文介绍如何绘制它们。
+
3、（英文）Academic writing in R Markdown I
+本文介绍如何使用RMarkdown进行学术写作和分享。
+
1、GitHub action - Hub Mirror Action
+一个Github Action，用于在Github和Gitee之间同步代码。
+
2、Repobeats - Stunning insights for +your GitHub Repo
+展示你GitHub详细信息的极佳工具。
+
3、MLmetrics - Machine Learning Evaluation Metrics
+一个R包，用于提供评估机器学习的模型性能指标的各种计算函数。
+1、生物机制图资源库
+详情看Y叔推文。
+
如果你想要支持本周刊，可以对推文进行赞赏或者提供的支付宝/微信二维码打赏。
+
感谢以下读者/组织往期的赞赏和赞助：
+这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
在对研究对象几乎一无所知的学科发展早期，遗传学能够帮助建立大框架，从功能上进行理解和突破；当框架基本建立完善后，生化等方法才能发挥用武之处，对细节进行修补完善；这种时间上的交错，让学科能够彼此取长补短。
+相对于遗传学的框架建立能力，生物信息学其实更进一步，高通量技术的突飞猛进，促进了生信理论和技术的相应迅速发展，提供海量数据的处理方法及能力的同时，也加速了生物学研究框架建立的能力。的确，生物信息学与遗传学，或者说分子遗传学，是有更紧密的联系的。
+如今，生信工作经常被人误解为跑跑流程，画画图。但其实生信的很大部分内容，是基因组学和后基因组时代的多组学，以及由这些组学所代表并蕴涵的背后生物学机制和逻辑。如今又深入到单细胞多组学，甚至亚细胞水平。加上人工智能技术的渗透和应用。生信能够成为整合这种种学科，并在独特的更全面的视角下，提供卓越远见的见地和认识，帮助其他分支学科前行。要做到这些，需要我们这些做生信的，首先不局限自己视野，别为了完成任务而完成任务，需要多思考，并尽可能回归初心，循着前人们的方向，不断追寻。
+++来源：公众号《不靠谱颜论》
+
1、Nat. Biotechnol综述 | 纳米孔测序技术、生物信息学及应用
+
自2014年牛津纳米孔科技有限公司（Oxford Nanopore Technologies, ONT）发布第一台纳米孔测序仪MinION以来，纳米孔测序技术及其应用研究飞速增长。该技术利用纳米级蛋白质孔（纳米孔）作为生物传感器，嵌入电阻性聚合物膜中，在电解液中施加恒定电压，以产生通过纳米孔的离子电流，DNA链在马达蛋白（phi29 DNA聚合酶）的牵引下穿过纳米孔，易位期间离子电流的变化对应于传感区域中的核苷酸序列，之后使用算法进行解码，实现对单分子的实时测序。
+俄亥俄州立大学Kin Fai Au团队在Nature Biotechnology发表综述文章“Nanopore sequencing technology, bioinformatics and applications”，系统介绍了纳米孔测序技术的发展，讨论了ONT数据在准确性、读长和通量方面的改进，并描述了应用于ONT数据的主要生物信息学方法以及纳米孔测序当前的主要应用。
+2、Nature Protocols | 基于机器学习和并行计算的代谢组学数据处理新方法
+
代谢组学是对某一生物或细胞在一特定生理时期内所有代谢产物同时进行定性定量分析的学科，被广泛用于揭示小分子与生理病理效应间的关系。目前，代谢组学已经被应用于药物开发的各个阶段（如药物靶标识别、先导化合物发现、药物代谢分析、药物响应和耐药研究等）。基于代谢组学的高性价比特性，它被药学领域的研究者给予了厚望，有望加速新药开发的进程。然而，代谢组领域还面临着严重的信号处理与数据分析问题，对其在新药研发中的应用构成了巨大挑战。为了有效消除由环境、仪器和生物因素所引入的不良信号波动，就需要开发针对代谢组信号系统优化的新方法，为不同组学研究量身定制最优的数据分析策略。
+该工作报道了一套基于机器学习和并行计算的优化组学信号处理策略的新方法。该方法通过大规模扫描现有的海量信号处理流程，针对用户给定的代谢组学原始数据，可以快速地优化出性能最佳的组学数据处理流程。这一方法实现了对药学领域常见的“时间序列”和“多分类”代谢组学问题的数据处理，对药物靶标发现、药物代谢、药物响应与疾病发生发展的病理学机制研究都具有重要的价值。
+3、Nature Genetics | GWAS分析揭示DNA甲基化与遗传变异关联，提供基因组调控分子机制新见解
+
DNA甲基化在决定基因组结构和功能方面起着关键作用，包括细胞分化和基因表达的调控。已有研究证明，DNA甲基化紊乱与动脉粥样硬化、癌症、肥胖、2型糖尿病、神经精神疾病以及其他复杂的多因素疾病的发生发展有关，可作为独立因素预测全因死亡率。因此，进一步了解影响DNA甲基化的机制，有望为鉴定基因组调控因子、分子表型和疾病发展的生物学途径提供新的见解。
+无论是顺式（同一染色体）还是反式（跨染色体间），DNA甲基化均可受到潜在遗传变异的影响。其中，由于反式DNA甲基化在调控基因组功能和影响多种生物过程中发挥关键的调控作用，对其有影响的遗传变异值得特别关注。本研究在之前工作的基础上，进一步解析了调控基因变异与基因表达、分子相互作用、表型变异和疾病易感性之间的分子机制，促进了人们对基因变异与人类表型之间潜在联系途径的理解。
+学习生信，总绕不开需要学习使用Linux系统。
+在过去，对于重度依赖Windows系统的人来说，往往只能通过虚拟机的方式，来尝试安装和使用Linux。而现在，“适用于Linux的Windows子系统（Windows Subsystem for Linux，简称为WSL）”让这个过程变得容易许多。
+2、Installing the R kernel in Jupyter Lab
+对于喜欢Jupyter Lab的朋友可以试试。之前折腾过，但还是不喜欢Jupyter的编码方式，没有RStudio舒适自然。
+
Nginx 是一个高性能的 HTTP 和反向代理服务器，特点是占用内存少，并发能力强，事实上 Nginx 的并发能力确实在同类型的网页服务器中表现较好。
+
1、skimr - A frictionless, pipeable approach to dealing with summary statistics
+通过字符可视化数据汇总信息。
+skim(iris)
+
+## ── Data Summary ────────────────────────
+## Values
+## Name iris
+## Number of rows 150
+## Number of columns 5
+## _______________________
+## Column type frequency:
+## factor 1
+## numeric 4
+## ________________________
+## Group variables None
+##
+## ── Variable type: factor ───────────────────────────────────────────────────────────────────────────
+## skim_variable n_missing complete_rate ordered n_unique top_counts
+## 1 Species 0 1 FALSE 3 set: 50, ver: 50, vir: 50
+##
+## ── Variable type: numeric ──────────────────────────────────────────────────────────────────────────
+## skim_variable n_missing complete_rate mean sd p0 p25 p50 p75 p100 hist
+## 1 Sepal.Length 0 1 5.84 0.828 4.3 5.1 5.8 6.4 7.9 ▆▇▇▅▂
+## 2 Sepal.Width 0 1 3.06 0.436 2 2.8 3 3.3 4.4 ▁▆▇▂▁
+## 3 Petal.Length 0 1 3.76 1.77 1 1.6 4.35 5.1 6.9 ▇▁▆▇▂
+## 4 Petal.Width 0 1 1.20 0.762 0.1 0.3 1.3 1.8 2.5 ▇▁▇▅▃
+2、flow - View and Browse Code Using Flow Diagrams
+输入你的R代码，它给你返回流程图。
+
3、openCyto - An R package that providing an automated data analysis pipeline for flow cytometry
+一个R包，为流式细胞术提供一个自动化的数据分析管道。
+
4、pkgndep - Analyzing Dependency Heaviness of R Packages
+分析和可视化R包的依赖情况，对于开发和打包有用。
+
1、Biology 723: Statistical Computing for Biologists
+
这是一个杜克大学的生物学课程。
+2、Python Standard Libraries Cheatsheet
+e.g.,
+>>> import re
+>>> strcmp = "www.baidu.com"
+>>> re.match("www", strcmp).span() # span function to get index
+(0, 3)
+>>> re.match("baidu", strcmp) # re.match only match from the beginning of the string
+>>> re.search("baidu", strcmp).span() # re.search search from all string and return the first
+(4, 9)
+>>> strcmp = "baidu.com/runoob.com"
+>>> re.findall("com", strcmp) # re.findall find all results and return
+['com', 'com']
+>>> re.findall("b(.*?).", strcmp)
+['', '']
+>>> re.findall("b(.*?)c", strcmp)
+['aidu.', '.']
+如果你想要支持本周刊，可以对推文进行赞赏或者提供的支付宝/微信二维码打赏。
+
感谢以下读者往期的赞赏：
+这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
在围绕CRISPR基因编辑技术的专利纠纷中，美国专利商标局已经确定博德研究所团队是第一个发明CRISPR-Cas9来编辑人类细胞并用于制造药物的团队，而不是诺奖得主 Jennifer Doudna 和 Emmanuelle Charpentier 所属的CVC团队。
+这一裁决意味着，在美国运营的做CRISPR基因编辑相关的公司，如果之前仅获得CVC团队的专利授权，包括CVC团队自己的 Intellia Therapeutics、CRISPR Therapeutics 等等，将不得不与博德研究所团队进行专利谈判。
+
1、Nature Methods | Micro-Meta App: 基于社区规范收集显微镜元数据的交互式工具
+
为了质量、解释、再现性和共享价值，显微镜图像应附有用于产生它们的条件的详细描述。Micro-Meta App是一款直观、高互操作性的开源软件工具，是在4D核组(4DN)联盟的背景下开发的，旨在促进相关显微镜元数据的提取和收集，除了大大减轻质量保证的负担，该应用程序的视觉特性使其特别适合于培训目的。
+2、Cancer Cell | 多组学揭示黑色素瘤免疫治疗响应因素—IFNγ和肿瘤突变负荷TMB
+
这项研究利用多组学以及临床样本信息揭示肿瘤突变负荷与IFNγ通路可作为预测黑色素瘤患者接受免疫治疗收益的关键因素，也提示对于不响应患者仍需进一步研究。
+3、Nature Cancer | 张泽民/韩为东合作揭示anti-PD-1免疫治疗在肺癌中的作用机制
+
之前斯坦福大学Howard Chang研究组提出了克隆替代（clonal replacement）的概念，认为治疗后肿瘤中的肿瘤特异T细胞的克隆型都是新出现的。而该研究发现，在肺癌治疗的过程中，新的克隆和之前存在的克隆都会被招募到肿瘤中进而发挥功能。针对这一现象，研究人员提出了克隆复兴（clonal revival）的概念，拓展了clonal replacement的模式。该研究的科学发现揭示了anti-PD-1疗法在肺癌中的作用机制，为开发新的临床检测与治疗手段提供了新的思路。
+
在过去的 2021 年，Julia 编程语言社区依然保持了高速发展。据统计，目前 Julia 的全球总用户量已超过一百万，有一万多家公司和一千五百多所高校下载和使用了 Julia。此外，一些世界名校，如北京大学，MIT、Stanford 和 Berkeley 等，已经在教学中使用 Julia 语言。
+作为一门动态编译型语言，Julia 一方面给予我们像 Python 一样的开发效率，另一方面又给予我们像 C/C++ 一样的执行效率，因此吸引了大量优化算法、微分方程、自动微分、量子计算、机器学习等计算领域的研究者。目前 Julia 语言已经逐渐成熟和稳定，我们有理由相信未来随着 Julia 生态的进一步成熟，Julia 的优势能够更进一步地发挥出来。
+ +从本质上来看，PyCaret 是一个 Python 库，封装了多个机器学习库和框架，如 sci-kit-learn、XGBoost、Microsoft LightGBM、spaCy 等等。包括 6 个模块，支持有监督和无监督模型的训练和部署，分别是分类、回归、聚类、异常检测、自然语言处理和关联规则挖掘。每个模块封装特定的机器学习算法和不同模块均可以使用的函数。用户可以根据实验类型，将模块导入环境中。
+ +本文的目的，是务实、简洁地盘点一番当前机器学习算法。
+1、abess: Fast Best-Subset Selection in Python and R
+abess 库的目标是解决一般的最佳子集选择，即找到预测器的一个小子集，这样得到的模型预期具有最高的准确性。最佳子集的选取具有重要的科学研究和实际应用价值。例如，临床医生想要根据一些重要基因的表达水平来了解病人是否健康。
+
2、citr: RStudio Addin to Insert Markdown Citations
+citr提供了函数和RStudio插件来搜索bibtex文件，以创建和插入格式化的Markdown引用到当前文档中。
+
3、causal-learn：基于Python的因果发现算法平台
+Causal-learn用Python实现了CMU开发的基于Java的Tetrad因果发现平台（WAIC2020 SAIL 之 L奖），并进一步加入新的算法和功能。其中包含了因果发现的经典算法与API，并且提供了模块化的代码，以方便研究者实现自己的算法。Causal-learn所有模块均基于Python实现，从而避免了传统因果发现库对R/Java的依赖，为Python开发者提供便利。
+
4、{statsExpressions}: Tidy dataframes and expressions with statistical details
+statsexpression包有两个关键目标:
+
5、broadinstitute/gistic2 - 软件官方仓库
+
3、Current best-practices in single-cell RNA-seq: a tutorial
+如果你想要支持本周刊，可以对推文进行赞赏或者提供的支付宝/微信二维码打赏。
+
感谢以下读者往期的赞赏：
+这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
有一定的模糊是正常的，但太过模糊也可能让人困惑，甚至头破血流。
+
会议详情及注册 ：请扫描下方二维码！
+
ICSB会议官网地址：http://csbc.org.cn/ICSB2022/index.html
+2、Cell | 结直肠癌前病变多组学图谱，揭示两种常见结直肠息肉的不同癌变路径
+
结直肠癌 （CRC）通常由息肉引起，其主要依据肿瘤细胞的内在特征，如染色体不稳定性 （CIN）、微卫星不稳定性（MSI）等进行分类。如果能够在高度微卫星不稳定性（MSI-H）和微卫星稳定型（MSS）CRC前体中绘制出肿瘤发生的路径，就能揭示定义CRC细胞图谱的机制，确定具有诊断或治疗效用的靶点。
+来自美国范德堡大学医学院的Ken S. Lau研究团队联合Robert J. Coffey、Martha J. Shrubsole研究团队，共同绘制了一份整合了单细胞转录学、基因组学和免疫组织病理学的多组学人类结直肠癌前病变图谱，描述了两种最常见人类结直肠息肉ADs、SSLs及其衍化的CRC，并在功能上验证了不同结直肠息肉的起源和癌变分子过程。
+3、两项研究揭示监测人类肠道微生物组的种类与变化，有助于个体疾病的诊断和治疗
+
美国格拉德斯通数据科学与生物技术研究所长Katie Pollard博士领导的研究团队近期发表了两项新的研究成果，证明了监测细菌种类的重要性，并说明了在研究微生物群时监测不同细菌菌株的重要性。Pollard博士表示：“仅仅关注微生物的种类错过了很多信息。如果采取更细分水平的方法观察细菌菌株，将有助于发现微生物群与疾病之间的因果关系。”
+想搞软件包开发的要懂一点。
+2、An introduction to R Leaflet
+介绍这个包怎么绘制地图。
+
对算法和特征筛选感兴趣的读者可以看看。
+
This package implements some graph layout algorithms that are not available in igraph.
+
3、shinyML - Compare Supervised Machine Learning Models Using Shiny App
+用Shiny搞机器学习。
+
4、mkdocs-jupyter - Use Jupyter Notebooks in mkdocs
+通过Jupyter Notebook生成文档网站。
+
5、gm - 音乐包
+轻松创建音乐，并在R Markdown文件，R Jupyter笔记本和RStudio中显示乐谱和音频文件。
+
MIT6871课程主页：https://mit6874.github.io/
+ +如果你想要支持本周刊，可以对推文进行赞赏或者提供的支付宝/微信二维码打赏。
+
感谢以下读者往期的赞赏：
+这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +Stereo-seq芯片工作原理及小鼠胚胎发育时空转录组图谱。（via）
+
国际顶级期刊Cell和子刊Developmental Cell，上线了4篇应用Stereo-seq技术的研究文章，揭示其在小鼠、斑马鱼、果蝇、拟南芥等模式生物中的应用成果，其中Cell文章详细介绍了Stereo-seq技术原理和细节。此外，Cell出版社官网还特设专题网页（https://www.cell.com/consortium/spatiotemporal-omics），展示了以上4篇文章及4篇应用Stereo-seq技术的BioRxiv预印成果，包括食蟹猴脑时空组图谱、蝾螈脑再生时空图谱、实体瘤时空组图谱等。
+相较国际同类技术，Stereo-seq通过时空捕获芯片，结合原位RNA捕获，实现了500 nm的分辨率，同时捕获面积可达13cm x 13cm，成为全球首个同时实现“纳米级分辨率”和“厘米级全景视场”的技术，且实现了基因与影像同时分析。与当前其他技术相比，在相同的精度下，Stereo-seq具备更灵敏和更强的mRNA捕获能力。该技术作为新时代的分子 “显微镜”，为重新认知器官结构、生命发育、物种演化和定义人类疾病提供了底层工具，将推动继显微镜和DNA测序技术以来的生命科学领域第三次科技革命。
+
自20世纪上半叶起，突变的随机性就一直是生物演化理论的重要基础。这个观点如同生物学领域的公理，对于生物学家建立演化模型、理解遗传多样性产生了深刻影响。现在，这个经典的观点受到一项全新研究的有力挑战。
+在一篇发表于《自然》杂志的论文中，一支国际研究团队通过对模式植物拟南芥的研究提出，突变的诞生不是完全随机的，相反，突变出现的区域有着明显的规律性。这个发现从根本上改变了我们对于生命演化的理解，并且有望帮助科学家培育具有更优良性状的作物，甚至帮助人类对抗癌症。
+2、Nature Communication｜基于2万余个肿瘤体细胞突变谱，揭示年龄对肿瘤突变数量及进化时间的影响
+
该研究通过分析来自TCGA、AACR GENIE和PCAWG三个项目中的数据，揭示了年龄对肿瘤中的突变数量（每年每兆碱基0.077个突变）及其进化时间的影响，绘制了具有临床意义的与年龄相关癌症体细胞突变图谱。
+3、Nature | slide-DNA-seq - 自带GPS的测序技术
+
该研究推出的slide-seq，可以在一个直径3毫米的视野内，以10微米的分辨率，对每不同位置的聚苯乙烯珠子，添加对应空间位置的条形码，标记空间位置，之后通过PCR扩增，实现DNA原位测序。在每个阵列中，包含2万到4万个柱子，每个珠子中，可以检测到的DNA序列，约为165-421个。
+ +
本文介绍如何使用GitHub进行版本控制与协作。
+ +++ +贝叶斯优化是AutoML中的重要概念，近年来变得很火热。作为一种重要的基于先验的调参/策略选择技术，贝叶斯的应用范围也很广。但这个概念对于初次接触的同学可能较难理解，经过数天的论文研读、博客/教程/代码查阅，有了这篇科普文，也手绘了一些示意图，希望尽量在一篇文章内、通俗易懂地讲清楚什么是贝叶斯优化。
+
1、conflicted - An alternative conflict resolution strategy for R
+R经常存在同名函数，会造成计算问题，最常见的就是filter()和select()函数。conflicted包提供了一种解决策略，一旦出现重名就报错，这样提示你一定要指定函数的包名。
library(conflicted)
+library(dplyr)
+
+filter(mtcars, cyl == 8)
+#> Error: [conflicted] `filter` found in 2 packages.
+#> Either pick the one you want with `::`
+#> * dplyr::filter
+#> * stats::filter
+#> Or declare a preference with `conflict_prefer()`
+#> * conflict_prefer("filter", "dplyr")
+#> * conflict_prefer("filter", "stats")
+2、report - bridge the gap between R’s output and the formatted results contained in your manuscript
+report根据最佳实践指南(如APA的风格)自动生成模型和数据框架的报告，确保结果报告的标准化和质量。
+
一个处理PDF文件的命令工具。
+
4、gtreg - Regulatory Tables For Clinical Research with ‘gtsummary’
+library(gtreg)
+gtsummary::theme_gtsummary_compact()
+#> Setting theme `Compact`
+
+tbl_ae <-
+ df_adverse_events %>%
+ tbl_ae(
+ id_df = df_patient_characteristics,
+ id = patient_id,
+ ae = adverse_event,
+ soc = system_organ_class,
+ by = grade,
+ strata = trt
+ ) %>%
+ modify_header(all_ae_cols() ~ "**Grade {by}**") %>%
+ bold_labels()
+
方便对R Markdown文件进行编程控制。
+(rmd = parsermd::parse_rmd(system.file("minimal.Rmd", package = "parsermd")))
+#> ├── YAML [4 lines]
+#> ├── Heading [h1] - Setup
+#> │ └── Chunk [r, 1 opt, 1 lines] - setup
+#> └── Heading [h1] - Content
+#> ├── Heading [h2] - R Markdown
+#> │ ├── Markdown [6 lines]
+#> │ ├── Chunk [r, 1 lines] - cars
+#> │ └── Chunk [r, 1 lines] - <unnamed>
+#> └── Heading [h2] - Including Plots
+#> ├── Markdown [2 lines]
+#> ├── Chunk [r, 1 opt, 1 lines] - pressure
+#> └── Markdown [2 lines]
+
+as_tibble(rmd)
+#> # A tibble: 12 x 5
+#> sec_h1 sec_h2 type label ast
+#> <chr> <chr> <chr> <chr> <rmd_ast>
+#> 1 <NA> <NA> rmd_yaml_list <NA> <yaml>
+#> 2 Setup <NA> rmd_heading <NA> <heading [h1]>
+#> 3 Setup <NA> rmd_chunk "setup" <chunk [r]>
+#> 4 Content <NA> rmd_heading <NA> <heading [h1]>
+#> 5 Content R Markdown rmd_heading <NA> <heading [h2]>
+#> 6 Content R Markdown rmd_markdown <NA> <rmd_mrkd [6]>
+#> 7 Content R Markdown rmd_chunk "cars" <chunk [r]>
+#> 8 Content R Markdown rmd_chunk "" <chunk [r]>
+#> 9 Content Including Plots rmd_heading <NA> <heading [h2]>
+#> 10 Content Including Plots rmd_markdown <NA> <rmd_mrkd [2]>
+#> 11 Content Including Plots rmd_chunk "pressure" <chunk [r]>
+#> 12 Content Including Plots rmd_markdown <NA> <rmd_mrkd [2]>
+
+rmd_select(rmd, by_section("Content"))
+#> └── Heading [h1] - Content
+#> ├── Heading [h2] - R Markdown
+#> │ ├── Markdown [6 lines]
+#> │ ├── Chunk [r, 1 lines] - cars
+#> │ └── Chunk [r, 1 lines] - <unnamed>
+#> └── Heading [h2] - Including Plots
+#> ├── Markdown [2 lines]
+#> ├── Chunk [r, 1 opt, 1 lines] - pressure
+#> └── Markdown [2 lines]
+
+rmd_select(rmd, by_section(c("Content", "*"))) %>%
+ rmd_select(has_type(c("rmd_chunk", "rmd_heading")))
+#> └── Heading [h1] - Content
+#> ├── Heading [h2] - R Markdown
+#> │ ├── Chunk [r, 1 lines] - cars
+#> │ └── Chunk [r, 1 lines] - <unnamed>
+#> └── Heading [h2] - Including Plots
+#> └── Chunk [r, 1 opt, 1 lines] - pressure
+
+rmd_select(rmd, "pressure")
+#> └── Chunk [r, 1 opt, 1 lines] - pressure
+
+rmd_select(rmd, 1:3)
+#> ├── YAML [4 lines]
+#> └── Heading [h1] - Setup
+#> └── Chunk [r, 1 opt, 1 lines] - setup
+6、ggdistribute - A ggplot2 Extension for Plotting Unimodal Distributions
+ggdistribute包是绘制后向或其他类型的单峰分布的扩展，这些单峰分布需要覆盖关于分布间隔的信息。它利用ggproto系统扩展ggplot2，提供额外的“geoms”、“stats”和“position”。扩展与现有的ggplot2层元素集成。
+
7、cannonball - 定量方法论和统计学相关函数工具
+plot_r(): Draw different scatterplots with the same correlation coefficient
如果你想要支持本周刊，可以对推文进行赞赏或者提供的支付宝/微信二维码打赏。
+
感谢以下读者往期的赞赏：
+这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+「生信周刊讨论区（语雀）」 | 「生信讨论区（Gitter）」
+
Hiplot Gallery。via
+Hiplot 项目发起于 2019 年，是由国内生物信息学开源社区 Openbiox 和多家单位和机构共同建设的一个免费、易用、部分开源的综合在线绘图系统（生物医学为主）。截至目前，该网站已提供超过 230+余个在线可视化分析功能，涵盖了基础科研绘图、组学可视化和部分临床模型可视化功能。总的注册用户已超过 2 万 5 千人，总访问量超过 300 万次，每日任务数已超 4000 余次。
+近日，为了让更多生物信息学领域内的同道可以方便地在本地运行我们已开源的可视化工具（https://github.com/hiplot/plugins-open）以及为 Hiplot 网站贡献插件，我们开源了 Hiplot 网站应用的本地运行和开发库：https://github.com/hiplot/hiplotlib。如果你想为 Hiplot 网站添加颜色、主题或者部分新基础特性，都可以向这个仓库发起 Pull request 请求。
+1、Nat Biotechnol｜基于多中心、多平台、高深度WGS的参考调用集，为癌症突变检测提供更高参照标准
+
研究团队选取三阴性乳腺癌（TNBC）细胞系 （HCC1395）和B淋巴细胞衍生的正常细胞系（HCC1395BL），利用WGS跨越7个测序中心对配对肿瘤-正常细胞系的全基因组进行了深度测序（1500X），最大限度地减少了特定测序平台、检测中心或生物信息学算法的偏差，最终在HCC1395细胞系的整个基因组中创建了高可信度的突变调用数据，即“参考调用集”。此外，研究团队还通过靶向测序、单细胞DNA测序分析等方法对突变调用集进行了验证，提供了具有临床相关注释的高可信度种系和体细胞调用集。
+2、Signal Transduction and Targeted Therapy | 癌症免疫研究的技术进步：从免疫基因组学到单细胞分析和人工智能
+
【综述】肿瘤细胞与附近的细胞一起存在于复杂的细胞群落中，这强烈影响肿瘤细胞的生长、行为和与其他细胞的交流。在这些细胞中，免疫细胞是关键的参与者，许多研究证明肿瘤细胞和免疫细胞之间的交流是双向的。事实上，免疫细胞既能促进也能抑制癌变、肿瘤进展、转移和复发。因此，文章主要关注肿瘤免疫微环境（TIME）。
+3、Nature Communication | 北京大学席瑞斌组开发单细胞基因融合探测算法scFusion
+
scFusion整合来自每个细胞的嵌合序列得到候选基因融合，再利用统计模型和深度学习模型从中筛选出较为可靠的结果。scFusion首先利用STAR进行序列映射，提取出嵌合序列并得到初始候选基因融合（几万个到几十万个）。由于真实的基因融合事件并不会太多，绝大部分候选基因融合都是技术原因造成的假阳性。席瑞斌团队基于广义可加模型（generalized additive model）对融合的支持序列数进行建模，从中估计出背景噪声的分布；再用统计假设检验方法，从中挑选出嵌合序列支持数显著高于背景噪声的基因融合。另一方面，部分技术原因造成的假阳性也会反复出现，且有非常高的嵌合序列支持数，统计模型中很难去除这些假阳性。为了进一步去除这些假阳性，scFusion通过构建bi-LSTM神经网络，学习由技术原因造成的嵌合序列的特征，从而去除相应的假阳性。经过两个模型的过滤，scFusion探测基因融合具有很高的灵敏度和特异度。
+4、Genome Biology | 基于长读长转录组测序检测融合基因的新方法——JAFFAL
+
目前，只有三种融合基因检测方法可用于长读长转录组测序数据：JAFFA、Aeron、LongGF。JAFFA虽然可以处理任何长度的转录组测序数据，但测序错误率较高时，其灵敏度很低；Aeron是基于参考转录组将长序列片段比对图形上来检测融合基因。LongGF可分析基因组长读长测序数据，并通过识别与多个基因比对的reads来检测融合。
+为了利用新的长读长测序技术进行融合基因发现和表征，研究团队基于此前开发的JAFFA研发了新的融合基因检测工具JAFFAL。JAFFAL是一种用 bpipe 编写的新多级计算框架。研究团队使用模拟数据、细胞系和来自ONT和PacBio的患者数据对JAFFAL进行了验证，并将JAFFAL应用到单细胞数据中，发现了跨越三个基因的融合，展示了从复杂重排中检测到的转录本。
+1、toml-bench: 在python中该使用哪个toml包呢？
+这个项目对python中不同toml包进行了测试，让人更全面的了解不同的toml包的优缺点。让人很容易选择适当自己项目的toml包。也让toml包开发者有了一套基准测试，让他们对自己的包的优缺点了如指掌并在后续进行针对性改进。
+ +本文介绍一款完全免费的无需登录的pubmed插件，他可以解决pubmed本身不显示杂志影响因子的问题，重要的是他还能显示即时影响因子，中科院分区和杂志预警信息。
+3、ask - Friendly CLI interaction in R
+
4、cmd - Code generator to produce CLI from R packages
+5、Flux.jl - ML library that doesn’t make you tensor
+
Flux是一种优雅的机器学习方法。它是一个100%纯Julia的栈，在Julia本地GPU和AD支持的基础上提供了轻量级的抽象。Flux让简单的事情变得简单，同时保持完全可被黑客攻击。
+6、ffq - A tool to find sequencing data and metadata from public databases
+（可以用于获取数据链接然后实现可编程下载）
+从以下数据库中获取元数据信息：
+
DeeCamp2022 公益训练营面向所有计算机、生物、数学、物理、化学及其他生命科学相关交叉科学领域的本、硕、博在校生开放报名，全程免费。
+
DeeCamp2022 将通过线上方式进行，分为大师课和创新挑战赛两部分。成功加入 DeeCamp 的学员，将获得多位 AI 及生命科学领域的科研及产业顶级大师在线授课。
+ + +
如果你想要支持本周刊，可以对推文进行赞赏或者提供的支付宝/微信二维码打赏。
+
感谢以下读者往期的赞赏：
+这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+GitHub 粉们可以通过 Watch 仓库的 Release（提前）关注发布内容。
+讨论区的帖子《谁在招人？》，提供生信深造和就业信息，欢迎访问或发布学位攻读/工作/实习等岗位。
+ +
对抗与对流。（via）
+++2021年10月1日，杨振宁先生将迎来农历100周岁生日，学术界纷纷推出活动或文集祝贺杨先生百岁诞辰。《赛先生》自8月起陆续刊发系列重温杨振宁先生重要贡献的经典文章。9月22日起与《知识分子》联合推出 “百年风华杨振宁” 系列文章。邀请朱邦芬、潘建伟、施一公、饶毅等科学家及杨振宁先生学生为杨先生百岁诞辰送上祝福。
+
你认识杨振宁吗？知道他有哪些成果？哪些成果和品德让你钦佩？他的经历是否促进你对科学和生信科研的思考？🤔
+欢迎读者在留言讨论区进行评论交流。
+愿我们都能为国家、为生信、为自己奋斗百年！
+1、Science再次发布“全世界最前沿的125个科学问题”
+其中生命科学领域的问题可以作为各位读者思考和以后攻克的方向。
+
一系列迅速发展的软件工具正在帮助研究人员分析多个庞大的组学数据集。过去十年见证了单细胞基因组学的爆炸式增长。描述基因表达的单细胞RNA测序 (RNA-seq)是最常用的技术。其他方法则详细描述了甲基化、遗传变异、蛋白质丰度和染色质可及性等过程。
+3、Robust haplotype-resolved assembly of diploid individuals without parental data
+
常规单样本单倍型解析组装仍然是一个未解决的问题。在这里，我们描述了一种新算法，该算法结合了 PacBio HiFi 读数和 Hi-C 染色质相互作用数据，以生成单倍型解析的组装，而无需对亲本进行测序。应用于人类和其他脊椎动物样本，我们的算法始终优于现有的单样本组装管道，并生成与最佳基于谱系的组装质量相当的组装。
+4、利用长读长测序数据解析遗传变异的深度学习算法NanoCaller
+
与短读长测序技术相比，长读长测序技术成本更低，reads长度更长，可以克服短读长测序无法解决的多个挑战性问题，已成功用于对不同物种的基因组进行测序。但与短读长测序数据相比，长读长测序的精准度较低，检测错误率也更高。有研究表明，利用基于深度学习的算法，在长读长测序数据上可以精确检测变异。根据单倍型数据的分阶段比对可提高变异识别的准确性，现有的三种算法（DeepVariant、Clairvoyante和Clair）在短读长和长读长数据上都能很好地运行单倍型数据比对，但这些算法在SNP检测中都忽略了来自远端单倍型SNP的重要信息。
+近日，费城儿童医院王凯教授团队开发了一种新的深度学习算法–NanoCaller，可充分利用长读长测序在基因组区域中检测变异，并在Genome Biology上发表了题为NanoCaller for accurate detection of SNPs and indels in difficult-to-map regions from long-read sequencing by haplotype-aware deep neural networks的研究文章。NanoCaller可利用单倍型信息检测SNP，使用称为SNP的长reads进行定相，并通过局部重新排列检测InDel。研究团队利用NanoCaller检测了一个被广泛使用的基准基因组中的41个全新变体，这是此前其他方法无法实现可靠检测，有助于从长读长测序中发现复杂基因组区域的新变体。
+5、Subtype-GAN: a deep learning approach for integrative cancer subtyping of multi-omics data
+
癌症亚型的发现有助于探索癌症发病机制，确定治疗中的临床可操作性，并提高患者的生存率。然而，由于多组学数据的多样性和复杂性，开发用于肿瘤分子亚型的集成聚类算法仍然具有挑战性。本文提出了 Subtype-GAN，这是一种基于多输入多输出神经网络的深度对抗学习方法，可以准确地对复杂的组学数据进行建模。通过从神经网络中提取潜在变量，Subtype-GAN 使用共识聚类和高斯混合模型来识别肿瘤样本的分子亚型。与其他最先进的子分型方法相比，Subtype-GAN 在由来自 10 种癌症类型的 4000 个 TCGA 肿瘤组成的基准数据集上取得了出色的表现。作者将 Subtype-GAN 应用于 BRCA 数据集，并自动获得了 1031 个 BRCA 肿瘤的亚型数量和亚型标签。通过详细分析，作者发现识别出的亚型具有临床意义，并且在特征空间中显示出不同的模式，证明了 Subtype-GAN 的实用性。
+
预测DTI的方法可以利用药物的表型效应来识别潜在的药物靶点而间接进行，也可以是直接的利用分子信息直接预测结合亲和力。这两种方法都可以与有关交互网络的信息相结合。作者开发了DTI-Voodoo，将药物的分子特征和本体编码的表型效应与蛋白质-蛋白质相互作用网络相结合，并使用GCN来预测DTI。作者证明了药物效应特征可以利用相互作用网络中的信息，而分子特征则不能。DTI-Voodoo旨在预测给定蛋白质的候选药物；实验证明了DTI-Voodoo比最先进的DTI预测方法有显著的改进。
+7、Cathy Wu/Shirley Liu 团队建立多中心免疫肿瘤生物标志物开发平台
+
哈佛大学/丹特-法博癌症研究所Cathy Wu及X.Shirley Liu 团队在Clinical Cancer Research 期刊上发表了题为Cross-Site Concordance Evaluation of Tumor DNA and RNA Sequencing Platforms for the CIMAC-CIDC Network的文章。该研究建立并描述了免疫治疗临床试验中产生的跨中心多组学数据的整合分析平台及策略，并描述了建立多中心网络免疫肿瘤生物标志物开发的关键要素。其中包括平台建设、免疫分析检测的验证和协调、数据读取和集成平台以及多组学数据分析的策略。该研究也指出，DNA 和 RNA 平行测序能够显著提高肿瘤免疫治疗标志物筛选结果，可为精准诊断、精准治疗提供重要的参考信息。
+https://github.com/openbiox/weekly/issues/40
+1、绘制GC含量和测序深度（GC-Depth）分布图评估基因组质量
+
对于组装后的基因组序列，将组装基因组结果中的contigs/scaffolds序列分隔为一定长度的滑窗，统计每段滑窗内的各碱基占比，或者GC含量等，以查看组装结果中碱基分布是否均匀，基因组中存在多少比例的高GC区域等。据此，可在一定程度上推测物种基因组结构特征，组装中是否存在明显的错配，或判断测序数据中是否存在其他物种污染等。
+2、Lessons learned in writing my first book
+作者介绍了自己写第一本书的的经历感悟以及一些技巧分享。
+3、Visualize the ‘real’ circular genome
+
circlize包提供了基因组的环形可视化方法。现在的问题是如何可视化一个“真正的”环形基因组，其中完整的圆圈对应于基因组，并且基因组的“末端”平滑地越过基因组的“起点”。
+4、R tips: rlang中的expression操作符
+生信菜鸟团的这篇推文简要介绍了rlang操作非标准计算的方式。
+ +
画热图的体系用的比较多的是pheatmap和ComplexHeatmap这两个包，前者胜在代码简单，功能强大，而后者胜在细节无穷无尽，只有你想不到，没有它做不到。ggplot2在画热图这件事上，是存在感不太强的。但有时候还必须得用它来画，以期和其他ggplot2的图严丝合缝的拼在一起。
+因此我收集了一下ggplot2的成果，发现又解锁了y叔的一个新包aplot，以及前段时间刚出的ggheatmap（居然是大三的学生写的，后生可畏）。我写了三种方法，ggheatmap最为简单，可以直接去看方法3。
+1、typora - 最好用的Markdown编辑器
+
除了默认内置的几种主题，读者还可以通过https://theme.typora.io/从主题库中筛选自己喜欢的。
+
2、spiralize - 可视化螺旋数据
+
顾神新出品的精品R包。可以螺旋化沿阿基米德螺线可视化数据。它在可视化方面有两大优势：
+作者在https://jokergoo.github.io/spiralize_vignettes/examples.html提供了非常多的实例，感兴趣的一定要看看！
+3、jupyverse - 一组实现一个Jupyter服务器的FPS插件
+4、ggheatmap - ggplot2的热图实现
+
本期文章有一篇相关推文。
+5、可视化代码执行
+【原载于《科技爱好者周刊（第 177 期）》】。
+
这个网站会将代码的执行流程，转成可视化图形，展示代码一步步是怎么执行的。目前支持 Python、Java、C、C++、JavaScript 和 Ruby 代码。
+1、数据科学小抄
+我之前收集各类数据科学小抄，感兴趣的读者可以通过阿里云盘https://www.aliyundrive.com/s/688q5eGAKdE下载。
+
2、R中处理因果推断
+包含如下内容：
+3、Information is beautiful网站 - 一个非常多可视化案例的网站
+该网站里面包含了各种各样好看的可视化图表，以及相关的介绍。
+
如果你想要支持本周刊，可以对推文进行赞赏或者提供的支付宝/微信二维码打赏。
+ |
+ |
+
|---|---|
| + | + |
感谢以下读者往期赞赏：
+这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+「生信周刊讨论区（语雀）」 | 「生信讨论区（Gitter）」
+
生信是多学科：统计、计算机、生物学。。。
+生信是多领域：基因组、转录组、蛋白组、表冠遗传、宏基因组。。。
+生信是多技能：Linux、R/Python、JS/HTML/CSS。。。
+生信是多应用：动物、植物学、医学。。。
+生信是多背景：有的搞生物的、有的搞计算机的、有的搞数据库的、有的搞算法。。。。
+有人说它是科学，有人说它是应用，还有人说它只是服务。
+值得思考的是，如果你作为一名纯小白，你认为能够为你提供系统学习的生信核心修炼体系是怎么样的？
+
本文介绍由美国马萨诸塞州怀特黑德生物医学研究所的Xiaojie Xu和Jonathan S. Weissman以及匹兹堡大学计算与系统生物学系的Jianhua Xing共同发表在Cell的研究成果：基于单细胞测序(scRNA-seq)RNA速度和代谢标记预测细胞状态。作者提出了一个分析框架dynamo (https://github.com/aristoteleo/dynamo-release)，推断绝对RNA速度，重建预测细胞命运的连续向量场，利用微分几何提取潜在的规则，最终预测出最佳的重编程路径和扰动结果。进一步分析了dynamo在克服传统基于剪接的RNA速度分析的基本限制方面的能力，表明其能在代谢标记的人类造血scRNA-seq数据集上精确估计速度。此外，微分几何分析揭示了驱动早期巨核细胞出现的机制，并阐明了PU.1-GATA1电路中的不对称调节。利用最小作用路径方法，dynamo可以准确预测驱动无数造血系统的转变，并最终由计算机干扰预测基因微扰引起细胞命运的转变。综上，Dynamo有助于开展细胞状态转变的定量分析和预测。
+2、Nature Communication ｜肿瘤基因组数据报告解读平台，可满足商业报告解决方案
+
随着精准医疗的不断发展，科学研究和临床应用中对癌症基因组数据的解读需求也在增加。虽然目前癌症测序数据分析流程的自动化提高了报告的速度和结果的可重复性，通过使用交互而非静态报告，临床对复杂基因组数据的理解有所改善。但仍然有部分结果的解释难以实现自动化。因此，基因组数据解读仍然是推广精准医学最大的瓶颈之一。
+加拿大Michael Smith基因组科学中心等单位的联合研究团队在Nature Communications发表了题为“A platform for oncogenomic reporting and interpretation”的文章，报道了一个自主开发的完全开源的研究平台——Platform for Oncogenomic Reporting and Interpretation （PORI）。该平台可以通过知识库匹配将不同的注释集成到精确的肿瘤基因测序工作流程中，并为用户提供一个报告界面，以管理、编辑和与结果数据交互。研究团队表示，PORI可以替代商业报告解决方案，适用于精准肿瘤学的全面基因组数据解读，有效促进精准医学的普及和发展。
+GitHub地址：https://github.com/bcgsc/pori/
+ +
“iMeta” 是由威立、肠菌分会和本领域数百位华人科学家合作出版的开放获取期刊，主编由中科院微生物所刘双江研究员和荷兰格罗宁根大学傅静远教授担任。目的是发表原创研究、方法和综述以促进宏基因组学、微生物组和生物信息学发展。目标是发表前10%(IF > 15)的高影响力论文。期刊特色包括视频投稿、可重复分析、图片打磨、青年编委、前3年免出版费、50万用户的社交媒体宣传等。2022年2月正式创刊发行！
+认同办刊理念，一起打造国际顶刊，解决我国本领域期刊出版卡脖子问题，愿意为期刊发展作贡献的优秀青年科学家。
+破五唯，满足以下条件中的任意一项即可。其他任何有助期刊发展有利的个人能力请在申请表格中个人简介部分说明即可。
+▸ 具有副高级以上职称 +e +▸ 第一作者或通讯作者(含共同)论文IF > 10
+▸ 引用 > 1000
+▸ H指数 > 12
+▸ 编辑能力，如文字校对、润色，图片绘制、美化等
+▸ 个人影响力，如组织会议、公众号主、专业交流群主等
+4、Nature Genetics | 癌症基因组中的双等位突变揭示关键驱动突变机制
+e
+
在单个二倍体谱系中，由于双等位基因突变（即同一碱基在两个亲本上独立突变）发生概率较小，一直都被忽视或被认为是“技术错误”，但其确实发生在超五分之一的癌症病例中，需要在分析癌症基因组时加以考虑。
+英国弗朗西斯·克里克研究所的研究团队及其合作者在Nature Genetics上发表了最新的研究成果，文章题目为“Biallelic mutations in cancer genomes reveal local mutational determinants”。研究团队从全基因组泛癌症分析研究（PCAWG）的559份（21%）批量测序样本中鉴定出了18,295个双等位基因突变，并对其进行了研究。研究结果显示，双等位突变揭示了E26转化特异性（ETS）和活化T细胞核因子（NFAT）结合位点的紫外线损伤热点，以及POLE突变体和其他癌症中的超可变基序。此外，研究团队还提供了建模和检测双等位基因突变的框架，以便变体的识别。
+
3、代谢组学数据通常是OPLS-DA或者PLS-DA来代替PCA
+
生信技能树创始人Jimmy为方便大家下载GEO数据提供的镜像、ID转换等工具包。通过以下方式安装：
+library(devtools)
+install_github("jmzeng1314/AnnoProbe")
+library(AnnoProbe)
+大家觉得有用记得去GitHub给它点个Star，目前用的人应该比点赞的多很多。
+2、Cepo
+
定义细胞的身份是理解细胞对各种环境信号和扰动的异质性的基础。该工具提出了一种从单细胞rna测序数据中探索细胞特性的新方法——Cepo，该方法使用差异稳定性作为定义细胞特性基因的新指标。Cepo计算与差异稳定基因表达相关的细胞类型特异性基因统计。
+ + +
4、emmeans - Estimated marginal means
+估计边际平均值（以前在传统回归模型中称为最小二乘平均值)是通过使用一个模型在预测器组合的规则网格(称为参考网格)上进行预测而得到的。这些预测可能被一个或多个预测因子平均(通常具有相同的权重）。这种边缘平均预测对于描述拟合模型的结果是有用的，特别是在提出因素的影响方面。emmeans包可以很容易地生成这些结果，以及它们的各种图形(交互风格的图形和并排的间隔)。
+
InfoWorld 是一家信息技术媒体公司，成立于 1978 年目前隶属于 IDG。每年 InfoWorld 都会根据软件对开源界的贡献，以及在业界的影响力评选出当年的“最佳开源软件” (BOSSIE)，该奖项评选已经延续了十多年。本次获奖的 29 个开源项目包括：软件开发、开发、云原生计算、机器学习等类型。
+2、统计学回顾（精华目录收藏）（statquest+协和八+ NGSHotpot）
+如果你想要支持本周刊，可以对推文进行赞赏或者提供的支付宝/微信二维码打赏。
+
这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+「生信周刊讨论区（语雀）」 | 「生信讨论区（Gitter）」
+
Openbiox 生物信息学开源社区由国内外知名高校在读研究生、博士后和研究人员于 2019 年共同发起和建设。在此，我们向科学社区发起新一轮生物信息学协作项目，以期为大家提供更多有用的生物信息学工具/内容和有意义的研究成果。
+感兴趣的读者和朋友请阅读原文并通过lee_jianfeng@openbiox.org联系剑峰。
+1、Cell | 基于50种癌症类型绘制肿瘤-基因-转移谱，揭示癌症转移模式基因组特征
+
本文研究团队对约25,000名患者的肿瘤基因组图谱和转移结果的临床信息进行了分析，共包含50种不同癌症类型，揭示了不同转移模式的基因组特征，绘制了肿瘤-基因-转移谱。研究发现，癌症转移不是由基因突变驱动的，而是由癌细胞与周围环境中的正常细胞相互作用发生的表观遗传学变化驱动的。
+2、Briefings in Bioinformatics | 王秀杰/裴小兵合作开发单细胞组学细胞标记基因鉴定算法COSG
+
本研究提出了一种基于余弦相似度的方法COSG，该方法能在单细胞RNA测序数据、单细胞ATAC测序数据和空间转录组数据中更准确和快速地鉴定出细胞标记基因。
+++ +COSG程序的代码已通过GitHub网站开源发布。COSG程序的Python语言版本和R语言版本的代码链接分别为https://github.com/genecell/COSG和https://github.com/genecell/COSGR
+
信息时代，每年发表学术论文的数量呈井喷式增长。如何帮助研究人员快速了解科学进展前沿、帮助领域内的青年科研人员和学生快速掌握研究领域核心知识体系面临着重大挑战。为解决这一问题，学术出版机构施普林格-自然（Springer Nature）出版集团在近几年开发了一套基于人工智能辅助的文献知识总结系统Dimensions Autosummarizer（DA），以辅助研究人员进行图书出版。
+
这种工具更具备组合性（相比ggpubr）。
+
3、Data Organization in Spreadsheets
+本文介绍如何使用Excel的表格整理数据的一些原则、建议。
+这个包的输入，就是clusterProfiler系列包的输出，它内部再调用bnlearn包来做贝叶斯推断，然后画网络图。
+
library(unglue)
+library(glue)
+library(magrittr)
+library(utils)
+glued_data <- head(mtcars) %>% glue_data("{rownames(.)} has {hp} hp")
+glued_data
+#> Mazda RX4 has 110 hp
+#> Mazda RX4 Wag has 110 hp
+#> Datsun 710 has 93 hp
+#> Hornet 4 Drive has 110 hp
+#> Hornet Sportabout has 175 hp
+#> Valiant has 105 hp
+unglue_data(glued_data, "{rownames(.)} has {hp} hp")
+#> rownames... hp
+#> 1 Mazda RX4 110
+#> 2 Mazda RX4 Wag 110
+#> 3 Datsun 710 93
+#> 4 Hornet 4 Drive 110
+#> 5 Hornet Sportabout 175
+#> 6 Valiant 105
+3、escape - Easy single cell analysis platform for enrichment
+提供一个单细胞版本的富集分析工具。
+
5、谷歌简明搜索导航
+适合没有梯子的同学们。
+如果你想要支持本周刊，可以对推文进行赞赏或者提供的支付宝/微信二维码打赏。
+
感谢以下读者往期的赞赏：
+这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+「生信周刊讨论区（语雀）」 | 「生信讨论区（Gitter）」
+
酿酒酵母酵母。via
+编码蛋白质的基因序列偶尔会发生单核苷酸的点突变，其中不会改变对应蛋白质序列的突变被称为同义突变。这看似不会产生任何后果，但美国斯坦福大学（Stanford University）和密歇根大学（University of Michigan）的一项针对酿酒酵母的新研究发现，大多数同义突变都是有害的。这项研究 6 月 8 日发表于《自然》（Nature）。
+研究者使用 CRISPR/Cas9 基因组编辑构建了 8341 个酵母菌突变株，每个菌株都在其 21 个基因之一中携带一个同义、非同义或无义突变。然后他们测量了每个突变菌株相对于非突变菌株的繁殖速度来量化每个突变菌株的“适应度”，以此衡量突变是有益的、有害的还是中性的。结果发现，75.9% 的同义突变是有害的，仅有 1.3% 是有益的；同义和非同义突变的适应度分布总体上是相似的。研究者表示，如果这一结论在其他生物体中成立，将需要重新审视关于突变、选择、有效种群大小、分化时间和疾病机制等许多生物学结论，且还需要加强预测和识别同义突变的能力。
++ ++
1、Science | 小果蝇，立大功：李红杰/骆利群等完成果蝇全身单细胞转录组图谱
+
研究者通过单细胞核分辨率的基因功能以及细胞类型建立起了果蝇细胞图谱（www.flycellatlas.org），这一数据库中的数据可以通过多个门户网站获得，从而便于整个科研社区进行分析与研究。
+在该工作中，作者们通过统一的测序方法、测序平台以及分析流程对成体果蝇身体中细胞进行了全面覆盖，对多种细胞进行了详细的基因注释，并且建立了细胞类型特异性的标记物以及转录因子，构建了大范围的基因调控网络。另外，作者们所建立的图谱对与果蝇性别二态性进行了分析，并对性别特异性细胞分化轨迹的组织动力学进行了研究。这一图谱已经整合到多个平台之中，对于科研社区的研究与发展提供了重要资源。
+2、Nature Communication | 空间蛋白质组学研究揭示BRCA1/2突变与卵巢癌免疫微环境及患者预后的关系
+
芬兰研究团队利用多重免疫荧光和图像分析技术分析了来自临床卵巢癌样本的12万多个单细胞数据集，以表征细胞功能状态及其空间相互作用的关联，对高级别浆液性卵巢癌HGSC肿瘤微环境中复杂的癌症-免疫-基质相互作用进行了更全面的研究。单细胞空间图谱揭示了不同的空间免疫监视模式，有助于开发更有效的免疫治疗策略，并改善HGSC患者分层。
+3、Nature Medicine：全球首个益生菌联合免疫治疗1期临床结果公布，患者中位PFS提升超400%
+
目前，已有研究表明，Akkermansia spp.（简称Akk菌）的丰度与mRCC患者在接受免疫治疗时的客观缓解率提高、中位PFS延长显著相关。在小鼠体内试验中也证明，肠道移植Akk菌能够延缓小鼠肿瘤生长。
+结果显示，O药+Y药组患者的中位PFS为2.5个月，20%的人达到部分缓解。相比之下，CBM588+O药+Y药组患者的中位PFS得到显著改善（P＜0.001），可达12.7个月，且有58%的人达到部分缓解。
+4、Frontiers 5分期刊征稿 | 人工智能在提高免疫治疗效果中的应用
+ +征稿信息：
+本专刊文稿应具有科学性、创新性，通过完全公开、公正、严格的同行评审后在线表。文章一经上线，即可被引用。
+1、一致性聚类（Consensus Clustering）及其在R中实现
+
一致性聚类（Consensus Clustering，CC）或称共识聚类，是一种将多个聚类合并为一个更稳定聚类的技术。其思路是，采用重抽样方法抽取一定样本的子数据集，然后通过指定的聚类算法将每组子样本划分为最多k个组，最后再综合多次重采样后的聚类分析结果给出一致性的评估。由于所得到的聚类相对于抽样变异越稳定，可以相信这一致的聚类结果代表了一个真实的子类结构。
+ + +4、用research_rabbit联动zotero打造文献可视化一条龙
+ +提供了一系列拓展函数。
+示例：
+
2、ArchR - Analysis of Regulatory Chromatin in R (www.ArchRProject.com)
+ArchR 是一个功能齐全的 R 包，用于处理和分析单细胞 ATAC-seq 数据。 ArchR 提供了所有可用软件中最广泛的 scATAC-seq 分析工具套件。此外，ArchR 在速度和资源使用方面都表现出色，可以在 MacBook Pro 笔记本电脑上在 8 小时内分析 100 万个细胞。
+
3、pkgsearch - Search and Query CRAN R Packages
+用于检测CRAN软件包的工具。
+
4、ggSankeyGrad - 创建一个基于ggplot的Sankey图形
+
bayesplot是一个R包，提供了一个扩展的绘图函数库，供拟合贝叶斯模型后使用(通常使用MCMC)。bayesplot创建的绘图是ggplot对象，这意味着在创建绘图之后，可以使用来自ggplot2包的各种函数进一步定制它。
+目前bayesplot提供多种后验图、图形化MCMC诊断、图形化后验(或前验)预测检查以及后验(或前验)预测分布的一般图。
+
1、Bioicons - A library of free open source icons for science illustrations in biology and chemistry
+
2、Ventoy - U 盘无需格式化，支持多选系统，一键装机
+
如果你想要支持本周刊，可以对推文进行赞赏或者提供的支付宝/微信二维码打赏。
+
这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+「生信周刊讨论区（语雀）」 | 「生信讨论区（Gitter）」
+
via。
+在硕博期间，你可能感受不到这个话题的意义，但正式步入工作，全盘接触人类的生活，操心吃喝拉撒，生活是必然的，生活也是必须处理和面对的。如果选择科研，你会怎么样在你的科研职业生涯中处理你的生活？怎么摆放家庭的位置？
+在这个话题链接的文章中有一段话印象深刻：“你有没有时间陪孩子家人和你做啥工作有多忙真没太大关系，关键是你有没有真正把孩子家人放第一位，舍不舍得把时间给他们。”我们从小学会了被爱，但你我也会学会爱人。
+1、Cell｜首次大规模高分辨率揭示从一个携带致癌突变的单细胞演变为侵袭性肿瘤的全过程
+
研究团队将基于单细胞RNA-seq的进化谱系示踪系统引入KP小鼠模型中，连续并全面监测了一个携带致癌突变的单细胞演变为侵袭性肿瘤的全过程，揭示罕见的亚克隆可以通过独特的转录程序驱动肿瘤扩张。此外，研究团队还发现肿瘤通过典型、独特的进化轨迹发展，干扰额外的肿瘤抑制因子可以加速肿瘤的进展。该研究以前所未有的规模和分辨率重建了从单一转化细胞到复杂、侵袭性肿瘤群体的肿瘤演化全过程。
+2、Nature | 30种癌症2583个全基因组数据分析揭示染色体外DNA突变与10%癌症相关
+
研究团队分析了来自30种癌症的2500多个全基因组数据，绘制了已知聚集性体细胞突变最全面、最详细的图谱，揭示了ecDNA中APOBEC3的突变特征，这种此前未被发现的突变模式导致了约10%的人类癌症的发展。研究发现，kataegic事件中有76.1%表现出与激活诱导的脱氨酶（AID）和APOBEC3脱氨酶家族相关的突变模式。在31%的ecDNA样本中发现APOBEC3相关的kataegis事件和染色体外DNA（ecDNA）的共同出现，并将这种情况称为kyklonas事件。
+3、NBT | 王军/陈义华组利用AI赋能微生物组功能大分子的高通量挖掘
+
研究人员整合了多种人工智能领域中自然语言分析（Natural Language Processing）的神经网络方法，以抗菌肽为第一个研究对象，在学习了现有的几千条抗菌肽序列以后，构建了准确率超过90%的抗菌肽预测方法，远远超出之前发表的基于氨基酸组成和性质进行抗菌肽判定的模型。
+总结了肿瘤克隆进化的不同模式，以及各个癌种现有进化模式的研究，整个系列都很值得一读。
+
@mugpeng贡献。
2、11类肿瘤抗原
+本文总结了11类肿瘤抗原的产生及特点，希望能够对靶点研究、精准诊断、免疫治疗等提供帮助。
+ + +
5、肿瘤微生物微环境
+肿瘤微生物微环境在肿瘤免疫微环境中的作用是多方面的：可能作为免疫激活剂、抑制剂或旁观者。肿瘤微生物微环境调节肿瘤免疫微环境，使其成为改善免疫治疗的潜在靶点。这是一个面临重大挑战的新领域，值得进一步探索。
+
编写一个Shell脚本，然后添加到SwiftBar，你就可以拥有一个MacOS插件。
+
2、Proksee - 一个基因组组装、注释和可视化的专家系统
+可用于宏基因组分箱（binning）后获得的单菌草图的可视化（网页版仅支持fasta格式核酸序列，暂不支持注释后faa或gff3结果的可视化。可选择linux版本，支持conda安装：https://anaconda.org/bioconda/proksee，支持从头组装和注释）。
+
@15521271731贡献。
4、plottify - 一个简单的matplotlib包装器，自动缩放字体大小、散点大小和行宽度，使其与图形大小成比例
+
Janitor具有简单的检查和清理脏数据的功能。它是为初级和中级R用户构建的，并针对用户友好性进行了优化。高级R用户已经可以完成这里所涉及的一切，但是使用janitor他们可以更快地完成，并把他们的想法留给有趣的东西。
+主要功能：
+2019-伦敦大学博士论文，全方位详细阐述甲基化内容，包含复现代码。
+@ylchenchen贡献。
2、Unraveling population heterogeneity using single-cell analysis
+
2022-华盛顿大学博士论文，单细胞分类算法的介绍。
+@ylchenchen贡献。
3、医学数据科学课程
+非常棒的基于Rmd 的公开课程资料，从推断假设，数据分布，批次处理，以及基因组数据的处理。
+@mugpeng贡献。
如果你想要支持本周刊，可以对推文进行赞赏或者提供的支付宝/微信二维码打赏。
+
这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+「生信周刊讨论区（语雀）」 | 「生信讨论区（Gitter）」
+
++大队列研究，做好了对人类医学非常有益。世界上有几个突出的例子。但是外国的榜样有时在中国走样，甚至变成要大钱，但不做大事，或者不把大事做好。经费大增后的中国科学界，是否对得起科学、是否对得起中国纳税人，如何做包括队列在内的大项目，可能是试金石之一，检验能力、作风、良心。
+
你可能看到了很多已经结题的项目名称，但你可能从来不知道从哪里去获取以及是否容易获取：
+
现实是采到的样本分散储藏在某处，极少测序，收集的基本数据去向不一，意味着课题组外的研究者或企业，如果想利用这些资源的话，会相当困难。
+中国缺乏类似TCGA的标志性大型项目！
+1、Cell | 结合蛋白质组与外显子组技术构建转录因子互作图谱，揭示先心病的遗传决定因素
+
研究团队通过整合蛋白质组学和人类遗传学方法，解析人类心脏祖细胞内源性GATA4和TBX5的蛋白质相互作用体，以识别和优先检测潜在的心脏疾病基因、CHD相关变异体，揭示了心脏基因调控的各方面功能。
+ +
为了能从不同类型的肿瘤中寻找到主要的免疫系统原型，UCSF免疫分析联盟（UCSF Immunoprofiler Initiative）共收取了跨越12个不同类型肿瘤共计364份新鲜肿瘤组织的外科样本，快速消化成单细胞悬液并通过多参数流式细胞仪进行免疫分型。此外，作者还借助单细胞转录组测序技术（scRNA-seq）获取了这些外科标本的细胞组成和转录组学信息。通过对T细胞和单核吞噬细胞亚群的更精细的分类和定义，作者从3个粗略的细胞特征（T细胞特征、髓样细胞特征和非免疫的基质细胞特征）开始，通过不断的渐进分析，最终确定了10个主要免疫原型的稳定视图。
+3、Genome Biology综述 | 如何为临床诊断提供准确可靠的结构变异解析？
+
文章分别总结了三个方面展望应用染色体SV进行临床诊断。分别是：1.建立标准参考材料；2.选择最优的测序策略；3.选择获取最佳的SV识别信号的方案。
+1、rstudio::conf(2022) Conference Schedule
+rstudio发布年度会议安排表。注册网址：https://www.rstudio.com/conference/。没钱的只能吃瓜～
+
3、T细胞耗竭
+
慢性感染和癌症病人，T细胞受到抗原持续刺激，细胞记忆不能有效地发育分化，T细胞变得精疲力竭，称之为T细胞耗竭（Tex）。
+Tex细胞在功能上有别于Teff和Tmem，其特点是效应功能丧失，抑制性受体(IRS)表达增高且持续，表观遗传和转录谱改变，代谢方式改变。
+T细胞衰竭是癌症病人免疫功能障碍主要因素之一。
+1、Transformers - 为 Jax、PyTorch 和 TensorFlow 打造的先进的自然语言处理
+
2、scDVA - 一个基于R Shiny的工具，用于单细胞RNA-seq数据可视化和分析
+
4、beautifyR - RStudio插件用于格式化Rmarkdown表
+
对想要了解深度学习脉络的读者可能有帮助。
+2、Awesome GitHub Profile README
+一堆展示GitHub Profile的工具。让GitHub主页成为你的简历。
+
如果你想要支持本周刊，可以对推文进行赞赏或者提供的支付宝/微信二维码打赏。
+
这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +公告：从本期开始，本周刊将由Openbiox近期建立的运维小队共同贡献与管理。
+这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+「生信周刊讨论区（语雀）」 | 「生信讨论区（Gitter）」
+
神经元（via）
+本周话题来自@qins：
任何一个领域或行业要蓬勃发展, 大概率会有需求方(资金来源) -> 整合链接方(分发网络) -> 提供方(实现者), 很多时候链条会重复。明确和公开了各方角色, 行业就相当于进入市场经济, 而市场经济更容易规范和刺激领域或行业发展。另外, 生信人也是要恰饭的, 如果搞生信能轻松养家糊口, 相信也会有更多人参与进来。
+对于这个话题，对于学术界的你或者工业界的你有什么感想和看法？
+@ShixiangWang - 个人感觉生信在工业界存在着两极分化，一类生信工作为测序和原始数据的处理，这类稳定且易被管道化，已经变成了当前生物医学的核心基础服务之一，由于变成了基础服务，从业者往往不被探索学术PI们所注意；第二类生信工作是公司与学术PI们的个性化服务或合作，由于研究的复杂性和不确定性，很难有pipeline的建立，说到底工业界盈利依赖的稳定量产与学术界的个性创新从根本上是冲突的，从业者很难提供相应的可靠服务，帮客户发文章的同时，又展现自身的“钱途”。这也是为什么在基础研究实验室，现在学术PI们喜欢专门招一两个学术去从事生信工作。
1、Nature | 深度学习神经网络模型「神谕」预测非编码DNA序列的突变会如何影响基因表达
+
来自麻省理工学院和英属哥伦比亚大学等机构的研究人员构建了一个深度学习神经网络模型“神谕”。在利用数亿次实验观测结果进行训练之后，「神谕」可以预测酵母中的非编码DNA序列的突变会如何影响基因表达。这个无偏模型能够基于任何可能的DNA序列，来预测生物体的适应性和基因表达。
+2、Nature Genetics | 哺乳动物胚胎发生细胞轨迹的系统重建
+
在本研究中，研究者着手整合几个与小鼠原肠胚形成和器官形成相关的单细胞RNA序列数据集。此外，作者定义了跨越E3.5到E13的19个连续阶段中每个阶段的细胞状态，试探性地将它们与其伪祖先和伪后代联系起来。尽管是通过自动化程序构建的，但由此产生的哺乳动物胚胎发生轨迹（TOME）在很大程度上与我们当代对哺乳动物发育的理解一致。作者还利用TOME指定转录因子（TF）和TF基序作为新细胞类型出现的每个分支点的关键调节因子。最后，为了便于脊椎动物之间的比较，作者对斑马鱼和青蛙胚胎发育相关的单细胞数据集应用相同的程序，并根据共享的调节器和转录状态指定“细胞类型同源物”。
+3、bioRxiv | 949种人类细胞蛋白质组学检测与多组学分析
+
本研究报道在949种人类细胞中进行的蛋白质组学分析，并与之前的一些大规模组学数据整合，形成了Cell Model Passports数据库：https://cellmodelpassports.sanger.ac.uk/ 。主要研究成果包括： +- （1）蛋白质组数据与细胞类型分析； +- （2）MOFA多组学分析； +- （3）DeeProM深度学习分析肿瘤潜在脆弱性（vulnerabilities）靶点。
+4、Cancer Cell | 动态单细胞数据探索三阴性乳腺癌在化疗或化疗联合免疫治疗过程中关键免疫细胞亚群的演化
+
在三阴性乳腺癌 (TNBC) 中，联合化疗与检查点抑制剂的益处仍不是很清楚。本文利用单细胞 RNA 和 ATAC 测序来检查 22 名接受紫杉醇或其与PD-L1抑制剂阿替利珠单抗联合治疗的晚期 TNBC 患者的免疫细胞动态变化。证明了高水平的基线 CXCL13+ T 细胞与巨噬细胞的促炎特征有关，并且可以预测对联合治疗的有效反应。在有反应的患者中，淋巴组织诱导细胞 (LTi) 、滤泡B细胞 (Bfoc) 、CXCL13+ T 细胞和经典 1 型树突状细胞 (cDC1) 在联合治疗后协同增加，但在紫杉醇单药治疗后反而减少。该数据强调了 CXCL13+ T 细胞在对PD-L1抑制剂疗法的有效反应中的重要性，并表明紫杉醇方案减少CXCL13+ T细胞可能会不利于阿替利珠单抗治疗 TNBC 的临床结果。
+5、Android 13虚拟化支持运行Windows 11和桌面版Linux
+
在2月份，谷歌发布了Android 13 的第一个开发者预览版，而一位名叫kdrag0n的开发者发现了安装该版本的 Google Pixel 6可以虚拟化运行Windows 11和多个版本Linux。随着手机硬件性能的不断提升，加上各平台系统的互通，以后在手机上跑个轻量级生信运算也不是不可能。
+ +
机器学习中数据不平衡的分类问题很常见，极端的数据不平衡通常会影响模型预测的准确性和泛化性能。 +本文介绍几种处理不平衡数据的计算方法：
+
单细胞数据处理的其他分析工具，比如拟时序，细胞通讯和转录因子分析，还有RNA速率等。其结果都可以结合到Seurat的降维聚类分群中做可视化。
+比如：生信技能树的笔记——pyscenic的转录因子分析结果展示之5种可视化
+Seurat团队开发整理好的包——SeuratWrappers包
+ +
平时我们在服务器运维工作中，安装软件时候会出现进度条来提示我们下载的进度，本文通过C语言来简单实现这个功能。
+注意:
+9、scPred - accurate supervised method for cell-type classification from single-cell RNA-seq data
+
scPred是一种基于基因表达的低维表示(如PCA)对细胞进行分类的通用方法。
+10、scRepertoire：A toolkit for single-cell immune profiling
+
与转录组学领域不同，目前缺乏用于单细胞免疫受体分析的软件选择。为了使用户能够轻松地结合RNA和免疫分析，我们构建了scRepertoire来处理来自t细胞受体(TCR)和免疫球蛋白(Ig)富集工作流程的10x基因组铬免疫分析数据，并随后与流行的Seurat R包相互作用。
+11、miniTorch
+
MiniTorch 是一个为那些希望了解机器学习底层系统内部概念工程师打造的DIY教学库。 它是利用纯Python代码重构的Torch API，其设计简单、易于阅读、测试和增量，最终的库可以运行Torch代码。 该项目是为康奈尔理工大学的机器学习工程课程开发的。
+12、lapce
+
Lapce是一种基于pure Rust的代码编辑器，更加智能化，更加快速。
+13、https://jupyterbook.org/intro.html
+
Jupyter book主要是使用计算机语言来创建发表级别的书籍或文档。
+该教程主要分为以下几个主要部分：
+
GENIE 汇总了19 个机构的肿瘤患者测序数据，主要是基因组测序数据，如基因突变，拷贝数。
+
当前的版本 GENIE 11.0-public 于 2022 年 1 月发布。收集了来自 121,000 多名患者的 136,000 多个测序样本，使 AACR Project GENIE数据集成为迄今为止发布的数据量最大的完全公开癌症基因组数据集。
+15、hugo-apero-docs - 一款优美的hugo博客主题
+
「Openbiox 生信周刊」运维小队：
+@ShixiangWang@kkjtmac@NiEntropy@He-Kai-fly@JnanZhang@Tomcxf这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+「生信周刊讨论区（语雀）」 | 「生信讨论区（Gitter）」
+
Xfce 桌面。via
+本周话题来自饶毅老师的微信文章。
+++科学研究的目的是科学发现，经费用于发现，正常的科学是在有限的经费尽可能做更好的研究； +现在有时出现以花钱为目标，科学用于花钱，异常的科研是以有限的科研尽可能花越多的经费。 +如果有中国的科研工作者提出，做“动脑少、花钱多、苦力大”的研究，也就是“费钱、费力、不费脑”，绝大多数中国纳税人应该不会同意。
+
大家的身边是否有类似的研究？如果看待？对目前中国此类研究的认识如何？
+ShixiangWang：跟风式的研究项目个人感觉还是一种普遍的现状吧，符合中国目前总体的学术水平，是大部分研究人员在高压和完成（追求）绩效下的稳妥方案。至于是否一些项目有饶毅老师说的这么极端，仁者见仁了。
1、Nature Biotechnology | 李恒团队开发不依赖于亲本的单倍型基因组组装工具hifiasm
+
如何不依赖亲本信息的情况下，自动进行高质量的单倍型组装是一个亟待解决的问题，哈佛大学医学院/Dana-Farber癌症研究所李恒课题组提出了一种全新的基因组组装算法hifiasm，其针对PacBio HiFi长读长测序技术和Hi-C测序技术进行了全新的设计，能够在不依赖亲本的情况下简单高效的生成高质量的单倍型组装结果，并且后续已在人类和各种不同的非人物种上证实效果良好。
+论文链接：https://www.nature.com/articles/s41587-022-01261-x
+2、Nature Biotechnology | CellTrek - 基于scRNA-seq和ST数据重建组织单细胞分辨率空间图谱
+
来自美国MD安德森癌症中心的团队开发了整合单细胞测序和空间转录组测序的新工具-CellTrek，该工具充分利用单细胞的高分辨率和空间转录的组织位置信息，能够进一步挖掘出组织切片中的细胞差异、空间异质性以及免疫微环境的变化。
+论文链接：https://www.nature.com/articles/s41587-022-01233-1
+3、Cancer Research | 全基因组倍增是人类肿瘤非整倍体变异的主要决定因素
+
研究团队分析了来自22种肿瘤类型的5586例WGD-肿瘤和3435例WGD+肿瘤临床样本，确定了WGD-与 WGD+肿瘤中不同的非整倍体模式和染色体-臂遗传相互作用，并在人类癌细胞系中进行了验证 。结果显示，WGD塑造了人类肿瘤的非整倍体景观，是人类肿瘤非整倍体变异进化的主要决定因素。
+论文链接：https://pubmed.ncbi.nlm.nih.gov/35502547/
+4、Nature Machine Intelligence | 通过监督贝叶斯嵌入，对单细胞染色质可及性数据进行细胞类型注释
+
基于对多个数据集的综合实验，研究人员证明 EpiAnno 在 scCAS 数据的数据集内和跨数据集注释方面均优于基线方法。与大多数计算方法不同，经过训练的 EpiAnno 参数和学习的细胞嵌入是可解释的，并且可以通过组织特异性表达富集分析、分区遗传力分析、细胞类型特异性增强子识别和细胞类型特异性 cis-coaccessibility 分析揭示生物学见解。此外，研究人员发现 EpiAnno 不仅具有揭示细胞类型特异性基序的潜力，而且为 scCAS 数据的模拟开辟了一条新途径，这对于 scCAS 数据分析方法的发展至关重要。
+论文链接：https://www.nature.com/articles/s42256-021-00432-w
+
发表在《英国运动医学杂志》上的一项研究发现，在晚年无法单腿站立 10 秒与未来十年内因任何原因导致的死亡风险增加近一倍有关。
+原文链接：http://dx.doi.org/10.1136/bjsports-2021-105360
+6、Git 不要只会 pull 和 push，试试这 5 条提高效率的命令
+
使用Git进行代码版本管理可谓是工程师们合作开发项目所必备技能，但实际应用中大多数人只会保存、拉取、推送等一些简单代码，遇到一些稍微复杂点的commit管理问题就束手无策，本篇推文介绍一些开发工作中较为实用的命令，助力大家解决不少疑难场景，从而提高工作效率。
+
本文介绍了如何免费获得微软onedrive网盘的途径以及作为同步网盘的方法。
+
目前对于Python代码进行封装为exe可执行文件，见得最多的就是Pyinstaller和Nuitka，对新手而言前者更容易入手一些，但其过程体验很差，打包速度慢且最终生成的exe文件冗余庞大，而后者则将python源码转成C++，然后编译成可执行文件，使其拥有Python的开发速度，C++的运行速度，同一项目两者生成exe文件分别为3G和7M，可称为Python打包的王炸！
+Github: https://github.com/Nuitka/Nuitka （含User Manual）
+官网地址: https://nuitka.net/
+10、pyGenomeTracks - 一个基因组数据可视化的python包，可以高度定制化
+
11、ggdensity - 花式绘制密度图的一个gglpot2扩展包
+
12、BioWebStack
+
一个专属生信工程师的网页，由生信重要资源汇总成的生信导航网站。常用生信数据库，在线科研绘图工具，生信杂志周刊，开源社区等等，快来探索吧！小编已经设成主页了！！！
+13、Python升级：新型图像工具，玩转多维数据可视化｜《自然》技术特写
+
napari（https://napari.org/）是一个免费、开源并且可扩展的图像查看器，适用于任意复杂（“n维”）数据，与Python生态系统紧密结合（见napari.org）。napari是三位科学家的心血结晶：加州旧金山陈·扎克伯格生物中心的显微镜专家Loïc Royer；澳大利亚墨尔本莫纳什大学从事图像分析开发的Juan Nunez-Iglesias；加州雷德伍德城的陈-扎克伯格倡议（CZI）的成像技术团队负责人Nicholas Sofroniew。
+napari有类似于Adobe Photoshop的图层，允许用户叠加点、矢量、轨迹、表面、多边形、注释或其他图像。例如，研究人员可以在napari中打开一个组织的图像，点击鼠标识别细胞核，然后在Python中检索这些点，并使用它们作为细胞图像分割算法（用于识别细胞的边界）的“种子点”。然后通过将结果作为原始图像上的新图层推送到napari中，研究人员就可以评估这次分割的效果如何。
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang@kkjtmac@NiEntropy@He-Kai-fly@JnanZhang@Tomcxf@wangdepin其他：
+@shenweiyan这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+「生信周刊讨论区（语雀）」 | 「生信讨论区（Gitter）」
+
++颠覆因子（Disruption）是Wu，Wang和Evans在2019年的Nature的文章推出的。这个因子是指引用了该论文，但没有引用该论文所引用的论文的论文数（ni）减去那些同时引用了该论文及该论文所引用论文的论文数（nj），然后用引用该论文的论文数(ni+nj)加上那些没有引用该论文却引用了该论文所引用论文的论文数(nk)来归一
+[D=(ni-nj)/(ni+nj+nk)]。这个颠覆因子可以衡量一篇论文是后来工作的起点（原创性工作，D～1），还是研究工作发展中的中转站（跟风、发展性工作，D～-1）。他们用诺贝尔获奖论文（高颠覆因子）、综述论文（低颠覆因子）、专家的调查、关键词汇的使用验证了颠覆因子的可靠性。
ShixiangWang：研究前沿的演进是快速的，但习惯和范式的转变却是间断/阶段性的，更多学术评价指标的的开发和提出有利于丰富学术圈的群体意识，不过任何指标都有其利弊，未来是否通用性地适配还是不同领域百花齐放都尚未可知。
本研究对101457名不同年龄层次人群（从受孕后115天到100岁）的123984次MRI数据进行分析，定义了大脑与年龄相关的变化特征，绘制了世界上首个涵盖整个年龄段的人脑发育图谱，识别出了多个此前未被报道过的脑生长发育关键时期，并且发现多种疾病患者（如阿尔茨海默病与精神疾病）的脑结构与正常人群存在不同。据了解，这是迄今最大规模的神经影像学研究，为神经科学研究提供了重要的参考资源。
+论文链接：https://www.nature.com/articles/s41586-022-04554-y
+2、Nature Communication | 生物科学领域应用深度学习的当前进展和公开挑战
+
该综述从蛋白质结构预测、蛋白质功能预测、基因组工程、系统生物学、数据整合以及系统发生学这五个方面论述了应用深度学习进行上述领域研究的最新进展、现有瓶颈和未来前景。
+论文链接：https://www.nature.com/articles/s41587-022-01261-x
+3、Nature Communication | 将核酸绝对定量用于同一样本拷贝数变异和突变检测的新技术——QASeq
+
QASeq是一项可精确测定拷贝数变化（CNV）的新技术。与被认为“金标准”的数字PCR技术相比，QASeq在单个位点的检测上表现出了更好的灵敏度和稳定性，可以从有限的FFPE组织样本和cfDNA 中检测到低至5%杂合单拷贝扩增或缺失的 CNV，以及低至0.1% 变异等位基因频率 (VAF) 的突变，且这种精确定量可以同时靶向上百个位点甚至更多。其在临床应用和RNA表达谱靶向预测方面的潜力很大。
+文章链接：https://www.nature.com/articles/s41467-022-29487-y
+4、QB | 人物 - 李衍达院士：永不止步的先驱者、探索者与奠基人
+
今年是李衍达院士86岁诞辰。虽然他已于2018年正式退休，却仍然积极参与学术活动，与年轻教师和学生们讨论。他提出，从数据中理解复杂生命系统的关键是发现看似无关的数据中潜藏的关联。他经常建议年轻的研究人员不要被学科界限禁锢了想象力，不要害怕思考没有人涉足过的问题和解决方法。过去的60年里，李衍达院士指导了超过100多名研究生，其中的许多学生现已成为全球多所顶尖大学的老师，还有学生已成为相关领域的行业领导者。
+5、免疫治疗队列数据IMvigor210CoreBiologies包
+
发表在nature上的尿路上皮癌（BLCA）的免疫治疗队列数据，太贴心了！！！数据和每张图的代码都给了！！！很好的学习素材，快来试试自己研究的基因与免疫治疗的疗效有没有相关性，给论文凑张图。
+
本文介绍了如何使用ggcharts包简单快速绘制一些常用的Figure。
+Github: https://github.com/thomas-neitmann/ggcharts
+ +
通过TCGA转录组数据和临床信息-微卫星不稳定（MSI）构建模型，预测样本微卫星不稳定。思路清晰，代码简洁，对初学者很友好，可以模仿作者思路构建模型，开启你的机器学习之旅。
+还有曾老师的作业：任意选择TCGA的一个癌症，做一个类似的分类模型，可以是区分癌症样品和对照组织，也可以是区分不同TMN分期分级的癌症，或者是不同的分子分型哦！
+
本次学习指南的内容为人工神经网络。指南将从概念、基本原理、训练和改进等方面入手，并介绍四种经典的人工神经网络。
+9、Notero - Zotero插件连通Zotero和Notion
+
10、khroma
+
做图不仅是一种艺术，也是一门颇深的科学。如何将图画的即美观又对更多人友好，就是本R包的宗旨。Khroma提供了 Okabe ， Ito , Tol，Crameri这些主题配色方案，意在使绘出图片对色盲患者更加友好。
+ +
12、quarto
+
Quarto是一个基于Pandoc的开源科研出版系统，设计初衷是为了摆脱Rmarkdon对特定编程语言的依赖，用户可通过qmd文档的yaml自由选择python、Julia和Observable等其它多种语言创建动态内容编译文档 ，并允许转换为多种输出格式。
+13、ecotyper
+
EcoTyper是一个机器学习框架，用于从批量和单细胞(scRNA-seq)表达数据中大规模识别细胞类型特异性的转录状态及其共同关联模式。
+ +
15、easyScholar
+
一款专为科研人员设计的浏览器插件，宗旨: 简洁、高效、好用！
+主要功能：
+16、机器学习陷阱
+该资料为文章Navigating the Pitfalls of Applying Machine Learning in Genomics的笔记本，描述了基因组学中应用机器学习算法的常见陷阱。
+
「Openbiox 生信周刊」运维小队：
+@ShixiangWang@kkjtmac@NiEntropy@He-Kai-fly@JnanZhang@Tomcxf@wangdepin这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+「生信周刊讨论区（语雀）」 | 「生信讨论区（Gitter）」
+
++它面向中国内地及港澳地区全职工作的科研人员，每人每年最高500万经费，连续资助5年。5年周期一过，还有机会再续！而且它只选人，不选项目。换言之，它专注于支持富有创造力的科学家开展探索性与风险性强的基础研究。
+如何选？科学家主导原则。由施一公带头，潘建伟、谢晓亮、张杰等知名科学家组成的科学委员会来决定。
+
@ShixiangWang - 从科学探索奖到新基石，我们看到越来越多的企业开始在基础科学研究中发力发钱，本次的新基石项目聚焦于从“0”到“1”的研究，即「项目耗时长，风险性高，本身成果就不容易产出，也就不那么容易得到资助」，实际申请和评审过程中什么程度算是“0”的开始，中国杰出青年人才中真正有多少人有做“0”到“1”研究的想法和胆量都没有数据支持，所以是否能成功目前应当持观望状态：第1-2届获选课题的想法、内容以及未来五年的进展如何将会直接影响该项目的成功度。会不会胎死腹中，或是逐步走出完整的中国商业对基础研究的支持体系，值得期待。
1、Science | 大规模平行报告分析（MPRA）确定多种因果变异与人类表型的关联
+
坦福大学医学院研究团队证明，MPRAs提供了一个可扩展的平台来分离和绘制复杂表型相关自然遗传变异的调控事件，并强调了现有方法的局限性。研究发现，显著和非显著等位基因MPRA变异相对于相应的全基因组分布呈现高度移动的特点。这一效应表明，功能预测可能能够很容易地从基因组背景中区分eQTL区域，同时区分同一区域内高度关联和共同显著变异的调控。以上结果为包括基因表达和复杂表型在内的数百种独立遗传相关特定变异研究提供了新的证据。
+论文链接：https://www.science.org/doi/10.1126/science.abj5117
+2、Nature Biotechnology | cfDNA片段化模式新方法EPIC-seq实现癌症高灵敏度检测和亚型区分
+
cfDNA是释放到血浆中的降解DNA片段，能够随着组织损伤、癌症和炎症反应等发生浓度变化，在疾病的早期诊断、预后、监测等方面具有重要潜在价值。
+发表在Nature Biotechnology上的一篇研究介绍了一种基于cfDNA检测癌症的新方法——EPIC-seq。通过捕获目标基因的转录起始位点TSS区域，实现靶向深度测序；机器学习结合cfDNA分子特征——启动子碎片熵（PFE）和核小体缺失区 （NDR）深度，构建预测模型，预测目标RNA表达。在非小细胞肺癌（NSCLC）和弥漫性大B细胞淋巴瘤中，通过该方法实现了高灵敏度检测和亚型区分。
+论文链接：https://www.nature.com/articles/s41587-022-01222-4
+3、Nature Review Immunol. | MHCⅠ类分子与肿瘤免疫监视和免疫逃避
+
在这篇综述中，作者回顾了限制CD8+T细胞免疫疗法应用的两个因素：①难以识别MHC I类分子提呈的肿瘤特异性肽；②肿瘤细胞在T细胞选择下进化时损害抗原提呈的能力。作者详细描述了在有缺陷的核糖体产物的非规范翻译如何产生肽方面的最新进展，将其与作为致癌特征的翻译失调相关联，并提出将失调翻译作为肿瘤特异性肽的重要新来源。另外，作者还讨论了抗原加工和提呈途径的成分（包括最近描述的免疫核糖体）的合成和功能如何被肿瘤操纵以进行免疫逃逸，并指出可能增强免疫治疗的常见药物靶点。
+论文链接：https://www.nature.com/articles/s41577-020-0390-6
+4、Nature Communication | 我国千人肠癌基因组新分型
+
中山大学肿瘤防治中心徐瑞华/王峰团队在Nature Communications发表的研究，全面分析了1015例中国结直肠癌患者的染色体基因组变异事件、免疫原性特征以及线粒体基因组特点，并联合临床信息探究结直肠癌分子特征和临床特征的关系。 +测序原始数据已上传至中国国家生物信息中心国家基因组数据中心（HRA000873），临床信息在Supplementary Data2（OS只给了生存状态，没发现生存时间），数据库中提供了处理好的maf文件。
+数据库链接：https://changkang.hapyun.com/
+论文链接：https://www.nature.com/articles/s41467-022-30062-8
+5、iMeta | Majorbio Cloud：一站式多组学数据分析平台
+
Majorbio Cloud是一个高通量多组学分析的在线平台，自带的分析流程涵盖了微生态、转录组、蛋白与代谢及基因组等多组学。通过详尽的在线文档和在线课堂，使用者可以更加简单快速的上手使用。此外，该平台也为用户提供了丰富的可视化插件库。目前Majorbio Cloud已有1200+文章引用了。
+论文链接：https://onlinelibrary.wiley.com/doi/10.1002/imt2.12
+++话说这个imeta期刊最近老是喜欢推一些商业公司生信云平台弄成的文章。
+
本文通过示例数据，从单细胞的质控到最后的细胞注释，展示了如何使用popsicleR包进行单细胞转录组一条龙分析
+Github: https://github.com/bicciatolab/popsicleR
+7、推荐 10 个好用到爆的 Jupyter Notebook 插件
+
Jupter Notebook 是基于网页的用于交互计算的应用程序，可以在网页中直接编写和运行代码，具有灵活、高度可扩展的特性，用户可通过安装插件轻松实现一些实用的功能，而本文介绍几个在jupyter notebook中被广泛用到的插件，能够更好地帮助大家进行数据分析可视化，大大提高日常的工作效率！！
+ +
本文介绍了Linux的磁盘性能指标，并介绍了获取磁盘 I/O 情况的命令iostat，以及观察进程的 I/O 情况的命令pidstat、iotop。
+ +
通过本推文，你可以了解到什么是微服务、容器和Kubernetes，以及他们之间的联系与区别。
+10、https://github.com/hpc/Spindle
+
Spindle是一款用于提高HPC环境中动态库和python加载的性能的工具，可以对集群中的上千个进程进行有效管理。
+ +
Simpr包提供了一个通用、简单清晰且友好的框架，用于生成模拟数据，拟合模型和整理模型结果，完整的工作流可以在单个pipeline中完成，且不需外部函数的创建以及全局变量和循环的使用，该包功能对一些功率分析、设计分析、仿真研究和教学统计数据十分有用~
+ +
大多数当前研究细胞间通信的计算方法有很大不同，NicheNet 基于配体的基因调控作用，使用的先验知识并结合了细胞内信号传导和转录调控。NicheNet 可以预测哪些配体影响另一个细胞中的表达，哪些靶基因受每个配体的影响以及可能涉及哪些信号传导介质。
+R包链接：https://github.com/saeyslab/nichenetr
+ +
在所有主要的操作系统上，安装多个R解释器并在它们之间切换是一项很累人的任务，这个工具就是方便解决这个事情的。
+15、BookChapter-RNA-Seq-Analyses - RNA测序数据的设计与分析
+
本章内容针对RNASeq数据分析提供了全面的概述，包括质量评估，reads的预处理、reads比对，基因定量、可变剪切和差异分析等内容，另外本书中也提供了带有简要描述的代码和数据格式，该工作流的具体使用步骤，详见Github文档。
+Github：https://github.com/grimmlab/BookChapter-RNA-Seq-Analyses
+Book：https://doi.org/10.1007/978-3-030-62490-3_11
+Amazon link: https://www.amazon.com/Generation-Sequencing-Analysis-Materials-Biosciences/dp/3030624897
+ +
作者在经过数次测试之后，按照自己的工作经验与偏好，编写出一套成熟的Window开发环境用于开发，并介绍了具体的安装和配置方法。
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang@kkjtmac@NiEntropy@He-Kai-fly@JnanZhang@Tomcxf@wangdepin这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+「生信周刊讨论区（语雀）」 | 「生信讨论区（Gitter）」
+
++本周话题来自@ruanyf：人生不短。 +人生很短，但是如果你知道，怎么利用好这些时间，它就不短。 +人生刚好够实现自己的一个梦想，前提是你必须从一开始，就把所有精力专注于此。 +如果你浪费时间，不够专注，那么你没做什么事，人生就结束了。 +真正的问题不是人生短暂，而是我们浪费了太多时间。 +最令人惊讶的是，人们并不重视自己的时间。你不会让别人偷走你的财产，但你却让别人偷走你的时间。 +如果你听任自己为那些不重要的、随机出现的事情分心，那么即使你的寿命有一千年，你也会一事无成。
+
@NiEntropy -人生是否短暂，每个人都或许会有不同的答案。可或许正如文中所说”人生很短，但是如果你知道，怎么利用好这些时间，它就不短。”人生短暂与否正取决于我们这看不到的财富——时间。
+ 时间就像国王的新衣里面的那件衣服，”聪明人看得到它的宝贵“，于是珍惜起自己所拥有的每分每秒，创造出自己想要的人生。”傻瓜看不到它的价值“挥霍着时间庸庸碌碌度过了他们的一生。
+ 正如现代计算机的发明人冯·诺依曼的故事一样，利用好时间并不只是能让人生变得充实而漫长，更重要的一点是只有这样才能真正做好自己想做的，得到自己想要的。冯·诺依曼的人生短吗？从寿命来说或许不长，但谁能说他的人生不充实呢？他人生的每时每刻都有数不胜数的人需要他的帮助。可对他自己来说呢？直到生命的最后一刻，他是否会后悔，后悔自己最后的时间已经来不及做完自己想做的事呢。后悔于没有把时间用在自己真正想做的事情上呢？
+ 人生短吗？惜时者长，殄时者短！
1、Genome Biology | 经济实惠的转录组测Prime-seq
+
+德国慕尼黑大学研究团队研发了一种新的bulk RNA-seq方法——Prime-seq。经验证，Prime-seq与常规的TruSeq的测序数据质量和检测基因数量相似，并且成本更低。
2、Nature Chemical Biology | 56万条敏感数据系统识别生物标志物驱动的药物组合以克服抗性
+
理解和预测对治疗药物的应答能力可能会改善癌症患者的预后。作者假设癌细胞系的基础基因转录状态，再加上小分子的细胞活性谱，可用于确定内在抗性的特定机制并预测克服抗性的药物组合，作者分析了 564,424 个敏感性数据谱来识别候选基因-化合物对，并验证了九个这样的关系。
+作者确定了一种新关系的机制，其中丝氨酸水解酶单酰基甘油脂肪酶（MGLL）或羧酸酯酶 1（CES1）的表达通过直接酶促修饰赋予了对组蛋白赖氨酸去甲基化酶抑制剂GSK-J4的抗性，不敏感的细胞系可以通过抑制或基因敲除对GSK-J4敏感。
+论文链接：https://www.nature.com/articles/s41589-022-00996-7
+代码地址： + https://github.com/broadinstitute/prism_data_processing + https://github.com/reesmg
+3、Nature Genetics | 基于单细胞转录组数据绘制小鼠胚胎发育轨迹新图谱，全面解析胚胎发育细胞状态
+
+美国华盛顿大学医学院的研究团队，利用单细胞转录组测序技术系统地重构了小鼠胚胎发育的细胞轨迹图，为理解完整的胚层谱系建立及细胞的命运调控机制提供了数据与思路。
4、Nature Reviews Cancer | 肿瘤蛋白质基因组学研究进展及未来前景
+
+Broad研究所发表了关于蛋白质基因组学在肿瘤研究中的最新进展和关键发现的综述性文章，文章描述了蛋白质基因组学中样本收集技术以及生成、分析和整合蛋白质组学与基因组数据的方法等。进行此类研究主要基于在肿瘤研究中，以现有的研究水平鉴别驱动突变尚存问题，诸如单个肿瘤中复发性点突变、小片段插入或缺失的数量较少，色体拷贝数扩增或缺失，靶向治疗耐药性的频繁发展等等我们难以预知后果或是难以建模的问题对于肿瘤的研究带来了极大的困难。
+为了更好的克服这些困难，一些免疫肿瘤学方法迅速发展，其中蛋白质组学更是可以在肿瘤微环境与肿瘤细胞的信号转导层面提供更为具象的信息。蛋白质组学技术的目的是识别肿瘤中变化的蛋白质和PTM，并对该数据进行量化，随后与拷贝数变异、表观遗传沉默、mRNA表达的变化联系起来以提供有关蛋白质调节和响应这些变化的信号的直接信息。基于MS的蛋白质组学还提供了对PTM的深入定量分析。
+因此，蛋白质基因组学有可能为疾病治疗提供重要见解，并在临床环境中用于诊断多种耐药信号及其PTM，并将研究重点集中在可立即用于药物开发的靶点上，或集中精力开发新疗法。
文章首先对概率分布进行概述，随后介绍了与深度学习相关的13种概率分布及其特征，并提供github学习链接。 +- 论文链接：https://www.nature.com/articles/nature25501 +- R包介绍：http://research-pub.gene.com/IMvigor210CoreBiologies/
+ +
+肿瘤细胞的全身扩散是大多数癌症死亡的最终原因，但很少有成功的治疗策略专门针对转移。作者介绍了癌症转移的过程及类型、目前治疗方法的局限性以及未来的治疗前景。
特征选择也被成为变量选择、属性选择或者变量子集选择，是指为了构建模型而选择相关特征(即属性、指标)子集的过程。建模过程中太多的特征会增加模型的复杂性和过拟合，而太少的特征会导致模型的拟合不足，因此将模型优化为足够复杂以使其性能可推广，但又足够简单易于训练、维护和解释是特征选择的主要工作。本文针对一些常见的特征选择策略进行概述。
+8、InterpretML - 可说明的模型，解释黑箱机器学习
+
InterpretML是一个开源包，它将最先进的机器学习可解释性技术整合在一个框架下。使用这个包，你可以训练可解释的glassbox模型和解释黑箱系统。InterpretML可以帮助你理解模型的全局行为，或者理解单个预测背后的原因。
+
文档：https://interpret.ml/docs/intro.html
+示例：https://nbviewer.org/github/interpretml/interpret/blob/master/benchmarks/EBM%20Classification%20Comparison.ipynb
+
grateful的目标是使在任何分析中引用R和R包变得非常容易，这样包的作者就得到了他们应得的荣誉。通过调用一个函数，grateful将扫描项目中使用的R包，并生成包含这些包的所有引用的BibTeX文件。然后grateful就可以生成一个新的文档，其中包含所需输出格式的引用（Word、PDF、HTML、Markdown）。这些参考文献可以针对特定的期刊进行格式化，这样我们就可以直接将它们粘贴到我们的手稿或报告中。
+10、cnv_facets
+
cnv_facets 包利用全基因组 (WGS)、全外显子组 (WEX) 和靶向（panel）测序得到的NGS数据，检测体细胞拷贝数变异 (CNV)。相较于传统的facets包，其优化了从bam到vcf的步骤。
+
volcano3D包开发的主要目的是在三维火山图上可视化差异表达基因的位置，并可利用plotly转化为交互动态格式的网页文件，展现形式令人耳目一新，同时利用R shiny app将该工具部署在PEAC网址上面。
+
13、r-manuals
+
该网址为R manual的重新设计便于搜索的新版本，由R开发核心团队维护与支持，尽量保持与原版本贴近的内容，涵盖了R语言简介、数据导入/导出、安装和管理、R扩展、语言定义及内部结构几方面的内容。
+手册: https://cran.r-project.org/manuals.html
+代码地址: https://github.com/rstudio/r-manuals
+14、全肿瘤靶向药物全景图
+
+汇总了34种癌症的靶向治疗药物信息。
15、MOFA
+
MOFA（多组学因素分析）是一个因子分析模型，它为通过无监督方式集成的多组学数据集提供了一个通用框架。
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang@kkjtmac@NiEntropy@He-Kai-fly@JnanZhang@Tomcxf@wangdepin这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+GitHub 粉们可以通过 Watch 仓库的 Release（提前）关注发布内容。
+讨论区的帖子《谁在招人？》，提供生信深造和就业信息，欢迎访问或发布学位攻读/工作/实习等岗位。
+ +
光环。（via）
+
【2021年诺贝尔生理学或医学奖揭晓】北京时间10月4日下午，2021年诺贝尔生理学或医学奖揭晓。美国科学家David Julies、Ardem Patapoutian获奖，以表彰他们“发现温度和触觉的受体”。
+人们对热、冷和触觉的感知能力对生存至关重要，支撑着我们与周围世界的互动。在日常生活中，我们认为这些感觉理所当然，但神经冲动是如何产生的，从而使温度和压力可以被感知？今年的诺贝尔奖得主解决了这个问题。
+生信发展了几十年，为各类生物医学研究进展立下汗马功劳。但生信技术中一些核心的原创性方法、目前不断变更的测序手段是否能够在未来获得诺贝尔奖呢？你知道有哪些重要的生信方法和技术手段？你觉得它们能值一个诺贝尔奖吗？
+1、多款测序平台性能评估成果发布，华大智造测序仪可提供高质量WGS
+
近日，由生物分子资源设施协会（Association of Biomolecular Resource Facilities, ARBF）主导的ABRF NGS II期研究成果发表于Nature Biotechnology，文章题为“Performance assessment of DNA sequencing platforms in the ABRF Next-Generation Sequencing Study”。研究团队基于来自Illumina、Pacific Biosciences、Thermo Fisher Scientific、BGI、Oxford Nanopore Technologies和Genapsys的多款测序平台，在多个实验室对同一人类基因组家族、三个单独菌株和十种细菌的宏基因组混合物进行测序，并将各平台数据进行全方位、系统性比较，分析各个测序平台的性能差异和测序质量，以提供真实全面的参考证据。
+数据显示，在短读长测序平台中，Illumina的HiSeq 4000和HiSeq X10平台提供了最一致、最高的基因组覆盖率，华大智造的BGISEQ-500、MGISEQ-2000平台提供了最低的测序错误率。在长读长测序平台中，PacBio CCS具有最高的基于参考的映射率和最低的非映射率。PacBio CCS和Oxford Nanopore的PromethION、MinION平台在重复序列丰富的区域和跨均聚物检测中均显示出最佳的序列定位性能。NovaSeq 6000使用2×250 bp读取化学是捕获已知INDEL事件的最强大的仪器。
+ +
近期，在Nature杂志上发表了一篇名为Structure-based classification predicts drug response in EGFR-mutant NSCLC的文章，描述了一种基于结构的方法来定义EGFR突变的功能群，这种方法可以有效地指导EGFR突变NSCLC患者的治疗和临床试验选择，并表明基于结构-功能的方法可以提高对不同癌基因靶向治疗药物敏感性的预测突变。
+ +
华大基因唐冲博士团队于近日在表观遗传与染色质研究权威期刊Epigenetics & Chromatin上发表题为Sequencing of methylase-accessible regions in integral circular extrachromosomal DNA reveals differences in chromatin structure的论文，开发出一种单分子层级研究ecDNA染色质开放性的新技术—— CCDA-seq。
+ +
本文主要评估了ctDNA靶向测序的临床应用，作者选择了不同时期的患者样本进行ctDNA分析，结合KM分析观察BRAF突变及与其共发生的突变对疗效的影响，从而确定对BRAF靶向治疗耐药的因素和相关基因组改变，最终明确，对BRAF突变和其他共发生突变的连续检测在临床治疗策略的制定上是有意义的。
+通常各种软件做GO富集性分析，都是使用超几何分布进行计算。超几何分布是偏态的，所以fisher.test默认的双侧检验，其实是使用单侧来计算p值，我们可以对数据进行测试，使用双侧和单侧的p值是一样的，不过会影响对置信区间的估计。
+2、Sina图
+
在可视化分布时，箱线图可以隐藏双模态，而小提琴可以显示不存在的数据。Sina图，其中的点与密度成比例抖动，提供了一个很好的解决方案。ggforce::geom_sina提供了ggplot2的layer支持！
3、河流图
+
河流图（Streamg raph），有时候也叫做“主题河流图”（Theme River），是堆积面积图的一种变形，通过“流动”的形状来展示不同类别的数据随时间的变化情况。但不同于堆积面积图，河流图并不是将数据描绘在一个固定的、笔直的轴上（堆积图的基准线就是x轴），而是将数据分散到一个变化的中心基准线上（该基准线不一定是笔直的）。
+4、浅谈Chip-seq/DNase-seq/ATAC-seq
+
在生物信息领域，测序技术的学习是必不可少的一环，要知道生物信息这门学科的起源就来自于各种各样的测序技术。这里谈一下Chip-seq、DNase-seq以及ATAC-seq这三种常见且比较相似的测序技术。
+5、把你用R画的图（base或ggplot2）变成ASCII纯文本！
+
1、vcfstats - 强大的vcf统计与作图工具
+
做生信免不了和vcf文件打交道，但是如何快速的统计其中的信息与作图并不是一件容易的事。vcfstats提供了一种快速提取vcf文件信息与作图的方式，强大，快速而且容易扩展。
+2、UCSCXenaShiny - 基于UCSC Xena癌症数据库的R包和可视化Shiny应用
+UCSCXenaShiny是一个交互式探索UCSCXena的R包。它主要是为了提供一个web应用程序（建立在Shiny框架和UCSCXenaTools包之上），用于下载、分析和可视化UCSCXena的数据集。
+支持CRAN、Docker、Conda等下载、安装方式。
+
3、officeverse - 为生成office文档提供强大支持
+
4、rustdesk - 又一个强大的远程桌面软件
+
远程桌面软件，开箱即用，无需任何配置。
+ +
螺旋桨（PaddleHelix）是一个生物计算工具集，是用机器学习的方法，特别是深度神经网络，致力于促进以下领域的发展：
+6、RectChr
+.png)
RectChr主要用于基于Chr染色体水平上多层次的可视工具。
+
工作流管理器提供了一种简单直观的方法来简化管道开发。在这里，我们为选定的工作流管理器提供基本的概念验证实现。分析工作流是基于RNA-seq管道的一小部分，使用fastqc进行质量控制和鲑鱼进行转录物定量。
+ +
3、最常用的R包整理
+在实际工作中，每个数据科学项目各不相同，但基本都遵循一定的通用流程。具体如下：
+本文列出每个步骤最有用的一些R包。
+4、现代科研指北 - 图书
+本书初稿写作于我处于学生与独立科研人员或转行的过渡期，也就是博士后阶段。在这一阶段身处海外的我意识到了现代科研的一些趋势与这个年龄段科研人员的种种迷茫，为了铭记，也为了启迪，我将这一阶段对于现代科研的一些思考整合为一本书。这本书是开源的，在初稿完成后开放协作，我也鼓励科研人员能记录自己的成长经历，如果实在不知从哪下手，可以参考这本书来整理。是否认可本书观点并不重要，但没有自己的科研思考过程对于科研人员是一种悲哀。
+如果你想要支持本周刊，可以对推文进行赞赏或者提供的支付宝/微信二维码打赏。
+ |
+ |
+
|---|---|
| + | + |
感谢以下往期赞赏/捐赠的读者：
+这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+「生信周刊讨论区（语雀）」 | 「生信讨论区（Gitter）」
+
几内亚猪（豚鼠）via
+++blood TMB 是对血浆中游离DNA片段进行测序分析，计算得到的肿瘤突变负荷。既往多项回顾性研究已经证实了bTMB对PD-1/PD-L1抑制剂疗效预测的有效性，但目前尚缺少前瞻性研究证据。由希望之城国家医疗中心的Edward S Kim教授和克利夫兰诊所的Vamsidhar Velcheti教授领衔的研究团队，在著名期刊《自然·医学》发表重要研究成果，公布了首个bTMB前瞻性临床研究的最终分析结果。这一研究前瞻性地论证了bTMB对免疫治疗疗效的预测价值，同时也提出了bTMB未来的优化方向，为bTMB进入临床实践，向标准化检测进军，奠定了重要的基础。
+
ShixiangWang - 这项研究结果打消了一些质疑，说明TMB确实可以去指导临床治疗，而不仅仅是回顾性的分析。同时我们也需要关注到本文一些方法学的设计，包括MSAF的设定、倾向匹配评分的校正。
1、QB | 哈佛大学John Quackenbush教授回顾基因组研究的前二十年
+
目前关于基因组还有很多问题有待回答，比如人类基因的数量、基因的定义等等，我们目前得到的任何版本的基因组都仍然是不完美、不精确的，但是是非常有用的。回顾基因组研究这前二十年，John教授提出了“技术和数据是最重要的”，“生物系统的复杂性”，“开放式科学的重要性”和“提出没有答案的问题是有价值的”这四条宝贵的经验。
+论文链接：https://journal.hep.com.cn/qb/EN/10.15302/J-QB-021-0286
+ +
4月初时，两篇关于精神分裂症的重磅文章以背靠背的形式发表于顶刊《自然》上，首次为我们详细分析了精神分裂症的遗传因素。这两项研究分别由精神疾病基因组学协会（Psychiatric Genomics Consortium，PGC）、精神分裂症外显子组测序元分析协会（Schizophrenia Exome Sequencing Meta-Analysis，SCHEMA）完成，汇集来自于40多个国家、数百个机构的研究人员。基于不同的研究侧重点以及鼎力合作，他们寻找到与精神分裂症相关的常见或罕见遗传变异，并对其分子机制提出突破性的见解——精神分裂症是由神经突触的通讯中断所引起，为精神分裂症提供了新的治疗靶点。
+论文链接：
+
本文对对北京大学张泽民团队在Science上发表的文章Pan-Cancer Single Cell Landscape of Tumor-Infiltrating T Cells进行了点评，肯定了其工作对于泛癌T细胞免疫微环境的深入剖析以及未来可能的免疫新疗法做出的突出贡献。
+论文链接：https://www.nejm.org/doi/full/10.1056/NEJMcibr2119477
+4、Cell Reports | 人类癌症预后特征的全基因组鉴定及分析结果
+
研究团队对TCGA中所有类型的肿瘤患者和所有基因组数据平台进行无偏倚的生存分析，深入解析了侵袭性肿瘤和惰性肿瘤之间的分子差异，并严格评估了临床前研究中患者预后数据的利用。通过来自10,884名患者的基因表达、拷贝数、甲基化和突变数据构建了全基因组生存模型，生成了超过300万个Cox比例风险模型的丰富数据集，并在33种肿瘤类型中识别了超过10万个显著的预后生物标志物。
+论文链接：https://www.cell.com/cell-reports/fulltext/S2211-1247(22)00313-8
+5、iMeta | 德国国家肿瘤中心顾祖光发表复杂热图(ComplexHeatmap)可视化方法
+
热图是一种广泛针使用的针对矩阵数据的统计可视化方法，其用于揭示存在于矩阵中相似模式。目前R中有许多用于可视化热图的包，而ComplexHeatmap包为构建高度可定制的热图提供了最丰富的工具集，通过自动拼接和调整多个热图以及复杂注释，轻松建立多个来源信息之间的关联，本文全面介绍了ComplexHeatmap的设计、功能及应用场景。
+论文链接：https://onlinelibrary.wiley.com/doi/10.1002/imt2.43
+
最近，百图生科（BioMap）对外宣布成立百图生科免疫专家委员会。在免疫专家委员会第一次全体工作会议上，专家们结合免疫生物学的进展和未满足的临床需求，创新性地提出了五大高价值且有望利用生物计算手段加速提供解决方案的免疫学问题（即“五大计算免疫问题”），并就每个方向进行了深入的探讨和阐述。
+7、使用Kubernetes和Future包轻松并行化云中的R
+
在这篇文章中将演示你如何在运行云中的机器集群上轻松地使用R中的future包，特别是在Kubernetes集群上。这允许你在云计算中轻松地使用R进行并行计算。在云中这样做的一个优点是能够轻松地扩展(虚拟)机器的数量和类型，你可以在这些机器上运行并行计算。
+ +
本文通过具体的实例，详细的介绍了如何在ggplot2调整分面细节。
+ +
DNS是域名系统，是用来实现域名和IP地址相互映射的一个分布式数据库, 而访问网络资源的第一步就必须经过DNS解析过程，通过查询得到域名的IP地址才可访问网站，本文通过一些实例来详细介绍DNS查询到底是怎么完成的。
+10、GATK 的 germline CNV 流程–肿瘤基因组测序数据分析专栏
+
GATK流程中体细胞拷贝数变异（germline CNV）的中文教程。
+11、EvoFreq
+
高通量序列数据为研究群体的分子特征提供了有力的支持，当记录大量的时间步骤后，这样的数据可以通过跟踪基因型频率的变化随着时间的推移从而来揭示所研究的种群的进化动力学。因此我们需要一种简单而灵活的方法来可视化日益复杂的数据集。本文开发的EvoFreq包大大扩展了之前的克隆、时间动态可视化方法，并为用户提供了一系列显示序列或模型数据的选项。
+论文链接：https://bmcbioinformatics.biomedcentral.com/articles/10.1186/s12859-019-3173-y
+12、ezASCAT - 方便地从R中的Tumor-normal或Tumor only BAM文件执行ASCAT拷贝数分析
+该工具由maftools作者开发，主要功能是ASCAT软件的一个包装器。
+ +
rdataretriever提供数百个常用公共数据集中处理过的干净的数据，同时也可对数据进行清理、存储和存档。
+数据集列表：https://retriever.readthedocs.io/en/latest/datasets_list.html
+15、wxpython
+
wxPython是Python语言的跨平台GUI工具包。使用wxPython软件开发人员可以为他们的Python应用程序创建真正的本地用户界面，在Windows、mac和Linux或其他类unix系统上运行，只需要很少或不需要修改。
+Hello world:
+# First things, first. Import the wxPython package.
+import wx
+
+# Next, create an application object.
+app = wx.App()
+
+# Then a frame.
+frm = wx.Frame(None, title="Hello World")
+
+# Show it.
+frm.Show()
+
+# Start the event loop.
+app.MainLoop()
+16、图书：Applied Data Skills: Processing & Presenting Data
+
这本书提供了将原始数据转化为有信息的摘要和在专业报告和演示中呈现的可视化所需的基本技能的概述。
+图书链接：https://psyteachr.github.io/ads-v1/
+17、ci4cc-informatics-resources - 癌症中心的癌症信息学 (CI4CC)：建立一个专注于分享想法，致力于改善癌症护理和患者结果的非营利性生信社区。
+
成员遍布全球，每半年发起一次面对面会议，作为信息学领导者讨论在各自癌症领域面临的挑战和问题。
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang@kkjtmac@NiEntropy@He-Kai-fly@JnanZhang@Tomcxf@wangdepin这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +++从本周起，新增「历史上的本周」一栏。本周刊已运营 1 年，发布 40+ 期，希望给长期读者和搜索到的读者带去一些帮助。如果大家觉得质量还可以，请大家多多分享转发！
+
这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+「生信周刊讨论区（语雀）」 | 「生信讨论区（Gitter）」
+
肠道菌群示意图（via）
+本周话题来自《碱基周报（第 007 期）：人体是一个共生生态系统》，对菌群感兴趣的可以详细阅读下。
+
++这个星球的真正主宰是那些我们肉眼看不见的微生物，包括：真菌、细菌和病毒等。人类的身体大约由 30 万亿个细胞组成，但却容纳了超过100万亿个微生物，富集在我们的消化道、生殖道和皮肤等部位。这其中微生物最富集的地方是肠道，人体的大多数微生物都生活在这里，每立方厘米大肠中的细菌数量，比地球上的总人口还要多。
+
ShixiangWang - 看不到、被忽视的可能更重要，比如空气、交通、陪伴，还有肠道菌群！
1、Science | 19种癌症类型的体细胞非编码突变图谱
+
该研究构建形成了包括19种主要癌症类型基因组在内不同突变模式的全基因组概况图谱。研究结果表明，非编码突变与广泛的不同生物学过程相关，其在基因组中的位置对功能注释至关重要。该研究也为全面解释全基因组测序数据提供了蓝图，并为未来研究非编码突变在肿瘤发展中的作用奠定了基础，最终为非编码癌症基因组的转化研究和靶向治疗铺平道路。
+论文链接：https://www.science.org/doi/10.1126/science.abg5601
+ +
急性T淋巴细胞白血病（T cell acute lymphoblastic leukemia，T-ALL）是一类起源于造血系统的恶性肿瘤，成人患者预后较差。作者整合了707例T-ALL患者的RNA-seq数据进行分子分型，分为了10个分子表达亚型，绘制了T-ALL转录组全景图谱。
+3、NAR | SPENCER：肿瘤非编码RNA来源的短肽数据库
+
近些年人们发现，有部分被定义的非编码RNA存在着阅读框，可以编翻译出一些短肽，而这些短肽的也在肿瘤发生发展中有着重要的功能。因此，系统研究肿瘤特异性非编码RNA来源的短肽，将会对理解肿瘤发生发展的机制提供新的视角。为此，来自中山肿瘤医院的生信团队开发了SPENCER 数据库（https://spencer.renlab.org/），收录了较为全面的ncRNA来源短肽的信息，并免费公布给大家使用。
+
本文提出了基于图耦联策略的深度学习整合单细胞多组学并进行调控推断的新方法-GLUE，该工作由北京大学/昌平实验室高歌课题组完成。
+5、Cancer Discovery | 癌症机器学习新算法REFLECT：基于协同突变特征预测癌症最佳治疗组合
+
REFLECT平台集成了机器学习和癌症信息学算法来分析生物肿瘤特征，包括基因突变、拷贝数变化、基因表达和蛋白质表达畸变，并可识别常见的协同突变。通过REFLECT预测药物组合可以提高患者的受益比例。
+
色彩空间 (color space) 是计算机上颜色的组成形式。常见的色彩空间有RGB、HSV、HCL等。grDevices包提供了色彩空间坐标与十六进制颜色间转换；RColorBrewer包提供 ColorBrewer 调色板；colorspace包提供更多色彩空间转换函数。
+R包链接： +- https://www.rdocumentation.org/packages/grDevices/versions/3.6.2 +- https://r-graph-gallery.com/38-rcolorbrewers-palettes.html +- https://cran.r-project.org/web/packages/colorspace/vignettes/colorspace.html
+ +本文介绍了brochure包及如何用它绘制多页Shiny。
+brochureApp(
+ # First page
+ page(
+ href = "/",
+ ui = fluidPage(
+ h1("This is my first page"),
+ plotOutput("plot")
+ ),
+ server = function(input, output, session){
+ output$plot <- renderPlot({
+ plot(iris)
+ })
+ }
+ ),
+ # Second page, without any server-side function
+ page(
+ href = "/page2",
+ ui = fluidPage(
+ h1("This is my second page"),
+ tags$p("There is no server function in this one")
+ )
+ )
+)
+8、scMappR - 推断驱动差异基因表达的细胞类型：制造signature matrix
+
本文介绍了通过scMappR构建cell-type signature matrix的过程。
+
Git是目前世界上最先进的分布式版本控制系统，熟练使用Git已然成为程序员的一项必备技能，平常工作中合并代码部分大多人可能会使用Sourcetree这样牛X的客户端工具，但若想真正展示个人实力还需要掌握足够多的git命令的使用，本文整理了45个日常使用git合并代码的经典操作场景，基本涵盖了工作中的需求。
+10、ar5iv - 一步告别arXiv公式排版错误，手机也能轻松看文献
+
ar5iv能够以现代HTML5格式显示预印本论文。ar5iv的使用非常简单，只要将网址中的arXiv中的X换成5再回车，页面就能自动跳转。
+ +
Omni是一个浏览器插件，能够让你的浏览器拥有Mac电脑一般的体验，最近在Github趋势榜和ProductHunt上已荣登榜首，这是一款集合了书签、历史记录、浏览标签、三位于一体的页面管理器，成为大受各种程序员、产品设计师的追捧的生产力工具！
+12、ambiorix - 受expression.js启发的R Web框架
+
13、Celda
+
Celda是一款基于贝叶斯分类模型作用于聚类单细胞RNA测序（ScRNA-Seq）数据的的套件。它能够执行“双聚类”，并同时将基因聚集到基因模块中，并将细胞分为细胞亚群。它还包含一种叫做Decontx的新型贝叶斯方法，可在没有空液滴信息的情况下在单个细胞中估算并消除RNA的污染。同时，还包括各种ScRNA-Seq数据可视化的功能。
+
PHATE has been implemented in Python >=3.5, MATLAB and R.
+15、GNNs Recipe - 学习图神经网络GNNs的重要资源
+
「Openbiox 生信周刊」运维小队：
+@ShixiangWang@kkjtmac@NiEntropy@He-Kai-fly@JnanZhang@Tomcxf@wangdepin这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+「生信周刊讨论区（语雀）」 | 「生信讨论区（Gitter）」
+
图源：2020 年黑白极简主义摄影奖-二等奖《坐下来，自由思考》，皮埃尔·佩莱格里尼
+++你可能听说过，极简主义（minimalism）这个词。 +它指的是一种美学风格，只保留最必不可少的成分，其他都省略，追求简约。比如，极简主义的网页设计，就只有标题、正文等主要内容，其他都是空白。
+
kkjtmac - 除了设计中的极简主义，生信领域中也应该存在极简主义：用最简单的图说明问题，用简单的代码解决一个问题。
1、Nature | 空间分辨率的染色质可及性测序新技术Spatial-ATAC-seq
+
2022年8月17日，樊荣教授团队和瑞典卡罗林斯卡学院Gonçalo Castelo-Branco教授团队合作利用微流控技术将组织进行空间二维编码，并与ATAC-seq技术进行结合，实现了全基因组尺度的染色质可及性测序分析，优化以后的Spatial-ATAC-seq测序结果与scATAC-seq的数据比较，质量达到相同水平，是空间表观遗传分析技术的有一个新的突破。
+论文链接：https://www.nature.com/articles/s41586-022-05094-1
+2、Nature Biotechnology | 解释临床蛋白质组学数据的知识图谱
+
Nature Biotechnology上的这篇文章构建了一个有助于解释蛋白质组学数据的临床知识谱图 (CKG)，一方面，CKG 支持具有临床意义的查询和高级统计分析，从而实现自动化数据分析、知识挖掘和可视化。
+论文链接：https://www.nature.com/articles/s41587-021-01145-6
+ +
由中国科学院深圳先进技术研究院与瑞士洛桑联邦理工学院Bart Deplancke课题组、苏黎世联邦理工学院Julia Vorholt课题组合作开发的活细胞转录组测序技术（Live-seq），首次实现了让单细胞进行转录组测序后依然能够保持细胞存活。该技术兼具全基因表达分辨率和动态解析能力，是目前对单细胞转录组直接动态测量、偶联细胞现有状态和其后续表型的唯一解决方案。
+论文链接：https://www.nature.com/articles/s41586-022-05046-9
+4、熊说肿瘤 | ctDNA的生物学特征、检测技术问题和临床应用方向
+
该文章结合国内外关于ctDNA专家共识和文献，对 ctDNA 目前的技术问题、应用方向和新的应用前景进行剖析，从而对ctDNA有一个相对综合的了解和把握。
+ +
良性肿瘤，生长缓慢，与正常组织有清楚的界限；恶性肿瘤又称癌症，浸润生长，分化程度低，危害性大。对于早期或较早期癌症，大部分可以治愈，治疗时花费少、痛苦轻、时间短、疗效好。
+ +
BERT是一个算法模型，它的出现打破了大量的自然语言处理任务的记录。在BERT的论文发布不久后，Google的研发团队还开放了该模型的代码，并提供了一些在大量数据集上预训练好的算法模型下载方式。Google开源这个模型，并提供预训练好的模型，这使得所有人都可以通过它来构建一个涉及NLP的算法模型，节约了大量训练语言模型所需的时间，精力，知识和资源。
+（PS：实际对于门外汉来水还是不好理解哈！）
+ +
本文归纳总结深度学习中常用的几种卷积，并会试图用一种每个人都能理解的方式解释它们。
+涉及如下内容： +- 卷积与互相关 +- 深度学习中的卷积（单通道版本，多通道版本） +- 3D 卷积 +- 1×1 卷积 +- 卷积算术 +- 转置卷积（去卷积、棋盘效应） +- 扩张卷积 +- 可分卷积（空间可分卷积，深度可分卷积） +- 平展卷积 +- 分组卷积 +- 混洗分组卷积 +- 逐点分组卷积
+8、scRNAtoolVis | 单细胞转录组数据的可视化展示R包
+
链接：https://github.com/junjunlab/scRNAtoolVis
+ +
给 HTML 文档或者 PPT 添加倒时器的 R 包「countdown」。
+链接：https://github.com/gadenbuie/countdown
+10、Connected Papers | 文献知识图谱构建工具
+
Connected Papers是一款帮助科研工作者完成文献检索和信息挖掘的可视化工具，于2020年6月正式面向大众开放，它是基于Semantic Scholar的数据构建图表，该数据库囊括了1.8亿多篇学术论文，可轻松了解某一篇文献的引用和被引用关联，分析出文献的前世今生，方便我们快速对一篇文献或者某一个领域进行调研。
+链接：https://www.connectedpapers.com/
+ +
hdWGCNA，之前叫scWGCNA，提供了针对单细胞/空间转录组数据的WGCNA分析包。官方教程非常详细，从基本功能，可视化展示，富集分析，投影结果到新数据集。
+链接：https://smorabit.github.io/hdWGCNA/articles/basic_tutorial.html
+12、Workshop材料：Getting Started with Shiny
+
本材料是为rstudio::conf 2022会议准备的，提供了初学者学习Shiny的资料（目前Shiny已经拓展到Python去了）。
+在线阅读幻灯片：
+
单细胞转录组测序发展迅速，网上相应教程资源也都铺天盖地，笔者根据哈佛大学研究人员发布在Github上Single-cell RNA-seq analysis workshop的单细胞教程进行了整理汇总，方便大家学习！
+资源链接：https://github.com/hbctraining/scRNA-seq
+ +该资源介绍了通过R进行深度学习的相关R包和学习资料。
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang@kkjtmac@NiEntropy@He-Kai-fly@JnanZhang@Tomcxf@wangdepin这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+「生信周刊讨论区（语雀）」 | 「生信讨论区（Gitter）」
+
第一张免疫系统连接图谱：人体免疫系统由在全身循环的细胞分布网络组成，这些细胞必须动态地形成物理关联，并利用其细胞表面蛋白质组之间的相互作用进行通信。via
+++RNA-seq是目前生信一个重要的技术组成和科研内容。一般来说，我们在RNA-seq进行差异分析时最好使用Count值，因为limma-voom、edgeR和DESeq2都是针对RNA-seq的Count值分布进行假设，从而设计的软件。但是，在实际过程中，我们并不是总能获得其Count值，而经常得到的是FPKM或者TPM值，那对于这种情况，我们能不能使用类似于分析芯片的方法进行差异分析呢？
+文章利用数据集 GSE145894 对比了count数据和几种不同的FPKM形式得到的差异基因列表，发现不同结果存在较大的差异（具体见下图）。
+
@ShixiangWang - 不难发现两两交集的比各自独立的少很多，也就是不同的表达矩阵形式会很大影响结果。如果对该数据集下count数据的不同差异分析方法再做个对比和这个图结合起来看，可能会有一个更为全面的认识。比如，有兴趣的读者可以看看TPM, FPKM, or Normalized Counts? A Comparative Study of Quantification Measures for the Analysis of RNA-seq Data from the NCI Patient-Derived Models Repository这篇文章。
1、Science Advances | 单分子突变测序SMM-seq，可检测低丰度体细胞突变
+
本文介绍一种新型双重测序技术-单分子突变测序（SMM-seq），它可以用于检测细胞和组织中的超罕见突变，目前研究团队正在向商业化中，从而更大范围的探索各种疾病的诱变因素。
+2、bioRxiv | 单细胞多组学整合分析解析人类肿瘤浸润T淋巴细胞的细胞状态特异性增强子图谱
+
该研究利用改进优化后单细胞ATAC-seq测序技术构建了不同肿瘤TILs中T细胞的染色质可及性图谱，并解析了不同功能状态T细胞亚群染色质可及性的异质性特征和耗竭性T细胞的组织特异性调控元件及其核心拟时序分化发育轨迹。通过单细胞多组学数据的整合分析，鉴定了不同细胞亚群特异的增强子-启动子互作关系和关键调控靶基因，并利用CRISPRi/a基因编辑技术验证了这些远程调控增强子元件对相应靶基因的互作调控关系。总之，结果为深入研究T细胞耗竭关键基因的非编码调控元件开辟了新的途径，并为基于CRISPR i/a介导的增强子编辑技术干预T细胞功能和免疫治疗提供了潜力。
+3、European Heart Journal | 中国首个冠心病多基因风险评分（PRS）模型建立
+
国家心血管病中心/中国医学科学院阜外医院顾东风院士与鲁向锋教授团队成功建立我国首个冠心病多基因风险评分（PRS）模型，为冠心病风险评估和干预措施选择提供了解决方案。该研究建立了我国居民冠心病高危人群早期筛查的实用性评估模型，并提出不同遗传和临床风险人群的心血管健康管理路径和方案。
+
在哺乳动物基因组中，DNA 甲基化是一种常见的表观遗传修饰，其中最常见的一种甲基化方式是通过 DNA 甲基化转移酶将甲基转移到胞嘧啶的 C5 位置以形成 5-甲基胞嘧啶（5mC）。
+随着 SMRT Link V11.0 软件的发布，PacBio 已经实现通过HiFi测序直接检测 DNA 样本中 CpG 位点的 5-甲基胞嘧啶（5mC甲基化）。从现在开始只需在HiFi测序时在 SMRT Link Run Design 中选择 5mC 检测，Sequel II 和Sequel IIe 系统将会在 .bam 文件中自动输出带有标签的 HiFi 数据，这些标签包括 CpG 位点 5mC 甲基化的位置和概率信息。
+
Research (ISSN 2096-5168 EISSN 2639-5274 CN 10-1541/N)是中国科学技术协会与美国科学促进会于2018年共同创办的综合性科技期刊，是美国Science 自1880年创刊以来的第一本合作期刊。Research 定位为国际化、高影响力的世界一流水平期刊，对标 Science 和 Nature。
+
6、simplifyEnrichment 新特性：展现你的分组特异 pattern
+最新版本支持在左侧添加不同组别的富集条目数目的比较条形图，为不同的分组比较带来更直观的效果。
+
太有意思了！！！任何一段波长，都可以分解为若干正弦波的组合；任何一个2D图形可以被通过周转圆分解为若干2D正弦波的组合，同样适用于3D。这就是傅里叶变换，可以将事物分解成不同频率的正弦波。
+8、 ivs (said, “eye-vees”) - 处理区间R包介绍
+
本文通过具体实例介绍了如何使用ivs包进行时间（日期）上的交叉重叠计算，以及相关的拓展应用。
+ +
WGCNA最初用于芯片测序数据，也适用于RNA-seq数据。本文详细介绍了WGCNA分析的原理，并参考官网代码与数据进行了实操。
+
R包cbpManager提供了一个R Shiny应用程序，它有助于生成适合于癌症基因组学cBioPortal导入的文件， 从而让用户能够管理和编辑临床数据，维护新的患者数据。
+ +
Notestar包是一个基于 targets包所开发的便于记录的笔记系统包，适用于平常的数据分析项目中，具体使用可参考示例教程。
+ +
13、MetBrewer - 纽约大都会艺术博物馆大师级作品的配色方案
+
调色板的灵感来自于纽约大都会艺术博物馆的作品。所选作品来自不同的时期、地区和媒介。
+14、ggprism - GraphPad Prism风格的绘图包
+
在ggplot的基础上修改图，功能：theme_prism(）修改主题；scale_colour_prism()修改颜色；scale_fill_prism() 修改填充颜色；scale_shape_prism()修改点的形状；以及其他：修改坐标轴，添加p值等。
+15、BS831 Genomics Data Mining and Statistics +课程材料
+该课程将学习代码和材料融合在一个R包中，方便学习。课程包括7个模块：1) Introduction to Genomics Analysis; 2) Data Preprocessing and Quality Control; 3) Comparative Experiments based on Microarrays and Linear Models (LM); 4) Comparative Experiments based on RNA-sequencing and Generalized Linear Models (GLM); 5) Comparative Experiments based on Differential Enrichment Analysis; 6) Classification; and 7) Clustering and Class Discovery.
+
微软在 GitHub 推出了一系列「XX-for-Beginners」的开源技术教程。顾名思义，就是写给初学者看的技术教程，里面覆盖了 Web 开发、机器学习、Python、物联网、全栈、数据科学、DevOps 等诸多内容。以上内容已收录至 GitHubDaily 的开源项目列表中：https://github.com/GitHubDaily/GitHubDaily
+17、150年《自然》杂志精选的809篇文章，集合在一套书里
+
不缺钱的可以买着收藏～
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang@kkjtmac@NiEntropy@He-Kai-fly@JnanZhang@Tomcxf@wangdepin这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+「生信周刊讨论区（语雀）」 | 「生信讨论区（Gitter）」
+
本周话题来自《测序中国：为何动物的寿命差异那么大？》，对动物寿命差异感兴趣的可以详细阅读下。
+
++在哺乳动物体内，体细胞的突变会在健康细胞中终生积累。这些突变是肿瘤发生的基础，并被推测是导致衰老的原因之一。近日，英国Sanger研究所等单位的联合研究团队在Nature发表了题为“Somatic mutation rates scale with lifespan across mammals”的研究文章。研究表明，所有物种的体细胞突变主要由内源性突变过程主导，但体细胞突变率在不同物种之间差异较大，且与物种寿命呈强烈的负相关。总之，该研究数据揭示了哺乳动物的共同突变过程，并表明体细胞突变率在进化上受限，也可能是衰老的一个重要贡献因素。
+
@He-Kai-fly - 动物的寿命都是自然进化的结果，千百年来慢慢形成的，不同动物寿命不同，是因为养育后代所需要的时间以及自身所能承受的代谢结果对环境的适应程度的不同所导致的。
1、Nature Machine Intelligence| 上交大团队开发预测人类白细胞抗原结合的 Transformer 框架
+
人类白细胞抗原（HLA）可以识别并结合外源肽，将它们呈递给专门的免疫细胞，然后启动免疫反应。肽和 HLA 结合的计算预测可以加速免疫原性肽筛选并促进疫苗设计。然而目前缺乏一个自动程序来优化对目标 HLA 等位基因具有更高亲和力的突变肽。为了填补这一空白，上海交通大学的研究人员开发了 TransMut 框架——由用于 pHLA 结合预测的 TransPHLA 和一个自动优化的突变肽 (AOMP) 程序组成——它可以推广到生物分子的任何结合和突变任务。该框架可应用于任何生物分子突变任务，例如表位优化或药物设计，尤其适用于疫苗开发。
+论文链接：https://www.nature.com/articles/s42256-022-00459-7
介绍四篇发表在【Nature Methods】上的高质量文章，分别提出了： +- 剪接Z评分spliZ的统计方法、用于检测单细胞RNA测序中的调节剪接。 +- 用于量化sc/snRNA-seq数据的alevin-fry框架 +- 结合自编码期和潜在空间向量算法的高维单细胞及表达数据的模型—scGen +- 一个定制的分层统计力学建模HSM，用于预测多个蛋白质家族PBD-肽相互作用的亲和力。
+论文对应链接： +1. https://www.nature.com/articles/s41592-022-01400-x +2. https://www.nature.com/articles/s41592-022-01408-3 +3. https://www.nature.com/articles/s41592-019-0494-8 +4. https://www.nature.com/articles/s41592-019-0687-1
+ +
高效、透明的同行评审新平台PeerXiv ，论文作者提交预印本，5 位审稿人被要求按照 5 分制、5 指标的评价系统（新颖性、重要性、复现性、验证性、展现性）对每篇论文进行打分，论文作者一个月内就可收到审稿结果。
+网址：https://peerxiv.web.app/dashboard/papers
+4、DrugCVar|一个针对特定变异位点的肿瘤靶向用药分析平台
+
DrugCVar是由中山大学肿瘤防治中心刘泽先研究员团队开发的一个针对特定变异位点的肿瘤靶向用药分析平台。该平台整合了近几年发表的临床试验文献以及公开数据库 (OncoKB、CIViC、CGI和MCG) 的数据方便用户快速检索肿瘤变异靶向用药方案，同时对不同格式的肿瘤变异位点数据进行批量注释，为研究肿瘤的潜在靶向突变和制定治疗策略提供了重要数据支持。
+论文链接：https://academic.oup.com/bioinformatics/article-abstract/38/11/3094/6569075?redirectedFrom=fulltext
+
这个帖子分享了许多研究生常逛的网站工具，建议新入学的研究生们看看。
+ +
本推文介绍了两种获取基因有效长度的方法，一是从上游输出文件结果中获取，二是从gtf文件中计算获取，同时附上了相应的代码和注释。
+ +
+介绍两种常用的查看R-package中某个函数的源代码方式，更加有效的学习优秀的R包提高对代码的理解能力。
链接： +1. https://rdrr.io/ +2. https://stackoverflow.com/questions/19226816/how-can-i-view-the-source-code-for-a-function
+ +
gget 软件包可以帮助我们直接从命令行或 Python 环境中快速查询存储在几个大型公共数据库中的信息。gget 由九个小工具组成，除了提供对基因组数据库的访问，还包括了一些分析工具，如 BLAST，简化了复杂的注释流程。每个 gget 工具仅需要很少的参数，就可以提供清晰完整的输出，最大程度地提高了易用性，对新手较为友好。
+论文链接：Luebbert, L. & Pachter, L. (2022). Efficient querying of genomic reference databases with gget. bioRxiv 2022.05.17.492392;
+doi: https://doi.org/10.1101/2022.05.17.492392
thematic包简化了 ggplot2、lattice和 base的 R 图形的主题设置，提供了多种主题。
+R包链接：https://github.com/rstudio/thematic
+10、miloR|基于KNN图对单细胞数据集进行丰度差异分析
+
Milo是一种基于KNN图对单细胞数据集进行丰度差异分析的方法。
+ +
gitdown包可以用来创建gitbook。
+ +
+EasyStats是一系列包装，在使用R编程语言中的统计模型（R Core Team，2021）时，可在协同作用下运行，以提供一致和直观的语法。大多数EasyStats软件包返回模型参数和性能的全面数字摘要。See软件包通过许多功能和工具来补充这些数字摘要，以生成一系列可用于模型参数，预测和性能诊断的出版物的可视化。作为EasyStats的核心支柱，See软件包可帮助用户利用可视化，以提供更多信息，可传教和全面的科学报告。
13、shinymanager|为 Shiny 提供了登陆认证
+
+shinymanager 为 Shiny 提供了登陆认证的实现。
14、DGE_workshop|关于差异基因的Workshop资源
+
本资源是关于差异基因(DEG)分析的学习资料，从分析理论、所用R包和实例数据进行教学展示。
+链接：https://hbctraining.github.io/DGE_workshop_salmon/schedule/
+15、oncoEnrichR|对癌症背景下的人类基因组进行功能查询
+
oncoEnrichR是一个R软件包，用于对癌症背景下的人类基因组进行功能查询。它主要用于长基因列表的探索性分析、解释和优先排序。
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang@kkjtmac@NiEntropy@He-Kai-fly@JnanZhang@Tomcxf@wangdepin这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。 +本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。 +「生信周刊讨论区（语雀）」 | 「生信讨论区（Gitter）」
+
++本周话题来自清华教授张焕晨（计算机专业），你真的适合读博吗？ + 9月，又到了校招的季节，身边的同学们也都开始关注校招信息，投简历了。是升学？还是就业？
+
@NiEntropy - 升学还是就业？我的话优先选择升学，计划申请生物信息学方向的博士（干湿结合/干实验均可）。2020级生物与医药专业（肿瘤药理方向），课题也都还在进行中。之前一直在做横向，今年上半年刚开始做自己的纵向课题（自己通过生信分析找的靶点）。目前还没有联系到博导，求推荐！
+如果升学失败，就去工作，比起做实验，我更喜欢敲代码。目标：生信工程师
+
在临床中，有许多肿瘤对放疗不敏感。因此，“狡猾的”肿瘤细胞必定在进入DNA合成期（S）之后，进入分裂期（M）之前（即G2期），找到了救命的办法。丹麦哥本哈根大学Claus S. Sørensen教授团队研究发现，肿瘤细胞在DNA被放射线破坏之后，会招募一种核酸酶（CAD）到DNA损伤处，主动切断自身特定位点的DNA，阻止复制分裂的进行，使得肿瘤细胞停滞在G2期（DNA合成后期），为修复放疗导致的DNA损伤赢得宝贵时间。
+2、STAR Protocols | 给初学者进行长读测序基因组组装、分析结构变异的入门指南
+
本文详细介绍了初学者如何对长读测序技术产生的结果进行基因组组织、结构变异分析和基因注释。
+3、Science｜深度学习对抗原序列的通用编码指导免疫治疗
+
近日，在Science顶刊上，Achar等人通过机器人平台与机器学习相结合，对T细胞活化进行实验测量和理论建模，研究广泛的功能性T细胞对不同抗原刺激反应的数据来解决这个问题。使用机器学习，作者构建了一个简化的地图，可以将6种不同的抗原依赖性免疫反应的类别分开。了解这种抗原编码可以帮忙指导免疫治疗，包括工程化嵌合抗原受体（CAR)-T细胞和识别疫苗抗原。
+
随着21世纪全球化的不断拓展，跨区域的合作交流越来越频繁。现如今在科研领域，一个科研项目可能涉及到多个国家、地区的科研工作者的协作。如何使交流更加顺畅有效，进而协调彼此间的工作变成为急需解决的问题。本文根据上述问题提出了十点建议，以供参考。
+
EM算法是机器学习/优化的核心算法之一，本文系统地介绍了其由来、原理，并通过案例进行解读。
+ +
本文介绍过拟合的概念，如何进行判断以及预防过拟合的一些策略。
+++过拟合是指模型与训练数据集完美拟合时的概念。虽然这听起来很合适，但事实恰恰相反。在过拟合中，模型对不可见数据的表现要差得多。当一个模型完美地适合训练数据集，但在新的测试数据集上表现不佳时，它可以被认为是“过拟合”。另一方面，当一个模型被训练的时间不足以确定训练数据中有意义的模式时，就会发生欠拟合。过拟合和欠拟合都不能应用于大量新鲜和未见的数据集。
+
+（徐鹰与父亲合照）
非常有意思的一篇文章，读一读可以了解生物信息学很多事情的来龙去脉，感受不同人对于人生与成就的理解和实践。
+
RIdeogram 包用于绘制 SVG（可缩放矢量图形）图形，以可视化和映射染色体带上的全基因组数据。
+本文介绍了plotbb的基本语法，例如美学映射、几何布局等。
+10、forestploter | 轻松绘制发表级别的森林图
+
forestploter的目标是更加轻松便捷的制作出发表级别森林图。与制作森林图的R包相比，其提供了一些额外的显示。该数据集将用作森林图的基本布局，列表绘制置信区间的宽度可以用列的字符串长度来控制。可以使用空间来控制这一点。图中的元素放在行和列中，将图形视为表。
+11、R包｜cosmosR
+
cosmosR包含蛋白质组学、转录组学和代谢组学数据集等多组学集成分析方法。cosmosR基于信号通路、代谢网络和基因调控的广泛先验知识，利用计算方法估计转录因子和激酶的活性，以及网络水平的因果推理。可以为跨多个组学数据集的实验观测提供机制解释。
+12、BeeWare
+
BeeWare 包含一套工具和库，它们彼此间协同工作，以帮助使用者编写跨平台的本机 GUI Python 应用程序。
+
+ProjecTILs是一种将scRNA-seq数据投影到参考单细胞图谱中的计算方法，并使其能够在稳定的注释坐标系中直接比较。
+与其他方法相比，ProjecTILs不仅可以在不改变数据结构的情况下准确地将新的scRNA-seq数据嵌入到参考文献中，还可以发现以前未知的细胞状态，这些细胞状态“偏离”了参考。同时它也能准确地预测细胞扰动的影响，并识别在不同条件和组织下改变的基因程序。
14、Scissor | 整合bulk+单细胞RNA测序鉴定表型相关细胞亚群的R包
+
去年发表在Nature Biotechnology上的Scissor算法，可利用大量单细胞数据和表型信息识别与疾病高度相关的细胞亚群，从一个新的角度来探索和解释了单细胞数据。小伙伴们有试过该工具最终效果如何？
+
收集了一些比较好的课程资源，主要面向汉语人群。
+16、一个独特的简历生成器
+
该工具可通过各种配置，让创建、更新、共享简历的过程变得更加简单便捷，并且免费开源，支持中文！你可以一次性创作多份简历，并为每个简历生成特定链接，导出生成 PDF 文件，随时随地进行分享。另外，它还支持对简历外观进行灵活定制，颜色、主题、布局任意变动。暗黑模式与明亮模式，快速切换。所有的内容与外观变动，均所见即所得，无需等待与加载更新，整个过程极为流畅。
+「Openbiox 生信周刊」运维小队：
+这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
+（完）
这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+「生信周刊讨论区（语雀）」 | 「生信讨论区（Gitter）」
+
++ARM平台的苹果M系列芯片自发布以来已经有2年了，更强劲的M2系列芯片也可能在10月份发布。目前生信软件在M系列芯片上的兼容性也日趋完善，想必有不少小伙伴已经入手尝试了，那么来分享一下你在使用苹果M系列芯片电脑跑生信的感想吧！
+
kkjtmac - 最近入手了M1版本的Mac mini，尝试了R语言下的常规转录组下游分析，和Intel版本下的没有差异，而且基本没听到风扇转动。
1、ActiveSVM ｜ 提取scRNA-seq中的最小基因集
+
作者开发了一种特征选择方法ActiveSVM，通过带有支持向量机分类器的主动学习策略来处理顺序特征选择。从大型单细胞 mRNA-seq 数据集中提取高信息量的基因，构建用于细胞分类的最小基因集。该方法可以降低计算和测序成本，为主动采样策略提供依据。
+
空间转录组学和其他空间技术使科学家能够解剖肿瘤微环境中不同细胞类型的组织和相互作用。本文请专家讨论了该技术的一些方面，从揭示肿瘤微环境和异质性，到跟踪肿瘤进化，到指导肿瘤治疗，到目前的技术挑战。
+3、Cell | “千人基因组计划”资源扩展——高覆盖全基因组测序和改进的分析方法发现更多基因变异
+
近日，来自纽约基因组中心的研究人员与麻省总医院、耶鲁大学和人类基因组结构变异联盟（HGSVC）的合作研究在Cell上发表，其扩展了1kGP资源，分享了一个包含3202个样本高覆盖率WGS资源，包括602个完整的亲子三人组。研究团队通过机器学习模型集成了多种分析方法，进行了SNV和INDEL的鉴定，并生成了一组全面的SV数据集。研究团队还与前期数据集进行了比较，强调了此次变体鉴定方法的高灵敏度和高精度，特别是对罕见SNV、INDEL和不同频率SV的检测，这些都是以前低覆盖率测序无法实现的。
+4、四十年编程感想
+
本文作者8岁学习编程，今年46岁，写了一大堆自己的感想，其核心要点如下：
+
该推文列举了生物序列比较的主要应用场景： +- 物种/基因的进化 +- 基因组学 +- 不同功能的进化特征 +- 引物设计 +- 参考基因组比对
+ +
本文根据时间顺序整理归纳了癌症靶向治疗及其相关研究领域中的里程碑事件。
+ +
本文简述了在论文投稿前需要检查的25个细节，为文章的顺利接受提供有力的投稿准备！
+
ggmsa是Y叔团队开发的进行多序列比较结果可视化的R包，相关成果也发表在Briefings in bioinformatics上。
+
ggpie利用ggplot2实现了饼图(2D和3D)、甜甜圈饼图和玫瑰饼图的绘制。
+
R-grafify包，其包含了5大类共19种可视化图表，帮助大家更便捷的绘制符合出版要求的可视化图表。5个类别分别为：Two variables、Three or four variables、Numeric X-Y Plots、Before-after Plots、Data distributions。
+
该插件将 R 语言的调试功能添加到 Visual Studio Code，依赖于R 包 vscDebugger 。
+
宾夕法尼亚大学的一门生物信息学自学课程，涉及 rna-seq 分析和单细胞转录组分析。网站包括课程 slides、video、以及其他一些免费资源。
+13、design-resources-for-developers | 开发者的设计资源集合
+
该集合整合了设计各方面的资源，项目包含了图片、网站模版、CSS 框架、UI 等资源。
+
该笔记详细的scATAC-seq学习笔记汇总，从原始数据上游处理，数据整合，细胞分群，motif富集分析，轨迹分析等。
+「Openbiox 生信周刊」运维小队：
+
@ShixiangWang@kkjtmac@NiEntropy@He-Kai-fly@JnanZhang@Tomcxf@wangdepin这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +++祝各位读者国庆假期快乐，我们下期将延期一周准备和发布。
+
这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+「生信周刊讨论区（语雀）」 | 「生信讨论区（Gitter）」
+
世界上最大的洞穴-道恩洞（via）。
+
2022年的RStudio大会上RStudio宣布改名为Posit（https://posit.co/），以拓宽其在数据科学领域的探索与应用，其核心产品RStudio编辑器将维持原名。
+
推特用户@Sharon Machlis写道：RStudio changes its name to Posit as it expands focus to Python and VS Code - but officials say they’re not forsaking R.
@ShixiangWang - 之前万万没想到改名，但RStudio公司的改名对我们使用RStudio软件的人来说没什么影响。从改名我们也不难推测出该公司在走上坡路，想要在数据科学领域进行拓展、占据更重要的位置。本期推荐的产品quarto其实就承载着这样的志向，把RMarkdown的成功推向多种编程语言。希望Posit公司未来的进步为R社区带来更多的进展，包括软件生态、编程范式、计算性能。
5月份Science杂志封面展示了人类细胞图谱合作组（Human Cell Atlas Consortium）的四篇人类多组织单细胞图谱的研究，同时邀请北京大学张泽民教授进行评述并发表了专门的观点文章：Mapping cell types across human tissues。发表的这四篇论文提供迄今为止最全面、最多组织的细胞图谱，横跨了人类33个器官共计超百万个单细胞数据。
+2、iScience | 首个细胞级组装的人体集成细胞图谱hECA
+
张学工研究团队开发了一个统一的信息学框架，用于细胞中心数据无缝组装，并从分散的数据中构建了人类集成细胞图谱（hECA）。据悉，这是首个细胞级组装的人体集成细胞图谱，汇集了来自116个已发表数据集的1,093,299个已标记的人类细胞，涵盖38个器官和11个系统。
+这里涉及一个新概念：细胞级组装/集成，解释为：
+++细胞级组装就是对不同来源的人体单细胞数据经过统一质控和预处理后，按统一信息框架集成到同一个数据集合体中，保存关于每个细胞的所有信息。
+
3、Nature Genetics | 多维空间组学研究揭示：肿瘤微环境结构可作为乳腺癌临床预后的有效指征
+
剑桥大学的研究团队使用成像质谱流式技术（Imaging Mass Cytometry, IMC）结合来自693名乳腺肿瘤患者样本的基因组、临床数据进行了多维空间分析，揭示了乳腺肿瘤中TME结构分布及其与基因组特征和临床结果的关系。该研究系统绘制了TME的原位结构，并确定了10个具有不同富集模式的复发性TME结构，其中一些结构与指示免疫逃逸的基因组谱相关。该研究揭示的多细胞结构将保守的空间组织与局部TME功能相结合，可以用于改善患者分层，也为未来理解癌症组织的空间组织原理奠定了基础。
+4、Cancer Research | 发文揭示不同癌症类型TMB与免疫治疗反应关联的免疫决定因素
+
美国国立卫生研究院（NIH）国家癌症研究所的研究团队检测了TCGA中31个具有不同癌症类型TME特征的免疫相关因子水平，并将其与2,277名接受ICI治疗（抗PD-1/抗PD-L1）患者的TMB和反应数据相结合，在14种不同癌症类型中确定了决定TMB效力的关键免疫因子。结果显示，TME中高水平的M1巨噬细胞和低静息的树突状细胞表征了具有高TMB效力的癌症类型。此外，基于这两种免疫因子的模型也准确预测了特定癌症类型中的TMB影响。
+5、获6亿美元融资，基因测序公司Ultima Genomics推出100美元全基因组测序
+
基因组测序公司 Ultima Genomics 走出隐身模式，宣布完成6亿美元融资，并推出新型高通量、低成本基因测序平台，可提供100美元的全基因组测序，这直接将当前1000美元的全基因组测序价格降了一个数量级。据悉，使用该测序平台的第一批科研成果——全基因组测序、单细胞测序和癌症表观遗传学测序，在预印本平台 bioRxiv 上发表，或在基因组生物学技术进展大会（AGBT）上发布。
+ +
epistack 包的主要目的是以感兴趣的基因组区域为中心的将基因组印记(支持但不限于 ChIP-seq、ATAC-seq、DNA 甲基化或基因组保守数据)整合可视化。
+ +
国外有一些国家地区使用夏令时，本文以数据可视化探索世界各地和美国城市的夏令时。对于可视化感兴趣的读者不妨读读、学习下可视化优化源代码。
+8、Python已可在浏览器端运行，或将成为前后端通吃语言？
+
Anaconda发布了可在浏览器端运行的 Python—PyScript开发框架。它为开发者提供了在标准 HTML 中嵌入编写 Python 代码的能力、使用 Python 调用 JavaScript 函数库，以及创建 Python Web 应用。目前 PyScript 处于 alpha 测试阶段，下载和安装地址：https://pyscript.net/。
+
该推文介绍了两个不同平台的演讲展示工具。Marp是基于Markdown的演讲展示制作工具，而DeckDeckGo是web端的编辑工具。
+
toastui包可以创建交互式表格、日历和图表。
+11、susieR
+
susieR利用一种简单的新方法来执行多元回归中的变量选择（$y=Xb+e$）。这里实现的方法特别适用于某些X变量高度相关、真实效果高度稀疏的设置。其中的一个例子是基因精细制图应用程序，这是开发本方法的主要动机。同时，本方法也可以应用于更普遍的情况。
+12、pkgverse - 像tidyverse一样构建自己的R包集
+
13、Warp
+
Warp 是一款速度极快的现代基于 Rust 的 GPU 加速终端，旨在提高个人和团队的工作效率。目前仅支持MacOS。
+14、quarto - 支持多种语言的可执行markdown工具
+
Quarto 是一个基于 Pandoc 的开源科技出版系统，新一代的markdown，支持VS_Code ，RStuido(Posit)，Jupyterr，Text_Editor等多种软件。
+
16、哈佛大学的生物信息学培训
+
Shell、R、Python的基础使用教程；RNAseq、sc-RNAseq、ChIPseq的高级分析教程。
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+「生信周刊讨论区（语雀）」 | 「生信讨论区（Gitter）」
+
超过四成的电脑仍然无法升级到 Windows 11。via
+
++科研是一份没有上下班，几乎全天候头脑在线的工作，对于需要整天泡实验室的科研人而言，想工作之余管管老人孩子更是分身乏术，因此诸多优秀的（女）博士不得不在人生的岔路口选择退出学术道路。
+
@ShixiangWang - 对于科研职业道路来说，当前的环境下博士只是起点。随着我国社会进程在科技、经济、教育等多方面的发展，越来越多的学生涌入研究生教育与学术道路，不平等、压力、不正常的师生关系、不正常的人才职业化培养政策等等都会在这个环境下进行交互，塑造每个人在不同情景下的独特经历。就像高中老师在告诉我们“大学就可以自由、放飞自我”一样，我们应该意识到自我应该有着更多的价值判断并付诸行动，“你的人生只能是你的人生，别人并不会过多的关注”，人生不能只有一个支点，就像你单腿无法正常行走。科研工作只能是人生的一部分（也许的确有人乐意去把科研与人生等同对待，但也需要意识到科研归属于人生，而不是相反的逻辑，即人生永不可能归属于科研），那些灌输人生只有科研或者类似奉献的言语与文化只是一种欺骗，灌输者从不会奉行。切记每个人都独一无二，存在着比你想象更多的可能性。希望人间少一些白发人送黑发人，至少做科研的人生最后不应该停留在这里。
1、Nature | 人类泛基因组计划：更完整、更准确的人类参考基因组
+
人类泛基因组参考联盟（Human Pangenome Reference Consortium, HPRC） 旨在创建一个更为精准和完整的人类参考基因组，该计划以图形为基础、以端粒到端粒的测序结果建立尽可能高质量的人类参考泛基因组。近日，HPRC在Nature上发表了题为“The Human Pangenome Project: a global resource to map genomic diversity”的观点文章，概述了人类泛基因组参考联盟的战略目标、挑战和机遇。希望与全球范围内的科学家和生物伦理学家共同创建一个完整的人类全基因组参考资源，使其更多地涵盖整个基因组范围内的变异信息，为更大规模人类基因组资源提供终极指南，为开发新的概念框架和分析方法，以构建下游分析和可视化的全基因组基础设施和工具奠定坚实基础。
+2、Nature | 基因变异、表达与疾病：单细胞表达数量性状基因座（eQTL）
+
所有能够度量的性状都可以称为数量性状(QT)，这些性状呈连续的，不可以严格的分类，而数量性状基因座（QTL）即控制数量性状的基因在基因组中的位置，而表达数量性状基因座（eQTL）就是能控制数量性状基因的表达水平高低的基因在基因组中的位置。近日，美国布莱根妇女医院与哈佛医学院Soumya Raychaudhuri研究组在Nature上发表了文章，聚焦记忆T细胞，在单细胞分辨率水平建立了的eQTL模型，捕获细胞状态依赖的基因调控变异。
+3、Nature Methods | 系统评估16种空间转录组和单细胞转录组数据整合算法在预测基因或细胞类型空间分布方面的性能
+
目前空间和单细胞转录组数据整合算法已经非常丰富了，但是还未有系统的研究来评估它们在分析时的具体表现。因此中国科学技术大学生命科学与医学部瞿昆教授课题组在Nature Methods上发表的这篇文章，通过45对同一组织来源的空间转录组与单细胞转录组数据集，结合32个模拟数据集，并设计了多种指标，从准确性、鲁棒性、计算资源耗时等多维度系统性评估了16种整合算法在预测基因或细胞类型空间分布方面的性能。
+4、Science Advances | NK细胞可通过胞啃作用获取肿瘤细胞的PD-1，失去抗癌能力
+
本研究发现NK细胞表面存在的免疫检查点PD-1并非来自内源性表达，而是NK细胞通过由SLAM受体介导的胞啃作用，从肿瘤细胞的细胞膜上获取的。得到PD-1后，NK细胞的抗肿瘤免疫功能被抑制，不过可以由PD-1抑制剂挽救。
+
为了全局性的设置ComplexHeatmap的字体参数，我们可以先创建一个全局的viewport，在其中设置某种字体，然后让ComplexHeatmap的热图位于其中。这样一来，所有heatmap中的字体参数都将继承这个全局viewport中设置的字体参数。
+
来自科技爱好者周刊（第202期）的周话题-三个有启发的学习方法：
+8、finalfit包，简单快速输出单因素和多因素结果，并可视化模型结果
+
finalfit 包，在建模时快速创建精美的结果表和绘图，支持多种表格：cross table、modle table、survey table等，可以轻松导出为 Word 文档、PDF 或 html 文件。
+
dm填补了单个数据框和关系数据库之间数据管道的空白。它是一种联接表语法，为使用、创建和部署关系数据模型提供了一组一致的动词。对于单个研究人员来说，它拓宽了他们可以使用的数据集的范围以及如何使用这些数据集。对于组织来说，它使团队能够快速高效地创建和共享大型、复杂的数据集。
+ +
pup是用于处理HTML的命令行工具。它从stdin读取，打印到stdout，并允许用户使用CSS选择器过滤页面的部分。受jq这种JSON处理器的启发，pup的目标是成为探索终端HTML的快速灵活的方式。
+11、methylKit - 甲基化注释和分析的R语言工具包
+
methylKit是一个对甲基化测序数据进行质控、聚类、差异分析和注释等多种功能分析的R包。
+12、futile.logger - 类似 log4j 的R日志包
+flog.info("Hello, %s", "world")
+
+# Put pid in logging in multi-processing
+flog.info('%d message', Sys.getpid())
+
+# This won't print by default
+flog.debug("Goodbye, %s", "world")
+
+# Change the log level to debug and try again
+flog.threshold(DEBUG)
+flog.debug("Goodbye, %s", "world")
+
+# Keep an alternate logger at WARN
+flog.threshold(WARN, name='quiet')
+
+# This won't print since it's using the logger named 'quiet'!
+flog.debug("Goodbye, %s", "world", name='quiet')
+
+
SARTools是一个R包，专门用于RNA-seq数据的差异分析。它提供了一些工具来生成描述性和诊断图，使用著名的DESeq2或edgeR包运行差异分析，并将结果导出到易于阅读的以制表符分隔的文件中。它还有助于生成HTML报告，该报告显示所生成的所有数字，解释统计方法并给出差异分析的结果。注意SARTools并不打算取代DESeq2或edgeR：它只是提供了一个与之配套的环境。关于DESeq2或edgeR背后方法的更多细节，用户应该阅读它们的文档和论文。
+在线文档：https://colab.research.google.com/drive/1hoPcImQkct0yPz5nnYcJFOOX9O0EHjtB?usp=sharing#scrollTo=j3IvZ98bji7x
+
本仓库提供的资料和建议为你提交包到CRAN上分享给全世界的人们使用做好准备。
+15、课程 - 贝叶斯数据分析
+
一些贝叶斯数据分析的学习资料。
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+「生信周刊讨论区（语雀）」 | 「生信讨论区（Gitter）」
+
法国圣米歇尔山（Mont-Saint-Michel），是联合国教科文组织列为世界文化遗产，在山顶上则建有著名的圣米歇尔山隐修院。 +（图源：pixabay.com）
+
++“知识孤岛”（knowledge silos）就是在遇到问题，要么没人可问，要么没有文档，工作就卡在那里，进行不下去时所面临的处境。这就是知识时代的痛苦：太多的知识没有流动性，难以了解，难以获取，难以传播。
+
@kkjtmac - 这种“知识孤岛”也存在于日常的生信分析过程中，比如分析过程遇到各种大大小小奇怪的报错，这时候我的解决办法就是：1.首先是通过百度或者谷歌搜索进行解决，运气好的可以顺利解决。2.不能则求助于热心网友得到解决。3.再就是搁着N天，在某次偶然的情况下查到了相关知识，最终解决。4.搁置绕道，用别的方法。
@ShixiangWang - 世界上的知识在泛化、深化，个人越来越难以掌握系统的知识图谱，构建对知识、科学的整体印象，建议在学习技能的同时多看一些书籍，记录和输出笔记、感想等等。
1、Nat Rev Genet | 使用单细胞转录组学进行时间建模
+
在这篇综述中，作者讨论了时间序列scRNA-seq分析和建模的几种方法，重点介绍了它们的步骤、关键假设以及数据类型和它们最适合的生物学问题。
+2、Cell Research | 汤富酬课题组开发基于单分子测序平台的单细胞染色质可及性测序技术
+
北京大学生物医学前沿创新中心（BIOPIC）汤富酬课题组首次报道了名为scNanoATAC-seq的基于三代测序平台（单分子测序平台）的单细胞染色质可及性测序技术。该技术整合了长读段单分子测序平台和单细胞染色质可及性测序技术（scATAC-seq：Single cell Assay for Transposase Accessible Chromatin with high-throughput sequencing）的优势，实现了在一个单细胞中同时检测染色质开放状态以及基因组结构变异。
+3、Nature Reviews Cancer | 大数据在癌症基础研究和临床应用中的应用和挑战
+
美国国家癌症中心的姜鹏和 Eytan Ruppin 博士系统总结了大数据在癌症基础研究和临床应用中的应用和挑战，讨论了大数据驱动研究中的几种常见策略以及癌症数据科学中系统性局限。
+
2022年的诺贝化学奖，颁给了三位科学家：Carolyn R. Bertozzi，Morten Meldal，K. Barry Sharpless，奖励他们在“for the development of click chemistry and bioorthogonal chemistry”中的贡献，翻译成中文就是“奖励在点击化学和正交生物化学开发中的贡献”。陈巍老师在他的公众号用大白话详细解释这项技术。
+ +
近年来，动物模型在某些方面进行了改造，以提高临床价值。其中一种方法是创建人源化的小鼠模型。该模型主要代表之一是创建患者衍生的异种移植(PDX)模型。在最近的几年里，研究评估了化疗在这些模型的准确性，并发现在大多数情况下，PDX模型的化疗反应与患者之间存在显著相关性。此外，PDX模型具出显著的异质性，很好的反应了其亲代肿瘤在遗传和功能水平上的特征。因此，由于其具有良好的临床上的相关性，近些年被广泛应用。
+6、如何创新？
+
本文分享的是诺奖得主Karl Barry Sharpless教授2008年11月在中国天津大学 Honeywell Nobel Lecture 上给过的一个异常而且极为精彩的演讲。报告的题目是：“How to find something new”（如何发现新事物），Barry一生做过很多重要的演讲，但这个演讲可以说是其中最特殊的一次！
+++“科学家中有收藏家，分类者和强迫症患者。从性格上讲，他们之间许多是侦探，许多是探险家；有些是艺术家，有些则是工匠。”
+
7、IGV说明书
+
IGV，Integrative Genomics Viewer 交互式基因组浏览器，它是一种高性能的可视化工具，主要用来交互式地探索大型综合基因组数据。例如，可视化基因组突变信息，为基因组突变结果提供更加直观可靠的信息，它支持各种数据类型，包括array-based的和下一代测序的数据和基因注释。IGV的作用并不是找突变，而是可视化突变结果。在科学文献中经常会出现使用IGV来展示突变的结果。
+
plot1cell包提供了Circlize plot、Dotplot、Violin plot、Umap geneplot、ComplexHeatmap、Upset plot、Cell proportion plot等多种类型的单细胞可视化功能，并且功能在不断地更新中。
+ +
RCS(Restricted Cubic Spline或Natural cubic splines )实质上是通过选择节点的位置和数量，拟合样条函数RCS（X），使得连续变量X在整个取值范围内呈现光滑的曲线；开发的rcssci包V1.0版核心函数有3个，rcssci_cox、rcssci_logistic、rcssci_linear，分别适合于模型为等比例风险cox模型，经典二分类logistic和一般线性模型。
+ +
ggcoverage 基于ggplot2编写的基因组可视化R包，支持多种NGS数据，如WGS, RNA-seq, ChIP-seq, ATAC-seq等。
+ +
一个功能全面、超级实用的浏览器主页Startme（https://about.start.me/），可以帮助你提高工作效率，构建你的个人办公学习空间。
+12、看见统计：统计学入门教程
+
统计学正迅速成为数学中最重要和多学科的领域，看见统计致力于用数据可视化让统计概念更容易理解，目前内容包括：基础概率论、进阶概率论、概率分布、统计推断：频率学派、统计推断：贝叶斯学派和回归分析。
+ +
该github仓库收藏了一系列少见、新奇的基因注释(比如1bp length exon)。
+14、正则表达式快速入门
+
Quick Start可以让您快速掌握正则表达式。显然，这个简短的介绍不能解释关于正则表达式的一切。有关详细信息，请参阅正则表达式教程。快速入门中的每个主题都对应教程中的一个主题，因此您可以轻松地在这两个主题之间来回切换。
+15、网站资源集合
+
该推文整理了一些日常生活中可以直接访问的常用网站资源。
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+GitHub 粉们可以通过 Watch 仓库的 Release（提前）关注发布内容。
+讨论区的帖子《谁在招人？》，提供生信深造和就业信息，欢迎访问或发布学位攻读/工作/实习等岗位。
+ +
智慧校园。（via）
+本期话题与今年的最后一个诺贝尔奖有关。
+加州大学伯克利分校的David Card、麻省理工学院的Joshua D. Angrist和斯坦福大学Guido W. Imbens，共同获得了今年的诺贝尔经济学奖。
+瑞典皇家科学院表彰他们在劳动经济学和从自然实验中分析因果关系方面做出的贡献。
+初入生信的萌新，可能还在各种技术贴和教程里畅游，但如果稍有些科研经验，可能就会对因果话题产生疑惑和进行自己的探索。这是因为，当我们完成一项课题，所需要总结汇集产生的结论往往是因果，而绝大部分我们进行的数据分析只能产生相关。
+相关非因果，因果必相关。相关到因果的过渡在如今的生物医学科研中往往困难重重。你与今天的话题有哪些疑惑和共鸣？欢迎在评论讨论区留言。
+目前科研中你看到的主要的因果结论生成形式是依赖背景进行因果逻辑推断。在统计学方法中，通过贝叶斯体系可以直接从概率中推断因果。而其他领域，从相关到因果，可能真正产生一些根本性变革。
+++Judea Pearl与今年的诺贝尔获奖者颇有渊源，他因为开发因果推理的算法在AI上的贡献，而获得图灵奖。
+不过Pearl却是其中两位获奖者的坚定反对者。 +因为Pearl认为，他们的研究违反了因果推理的两个基本定律，即反事实定律和条件独立定律。
+
推荐感兴趣的读者看下《为什么：因果关系的新科学》一书，目前我也只是初步看了一点内容，从其他领域的系统理论中我们有可能获取当前科研进步的新力量。
+
从去年开始（没记错的话），Bioconductor每年针对亚洲区间举办年度会议（线上）。今年的会议会在11月1号-4号举行，会议安排请查看Schedule。除了会议报告，还有很多的workshops，新手读者朋友们看看是否有感兴趣的内容。
+中文workshop：
+2005年，Hoh及其同事首次成功利用基因组关联研究（Genome Wide Association Study, GWAS）鉴定了与年龄相关的黄斑变性主要基因。在随后的16年中，众多研究报道了数十万种遗传变异与数千种性状和疾病之间的可重复关联信号。世界各地开发了越来越多的生物库，参与者多达100万人，以期通过GWAS分析促进复杂性状的遗传研究。此外，已启动的许多联盟项目收集的各种类型数据对GWAS分析具有重要价值。这些丰富的数据给科学家们在数据管理、计算、分析、集成和解释方面带来了巨大的机遇和挑战。由Quantitative Biology （QB）期刊发起，美国耶鲁大学的赵宏宇教授，清华大学的侯琳教授，美国威斯康星大学麦迪逊分校的吕琼石教授和香港科技大学的杨灿教授共同组织了QB期刊2021年第二期的GWAS专辑（点击文末“阅读原文”查看本专辑所有文章）及本次网络研讨会。6位国内外专家将介绍GWAS最新科研进展和互联网时代的应用进展，并与参会专家一起展开深入交流。欢迎从事GWAS相关研究的老师和同学积极参与。（来源：公众号「QB期刊」）
+本次会议由Quantitative Biology （QB）期刊编辑部主办，授权蔻享学术进行网络直播（https://www.koushare.com/frontiers/qb）。扫描加入下面微信群，将实时获取最新会议通知。
+
直播时间：2021年11月13日上午10：00 - 12：00
+3、武大联合Elsevier创办生物医学期刊Cell Insight
+
Cell Insight 是一本开放获取双月刊，以打造“世界一流期刊”为目标，以“推动中国科技期刊高质量发展”为理念，重点报道生物医学领域的最新科学与技术成果。
+Cell Insight由中科院院士、武汉大学舒红兵教授担任主编，病毒学国家重点实验室主任、武汉大学蓝柯教授担任执行主编，由来自中国、美国、加拿大、英国、澳大利亚、日本、意大利、比利时、韩国等全球著名学术机构的40余位学者担任编委。
+Cell Insight 将提供专业且快速的论文审稿流程，论文投稿一周内决定是否送审，对送审稿件在二至四周内返回审稿意见，接受稿件 1 月内在线发表，同时在微信公众号加以推送。此外，Cell Insight 还对某些高水平、存在激烈竞争的稿件提供绿色通道快速发表。
+Cell Insight 将于 2022 年 1 月正式出版第一期，创刊前三年所发表的文章均免除文章出版费。(来源：公众号「科研大匠」)
+Y叔编写函数set_font()解决一次性字体设定。
g2 <- set_font(p,
+ family="Arial",
+ fontface="italic")
+
（来源：公众号「YuLabSMU」）
+2、Python 3.10发布：优化错误调试，新增match语句等
+更好的错误跟踪
+Python3.10 新增两个特性，可以更好地处理错误，即更好的错误消息和用于调试的精确行号。以下列代码为例，代码中包含字典和函数，然而这段代码显示没有关闭字典。
+some_dict = {1: "jack", 2: "john", 3: "james" ,
+a_results = a_useful_function()
+旧版本错误显示：
+
新版本错误显示：
+
Python 3.10 关于错误跟踪新特性将有助于加快调试速度，并减少初学者挫败感。
+引入结构模式匹配
+如果你已经使用过 C++ 等其他编程语言，或许你会期待 Python 有 switch 语句，这样就不必通过长的 if、 elif、 elif…. else 语句来完成任务。Python 3.10 的一个新特性是增加了结构模式匹配，或者换句话说，增加了 match case 语句，它的语法如下：
+match subject:
+ case <patt1>:
+ <act1>
+ case <patt2>:
+ <act2>
+ case <patt3>:
+ <act3>
+ case _:
+ <action_default>
+（来源：公众号「Python开发者」）
+ +对结果和研究的一些有益的思考策略。
+阳性结果，思考：
+阴性结果，思考：
+KDE 是目前最具定制性和最快速的桌面环境之一。虽然你可以随时安装 KDE，但最好选择一个 KDE 开箱即用的 Linux 发行版。
+在这里，作者列出一些最好的基于 KDE 的 Linux 发行版。
+例如，KDE Neon
+
虽然这是一篇推销文，但其中作者提及的几个观点值得大家阅读和思考。
+++ +在生物的自私本能和环境资源的相对匮乏这一对矛盾的推动下，进化履带上的四根链条——可遗传的变异、生存竞争、自然选择和生殖隔离——滚滚开动，在混乱的大自然中建立生命的秩序，并逐步自我完善和分叉，从一颗种子长成枝繁叶茂的生命之树。
+
这期最后推荐的一篇文章以「生信技能树」的一篇近期推文收尾：校正批次效应后的数据，会掩盖部分真实的生物学差异。但校正批次效应后的数据是否能用于基因集富集分析，以及样本之间的批次效应是否会影响基因富集分析结果仍然是一个争论。文章重新审视了9种常见的功能集打分方法：GSEA、GSVA、PLAGE、Zscore、AddModuleScore、ssGSEA、AUCell、UCell和singscore。
+
2、shinyAce
+
shinyAce包使Shiny应用程序开发人员能够在他们的应用程序中使用Ace文本编辑器。
+3、ggpubr - 基于ggplot2的publication ready图生成
+
“ggpubr”包提供了一些易于使用的函数，用于创建和定制基于“ggplot2”的出版准备图，包括点图、提琴图、条形图等。这个包中文搜索已经有非常非常多的介绍和使用推文了。
+4、ggstatsplot - 基ggplot2于带有统计细节的图
+
对于发表文章非常推荐的一个绘图包，详细地展示统计细节而不仅仅只有显著性。支持常见的分析绘图。
+
5、flomo - 快速记录碎片知识与灵感的工具。
+
（@mugpeng投稿）
+1、biofast - 对生物信息学中常见任务的编程语言/实现进行基准测试
+该仓库可以查看对于基本的生信处理任务，不同编程语言的计算性能。这对于初学者学习合适的编程语言可能提供帮助。
+下面展示的是FASTQ解析的结果：
+
2、肿瘤免疫学
+正在进行的肿瘤免疫学系统推文。（来源：公众号「OncoLab」）
+ +4、Creating Beautiful Data Visualizations in R: a ggplot2 Crash Course（英文在线幻灯片）
+
详细的ggplot2介绍课件。
+如果你想要支持本周刊，可以对推文进行赞赏或者提供的支付宝/微信二维码打赏。
+ |
+ |
+
|---|---|
| + | + |
感谢以下往期赞赏/捐赠的读者：
+这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+「生信周刊讨论区（语雀）」 | 「生信讨论区（Gitter）」
+
+科夫城堡（Corfe Castle）是位于英国英格兰多塞特郡科夫堡村的一座城堡，兴建者是威廉一世。城堡的历史可以追溯至11世纪。
++近期，生物学期刊eLife官方宣布了一个重大决定：从2023年1月31日起，所有经过同行评审的文章，eLife都不会作出接受/拒绝的决定，而是直接发布在其网站上。 +这一模式被官方取名为eLife assessment。
+它这么做的目的非常之明确：让发表论文这事变得公开透明。并且据官方介绍，从2023年1月开始，这将是eLife唯一的运作模式（此前保留过传统出版模式）。
+消息一出，立刻在学术圈引发了不小的热议，就连Science也随即发文，并用“颠覆”来形容这事。
+
@ShixiangWang很有看头，非常值得鼓励，称得上颠覆。
这样做，一篇文章的价值不在于它发在哪个权威期刊上，值不值得学习和follow一篇文章不再仅仅是看if，需要读者更多地参与阅读，读者自己得有一杆秤。
+现在，科学与伪科学都在期刊里泛滥，阴性结果被大量隐藏，但期刊开放让整个科学环境在逐步面向更广泛大众，但科学技术的专业性审稿人也未必能把握发表的界限，一切公开透明是很好的方式：科学期刊编辑把握创新性和文章整体质量，具体怎么评价交给公开透明的评审和能看到一切的读者。
+原载于知乎：https://www.zhihu.com/question/561322934/answer/2728642986
+
近日，英国剑桥大学、伦敦玛丽女王大学等机构的研究团队在Nature发表了题为“Nuclear-embedded mitochondrial DNA sequences in 66,083 human genomes”的文章。该研究绘制了包含66,000多个个体的NUMT图谱，其中包括英国十万人基因组计划中8,201个母-父-子三人组样本和12,509个肿瘤-正常组织对，并揭示了mtDNA序列插入核基因组（即NUMT）是一个不局限于过去且一直持续到今天的过程，新的插入一直都在发生。同时，该研究也为解释不同人群的mtDNA变异和理解核基因组进化提供了宝贵资源。
+文章链接 https://www.nature.com/articles/s41586-022-05288-7
+2.Nature Medicine | 文章五连发 量化吸烟/饮食等风险因素与人类健康相关性的证据
+
华盛顿大学 Christopher Murray、张鹏、戴晓晨等人在国际顶尖医学期刊 Nature Medicine 发表了5篇研究论文（Aticles），这一系列研究提出了一种标准化方法，量化了风险因素（例如吸烟、高血压、饮食）与健康结局之间关联的证据强度。这些研究测试了评估证据的方法的效度，这些证据是关于吸烟、高血压、食用未加工红肉、蔬菜对健康的影响。
+值得关注的是本系列研究中的方法学论文，相关研究的读者可以深入看看：来了一种新工具——验证风险函数（BPRF，一种Meta分析方法），可对暴露于有害或保护性风险因素后特定健康结局进行评估。
+论文合集：https://www.nature.com/collections/begeihaihj
+3.NAR | 斯坦福大学Wing Hung Wong/清华大学江瑞课题组发布全基因功能注释HiChIP数据库
+
2022年10月10日，美国科学院院士、斯坦福大学统计系Wing Hung Wong教授课题组联合清华大学自动化系江瑞长聘副教授课题组在Nucleic Acids Research杂志（IF=19.16）上在线发表文章“HiChIPdb: a comprehensive database of HiChIP regulatory interactions”。研究团队发表了首个附带全基因组功能注释HiChIP数据库。数据库收录了截止于2022年5月份上传至GEO数据库的人类HiChIP约200个样本。HiChIP数据库采用了统一的数据处理流程，从原始Fastq测序原始数据统一处理至不同分辨率的HiChIP相互作用数据。HiChIP数据库覆盖了超过100个人类细胞类型下总计2.62亿条HiChIP相互作用。
+论文链接: https://academic.oup.com/nar/advance-article/doi/10.1093/nar/gkac859/6754910
+HiCHIP:http://health.tsinghua.edu.cn/hichipdb/
+
公众号“庄闪闪的R语言手册” 近期推出科研写作笔记系列内容。作者初步想针对写作格式、英语写作和写作逻辑问题讲起，相关问题可通过在Github上提出issue与作者进行交流。
+Github：https://github.com/liangliangzhuang/Research_writing_tips
+ +
目前R语言环境的Shiny开发已经非常成熟了，现在Python环境也可以使用Shiny进行可视化，该推文则是具体的入门教程。
+推文链接：https://www.rstudio.com/blog/get-started-with-shiny-for-python/
+ +
本文系统地介绍了K-means聚类算法的原理、步骤、代码实现，并提供了可视化实例以辅助理解。
+ +
本文通过测试数据对三种不同的转录组差异分析方法——edgeR, DEseq2和limma进行对比，从结果看三种差异分析方法整体一致性比较高。
+8.mariobox
+{mariobox}可为{plumber} APIs的打包提供一个框架
+链接：https://github.com/ThinkR-open/mariobox
+ +# 终端用户使用命令
+> library(progressr)
+> with_progress(y <- slow_sum(1:10))
+ |==================== | 40%
+该包为开发者和终端用户分别提供了精简的API，帮助编写具有进度条提示的分析代码。
+设计哲学：
+++The developer is responsible for providing progress updates but it’s only the end user who decides if, when, and how progress should be presented. No exceptions will be allowed.
+
即开发者提供，但由用户决定是否以及如何展示进度条。这与该作者开发的另一个流行包future的设计哲学一致。
+ +
+数据框内的数据通常在图形设备之外被格式化，但在某些情况下，在图形旁边显示表格可能更方便。gridExtra可以将数据框转为图形类格式，解决了上述需求，并提供了一系列表格美化处理。
链接：https://cran.r-project.org/web/packages/gridExtra/vignettes/tableGrob.html
+ +
本推文通过具体示例介绍了利用gtsummary包进行快速回归建模并输出统计结果的方法。
+
本资源总结了论文投稿时用到的7个邮件模板，包括Coverletter、催搞信、修改稿Coverletter、回复审稿人意见、接收后致谢、询问校稿信和文章校稿信。
+13.转录因子汇总
+
本文章整理了转录因子的网络资源，数据来源：网页工具、文献和R包。
+资源链接： +- http://humantfs.ccbr.utoronto.ca/. +- http://bioinfo.life.hust.edu.cn/AnimalTFDB/#!/ +- http://cistrome.org/db/#/stat +- https://github.com/aertslab/RcisTarget
+ +
InfoWorld 公布了 2022 年最佳开源软件榜单，其旨在表彰年度最重要和最具创新性的应用程序开发、devops、数据分析和机器学习工具。
关于每个项目具体的入选评语等详细信息，可查看网站原文：https://www.infoworld.com/article/3637038/the-best-open-source-software-of-2021.html#slide1
+15.Web前端技术的网站资源]
+
[JS机器人](https://lab.reaal.me/jsrobot/)
+[Exercism](https://exercism.org/)
+[Keyframes](https://keyframes.app/)
+[Getform](https://getform.io/)，
+[HTTPS 的工作原理](https://howhttps.works/)
+[DNS 的工作原理](https://howdns.works/)
+[学习 Git 分支](https://learngitbranching.js.org/)
+[算法学习可视化器](https://algorithm-visualizer.org/)
+[学习任何东西](https://learn-anything.xyz/)
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。 +本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。 +「生信周刊讨论区（语雀）」 | 「生信讨论区（Gitter）」
+
++本周话题来自@ruanyf：职业对性格的改变，人类行为受到工作环境的强烈影响，你会变成环境要求你成为的样子。很多人都有一种印象，会计师的性格是斤斤计较、对数字格外敏感，律师的性格是重视利益最大化，海关执法人员的性格则是充满怀疑、不信任他人，这就是职业对性格的改变。程序员这个职业，会如何改变一个人的性格？你会变得习惯孤军奋斗，靠自己解决问题。
+
@NiEntropy - 科研对性格有什么改变？科研是一个探索未知、不断创新的工作，既要脚踏实地，又要天马行空。科研对于我大概就像做梦吧，祝大家美梦成真！
+1、Nature Methods | NEAT-seq在单细胞水平同时检测转录因子、染色质可及性及转录组
+
由斯坦福大学团队开发的新测序技术NEAT-seq可以对单个细胞同步定量核蛋白、染色质可及性和转录组，进而从表观层面探索转录因子、染色质状态和基因表达直接的关系。
+2、Nat Cell Biol | 生物大数据分析揭示全新的基因调控模式和潜在的抗癌药物靶点
+
研究团队基于对来自10种不同癌症类型，超过8000个转录组测序样本的数据分析，文章揭示了一种以往被忽视的基因调控模式——位于3’端非编码区域的剪接，在癌细胞中普遍存在，并显著上调来驱动肿瘤发生。通过对这些大批量测序数据的分析，作者们在不同癌症病人样本中鉴定出来大量的3’端非编码区域剪接事件，其中包括超过1000个常见的事件可以在超过半数的病人样本中发现。尤其是在肝细胞癌（LIHC）以及结肠癌（COAD）病人中，更多的3’端非编码区域的剪接和病人更短的生存时间显著相关。作者们将这超过1000种不同的剪接事件在10种癌症的丰度，以及它们和病人总体生存时间的相关性都收集到一个数据库——SpUR，以供研究人员访问和使用。
+3、Understudied Proteins Initiative | 未充分研究蛋白质计划
+
迄今为止，大多数研究都集中在有限的一组越来越知名的蛋白质上，而数千种人类蛋白质的生物学功能仍然知之甚少。这种注释偏差也被称为 “路灯效应” 或 “富人-富人综合征”，严重阻碍了生物医学的发展。基因疾病之间的关联机制研究通常集中在已经众所周知的蛋白质上，与此同时，许多与疾病相关的未表征的蛋白质没有经过功能研究。
+
六国科学家联合发起“未充分研究蛋白质计划”，这项调查的目的是让我们更好地了解哪些人类蛋白质仍然被低估，以及为什么。
+https://pubmed.ncbi.nlm.nih.gov/35534633/ + https://pubmed.ncbi.nlm.nih.gov/35534555/
+4、Nature Medicine | 基于群体学习的分散式人工智能在癌症组织病理学中的应用
+
本研究展示了群体学习(SL)在5000多名患者的千兆像素组织病理学图像的大型多中心数据集中上的成功应用。作者表明，使用SL训练的人工智能(AI)模型可以直接从结直肠癌H&E染色的病理切片上预测BRAF突变状态和微卫星不稳定性。作者在北爱尔兰、德国和美国三类患者人群中训练AI模型，并在来自英国的两个独立数据集中验证了预测性能。数据显示，经过SL训练的AI模型优于大多数本地训练的模型，并与在合并数据集上训练的模型表现相同。此外，作者展示了基于SL的AI模型是数据高效的。未来，SL可用于训练分布式AI模型，用于任何组织病理学图像分析任务，从而无需数据传输。
+
ROC曲线和曲线下面积AUC被广泛用于评估二元分类器的性能。但是有时，基于精确召回曲线下面积 (AUPRC) 的测量来评估不平衡数据的分类却更为合适。本文详细比较这两种测量方法，并说明在AUPRC数据不平衡的情况下衡量性能时的优势。
+ +
单细胞大佬对单细胞数据科学研究的感悟：四大过程——产生矩阵，探索数据，推断分析，多方验证； +两大领域——细胞生物学、高通量多组学；三重境界——数据、信息、知识。
+ +
该文展示了一个通用性的GEO芯片处理流程，能够解决80%以上的芯片数据处理问题。包括数据的下载，ID转换和清洗，质控以及差异分析等。
+8、clusterProfiler | KEGG的富集分析终于真的本地化了
+
本文介绍了使用clusterProfiler进行本地化 KEGG富集分析的方法（终于不用联网等待了~）。
+
基因分箱对于研究细菌和古菌非常重要，有大量的细菌和古菌的分箱工具，vRhyme首次提供了从宏基因组中分离病毒基因组的方案。vRhyme的工作流程分为五个步骤：read覆盖率处理、序列特征提取、有监督的机器学习、迭代网络聚类和bin评分。
+10、SCDC | 基于多个单细胞RNA测序参考的bulk基因表达反卷积
+
SCDC是一种用于bulk RNA-seq的反褶积方法，它利用来自多个单细胞参考数据集的细胞类型特定基因表达。SCDC采用ENSEMBLE方法集成来自不同实验室和不同时间产生的不同scRNA-seq数据集的反褶积结果，隐式解决了批处理效应的混杂。
+11、scDIOR | 打通R和python两大平台的单细胞数据转换工具
+
scDIOR是一个基于HDF5将单细胞数据在R和Pyhton两大平台下进行数据转换的工具。
+
由刘小乐课题组中Li Song等人开发的TRUST4算法，一种用于bulk RNA-seq和单细胞RNA-seq数据中识别免疫细胞受体序列的算法。TRUST4对受体基因进行从头组装，构成重叠群。然后将组装好的重叠群与IMGT参考基因序列重新比对，鉴定出重叠群中的V,D,J以及C基因。TRUST4支持具有任何读段长度的单端和双端测序数据。
+
TISIDB是一个肿瘤和免疫系统相互作用的数据库，它集成了多种异构数据类型：PubMed文献挖掘、TCGA、UniProt、GO、DrugBank等。
+
HeatmapR包中通过mtcars数据展示了如何使用本工具快速绘制复杂热图。
+
汇总了scRNA-seq数据分析（Seurat包学习笔记、Scater包学习笔记、Monocle2包学习笔记、Palantir包学习笔记）、scATAC-seq数据分析（Signac包学习笔记、Cicero包学习笔记）和单细胞类型分类注释分析。
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
+（完）
这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+「生信周刊讨论区（语雀）」 | 「生信讨论区（Gitter）」
+
位于 Loch Broom 岸边的Ullapool位于苏格兰北部高地的边缘。在这个崎岖的国家展现出它凄凉和孤独的辉煌之前，这是文明真正的最后一点。
+
++当科幻照进现实，人类基因组计划解码了人类基因，或能通过人类基因评估患病风险。走在科技前沿的科学家，总是第一个吃螃蟹的人。拥有遗传学博士学位的神经学家Rafal M Smigrodzki是全球首个为自己的女儿Aurea Yenmai Smigrodzki“优选基因”的父亲，被其称为“完美婴儿”的Aurea也即将健康成长至2周岁。”优选基因”带来降低疾病风险的优点的同时，也伴随着不断的伦理争议。
+
@ShixiangWang：科技从来都是双刃剑，我们喜欢它带给我们更多舒适精彩的生活，但又同时害怕它们带来的伤害和道德突破。在“优选基因”这个话题中，我觉得止不如疏，怎么联合起来设定科学且能接收的研究规范可能是未来需要讨论和解决的问题。
2022年9月15日，南方科技大学生命科学学院陈曦课题组和靳文菲课题组合作在Nature Methods上发表了一种简单可靠的单细胞多组学技术ISSAAC-seq，该方法能够在同一细胞内同时检测染色质可及性（ATAC-seq）以及基因表达（RNA-seq）。该方法操作灵活，既适用于基于孔板的低通量实验方案，又可以通过微流控装置进行高通量研究。
+论文链接：https://www.nature.com/articles/s41592-022-01601-4
+CITE-seq 分析的一个挑战是多个 CITE-seq 数据集的集成。这并非微不足道，因为不同 CITE-seq 数据集的蛋白质面板通常有一些不重叠情况，这会阻止简单的连接。为了规避这一点，研究人员为 sciPENN 引入了一种审查损失函数的方案，其中蛋白质损失被掩盖，并且当它从细胞中丢失时不会有助于反向传播。
+这允许 sciPENN 从具有部分不重叠蛋白质面板的多个 CITE-seq 数据集中学习，估算组成每个 CITE-seq 数据集的缺失蛋白质，甚至从部分重叠的 CITE-seq 数据集学习后可以预测外部 scRNA-seq 数据集中的蛋白质的表达，这是 totalVI 和 Seurat 4 无法完成的。此外，sciPENN 比上述两个方法快一个数量级，使其成为综合 CITE-seq 和 scRNA-seq 数据分析的理想工具。
+论文链接：https://www.nature.com/articles/s42256-022-00545-w
+
华盛顿大学的研究人员报告了一种基于深度学习的估计器，称其为 Deep-SMOLM，它在理论极限的 3% 内实现了 3D 方向和 2D 位置的卓越的测量精度（3.8° 方向、0.32 sr 摆动角和 8.5 nm 横向位置，使用 1000 个检测到的光子）。
+论文链接：https://pubmed.ncbi.nlm.nih.gov/36258598/
+
SCALEX是一款基于深度学习的单细胞整合算法。其通过将细胞投射到批次不变的、共同的细胞嵌入空间，即每次投影整合都不需要重新训练模型的方法，节省了计算成本。另外，在线数据整合能力和卓越的性能也使SCALEX特别适合于大规模的单细胞应用。 +- Github：https://github.com/jsxlei/SCALEX +- 论文链接：https://www.nature.com/articles/s41467-022-33758-z
+
近日，美国杰克逊基因组医学实验室的Francesca Menghi 和Edison T.Liu在Nature Communications总结分析了在癌症功能基因组学领域，科学家们是如何利用新一代测序技术、功能基因组学方法（通常与系统生物学方法相结合）揭示新的癌症发病机制。并提出这些最新成果超越了早期“一种基因、一种表型”的原始研究范式。
+论文链接：https://www.nature.com/articles/s41467-022-33717-8
+
本文从Dockerfile出发，详细介绍了Docker 镜像构建中的具体参数和指令。
+
该推文分享了鄂维南院士在2022年的国际数学家大会对机器学习数学本质的理解，即函数逼近、概率分布的逼近与采样、Bellman方程的求解、机器学习模型的逼近误差、泛化性质以及训练等方面的数学理论，以及如何利用机器学习来求解困难的科学计算和科学问题，即AI for science。
+视频：再谈AI for Science：https://www.bilibili.com/video/BV1vR4y1c7gQ/?vd_source=3afc2da90da868f4f01d17b6a37ffeba
+
本文从定义、原理、分子功能以及生物信息学中的应用四大方面，介绍了相分离这一物理化学概念。
+
UCell是一个可以根据自定义的基因集给单细胞进行打分的工具，打分对象可以是矩阵、SingleCellExperiment或者Seurt对象。
+论文链接：https://www.sciencedirect.com/science/article/pii/S2001037021002816?via%3Dihub
+
sc-linker是一个可以整合scRNA-seq、表观基因组单核苷酸多态性（SNP）- 基因图谱和GWAS统计数据的计算框架，并能够识别遗传变异影响疾病的潜在细胞类型和过程。
+论文链接：https://doi.org/10.1038/s41588-022-01187-9
+
Sangerbox (http://vip.sangerbox.com) 是一个基于网络的工具平台，用户可以在其提供的友好的交互页面中进行不同分析。平台提供一系列可交互的图形化分析工具，包括相关性、通路富集、WGCNA分析等常见的工具和功能。
+
本推文整理了数据科学项目，包括数据导入、整理以及转换等过程所常用的R包。
+ +
该库收录了一系列Shiny相关的教程、工具、软件包、图书、论坛。学习Shiny，值得收藏。
+仓库链接： +https://github.com/grabear/awesome-rshiny
+
基因集变异分析(GSVA)是一种特殊类型的基因集富集方法，它可以对单个样本进行分析，并通过在基因到基因集的分析功能单元中执行概念上简单但功能强大的变化，实现以通路为中心的分子数据分析。
+GSVA包提供了四种单样本基因集富集的方法，具体为zscore、plage、ssGSEA和它自己的GSVA。虽然它们最初是为基因表达数据开发的，但也可以应用于其他类型的分子分析数据。本教程中我们演示了如何使用GSVA包处理microarray和RNA-seq表达数据。
+「Openbiox 生信周刊」运维小队：
+
@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。 +本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。 +「生信周刊讨论区（语雀）」 | 「生信讨论区（Gitter）」
+
++钱颖一教授根据自己在清华担任教师、院长17年期间的改革实践、深入观察以及与学生的倾心交流，将两个著名的钱氏问题进一步具体化为当前中国大学学生培养中的七个普遍现象和七个重要权衡，并追溯到市场和政府的评价体系以及 “育才” 压倒 “育人” 的状况。由此提出钱氏问题的 “第三维缺位论”——教育在市场和政府之外的第三维缺位了，即教育内在的评价和愿景这个维度的缺位。
+
@He-Kai-fly - 剖析“内卷”背后的原因，离不开一个词：竞争。大学生们内卷，也是应对竞争压力的正常反应。但卷的同时自己也需要想明白“我到底希望成为怎样的人”。
+1、Genome Research|高效捕获染色质开放位点和染色质相互作用的新技术NicE-C
+
中国科学技术大学生命学院与医学部宋晓元课题组基于染色质构象捕获（3C）及其相关技术的研究揭示了哺乳动物细胞内不同层次的染色质高级结构，包括染色质隔室（A/B compartments）、拓扑结构域（TADs）和染色质环（chromatin loops）。研究表明启动子与增强子间可以通过形成染色质环（E-P loops）来调控基因的表达，该成果近期发表于Genome Research期刊上。
+论文链接：https://genome.cshlp.org/content/32/3/534.long
+2、Nature Communications| 基于scRNA-Seq数据的细胞通讯推断的不同方法和资源比较
+
当前有许多计算工具用于细胞通讯推断，每个都有其相应的细胞间相互作用先验知识资源和预测潜在细胞通讯事件方法。然而，细胞通讯资源和推断方法的选择对结果预测的影响，在很大程度上尚不清楚。为了阐明这一点，作者团队系统地比较了16个细胞通讯推断资源和7种方法，以及不同方法预测的一致结果。在这些资源中，仅发现较少的特有相互作用，存在不同程度的重叠，以及在特定途径和组织富的蛋白质的不均一覆盖度。作者团队测试了不同方法和资源的所有可能组合，提出两者都能很大程度影响着细胞间相互作用结果的预测。为了方便使用该工作中描述的方法和资源，作者团队提供LIANA（LIgand-receptor ANalysis frAmework）R包供用户使用。
+论文链接：https://www.nature.com/articles/s41467-022-30755-0
+3、 Science Advances | 癌症体细胞突变AI注释平台——CancerVar
+
美国费城儿童医院王凯团队、周筠筠团队及合作者联合在Science Advances发表了一种改进版的体细胞突变体解释工具——CancerVar，是基于Python编程语言搭建的一个网络服务器，包含1,911个癌症相关基因中1,300万个体细胞突变的临床证据。用户可以使用染色体位置或蛋白质变化等信息查询变异的临床解释，并基于先验知识或其他用户指定的标准，交互式微调特定评分特征的权重。CancerVar能够自动生成总结描述性解释的文本，包括诊断、预后、靶向药物反应和许多热点突变的临床试验信息，大大减少了精准肿瘤学实践中临床医生的工作量。
+论文链接：https://www.ncbi.nlm.nih.gov/pmc/articles/PMC9075800/
+4、Nature Genetics | 为何很多吸烟者不会患肺癌？单细胞测序发现部分吸烟者肺部体细胞突变频率存在上限
+
为什么大多数烟民不会患肺癌？Nature Genetics期刊上一篇文章利用单细胞全基因组测序技术，对不吸烟者和吸烟者的肺细胞进行测序。结果提示虽然吸烟者肺细胞中的突变频率更高，但是当吸烟量累积到一定量时，DNA突变率增加趋于平稳，这使重度吸烟者的突变频率与轻度吸烟者没有显著差异，限制了肺部细胞的突变积累，从而降低肺癌风险。
+论文链接：https://www.nature.com/articles/s41588-022-01035-w
+5、 How to precompute package vignettes or pkgdown articles
+
截至今年早些时候，我们针对所有rOpenSci包都会自动构建二进制和pkgdown文件，我们遇到的问题是一些含有vignette的包都需要一些特殊的工具/数据，而这些在通常在服务器上不可用。这个博客将说明如何在你的包中包装这样的vignette和文章。
+6、scRNAtoolVis - 提供了一系列个性化单细胞数据可视化函数
+
GitHub: https://github.com/junjunlab/scRNAtoolVis
+7、 英国生物样本库UKB-PPP开创性蛋白组学研究进展首批发布
+
英国生物样本库（UK Biobank, UKB）是目前世界上最大、最全面的生物医学数据库和研究资源之一，致力于对生物样本进行高通量蛋白组检测，已与由十家顶级生物制药公司组成的联盟联合，启动了一项全球最大的血液蛋白组研究。最近，英国生物样本库联合数十家药厂发布的基于Olink ExploreTM平台的开创性蛋白组学研究，首次披露针对54,306参与者的蛋白组学和基因测序的数据进行pQTL（Protein Quantiative Trait Loci）Mapping分析，通过对1,463蛋白标志物的研究，发现了10,248个主要遗传关联，其中85%之前尚未有过报道。
+论文链接：https://doi.org/10.1101/2022.06.17.496443
+ +
本文系统地介绍了基因测序产业在我国的发展情况。值得注意的是该产业链基本还没有走向普通百姓哈（除了一些带忽悠的遗传风险检测体检服务），全世界都还在基础科研和临床研究中应用。
+++ +我国基因测序行业正处于高速成长阶段，部分创新企业的三、四代测序技术达到国内领先、国际先进水平，越来越多的具有完全自主知识产权的基因测序产品获批上市实现商业量产，实现基因测序仪进口国产化替代。随着技术的进步、精准医学的发展和利好政策的推动，我国基因测序市场拥有巨大的应用前景，我国基因测序行业迎来“黄金期”。
+
++时间：2022年11月20日 上午8:30-10:55
+腾讯会议号：191863973
+
10、ggblend | 修改图层融合叠加的ggplot2扩展包
+
ggblend是在ggplot2基础上修改图层融合模式等细节的扩展R包。
+11、eVITTA - 转录组分析的一个简单的分析可视化工具箱
+
主要提供了 3 个分析可视化模块，通过 https://tau.cmmt.ubc.ca/eVITTA/ 可以在线访问，适合不会生信的同志们。
+12、Cog—用于机器学习的容器
+
Cog是一种可以让您在标准的、可制作生成的容器中包装机器学习模型，您可以将包装模型部署到自己的基础架构中，也可以进行复制。
+Github：https://github.com/replicate/cog
+13、 Science| CellTypist-跨组织免疫细胞分析揭示了人类组织特异性特征
+
人免疫系统由许多不同的细胞类型组成，但目前对这些细胞类型的细胞类型的细胞变化鲜为人知。使用单细胞基因组学，检查了从12个已故的成人器官供体中从16个不同组织中提取的300,000多个单个免疫细胞的基因表达谱。使用CellTypist（由作者设计的自动化细胞分类工具）分配细胞身份,深入的数据分析揭示了有关免疫系统如何适应在不同器官环境中有效起作用的见解。
+Github: https://github.com/Teichlab/celltypist
+官网：https://www.celltypist.org/
+文章：https://www.science.org/doi/10.1126/science.abl5197
14、工具/资源推荐 | 支持中文！秒建 wiki 知识库的开源项目，构建私人知识网络
+
wiki.js 是一款轻量级、功能强大的 wiki 开源项目，拥有评论、Markdown 编辑器、图片上传、标签、全局搜索、协同编辑、编辑历史、用户管理、谷歌分析等功能，而且支持高度自定义。
+Github：https://github.com/requarks/wiki
+ +
韦恩图可以用来展示各个数据集直接的重叠关系，ggvenn包设计灵感来自于Venny, 主要函数为ggvenn，符合ggplot2的基本语法。
+16、UpSetR - 一个产生静态UpSet图的R包
+UpSetR产生静态的UpSet图形，这UpSet技术可根据分组和查询的集合交叉点进行可视化，有效的展示相关数据统计信息。对于更详细细节可参考UpSet website
+
Github：https://github.com/hms-dbmi/UpSetR
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
++我说，人生是有意义的，而人类则是没有意义的。 +人生的意义是什么呢？它的意义就在于为没有意义的人类工作、服务等等，其目的不外乎是使人类生活得更好并得以延续。 +反正人类是现实的存在，你又是其中一员，你有义务使它发展延续。你只要这样做了，你的人生就具有了意义，或者说价值，并不一定要去理会人类存在的意义。
+
@kkjtmac - 还没想透彻，就引用文中有同感的一句话：“保持工作，做一点有益于社会的事情，只有这样才能在没有意义的世界里找到一点意义。”
@ShixiangWang - 小时候觉得人类是一个整体，长大后觉得个人的意义也难确定。随着年岁长大，忙碌替换了想象，疲惫替换了玩闹，人生的意义被越来越多生活的东西填满。这是越来越没有意义，还是有越来越有意义呢？各人各解吧。
1、Cell | 单细胞空间组学“活字印刷术” Pixel-Seq
+
当前各类单细胞空间组学技术以及相应DNA芯片的成本仍然很高，不利于该技术的推广。研究团队计划将polony gel芯片印刷技术运用于芯片的大规模量产，应用到更多领域。他们相信芯片的印刷技术不仅能极大降低芯片的生产成本，还将能大规模应用于当前挑战性比较强的研究领域，比如单细胞、亚细胞空间多组学。该技术不仅将改变生物空间组学，还会推进DNA芯片在其他研究领域中的更广泛应用。
+2、Cancer Cell | 癌细胞“躺赢”：表观遗传被破坏，不响应应激带来的选择优势
+
表观遗传调控基因是多种癌症类型中突变最多的，但它们的功能尚不清楚。来自英国弗朗西斯克里克研究所的Paola Scaffidi团队模拟了病人中广泛存在的表观遗传相关突变，发现表现调控网络的破坏并不促进亚克隆基因型的选择，而是通过全局转录组调控来阻止细胞相应应激，从而增加癌细胞对于不适宜环境的耐受度，踧踖抵抗压力亚群的出现。该成果近期已发表于Cancer Cell上。
+3、Cell | 全基因组Perturb-seq助力表型发现
+
第一个在人类细胞全基因组Perturb-seq，利用CRISPR-Cas9基因组编辑技术同时对几百万个细胞进行随机不同基因的敲除，然后利用单细胞测序技术识别细胞的敲除基因，同时记录细胞转录组水平的变化，从而实现全基因组水平的基因敲除并测序。可以想象随着这个技术的不断成熟，未来通过挖掘Perturb-seq数据，寻找基因敲除后对应的表型通路，为尚未开发的潜在治疗靶点的研究开发提供新的依据。
+4、projectLSI - 将你的单细胞或bulk转录组数据映射到参考数据集中
+
本文介绍 projectLSI 包的使用。在单细胞数据分析过程中，我们经常会遇到不同样本之间整合的批次效应和细胞类型注释的困难，projectLSI包利用term frequency–inverse document frequency (TF-IDF) transformation and latent semantic indexing (LSI)算法进行数据降维转换，可以将query的单细胞或bulk转录组数据集映射到reference参考数据集中以消除潜在的批次效应，同时也可以利用bulk转录组数据验证单细胞注释分群的结果。
+5、PyClone-VI 的使用方法–肿瘤基因组测序数据分析专栏
+
本文首先解读了PyClone-VI性能评估的文章，再介绍了其安装方法和具体使用方法和参数。Pyclone-VI作为Pyclone的升级版本，由同一个团队开发的，运行速度更快，占用内存空间更小，且运行得到的结果和 PyClone 高度一致。
+
Shiny工具可以轻松的利用Python数据和科学堆栈构建交互式的web应用程序。具有以下特点：
+Approachable:用Python编写应用程序;不需要web开发技能。
+Flexible:从头开始构建，以支持成熟应用程序所需的自定义布局、样式和模块化，所有这些都来自Python。
+Performant:使用反应性来有效地处理数据处理并将昂贵的重新计算降至最低。
+
DrugBank数据库是阿尔伯塔大学提供的一个生物信息学和化学信息学数据库，是一种独特的生物信息学和化学信息学资源，它将详细的药物数据和全面的药物目标信息结合起来。最近发布的DrugBank包含超过50条和药物相关条目，其中包括2723种经批准的小分子药物、1540种经批准的生物技术(蛋白质/肽)药物、131种营养品和6451种实验药物。此外，5236个非冗余蛋白(即药物靶标/酶/转运体/载体)序列与这些药物条目相关联。每个DrugCard条目包含200多个数据字段，其中一半用于药物/化学数据，另一半用于药物靶标或蛋白质数据。
+
easyalluvial是快速绘制冲积图（Alluvial diagram）的R包，其外观类似桑吉图，从多个维度展示分类数据流。
+9、showyourwork - LaTeX中完全可复制的、开源的科学文章
+
showyourwork 是一个用于开源科学文章的工作流管理工具。如果你想让你的研究文章可复制、可扩展、透明，或者只是非常棒，你已经找到了正确的工具。showyourwork 自动化你的整个工作流程，将其包装成一个独立的食谱，任何人都可以遵循，并在点击一个按钮，使用复制你的结果。
+这里有个快速开始教程：https://showyourwork.readthedocs.io/en/latest/quickstart ，使用Latex或者喜欢开放科学的读者不妨试试。
+10、parallel-fastq-dump - 多线程运行处理SRA文件
+
parallel-fastq-dump是能多线程运行fastq-dump处理SRA文件的工具，而且与另一个常用的多线程工具fasterq-dump相比，还有–gzip选项可以直接生成压缩格式文件。经测试，调用12线程，parallel-fastq-dump处理SRA文件比fasterq-dump+pigz快2-3倍， 比fastq-dump快8-10倍!
+11、H12SSL-I | 高性能桌面级服务器的DIY组装教程
+
高性能、高拓展性的桌面级服务器组装教程。可以装进ATX小机箱，8个内存插槽最高可支持2T的运行内存，CPU支持目前AMD最顶级的EPYC7003系列服务器处理器以及上一代的7002系列处理器；7个PCle插槽，可以插显卡、网卡、拓展卡等等拓展性非常强（实测不光可以跑生信数据，插上八年前的显卡GTX970 吃鸡、元神无压力，嘎嘎乱杀）。最后提醒一下想入坑的小伙伴，选购配件一定不要贪便宜一定要买有售后的！
+ +
13、hrbrthemes - ggplot2主题和字体的拓展资源
+
hrbrthemes是一个ggplot2主题的扩展R包，本文展示了该包中的一些特色主题及字体。
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
@wangdepin - “我们中国人默认的科学观的核心就是“科学”与“技术”不分。在我们中国人的日常语言中，“科学”二字特别容易念成“科技”，可是“科技”二字深究起来，更多的是指“技术”，而不是“科学”和“技术”的简称。这说明，在我们的潜意识里，是将“科学”和“技术”混为一谈的。” – 吴国盛老师的《科学的故事》。如果在概念上我们都理解错误,怎么能进行创新。
+1、Cancer Discovery | 迄今为止最大规模的黑色素瘤全基因组测序研究
+
该研究是迄今为止最大规模的黑色素瘤全基因组分析，通过WGS，RNA-seq和甲基化测序全面比较了四种主要黑色素瘤亚型的基因组学。这项研究强调了亚型之间的相似性和差异，为黑色素瘤的病因学和生物学提供了新的见解。
+论文链接: https://aacrjournals.org/cancerdiscovery/article/12/12/2856/711161/Comparative-Genomics-Provides-Etiologic-and
+2、Nature Medicine | MSKCC 直肠癌分子研究
+
该研究通过对迄今为止最大样本量的直肠癌进行了全面的分子层面的分析，建立了基因突变、转录组学、免疫学特征与临床治疗结果的联系。这些研究成果为预测患者对新辅助疗法的反应提供了重要参考。他们根据肿瘤的免疫浸润程度，确定了一个微卫星稳定的免疫热肿瘤亚型，这一亚型对新辅助疗法有更好的反应，并有更长的无病生存期。
+论文链接：https://www.nature.com/articles/s41591-022-01930-z
+3、西安交大叶凯教授团队在《自然・方法》发表基因组结构变异检测的突破性研究成果
+
该研究基于复杂结构变异背景混杂、类型繁多未知的难点，设计了二维序列相似性图，首次将结构变异研究从序列空间建模求解转换为图像空间的多目标识别问题，实现了背景高噪声下未知复杂类型结构变异的精准识别。该方法主要由编码模块，基于卷积神经网络的多目标识别模块以及基于图结构的复杂结构变异表征模块构成。其中编码模块成功去除了基因组背景噪声对于检测的影响；多目标识别模块实现了只用简单结构变异训练神经网络就可以识别未知复杂类型结构变异的功能，避免了耗费大量资源创建复杂结构变异训练集；复杂结构变异表征模块为后续统一不同研究中报道的复杂结构变异类型提出了重要解决方案，避免了专家导向的复杂结构变异类型定义方式。
+论文链接：https://www.nature.com/articles/s41592-022-01609-w
+4、Nature | 基于长读长测序的等位基因特异性分析揭示人类组织转录组变异
+
近日，来自美国纽约哥伦比亚大学的研究团队利用ONT平台，对GTEx项目的细胞系和人体组织的88个样本进行了长读长RNA-seq。分析显示，长读长测序数据的基因和转录组定量与Illumina RNA-seq高度一致。低相关性基因和转录组在ONT数据中表达较低，复杂性较高的基因和转录组包含多个外显子，该研究结果发表Nature上。
+论文链接：https://www.nature.com/articles/s41586-022-05035-y
+
本文介绍了新版TCGA数据的临床和表达矩阵下载、数据整理。
+ +
本文较为系统地对方差的应用做了介绍：方差分析是统计学中常用的方法，它在统计中的很多地方或明或暗地出现。在试验设计中有它，在回归分析中有它，在因果推断中有它，在时间序列分析中有它，在聚类分析中还有它。由于方差分析的表现形式很多，所以在实际领域，它的应用成功案例多得数不胜数。虽然名字叫做方差分析，但均值却是方差分析的主角，方差分析的目的往往是判定若干总体均值是否相等。
+7、肿瘤进化研究方法
+
肿瘤克隆进化是肿瘤研究中的宏伟命题，分析肿瘤样本中细胞群结构，可以针对性靶向肿瘤细胞治疗，这里针对发表在Nature Methods期刊上的几篇综述解读肿瘤进化研究内容。
+参考文献：A practical guide to cancer subclonal reconstruction from DNA sequencing: https://pubmed.ncbi.nlm.nih.gov/33398189/
+
该软件包详细介绍了如何用R和一些专用软件包访问质谱蛋白组学数据、操作和可视化数据，如何处理无标签和有标签的定量数据以及如何分析定量数据。
+ +
aplot包是Y叔开发的在主图周围加注释图的R包。
+工具教程：https://yulab-smu.top/pkgdocs/aplot.html
+10、Graphormer
+
Graphormer是一个深度学习库，研究人员可以利用这个包进行分子建模任务，训练自定义模型。它的目的是加速人工智能在材料发现、药物发现等领域的应用。
+ +
rig是一个支持多平台、对R软件进行安装、版本切换等多功能的管理软件。
+12、用于conda-生态系统用户包隔离的conda-smith存储库
+conda install conda-ecosystem-user-package-isolation
+13、Bioconductor community blog
+
Bioconducter社区博客地址：https://bioconductor.github.io/biocblog/
+14、 R包CheatSheet
+
该R包可以快速将“小抄”会以捆绑的形式发送到自己的电脑。
+15、Shiny开发资源
+
该系列将展示shiny生态系统中的创新应用程序和软件包，以及背后的杰出开发人员，包括访谈、视频教程和直播以及播客。
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+++ +++++++++++++b1a26142567867d7589f4394698b54b2528000c7
+
这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
2022年诺贝尔化学奖获奖者：美国化学家卡罗琳·贝尔托西（Carolyn R. Bertozzi）、丹麦化学家摩顿·梅尔达尔（Morten Meldal）和美国化学家卡尔·巴里·夏普利斯（K. Barry Sharpless）。
+
+图源：Introduction: Click Chemistry
++点击化学（Click chemistry），又译为“链接化学”、“速配接合组合式化学”，是由化学家巴里·夏普莱斯（K B Sharpless）在2001年引入的一个合成概念，主旨是通过小单元的拼接，来快速可靠地完成形形色色分子的化学合成。它尤其强调开辟以碳-杂原子键（C-X-C）合成为基础的组合化学新方法，并借助这些反应（点击反应）来简单高效地获得分子多样性。点击化学的代表反应为铜催化的叠氮-炔基Husigen环加成反应（Copper-Catalyzed Azide–Alkyne Cycloaddition）。点击化学的概念对化学合成领域有很大的贡献，在药物开发和生物医用材料等的诸多领域中，它已经成为最为有用和吸引人的合成理念之一。
+
@JnanZhang：新方法的发展和新技术的进步共同推动了生物学的蓬勃发展，单细胞测序技术与点击化学的结合可能会拓展对单细胞认识的边界。
1、Nature Biotechnology | 通过迁移学习将单细胞数据映射到参考集
+
大型单细胞 Atlas 现在经常被生成，来作为较小规模研究对象进行分析的参考。然而，由于数据集之间的批处理效应、计算资源的有限性和对原始数据的分享限制，从参考数据中学习是复杂的。本文介绍了一种深度学习策略，用于将查询数据集映射到称为单细胞体系结构手术(scArches)的参考数据之上。
+2、Cancer Discovery | REFLECT-预测癌症最佳联合疗法的新型生物信息学平台
+
MD安德森癌症中心生物信息学与计算生物学系的Anil Korkut教授和李旭斌博士共同领导的研究团队开发的一种可以预测癌症的最佳联合疗法的新型生物信息学平台-REFLECT (REcurrent Features LEveraged for Combination Therapy)。这个平台整合了机器学习和癌症信息学的算法，通过分析癌症病人的分子数据，包括基因突变、 拷贝数变异、基因表达、蛋白表达，并从中发现复现的、可以被药物分子靶向的协同畸变，进而获得系统的、与病人分子特征匹配的最佳联合治疗方案。相关研究成果以题为Precision Combination Therapies Based on Recurrent Oncogenic Coalterations 的研究论文于近期在线发布。
+3、Nature|利用图泛基因组找回丢失的遗传力和促进番茄育种
+
全基因组关联研究中遗传性缺失是复杂生物性状遗传分析中的一个主要问题。近日《Nature》上发表的一篇文章报道了一个来自838个基因组的1900多万个变体构建的番茄泛基因组图，该图谱用于20323个基因表达和代谢物性状的全基因组关联研究分析和遗传力估计。该研究促进了对复杂性状遗传力的认识，并证明了图泛基因组在作物育种中的作用。
+4、王鹏远/鲁志/徐振江团队合作发表泛癌早诊研究新成果：利用血浆中人源+微生物源cfRNA诊断早期癌症及其组织来源
+
北京大学第一医院王鹏远团队与清华大学鲁志团队、南昌大学徐振江团队合作，在生物医学权威期刊《eLife》上发文，阐述了细胞外RNA（cfRNA）在泛癌早期诊断中的应用和前景。肿瘤液体活检技术中的标志物包括循环肿瘤细胞（CTC）、细胞外DNA（cfDNA）及其甲基化、细胞外 RNA(cfRNA)、外泌体蛋白等。与CTC/cfDNA相比，cfRNA作为癌症标志物至少有以下3个优势：、敏感性和功能性、组织特异性和低成本。
+
本文结合传染病学的专业知识，通过R语言的技术手段，通过相应的代码解释了传染病传播的一些底层原理。
+6、iMeta | 华南农大陈程杰/夏瑞等发布TBtools构造Circos图的简单方法
+
Circos图使科学家能够轻松地在全基因组尺度上探索生物大数据，但繁琐的输入数据准备和复杂的参数配置限制了其应用。TBtools中开发了“Advanced Circos”功能，提供构造Circos图的简单方法。作为一个开箱即用的软件，TBtools集成了系列便于输入数据准备的功能。“Advanced Circos”功能提供了一个用户友好界面，用于定制参数设置，并可用于可视化各种基因组水平数据，如基因组关联信息、比对数据、基因密度和QTL位置。本文介绍了“Advance Circos”的主要特点和上游数据准备方法，旨在让更多用户能够使用Circos图进行基因组大数据探索。
+
随着测序技术的发展，同一物种中，越来越多的高质量基因组被测出。如何整合来自同一物种的多个基因组，是目前一个生物界中的难题。其中一种办法就是使用图形化泛基因组去表示多个基因组的变异。在这里，给大家介绍一个由李恒大神设计的图形化泛基因组工具：minigraph。该工具在保留线性参考基因组的坐标同时，使用基于图形的数据模型和相关格式来表示多个基因组，可以有效的构建图形化泛基因组，表示当前基因组中缺失的变异体。
+ +
通过forestmodel包，可以构建lm、glm、coxph三种回归模型，同时支持survival包的Cox回归模型结果可视化。
+
fullPage是一个对Shiny界面进行全屏、分页等多种调整配置的工具。
+ +
ParlAI是一个用于共享、训练和测试对话模型的 python 框架，从开放域聊天到面向任务的对话，再到视觉问答。
+11、https://github.com/fantasticit/think
+
Think 是一款开源知识管理工具。通过独立的知识库空间，结构化地组织在线协作文档，实现知识的积累与沉淀，促进知识的复用与流通。同时支持多人协作文档。使用的技术如下：
+可访问云策文档帮助中心，查看更多功能文档。
+ +
一个比较综合性绘制饼图的 R 包 ggpie。
+13、https://github.com/alteryx/featuretools +Featuretools
+
是一个用于自动化特征工程的python库。
+ +
本文提供 10 款开源字体的介绍、预览和下载方式，推荐码代码的各位使用。
+2022年1月：第16期：癌症新特征
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+「生信周刊讨论区（语雀）」 | 「生信讨论区（Gitter）」
+
++统计学习在深度学习中扮演着重要的角色，这是毋庸置疑的。但可以肯定的是，统计角度无法为理解深度学习提供完整的画面，要理解深度学习的不同方面，仍需要人们从不同的角度出发来实现
+
@He-Kai-fly - 深度学习就是用统计学从数据中找到隐藏规律，并且都是建立在大量数学运算的情况下，其中一部分都建立在统计学的基础上但又不完全是。
+1、Nature Communication | 单细胞环形RNA分析技术及表达图谱
+
赵方庆团队基于海量单细胞全长转录组测序数据集，实现了单细胞分辨率下环形RNA的高效识别及深度挖掘，基于大规模时空组学数据的整合分析，对环形RNA的细胞异质性进行了深入探究，揭示了环形RNA作为细胞类型标志物的应用潜力。该研究将目前环形RNA研究从传统组织水平提升至单细胞水平，为探索不同细胞类型中环形RNA的生物学功能提供了重要的数据资源和分析技术。
+2、iMeta | 南农沈其荣团队发布微生物网络分析和可视化R包ggClusterNet
+
++网络分析逐渐被生态学家们重视并持续应用于生态学领域，开发更为强大和方便的网络分析工具十分必要。文章开发了名为ggClusterNet的R包，展示微生物网络模块化信息，用于更加容易的进行网络数据分析挖掘和可视化。在ggClusterNet包中设计了数十种网络布局算法用于更好的展示微生物网络模块化信息
+
3、 Sci Adv | 岳峰团队开发深度学习模型EagleC 捕捉癌症基因组结构变异
+
该项工作基于深度学习和集成学习策略，提出一个全新的捕捉癌症基因组中SV的计算框架EagleC。EagleC能够用于多种染色质构象捕获技术，比如Hi-C，Micro-C，HiChIP。更为重要的是，这个深度学习的模型可以直接用在单细胞Hi-C上，从而可以监测到癌症组织里的不同癌细胞结构变异的异质性。
+4、NBT| 高歌课题组单细胞多组学数据整合与调控推断新方法（GLUE）
+
基于图耦联策略的深度学习方法GLUE，实现了对百万级单细胞多组学数据的无监督精准整合与调控推断
+
以一个例子介绍了如何使用神经网络来处理简单问题（数据量较小的回归问题），但在实际过程中还会遇到很多问题，相关资源可见：基于 R 语言的深度学习——简介及资料分享
+ +
Makefile 是一个常见的配置驱动的构建系统。这篇文章介绍 Taskfile：
+++ +Taskfile 通过 yaml 来描述各种执行任务, 其核心采用 go 编写; 相较于 Makefile 的 tab 分割和 bash 结合语法 Taskfile 显得更加现代化和易于使用(虽然会变成 yaml 工程师). Taskfile 内置了动态变量、操作系统等环境变量识别等高级功能都更贴合现代化的 Coding 方式。 +- 文档：https://taskfile.dev/
+
本文演示了利用circlizeR包绘制环形热图，并添加文字标签
+8、staticmiports静态导入函数到R包中
+
staticimports可以很容易地将函数静态地导入到R项目或包中。静态导入意味着函数作为文本复制到项目中，而不是在运行时从单独的包中加载。
+9、Fluent Reader | 一款新颖的桌面RSS阅读器
+
Fluent Reader是一款支持windows和mac平台的RSS阅读器。
+ +
++很多人可能不知道 R 也可以写 GUI 的，虽然说不能脱离 R 环境独立运行。
+
{eventloop} 包提供了一个框架，用于呈现交互式图形，并以足够快的速度处理用户的鼠标+键盘事件，以满足游戏和其他实时应用程序的需求。
11、tkinter-helper - 一款为Tkinter打造的布局助手
+
TkinterHelper（Tkinter布局助手）是一款为Tkinter打造，仅需拖拽组件进行布局，所见即所得，非常方便就能做出一个GUI界面，再配合 pyinstaller 库将程序打包成exe，简直是开发小工具的利器。
+
方便用于宏基因组分箱（binning）后的单菌基因组fasta或faa文件的KEGG注释，挖掘线索支持后续验证
+
一个完全在浏览器中运行轻量级版本的VS Code。可在本地机器上打开一个文件夹并直接开始编码。
+14、 TIP : Tracking Tumor Immunophenotype
+
TIP是一个用户友好的一站式网络工具，用于使用RNA-seq或微阵列数据跟踪、分析和可视化抗癌免疫状态和肿瘤浸润免疫细胞在七步癌症免疫周期中的比例。
+
「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+「生信周刊讨论区（语雀）」 | 「生信讨论区（Gitter）」
+++身边越来越多的人变成了小羊人。变🐑后，你是如何熬过这个阶段的？
+
@kkjtmac - 侥幸感染了“优良”毒株，烧了一晚就退了，后面就是咳嗽流涕，对症支持治疗后最终痊愈。总体感受比普通感冒难受多了，该吃药的时候还得吃，如果不能缓解或者加重还是就近医院就诊治疗吧~
@ShixiangWang - 我们近期很多人都（在）经历变羊的过程，我自己在家里躺了三四天，前两天发烧难受，后面两天咳嗽难受，现在还在咳嗽流鼻涕，整个过程感觉到了大自然对自己的不友好。不管咋样，我们为活着而活着，很多事情不需要找那么多借口，就像我们的抗疫专家们何必去创造各种名词方便编数据，坦然接受，认真对待，好好休息保重身体，以后继续学习和工作以便于能活着。
@匿名 - 第一天，嗓子有些不舒服，到了晚上开始有痰了；第二天，嗜睡，浑身酸痛，在床上躺了一天，越睡头越疼，感觉再睡下去我可能要死在宿舍了，想起师兄前两天说的有个同学在外面租房子住一个人寄了，我现在也是一个人，想到这慌极了；第三天，状态好多了，还有些咳嗽。 总结：一个人生病还是挺危险的，身体再难受，也一定要按时吃饭喝水吃药，不然只会加重病情恶性循环。
1、NAR | GPSAdb,给你的数据分析加入基因扰动信息
+
基因敲除方法通常用于探索感兴趣基因的功能，但目前还没有系统收集扰动数据的数据库。本研究开发一个全面的人类扰动数据库(GPSAdb, https://www.gpsadb.com/ )。当前版本的GPSAdb收集了与1458个基因相关的3048个RNA-seq数据集，这些基因被siRNA、shRNA、CRISPR/Cas9或CRISPRi敲除/下调。该数据库提供了对这些数据集的全面探索，并生成了6096个新的扰动基因集(分别向上和向下)。GPSAdb整合了这些基因集，并开发了一个在线工具——遗传微扰相似性分析(GPSA)，以从差异基因表达数据中识别潜在的因果微扰。GPSAdb是一个功能强大的平台，旨在帮助生命科学研究人员方便地访问和分析公共扰动数据，并深入探索差异基因表达数据。
+2、Nat Biomed Eng | 基于自监督深度学习的全切片病理图像快速可扩展搜索
+
数字病理学的采用使得管理数十亿像素全切片病理图像(WSIs)的大型存储库成为可能。在不需要监督训练的情况下，在大型存储库中计算识别具有相似形态特征的WSIs具有重要的应用价值。然而，搜索相似WSIs的算法的检索速度往往与资源库的大小成正比，这限制了它们的临床和研究潜力。本文展示了可以利用自监督深度学习以独立于存储库大小的速度搜索和检索WSIs。作者将该算法命名为SISH(用于自我监督的组织学图像搜索)，并作为一个开源包提供，它只需要用于训练的图像级注释，将WSIs编码为有意义的离散潜在表示，并利用树数据结构进行快速搜索，然后使用基于不确定性的排序算法进行WSI检索。
+3、Nat Commun | 基于粪便微生物组的机器学习多类诊断模型
+
香港中文大学黄秀娟教授团队在Nature Communications上发表的题为“Faecal microbiome-based machine learning for multi-class disease diagnosis”的研究文章。对不同疾病表型的2320名香港华人的粪便样本宏基因组测序，接着通过机器学习算法构建疾病的诊断模型，并通过一系列已发布的公共宏基因组数据集对模型进行验证。文章提供了粪便样本宏基因组测序数据可从ENA下载。
+4、clusterProfiler | 单细胞的marker genes做功能富集分析
+
一行代码解决单细胞marker gene的富集分析。
+
ChatGPT是OpenAI开发的大型预训练语言模型，它通过对话的方式进行交互，ChatGPT可以回答后续问题，承认错误，挑战不正确的前提并拒绝不适当的请求。
+
第一次用感觉好神奇，可惜回答有字数限制，提问太频繁会报错。要是有单机版的就太香了！没有国外的手机号注册不了，送大家个账号：账号：nwnz19800123208@163.com 密码：6sa2a06FfW
+6、熊读文献｜Nature Cancer：高度非整倍体的非小细胞肺癌，放疗同步免疫治疗更敏感
+
本文熊对非整倍性与近期研究进行了相关的介绍解读。
+++这里也提到一篇 NG 文章，也有相关的解读。比较奇怪的是，研究者自己都发现了非整倍性与拷贝数负载有极高的相关性，那突出这个非整倍指标的意义我个人还是持保留意见。——@ShixiangWang
+
对于基础研究的科研工作者来说，小鼠是进行功能机制研究中最常用的动物模型。因此，在单细胞测序产生的数据中，除了最多的人来源的研究外，紧接着就是小鼠的数据。本文介绍一款专门针对小鼠单细胞数据进行细胞注释的网站：CellKb Immune，不同于很多其它R包或者工具，只能对那些会数据分析的人群，这个网站对所有科研人员都非常友好，只需要点击就能对数据类型进行注释。
+8、时序基因共表达网络Time-ordered Gene Coexpression Network (TO-GCN)
+
时序基因共表达网络（TO-GCN）是基于三维（基因表达、条件和时间）数据所构建pipeline。 +该pipeline包含三个步骤：（1）确定cutoff值（2）为不同的共表达类型构建八个 GCN（3）为感兴趣的 GCN 中的节点确定时间排序级别。
+9、tdiyxl
+
tidyxl将Excel文件中的非表格形式的数据导入到r中。它以tidy数据结构展示单元格内容、位置、格式和注释，以便进一步操作，特别是由unpivotr包进行操作。它支持基于xml的文件格式’.xlsx ‘和’.xlsm’, 通过嵌入式RapidXML c++库实现xlsm。它不支持二进制 ‘.xlsb’或’ .xls ‘等文件格式。
+10、CRISPRcleanR | 处理 CRISPR-Cas9相关全基因组测序数据的R包
+
CRISPRcleanR是一个R包，用于处理汇集的全基因组CRISPR-Cas9所衍生的必需性谱。这些必要性谱评估因sgRNA敲除靶向破坏基因而导致的细胞适应性损失或增益的程度。
+11、BEST：一站式Biomarker多队列多层面分析利器
+
12、生信算法课程 DS202
+
本课程的目标是提供生物数据分析的算法和数据结构的广泛概述。将重点研究基因组学和相关问题，如生物序列的高通量模式匹配、数据压缩算法、基因挖掘、基因组组装和系统发育。同时提供实践编程作业展示实际测序数据的复杂性。这里列出了暂定的主题和先决条件。在本课程中学习的许多算法技术也适用于生物学以外的领域，如文本挖掘，自然语言处理。
+
本推文整理了Jupyter Notebook操作界面详细功能介绍及相关快捷键。
+2022年1月：第18期：过去50年最重要的统计学思想是什么？
+「Openbiox 生信周刊」运维小队：
+
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +2022 年随着又一年的疫情走过去了，我们一起迎来了 2023 年的第一天。从去年末开始，我们国家经历新的变化，我们的生活也在经历新的转机。在这个阵痛时刻，我们辞旧迎新、复盘过去、期待将来。我想说，好的未来，就是坚持的现在。在过去的一年里，我们成立专门的周刊运维团队，坚持贡献着归纳和分享，向大家传递知识和更多的可能性。感谢各位读者的关注，也衷心感谢一些读者的喜欢，希望这里的一点微光，能在某个时间照亮你未曾可及的角落，那就是这里坚守的意义。
+向所有奉献在一线防疫工作的人员致敬！🫡
+向所有过去一年在努力活着的家庭致敬！🫡
+向在人生中寻寻觅觅的你致敬！🫡
+—— 王诗翔
+
首个“虫洞”登上 Nature 封面（图来源）。
+
++程序员中非常流行这样一种测试——编程竞赛。在竞赛中，主要考察的就是程序员通过经验进行批判性思维，为不可预见的问题创建解决方案的能力。这体现了人类智能的关键，而机器学习模型，往往很难模仿这种人类智能。但DeepMind的科学家们，打破了这一规律。
+YujiA Li等人，使用自监督学习和编码器-解码器转换器架构，开发出了AlphaCode。它就在著名的Codeforces上，悄悄地参加了10场编程比赛，并一举击败了半数的人类码农。
+
@ShixiangWang - AI 正在为生活和科技工作创造更多的可能性。作为研究者，我们需要尽力去利用技术武装自己，提高效率；同时也要关注技术给我们带来的复杂性、诱导性，避免偏离我们实际所追寻的目标。
T2T测序在动物领域比植物领域应用更广泛。本文成功组装了拟南芥5条染色体着丝粒的首个全序列基因组Col-CEN，揭示了拟南芥着丝粒的遗传和表观遗传图景。
+2、Nature Communication | 基于全基因组测序数据定制癌症疗法，基因组特征模型iGenSig助力精准医疗临床决策支持
+
美国UPMC希尔曼癌症中心的研究团队开发了一组用于预测癌症药物反应的基因组特征模型iGenSig，并使用独立的细胞系和临床数据集对该模型进行了验证。该团队引入了一种白盒方法，称为整合基因组特征分析（iGenSig）（图1），利用高维冗余基因组特征作为整合基因组特征，以增强基于多组学的精准肿瘤学建模的可转移性。iGenSig方法旨在解决基于大数据建模的透明性、跨数据集适用性和可解释性问题。在临床试验数据集的交叉适用性方面，iGenSig模型表现出了更好的性能，能够容忍基因组数据中的实验变异和偏差。iGenSig模型可以在每一个详细的步骤中进行管理，利用研究团队开发的富集分析方法，可以很容易地从生物学角度解释基因组特征的潜在通路。研究团队期望，作为基于大数据的建模方法，iGenSig将在药物基因组学和临床试验数据集的治疗反应建模中有广泛应用。
+3、iMeta | iMetaLab Suite-宏蛋白组学分箱一站式工具箱
+
宏蛋白组学研究所需的生物信息学工作流程包含了蛋白质鉴定（搜库）、定量至下游功能和分类分析，一定程度上限制了其他领域微生物研究人员对宏蛋白组学的使用和探索，为此，本工作开发了涵盖宏蛋白组中最常用的功能、分类和统计分析的流程化工具箱。
+4、Nature Communication | 如何测量复杂网络的维度？
+
本研究提出通过扩散动力学过程来探测空间几何并定义维度的新方法，空间中的每个点都可以被分配一个相对于扩散源的相对维度（relative dimension）。这一概念为网络的局部和全局维度提供了依赖于尺度的定义，能反映网络的拓扑属性。为了展示相对维度概念可以在现实复杂系统应用，作者还展示了维度测量在网络传播动态过程的应用。
+在2022年伦敦会议上，Nanopore technologies宣布Guppy已更新到v6.1.1。Remora是一款位于Minion的新软件，正式推荐用于检测DNA修饰。
+ +
bias-variance tradeoff 是机器学习的核心概念，本帖子展示了大家对于这一概念的理解和讨论。
+ +
本文以TCGA-THCA数据为例，介绍了如何将基因相关性、cox风险和归类属性在同一张图中进行展示。
+ +
该文介绍了如何绘制textbox(文本框)并且如何将其作为热图的annotation。
+hello = {
+ exec "echo Hello"
+}
+world = {
+ exec "echo World"
+}
+
+Bpipe.run { hello + world }
+许多从事数据科学工作的人最终以shell脚本的形式运行作业。虽然这使得运行它们很容易，但也有很多限制。例如，当脚本中途失败时，通常很难判断失败的位置或原因，从失败点重新启动作业就更难了。没有执行命令或控制台输出的自动日志，以确保以后可以看到发生了什么。有时作业会在中途失败，留下创建一半的文件，可能会与好文件混淆。修改管道也很耗时，而且容易出错——添加或删除一个步骤需要在多个地方进行修改，在一个地方更改文件名很容易导致后面的命令失败，甚至更糟，在不正确的数据上运行。Bpipe试图解决所有这些问题（甚至更多!），同时尽可能少地偏离shell脚本的简单性。事实上，你的Bpipe脚本通常看起来与您开始时使用的原始shell脚本非常相似。
+
GREAT包是一个直接对基因区域进行功能富集分析的R包，分为本地分析和在线分析。
+
核心功能：broken()函数，输入一组观测指标和一个线性模型或逻辑回归模型，输出这些指标对模型预测结果的贡献。
+ +
stLearn支持空间转录组数据的细胞聚类、细胞轨迹分析、细胞-细胞相互作用以及可视化等功能。
+13、bigstatsr ｜ 用于存储在磁盘上的大矩阵的统计工具R包
+
很多情况下基因组学数据由于所需内存太大而无法载入 R 进行处理。本包提供对编码为矩阵的大规模数据进行快速统计分析的功能。由于内存映射到磁盘上的二进制文件，这个包可以处理太大而无法装入内存的矩阵。
+
一个有效的可视化基因组之间结构变异和重排的有效工具，并可以用于在染色体水平上比较基因组或放大任何选定区域。
+
16、视频 ｜ David Liu 教授介绍无需打断 DNA 双链的基因编辑
+
David Liu （美籍华裔，中文名：刘如谦）是哈佛大学的教授，专攻方向是基因编辑。
+David Liu 在这个视频中介绍了新的碱基编辑方法、和 prime 编辑方法。
+这两种基因编辑的方法，都避免了用 CRISPR 方法会导致的 DNA 双链断裂。
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+GitHub 粉们可以通过 Watch 仓库的 Release（提前）关注发布内容。
+讨论区的帖子《谁在招人？》，提供生信深造和就业信息，欢迎访问或发布学位攻读/工作/实习等岗位。
+ +
看上去是不同角度拍摄的同一条街道，但是实际上，它们是同一张图片并排放在一起。(via)
+++可视化是工具，不是结果。利用它，但别被它控制。
+
今后人们要吐槽的就是竟然连苹果电脑都要有刘海了。 新款MacBook Pro为了让屏幕面积更大，为电脑屏幕加上了一个刘海设计。
+
你觉得它漂亮吗？个人觉得丑裂…
+不过刘海是次要的，近期发布会的最大亮点，当属苹果新发布的两款芯片——M1 Pro和M1 Max。
+M1 Pro 配备了多达 10 个 CPU 核心，其中包括 8 个高性能核心和两个节能核心，比M1提速70%。在图形方面，M1 Pro 拥有 16 核 GPU，其性能是M1 的两倍。新芯片还支持更多内存，配置选项最高可达 32GB，拥有高达200GB/s的内存带宽。M1 Pro使用了337亿个晶体管，大约是 M1 晶体管数量的两倍。支持外接两台显示器，可以同时播放多达20条4K ProRes视频。
+M1 Max是是M1 Pro的进阶版，虽然跟Pro一样样拥有10个CPU，但M1 Max将统一内存进一步拓展到64GB，内存带宽至 400GB/s，比M1提速6倍。同时在GPU方面，Max在Pro的基础上再度翻了一倍，32核GPU让其速度达到M1 的四倍之多。（来源：公众号「硅星人」）
+So，你会买“炸场”Macbook Pro搞生信吗？
+1、新型AI系统可基于乳腺超声图像识别恶性病变，准确率与放射科医生相当
+
乳腺癌是女性癌症死亡的第二大原因，早期发现、治疗可以有效提高治愈率。X光检查是应用最广泛的乳腺癌筛查和早期发现的成像技术，但对于组织致密的乳腺，在X光检查中很难发现癌症。乳腺超声检查已被证实能够检测到X光检查中的隐匿性癌症，通常被作为乳房X光检查的补充手段，在乳腺癌筛查、检测和鉴定中发挥重要作用。但乳腺超声检查结果仍会获得较高的假阳性率，进而导致不必要的组织活检。
+近日，美国纽约大学研究团队开发了一种新型人工智能（AI）系统，可以在超声图像中实现放射科医生级别的准确率来识别乳腺癌。结果显示，在该人工智能系统的帮助下，放射科医生诊断的假阳性率降低37.3%，在保持相同敏感性水平的前提下，组织活检率减少27.8%，突出了人工智能在提高乳腺超声诊断的准确性、一致性和效率方面具有很大的潜力。该研究成果已发表于Nature Communications期刊上，文章题为“Artificial intelligence system reduces false-positive findings in the interpretation of breast ultrasound exams”。
+ +
药物-药物相互作用 (DDI) 是临床合理用药和上市后药物警戒中最重要的问题之一。DDI是指同时或连续服用两种或两种以上药物时，一种药物的活性可能因其他药物的存在而发生改变。随着现代疾病谱的增加以及患者耐药性的升高，多药处方已成为常见的治疗选择，特别是对于伴有癌症、糖尿病、心血管疾病等多种慢性疾病的患者。这往往会增加临床相关 DDI 的风险，并对治疗管理提出了新的挑战。
+来自中南大学曹东升教授课题组、浙江大学侯廷军教授课题组和湘雅医院刘韶教授课题组联合发表的一篇文章“DDInter: an online drug–drug interaction database towards improving clinical decision-making and patient safety”。本文介绍了一个全面且实用的数据库DDInter，包含约24万个经临床药师审阅和校正的相互作用药物对，覆盖了1833个FDA批准药物。DDInter 为每个DDI提供了丰富的信息，包括作用机制、严重程度、对于潜在风险的管理策略、药物替换方案、文献引用等。用户可以轻松浏览药物条目和相互作用，检索基本信息和药物相互作用网络，并借助相互作用检查器组件进行处方检查。为了帮助用户更好地理解和探索搜索结果，嵌入了多个数据可视化工具来动态显示复杂的关系。医生和药剂师通过使用DDInter可以获得剂量调整、药物更换以及风险判断和管理的实用指导；数据科学家可以将其用于潜在DDI的推导和其他预测工具的评估。
+3、为什么不吸烟也会得肺癌？NIH团队揭示不吸烟肺癌患者基因突变演化史
+
近期，来自美国国立卫生研究院（NIH）下属国家癌症研究所（NCI）癌症流行病学和遗传学部门的流行病学家Maria Teresa Landi博士领导的研究团队在Nature Genetics期刊上发表题为“Genomic and evolutionary classification of lung cancer in never smokers”的研究文章。研究团队对无吸烟史肺癌患者进行全基因组测序，绘制了不吸烟肺癌患者基因突变演化史。分析结果发现，大部分肿瘤都是由机体自然过程所引起的突变而引发。同时，该研究还关注了不吸烟群体与肺癌之间的健康问题，为肺癌早期诊疗提供了科学依据。
+基因组突变图谱结果显示，EGFR是最常见的突变（28.4%），其次是KRAS（7.3%）、ALK （6.0%）、MET（4.3%）、ERBB2（3.9%）、ROS1（2.6%）和RET（1.3%），这7个基因突变互相呈现强烈的互斥分布。
+ +在单个人类细胞的微观视界内，蛋白质和 DNA 的复杂折叠和排列决定了每个细胞的命运：哪些基因被表达，哪些基因被抑制，这决定了细胞是保持健康还是发生病变；宏观角度则反映了一个人的健康状况。单细胞 Hi-C （scHi-C） 技术可以识别三维 （3D） 染色质组织的细胞间差异性，但测量相互作用的稀疏性会带来分析挑战。
+卡内基梅隆大学的研究人员提出了一种基于超图表示学习框架的算法——Higashi，可以合并单个细胞之间的潜在相关性，以增强接触图的整体插补。Higashi 优于现有的 scHi-C 数据嵌入和插补方法，并且能够识别单个细胞中的多尺度 3D 基因组特征，例如区室化和 TAD 样域边界，从而可以精确描绘其细胞间差异性。该研究以Multiscale and integrative single-cell Hi-C analysis with Higashi为题，于2021年10月11日发布在杂志Nature Biotechnology。
+5、3 个问题：MIT专家论述关于阻碍AutoML发展的障碍
+
研究人员希望更多用户友好的机器学习系统将使非专家能够分析大数据——但这样的系统能完全自主吗？本文介绍麻省理工学院计算机科学家 Kalyan Veeramachaneni分享了他对自动化机器学习 （AutoML）现状、创建全自动机器学习系统的挑战以及未来道路的看法。Kalyan Veeramachaneni 是麻省理工学院信息与决策系统实验室的首席研究科学家，自 2010 年以来一直在研究 AutoML，他在 ACM Computing Surveys 杂志上合著了一篇论文，详细介绍了一个七层示意图，用于根据 AutoML 工具的自主级别来评估它们。
+3个问题：
+
R自带绘图包采用画家模式，难以实现灵活有序的图形生成。本文中Y叔介绍了基于图像语法的base plot生成以及相应的R包实现plotbb。对可视化感兴趣的读者非常推荐阅读！
+2、GATK 的Somatic Mutation流程–肿瘤基因组测序数据分析专栏
+
本文介绍了GATK 的Somatic Mutation检测流程。
+3、R包earth的多元自适应样条回归（MARS）以及对变量重要性的评估
+多元自适应样条回归（Multivariate Adaptive Regression Splines，MARS）是一种非参数回归方法，它通过对数据进行分区，并在每个区间的预测变量值范围内分别构建线性模型或广义线性模型来实现，即一种分段回归形式。本文介绍了该方法的基本原理和通过实例评估变量重要性。
+ +
三线表以其形式简洁、功能分明、阅读方便而在科技论文中被推荐使用。
+本文主要使用table1包制作三线表，生成的三线表为html格式，可以直接复制到word中。
+ +
这个问题没有简单的答案。虽然本文作者通常使用5-7个人的经验法则，但你可以看到这完全取决于情况。
+
提供简单直观的管道友好框架，与“tidyverse”设计哲学相一致，用于执行基本统计检验，包括t检验、Wilcoxon检验、方差分析、Kruskal-Wallis和相关分析。
+ +一个基于DFA法的支持多语言扩展的JS版开源词法分析器，代码精简，易于学习和使用。（@WGrape投稿）
+
grch38 %>%
+ dplyr::filter(biotype == "protein_coding" & chr == "1") %>%
+ dplyr::select(ensgene, symbol, chr, start, end, description) %>%
+ head %>%
+ knitr::kable(.)
+
R代码丑？就用它。我常用的一个R包，可以从文件、目录和包三个不同的水平格式化R代码。
+ +
容器化技术已经变革了云服务与软件应用开发和部署方式，也为可重复的数据分析提供强大的底层支撑。对技术感兴趣的读者一定不要错过容器技术。（知乎用户 @幻舞花火 的投稿）
+7、rsthemes：完整的RStudio IDE和语法主题
+# 安装包
+devtools::install_github("gadenbuie/rsthemes")
+
+# 安装主题
+rsthemes::install_rsthemes()
+
+# 尝试主题
+rsthemes::try_rsthemes()
+推荐学习深度学习的读者关注。
+3、免疫学拾遗
+如果你想要支持本周刊，可以对推文进行赞赏或者提供的支付宝/微信二维码打赏。
+ |
+ |
+
|---|---|
| + | + |
感谢以下读者往期的赞赏：
+这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
++1822 年 7 月 20 日，现代遗传学之父孟德尔出生于奥地利帝国西里西亚海因策道夫村。2022年是孟德尔诞辰 200 周年纪念。借用饶毅老师在他文章中的说法：生物学有两座智力高峰：第一次是 1854 年至 1866 年孟德尔独自一人；第二次是 1951 年至 1965 年克里克 (Francis Crick) 及其合作者们。两个高峰碰巧相隔一百年。今天重读孟德尔的论文，追寻孟德尔的思路，思考孟德尔的环境，仍然很有意义。
+
@wangdepin - 2022年是孟德尔诞辰200周年，同时也是巴斯德诞辰200周年。孟德尔（Gregor Johann Mendel,1822-1884）发现了遗传学定律，找到了决定生命现象的本质；巴斯德（Louis Pasteur,1822-1895）开创了微生物学和免疫学，为人类的健康做出了巨大的贡献。很多学者写了纪念他们的文章，中国遗传学会也专门举办了一系列讲座来纪念这一重要日子，足见孟德尔在生命科学史上的重要地位。详细了解这些伟大科学家在当时所创造的一系列科研重大发现的过程，给我们这些后辈在科研路上带来很大的启发。
+1、Nature Machine Intelligence｜基于 AI 算法预测基因组错义变异的功能影响
+
美国哥伦比亚大学系统生物学系和生物医学信息学系副教授沈宇锋博士及其团队前博士后张海仓，开发了一种新方法 gMVP 来预测哪些错义变异具有潜在功能影响。gMVP 使用最新的机器学习技术深度图注意力神经网络模型，来抽取相关特征并预测哪些变异具有功能影响。gMVP 方法使用蛋白质中氨基酸 - 氨基酸间的共进化信息来确定不同位置间是否在功能上相关，这使得 gMVP 不仅可以刻画变异所在的一维序列环境，也可以刻画变异所在的蛋白质三维结构环境。研究团队在多个不同的独立数据集上评估了 gMVP 的性能，涉及的应用包括临床基因测试以及致病新风险基因的发现。 在所有测试中，gMVP 的表现明显优于其他方法。
+2、Nature Machine Intelligence | 超越 Neural ODE，新机器学习模型显著提升计算速度与性能
+
近日，MIT的研究人员在 Nature Machine Intelligence 杂志上发表论文，提出了一类新的机器学习模型——闭合形式连续时间神经网络（Closed-form continuous-time neural networks，CfC），以闭合的形式逼近神经元和突触之间的相互作用。CfC模型具有因果性、紧凑性和可解释性，在通过运动传感器识别人类活动，模拟步行机器人的物理动力学建模，以及基于事件的序列图像处理方面具有更快的速度和更好的性能。此外，模型还可以帮助建立具有数十亿细胞的大脑计算模型，为理解智能开启新的研究途径。
+3、Clin Chem | PacBio和ONT测序平台对血浆cfDNA分析性能比较成果
+
本研究比较了PacBio和ONT测序在血浆cfDNA分析中的应用，分析了来自不同妊娠期的女性、乙型肝炎病毒（HBV）携带者和HCC患者的血浆cfDNA样本。比较了两个平台的测序结果，包括大小和片段末端图谱，以及基于cfDNA单分子甲基化模式的组织来源分析。其中一个发现是，PacBio测序的血浆cfDNA比ONT测序平台得到的更长，PacBio中大于1kb的cfDNA片段比例是ONT的30倍左右。cfDNA片段图谱中，cfDNA短片段有10 bp的周期性峰，这在PacBio的数据中很明显，但在未来研究中，还是很有必要使用非测序为基础的方法进一步验证血浆中长片段cfDNA的存在。（整体上看PacBio在这里是有优势的）
+4、Cancer Discov | 肝癌全基因组cfDNA片段化特征检测方法DELFI，可高灵敏度、特异性筛查高危人群
+
约翰霍普金斯大学研究团队开发出一种基于血液的全基因组cfDNA片段化特征检测方法,对HCC具有高灵敏度和特异性。研究表明片段化概况捕获了基因组和染色质特征，包括已知在HCC中很重要的改变。cfDNA片段化组分析方法“DELFI”是第一个在单独的高风险人群中独立验证的全基因组片段化分析，在检测HCC方面具有稳定和强大的性能，包括非常早期的疾病，且与疾病病因无关。
+
我们每天都在用goole搜索，学会一些小技巧更有利于搜索出更好的结果。
+ +
本文深入浅出介绍了CDN的概念、工作原理和缓存策略以及相关名字解释。
+ +
有人已经开发出gpchatteR包，和机器人聊聊天就把活给干了。
+8、redis入门
+
Redis 是一个开源（BSD许可）的，内存中的数据结构存储系统，它可以用作数据库、缓存和消息中间件。本文将会从：Redis 使用场景与介绍 -> 数据结构与简单使用 -> 小功能大用处 -> 持久化、主从同步与缓存设计 -> 知识拓展 来进行介绍。
+
Scidown是又一国产文献下载网页工具，注册账号后输入对应的DOI号就能获取大部分文献，感兴趣的小伙伴可以尝试一下~
+10、https://github.com/leiurayer/downkyi
+
哔哩下载姬（DownKyi）是一个简单易用的哔哩哔哩视频下载工具，具有简洁的界面，流畅的操作逻辑。哔哩下载姬可以下载几乎所有的B站视频，并输出mp4格式的文件；采用Aria下载器多线程下载，采用FFmpeg对视频进行混流、提取音视频等操作。
+ +
cronologia的目标是在RMarkdown文档和Shiny应用程序中创建一个交互式时间轴小部件。
+ +
Sigminer 是一个一站式的癌症基因组变异模式（Mutational Signature）分析工具，提供了对多种变异类型（SBS、DBS、INDEL、CNV、Rearrangement）和多种计算解析算法的支持（NMF、SigProfiler 等），可以通过 GitHub/CRAN/Bioconda/Docker 等途径下载和使用。
+
爱思唯尔出版社开设的关于如何成为一个合格的审稿人的课程，总共分为12个模块，总计约4小时左右。
+
14、 远程工作岗位资源推荐
+
一个github仓库以及网站，包含互联网相关公司远程工作或者半远程工作岗位。希望这样的岗位越来越多，特别是生信相关的。
+15、https://github.com/jiqizhixin/Artificial-Intelligence-Terminology-Database
+
人工智能领域英中技术词汇的综合映射数据库。本术语库目前拥有专业术语约 2442 个、专项领域篇 2 篇，主要为人工智能领域基础概念和术语。
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
人的一生剪影图（图来源）。
+
++瑞士洛桑大学和美国田纳西大学健康科学中心的研究团队在国际顶尖学术期刊 Science 上发表了题为：Sex- and age-dependent genetics of longevity in a heterogeneous mouse population 的研究论文。该研究通过观察了3200多只基因多样化的小鼠，发现了影响小鼠寿命的几个染色体区域。并且有些基因效应在雄性和雌性之间有所不同，而有些基因效应只影响到了一定年龄后的寿命。
+
@NiEntropy - 想到了生物课本中的一句话：生物的性状是由基因决定的，而基因的表达受环境因素影响；想到了秦始皇炼丹渡海寻仙求长生，Google投资Calico专注衰老研究。从古至今，人类一直在追寻着长寿，而在日复一日的生活中，我更感兴趣未来会是什么样？是像《赛博朋克：边缘行者》中“低端生活与高等科技结合”的悲剧，还是我们共同的理想：在高度发达的社会生产力和广大共识范围，人们科学文化水平和思想觉悟，道德水平极大提高的基础上，实行各尽所能、按需分配原则的劳动者有序自由联合的社会经济形态。未来源于当下，还是要脚踏实地把当下的工作干好。
1、Nat Biotechnol | 首个高灵敏度、高通量、单细胞全长转录组测序方法VASA-seq
+
Nature Biotechnology上的这篇题为“High-throughput total RNA sequencing in single cells using VASA-seq”的文章介绍了一种结合了高灵敏度、全长转录组覆盖和高通量的单细胞测序技术-‘vast transcriptome analysis of single cells by dA-tailing’ （VASA-seq）。VASA-seq结合了10x Chromium平台提供的高通量、Smart-seq3方法的高灵敏度和Smart-seq-total在单一实验工作流中提供的非编码RNA的广谱捕获。此外，VASA-seq方法涉及的试剂成本较低，不依赖其他商业试剂盒，为廉价、大规模、深入的进行单细胞转录组测序成为可能。
+2、Nat Commun | 性能优于传统生物标志物！基于网络生物学的机器学习方法可准确预测癌症患者免疫治疗反应
+
近日，韩国浦项科技大学、延世大学的研究团队提出了一种基于网络生物学的机器学习（ML）模型，可以对ICI数据集进行稳健的预测，并识别潜在的网络生物标志物（NetBio）。研究团队整理了700多例接受ICI治疗的患者样本，包括临床结果和转录组数据。在基于NetBio的预测中，该方法准确预测了三种不同癌症（黑色素瘤、胃癌和膀胱癌）对ICI治疗的反应。此外，基于NetBio的预测效果优于基于其他传统生物标志物（如ICI靶标或肿瘤微环境相关标志物）的预测。
+3、Nat Mach Intel｜用语言模型进行可控的蛋白质设计
+
++蛋白质序列在本质上类似于自然语言：氨基酸以多种组合方式排列，形成承载功能的结构，就像字母组成单词和句子承载意义一样。因此自然语言处理（NLP）的许多技术被应用于蛋白质研究问题。 +有几个特征证明了人类语言和蛋白质序列之间的相似性，其中最明显的可能是它们的分层组织。与人类语言类似，蛋白质是由字符串的连接表示的：20个标准氨基酸。然后字母组合成单词，氨基酸组合成二级结构或保守的蛋白质片段。然后，就像单词组合成带有意义的句子一样，片段可以组合成带有功能的不同蛋白质结构。
+
过去几年里，NLP领域有了革命性的突破。来自西班牙赫罗纳大学信息学与应用研究所的Noelia Ferruz等人在Nat Mach Intel杂志发表文章，讨论了人工智能领域的最新进展–语言模型在蛋白质设计中的潜力和影响。Transformer预训练模型的实施使文本生成具有类似人类的能力，于Transformer的蛋白质语言模型将彻底改变蛋白质设计领域，并为许多当前和未来的社会挑战提供新的解决方案。
+4、Genome Research | scFEA：一站式解决单细胞代谢分析
+
细胞代谢是影响细胞功能的基础条件之一，在很多特定条件下，细胞代谢的改变往往早于细胞功能的改变。因此，成功的揭示不同条件下细胞的代谢状态，能够给我们研究细胞功能提供很好的参考价值。但是，即使是组织水平的代谢流也是稍纵即逝的，传统的生物学技术无法较好的捕捉同一时间下不同功能状态下的细胞代谢，而单细胞测序技术可以给我们提供一个新的研究思路。 +细胞间的代谢异质性，和代谢物之间的相互作用被认为是疾病治疗耐药性的重要影响因素。然而，由于缺乏成熟的高通量单细胞代谢组学技术，我们尚未对组织内代谢异质性和协同机制建立系统的认识。为了缓解这一技术短板，作者开发了一种新的计算方法，即单细胞通量估计分析(scFEA)，以从scRNA-seq数据推断细胞内代谢物的通量研究。
+
比较系统的生存分析概念科普，推荐大家阅读。
+++ +近年来中文出版界出现了包含数学公式的专业科普未必曲高和寡的可喜现象。在这些成功范例的鼓舞下，本文将从最基本的概念开始，对“生存分析海洋”的两大水域大胆进行深度潜水式科普。
+
本文介绍了如何通过jjAnno包给Figure周围添加各种各样的注释(文字、线段和矩形等等)。
+
细胞-细胞配体-受体 (LRs) 和细胞因子相关通路网络分析图的绘画教程。
+8、xTrimo Multimer | 加速蛋白质预测，比AlphaFold2快10倍
+
在2022年3月，Colossal-AI 团队曾推出蛋白质结构预测模型AlphaFold的训练推理加速方案FastFold，用更低的成本将总体训练时间从11天减少到67小时，在长序列推理应用中实现超11倍的提升。以此为起点，Colossal-AI 团队在进一步探索蛋白质结构预测领域的技术革新。针对蛋白质单体(Monomer)与复合物(Multimer)结构预测的难题，本次Colossal-AI 团队联合百图生科提出行业内最新解决方案 xTrimo Multimer开源版模型，能够更好地理解蛋白互作关系，从而提升药物研发平台中靶点分析、蛋白质结构预测和模拟以及高精准抗体设计等方面的能力。xTrimo Multimer可以支持长达4K的序列推理，此时OpenFold和AlphaFold 2受限于显存无法完成推理，而xTrimo Multimer可以在20分钟左右完成。
+9、Nezzle | 一个用Python编写的交互式和可编程的生物网络可视化软件
+
Nezzle是一款网络可视化软件（意思是Net + Puzzle，因为调整网络的节点和边进行可视化类似于拼图）。它提供交互式和可编程的界面，允许用户通过Python编程调整节点和边的位置，并自动实现图形组件的风格化。
+
diagrams 是一个免费的图表绘制网站，提供的丰富的功能和多平台的应用。
+ +
facets项目包含了两个可视化功能理解和分析机器学习数据集：Facets Overview 和 Facets Dive。可视化由Polymer网页部件实施，由Typescript代码支撑可以轻松嵌入到Jupyter笔记本和网页中。
+12、ProteinContactNetworks | 蛋白接触网络分析
+
蛋白质接触网络分析图，节点代表氨基酸，当两个节点的距离在 4 到 8 Angstrom间时，认为两个节点间存在接触。
+++1 Angstrom = 0.1 nanometre
+
13、nf-core/sarek | 体细胞变异开源分析管道
+
目前博主更新了，DNA-seq、RNA-seq、mNGS的相关分析教程。
+15、WebStack-Hugo | 无需服务器静态响应式网址导航主题
+
「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
海上城市设计。图源：https://www.pangeosyacht.com/projects
+++王诗翔：
+「回望」非常开心在去年通过Openbiox组建了小团队来持续化运维开源的生信周刊项目，所有的参与人员都非常积极地参与和贡献了后续的计划和内容。愿我们的持续的一点小坚持、小贡献，为整个生态系统的建设添砖加瓦，为相关的学习者、工作者带去帮助。
+「兔年寄语」祝全部运维成员和所有的读者在新的一年里龙腾虎跃，钱兔无量，鸿兔大展，事业有成，家庭美满！
+何凯：
+「回望」加入Openbiox社区已半年有余，很开心能分配到诗翔带领的生信爱好者周刊小分队中，刚进入团队时，从内容搜集到周日发表整个流程都已规划的十分详细了，使得大家很快上手协作起来，截止目前共参与了27期的内容，3次作为主负责人整理并发布，真心觉得在此过程中收获成长了很多，最大的感悟就是眼界不再局限于自己所认知或擅长的那一片领域内，改掉了一些不好的习惯(比如把知识放进收藏夹里吃灰)，在不断分享知识过程中对某些问题的理解也更加深刻广泛。
+「兔年寄语」1. 新的一年，希望在有精力前提下更多参与负责周刊的内容搜集整理，不断开拓自己知识领域；2. 顺利完成自己的课题，在投的几篇paper能顺利accpet，同时提升自己coding水平 ； 3. 互相协作半年之久，希望后续有机会和几位小伙伴线上/下见面有更多的交流认识。
+赵启祥：
+「回望」很高兴加入Openbiox社群，在生信爱好者周刊小分队里！每一次参与周刊内容的分享都可以学到新的知识，接触新领域，给枯燥的科研生活注入活力！
+「兔年寄语」新年快乐！祝大家在新的一年里顺顺利利，事业有成，阖家团圆！
+
1、Science | 冷冻人类大脑分析揭示出与年龄相关的“超突变性”
+
来自梅奥诊所、耶鲁大学和约翰霍普金斯大学领导的研究团队首次对大规模人类死后冷冻大脑进行了深度全基因组测序分析，揭示了大脑中体细胞突变的复杂病因学及其与衰老的潜在关系。该团队还表示，虽然在这项研究中没有发现体细胞突变与精神分裂症和图雷特综合征之间的联系，但还需要更多的研究来排除这一可能。他们强调，鉴于上述发现，有必要对更大规模的自闭症和其他疾病队列进行进一步研究，以对这一观察结果做出明确的结论。
+
大量的生物序列数据，加上最近在计算机视觉或自然语言处理等领域的深度学习方法上的突破，当下正面临深度基因组学下生物信息学的变革。这篇综述回顾了深度学习在该领域的新应用，主要集中在三个方面：基因组的功能注释、基因组功能的序列决定因素和编写合成基因组序列的可能性。
+
本文阐述了几个测序龙头公司的市场价值。
+注：
+4、国内服务器无法访问Github导致git pull失效的解决办法
+
本文针对lamp环境更新后，执行git pull却发现无法访问github服务器的问题，提出了修改hosts文件的解决方法。并提供了最新的GitHub IP地址。
+5、gGnome.js ｜ 一个用户友好化的网页工具，用于展示基因组上各种信息
+
juicr 是一个利用自动、半自动和手动工具，从科学图像中提取数据的GUI 界面。适用范围包含数据的散点图和条形图，或具有可进行数字转换或坐标分类的信息的其他图像。
+ +Selfspy是一款支持Unix、MacOS和Windows平台、实时监控并记录你电脑各种操作的工具，通过相应的指令可以回顾并查询既往的操作。
+
「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
+来源：Katie-Marie Case
这些人类鼻腔细胞覆盖着纤毛——抓住并清理鼻腔异物的细小毛发。在研究COVID-19为何对某些年龄阶段的影响较大时，博士生Katie-Marie Case注意到这些星系般的鼻细胞螺旋只出现在老年患者身上。
+++日常生活有很多”寻找-决策过程”，如果考察所有选项，要花费很长时间，可能还会错失机会，后面遇到的未必有前面的好。能否确定一个时间点，到了某个阶段就停下来，不再寻找了，这时找到合适候选人的概率最大？
+
@《最佳停止时间》 “37%法则”的意思就是，寻找阶段进行到37%就要停止。日常生活中，只要符合”寻找-决策过程”的场景，都可以适用37%法则。
@kkjtmac 之前也遇到过类似的决策犹豫不决的时候，没有一个标准进行最终的决定，准备后续遇到相似的情况实行”37%法则”！
@ShixiangWang 这个策略在成本有限时可以获取比较优秀的结果，但在道德上可能涉及到对参与者不公平的待遇。
1、Nature Medicine观点文章 | 人类细胞图谱对医学的影响
+
剑桥大学团队联合Genentech公司团队在Nature Medicine上发表观点文章“Impact of the Human Cell Atlas on medicine”，展望了细胞图谱影响医学未来的潜力，并描述了过去十年中，该领域研究进展如何在常见复杂疾病、传染病（包括COVID-19）、罕见疾病和癌症中实现这一潜力。
+2、Cancer Research ｜ 解码癌症遗传祖先的新算法，可从癌症衍生分子数据进行遗传血统推断
+
该研究团队开发了一种从癌症衍生的分子数据中进行准确、稳健地祖先推断的计算方法。该方法将一种基于PCA的祖先推断技术与使用合成数据进行推断参数优化的方法相结合，有助于遗传血统导向的癌症研究。研究团队还从已知背景的癌症和不相关无癌基因组中创建样本图谱，并利用已知血统的胰腺癌、卵巢癌、乳腺癌和血癌样本验证了该算法的性能，结果显示该算法准确率超95%。
+3、Genome Biology | 多模态和单细胞/亚细胞水平空间组学技术的现状及发展前景
+
空间组学技术能够帮助人们更深入地了解细胞组织和目标组织内的相互作用。这些技术方法可以识别组织中具有差异转录物或蛋白质丰度的特定区段或区域，描述其相互作用，并补充定义细胞表型的其他方法。与传统的单细胞测序方法相比，高分辨率空间组学数据包含原生组织构象的成对空间信息，允许发现新的细胞类型、细胞相互作用和组织结构。美国威尔康奈尔医学院的研究团队回顾了从单细胞到亚细胞分辨率的空间组学技术和分析工具的现状及前景，为科研研究和临床应用提供了一个全面、详尽的综合分析。
+4、 把OpenAI接入微信
+
作者详细介绍了将OpenAI接入微信的流程，感兴趣的可以尝试一下。
+ +
随着抗肿瘤靶向治疗药物和免疫治疗药物的发展，单克隆抗体成为肿瘤临床治疗十分常见的药物之一。本文就单克隆抗体的概念、分类、命名和输液反应等方面进行阐述说明。
+ +
随着人工智能（AI）和机器学习（ML）的不断发展，药物开发过程中的一些问题得到了有效解决。2022年，全球多家AI制药公司经历了融资、合作、交易等重要事件，本文结合医药魔方PharmaInvest数据库专有的评分系统，筛选了10家在2022年取得较大进展的AI制药公司，也是2023年该领域值得关注的10家公司，就其融资、交易和合作等情况进行简要介绍。
+
paperneed是一款在线文献搜索引擎，可以根据文献名或期刊名进行查找。
+
scGSVA包提供了对单细胞数据进行GSVA分析的wrap函数。scGSVA包含为几乎所有物种构建注释的函数。scGSVA还提供了基于GSVA结果生成图形的功能。scGSVA提供了生成注释数据的函数，这些注释数据可用于分析。
+
AutoClass是一款用于scRNA-Seq数据清理和去噪的深度学习工具。AutoClass 集成了两个深度神经网络组件：一个自动编码器和一个分类器，以最大限度地提高噪声消除效率和信号保留程度。
+11、Coding Club R Course配套资料纯链接版
+
英国R课9次课程学习结束，本文历时长达10周整理了相关的配套资料。即使没有参加过课程，从头到尾过一遍这些资料，也可以增加对R语言的应用理解。
+
在本文中，涵盖面向初学者，中级专家和专家的23种机器学习项目创意，可获取有关该增长技术的真实经验。
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+「生信周刊讨论区（语雀）」 | 「生信讨论区（Gitter）」
+
++在大多数谈及如何不取悦、不讨好的论述中，解决方法有很多，听起来都像是无用的“鸡汤”，道理谁都懂，但落到自己身上都抓瞎。总结起来就是爱自己，时刻关注自己的想法，问清自己的诉求。在现在这个时代，“爱自己”似乎是解决一切心理问题的药方，面对婚姻、职场、亲密关系等等，在双向关系中但凡哪里出了问题，好像都可以用“爱自己”这个单向方式去解决。
+
@He-Kai-fly - 先学会欣赏自己，肯定自己，爱自己，懂得拒绝他人，甩开思想包袱，理性判断问题，大胆表达自己的想法，才能从讨好型人格中解放出来。
+1、Sci Adv | 单碱基分辨率绘制氧化性DNA损伤图谱，揭示8-oxo-G与2种癌症突变特征的一致性
+
++研究人员提出了一种基于CD-seq的方法，用于在人类基因组中单碱基分辨率绘制各种类型的氧化损伤DNA碱基，为H2O2诱导的氧化鸟嘌呤和高锰酸盐诱导的氧化胸腺嘧啶定义了序列特异性模式。随着进一步的改进和有效的预防措施以防止DNA体外损伤，CD-seq方法有望以足够高的灵敏度检测人体组织中的氧化DNA碱基。
+
2、Nature Communication | 基于尿蛋白图谱的CRC诊断及转移风险分层研究
+
++赵晓航/孙伟研究团队结合定量蛋白质组学、靶向蛋白质组学、免疫组学等方法，系统分析了用于CRC诊断和预后预测的尿蛋白。截止到目前，该研究是确定CRC非侵袭性生物标志物最大和最全面的研究，发现在癌前病变和早期肿瘤组织中存在异常高水平的诊断相关尿蛋白生物标志物。此外，尿蛋白组能够综合反映不同的CRC分期，以及早期CRC的病理和生理变化。该研究为可靠的CRC诊断和检测提供了有潜力的尿蛋白生物标志物。
+
3、 Nat Comput Sci | 利用图神经网络对空间转录组数据进行细胞聚类
+
++该文章提出了一种基于图卷积神经网络的算法对空间转录组中的细胞进行聚类分析的方法（Cell Clustering for Spatial Transcriptomics，CCST）。相对于大部分算法基于“同种细胞在空间上相互临近”的假设，CCST方法并不依赖于局部特征，而是可以从细胞的全局空间分布中学习节点嵌入。在文章中，作者通过几种不同类型数据集综合对比了近期学术界提出的多个相关算法。在脑前额叶皮质和人乳腺癌细胞ST数据集上的实验表明，CCST在ARI、NMI和FMI等多个聚类评价指标上均体现出优势，为分析空间转录组数据提供了新角度和新算法。
+
4、renderthis包-渲染xaringan幻灯片为不同格式
+
++renderthis包，最初名为xaringanBuilder。该包包含将xaringan幻灯片呈现为不同格式的函数。renderthis包包含将xaringan幻灯片(Quarto支持即将到来!)渲染为不同格式的函数，包括html, pdf, png, gif, pptx和mp4格式，以在社交媒体上分享。
+
本文介绍如何使用 jjplot 绘制样式丰富的饼状图。
+6、DeSci最全指南——最新的Web3运动 (qq.com)
+
++ +越来越多的科学家和企业家正在利用区块链工具，包括智能合约和代币，以试图改善现代科学。总体而言，他们的工作已被称为去中心化的科学运动，或DeSci。DeSci运动的目的是加强科学资助；将知识从孤岛中释放出来；消除对出版商集团等逐利的中介机构的依赖；并加强整个领域的合作。
+
++为什么基于树的机器学习方法，如 XGBoost 和随机森林在表格数据上优于深度学习？本文给出了这种现象背后的原因，他们选取了 45 个开放数据集，并定义了一个新基准，对基于树的模型和深度模型进行比较，总结出三点原因来解释这种现象。
+
++httpgd是一个通过网页等方式连接R语言图形的扩展包，可以更轻松的实时将R生成的图嵌入到集成开发环境等应用中（包括Html/JavaScript）。
+
9、pipebind包-优化R语言中的管道对象
+
++与{magrittr} %>%管道相比，基本R |>管道缺乏一些高级功能。例如，管道对象只能在管道的右侧出现一次(作为第一个未命名的参数或使用占位符的其他地方)，并且占位符不能出现在诸如$、[、[[或@等子设置函数的左侧。
+这个包提供了一个bind()函数来方便地规避这些限制。将一个对象管道到bind()中，选择一个占位符来表示它，然后在R表达式中使用这个占位符以任何方式引用管道对象，并根据需要多次引用该对象。
+
10、jjPlot
+
基于 ggplot2，jjPlot提供了诸多丰富的绘图图层和图形样式。
+11、 riskyr - 风险相关信息计算于可视化R包
+++与风险相关的信息——例如患病率、诊断性检查的敏感性和特异性、干预或治疗的有效性——可以用频率或概率来表示。通过提供一个相应指标的工具箱，riskyr 可以通过各种方式对风险相关信息进行计算、转换和可视化。采用多个互补视角提供了对关键参数之间相互作用的更深层次理解，并使有关风险的教学和训练更加透明。
+
12、计算机网络知识点全面总结
+
本文针对计算机基础知识点进行梳理总结，值得收藏
+13、Coursera课程：针对Web开发者提供的HTML、CSS和Javascrpit的学习资料
+
14、利用Maxstat统计量确定生存图中数值变量的最佳切点
+
++生物统计学研究中的常见需求是根据连续的解释变量对患者进行分组。在某些情况下，要求测试遭受特定基因突变并在其他给定基因中具有高表达（过表达）的受试者的总体生存期。为了可视化组间生存曲线的Kaplan-Meier估计值的差异，首先执行连续变量的离散化。由连续变量分类引起的问题广为人知且一直存在，但在这种情况下，离散化似乎有简化的要求。在这篇文章中，作者提出了maxstat（最大选择排名统计）统计量，以确定连续变量的最佳切点，这是由Alboukadel Kassambara在survminer包中所提供的。
+
「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
++2005年，在庆祝创刊125周年之际，Science公布了125个最具挑战性的科学问题。对指引近十几年的科学发展产生积极影响，详见： +Science公布：全世界最前沿的125个科学问题。 +16年之后的2021年，随着科学的不断突破，许多问题得到一定程度的解答，一些问题也更加深入。近日，上海交通大学携手Science杂志发布了“新125个科学问题”——《125个科学问题：探索与发现》。
+
@JnanZhang：“每一项科学突破都始于一个问题。我们可能无法立即提供所有答案，但也许共享问题并与他人进行对话，是一个很好的起点。”
1、 Nucleic Acids Research | 汤富酬课题组实现基于单细胞测序数据的人类基因组从头组装
+
汤富酬课题组使用单细胞基因组三代测序技术，首次在单细胞水平上完成了 Mb 级连续性的人类基因组组装。此技术可以用来解决人类基因组从头组装在实际应用中遇到的细胞遗传异质性和细胞稀缺性的问题。通过该方法，作者能够在单细胞水平（少至30个单细胞）实现高质量基因组组装，并确定了影响组装结果的主要因素。研究结果表明，使用单细胞测序数据从头组装人类基因组是可行的，并且该方法具有较高的分辨率，可以更准确地解析单个细胞的基因组特征。这一技术的成功开发将为单细胞基因组研究和人类基因组的从头组装提供更有效的工具和方法。
+2、The Innovation | 用系统生物学的观点鸟瞰肿瘤易感基因
+
癌症易感基因（Cancer susceptibility gene）是一类可引起癌症发生风险增加的基因。这些基因的突变可能导致细胞发生异常增殖和恶性转化。因此，通过检测一个人的癌症易感基因概况，可以评估其癌症风险，并为个性化癌症预防和治疗提供启示。这篇文章里来自西澳大利亚大学的 Grant Morahan 教授团队整理了目前最新的肿瘤易感基因列表，并对其进行了系统性的分析。该研究对癌症易感基因的功能、调节机制以及与不同类型癌症的相关性进行了深入研究。研究结果表明，这些肿瘤易感基因在不同类型的癌症中具有不同的作用和表达模式。此外，研究团队还发现一些新的与癌症相关的基因，并提供了新的理解癌症发生和发展机制的线索。这项研究的发现有望为个性化的癌症预防提供新的契机，为基于肿瘤易感基因的治疗策略提供更为精准的指导，有望推动癌症研究和治疗的进一步发展。
+3、 Mol Cell | 绘制人类RNA翻译的高分辨率图谱
+
+新加坡杜克-新加坡国立大学的Sebastian Schafer和Owen J.L. Rackham课题组确定了六种主要人类细胞类型和五种组织的核糖体位置，并检测到7767个具有与已知蛋白质匹配的翻译谱的smORFs。发现人类基因组包含高度特异性的细胞类型和组织smORFs，并且它的很大的一部分能够编码高度保守的氨基酸序列。这些研究与456个质谱数据集一起证实了人类蛋白水平上存在603个小肽，并为这些小蛋白的亚细胞定位提供了见解。本研究提供了一个来自原代人类细胞和组织的高置信度翻译的smORFs的全面图谱，帮助我们对翻译的人类基因组提供更全面的理解。
+- 论文链接：https://doi.org/10.1016/j.molcel.2022.06.023
4、BMC Bioinformatics | 联合深度学习优化代谢组学研究
+
代谢组学是一个主要的组学课题，在代谢特征和生物标志物的临床应用和基础研究中都占有重要地位。不幸的是，相关研究受到许多外部因素造成的批次效应的挑战。在过去十年中，深度学习技术已成为数据科学中的主要工具，人们可以从已知批次训练诊断网络，然后将其推广到新批次。然而，批次效应不可避免地阻碍了这种努力，因为所考虑的两个批次可能高度不匹配。上海交通大学和上海科技大学的研究人员提出了一个端到端的深度学习框架，用于联合批次效应去除，然后对代谢组学数据进行分类。
+5、 https://www.rstudio.com/blog/shiny-and-arrow/
+
shiny是一个令人难以置信的工具，它将数据科学带入日常生活。同时，它可以帮助将分析结果传达给非技术利益相关人员，或为任何人提供自助式的数据探索。本文介绍了Ketchbrook Analytics首席数据科学家Michael Thomas如何利用shiny有效利用数据帮助企业获得显著的竞争优势。
+ +
本推文分享了笔者从文献阅读前、阅读中、阅读后这三个过程中的心得体会，并介绍了各阶段的相关工具。
+7、 NEJM | 神速！基于纳米孔测序的产前检测方法可2小时内快速鉴定胎儿染色体异常
+
+研究团队基于纳米孔测序技术开发了可分析DNA微小片段的STORK方法，可在2小时内提供结果，比目前可用的染色体检测方法快15,000倍，且每个样本的处理成本约为当前检测的十分之一。此外，STORK方法只需使用约有口琴大小的测序设备，重量仅为 450克，在医生办公室内即可完成检测。
+- 论文链接：https://www.nejm.org/doi/10.1056/NEJMc2201810
+本文主要是对常用的各类 LaTeX 符号进行汇总，方便大家查询。主要参考 CSDN 文章 和 AoPS Wiki 网站。
VizTracer 是一款用于 Python 代码的调试和性能分析的工具，可追踪和可视化 Python 代码的执行过程。它易于使用，支持多线程，并且适用于 Linux、MacOS 和 Windows 等多个操作系统。
+10、Mito-一款超级棒的 JupyterLab 扩展程序
+
Mito 是一个免费的 JupyterLab 扩展程序，可以使用 Excel 轻松探索和转换数据集。
+11、代谢物溯源/微生物组与代谢组整合分析软件MetOrigin
+
肠道微生物组和代谢组之间的相互作用在人类健康和疾病中起重要作用。当前的研究主要采用肠道微生物组和所有确定的代谢物之间的统计相关分析来探索其关系。然而，在没有体外培养实验的情况下，确定微生物的特定代谢功能仍然具有挑战性。区分微生物代谢物与其他人（例如宿主，食物或环境）并探索其代谢功能以及与微生物组的相关性可能会提高生物标志物发现的效率和准确性。到目前为止还没有此类生物信息学工具可用。本文开发了Metorigin交互式Web服务器，可区分源自微生物组的代谢物，执行基于原始的代谢途径富集分析，并使用Sankey网络可视化在数据库中集成了数据库中的统计相关性和生物关系。 Metorigin不仅可以快速鉴定微生物代谢物及其代谢功能，而且还促进了发现特定细菌物种，这些细菌物种在统计和生物学上与代谢物紧密相关。
+12、SoupX-检测并清除单细胞测序中的外源性mRNA的R包
+
13、LncPipe ｜ 一个基于nextflow的管道，用于从RNA-seq数据集中全面分析长非编码RNA
+
14、https://github.com/shiftkey/desktop
+GitHub Desktop是一个基于Electron的开源GitHub app。此存储库包含上游存储库顶部的特定补丁，以支持 Linux 的使用。同时，它还托管各种 Linux 发行版的预览包。
+
「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）@kongjianyang（空间阳）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+「生信周刊讨论区（语雀）」 | 「生信讨论区（Gitter）」
+
++这两天，一则延迟退休的消息在网络上疯传，根据其中的说法，国家将于今年宣布渐进式延迟退休方案，到2025年正式实施，而到2055年前后，无论男女都将工作至65岁方可退休。看到这则消息，打工人们一片哗然。除了感慨“早日躺平”的梦想破裂外，还有不少人关注延迟退休可能带来的健康问题。这方面的焦点，是号称来自美国波音公司、洛克希德·马丁公司和福特汽车公司员工的真实数据，其中显示：退休越晚，寿命越短，尤其是员工工作满55岁后，每工作1年，平均寿命就减少两年。关于这个问题，你怎么看？
+
2022年11月，湖南大学DrugAI实验室在Nature子刊《Nature Machine Intelligence》上发表名为”Accurate prediction of molecular properties and drug targets using a self-supervised image representation learning framework”的研究论文，提出了一种全新的分子表征框架——基于分子图像的自监督深度学习框架ImageMol。它通过在1000万个未标记的类药生物活性分子上进行预训练，实现了对分子性质和药物靶标的准确预测，开创了分子表征学习的新范式。
+论文链接：https://www.nature.com/articles/s42256-022-00557-6
+
河南大学安磊团队和郑州大学精准医学中心许红恩团队首次利用饱和突变扫描（DMS）技术系统研究了74389种表皮生长因子受体（EGFR）罕见变异突变对5种临床一线EGFR-酪氨酸激酶抑制剂（EGFR-TKI）靶向药的敏感性，该研究方法具有通用性，可以用于研究其他靶向抑制剂的敏感突变和抗药突变，推动肿瘤精准医疗的发展。
+文章链接：https://www.translationalres.com/article/S1931-5244(22)00244-4/fulltext
+
纪念斯隆·凯特林癌症中心的研究验证了血液循环肿瘤DNA（ctDNA）阳性结果与非小细胞肺癌（NSCLC）患者的总生存率（OS）有关（HR=2.05，p＜0.001），且独立于临床病理特征和肿瘤代谢体积，接受ctDNA测序后匹配的靶向治疗的患者相比未接受的，OS更高。这项研究表明，ctDNA不仅可以指导治疗决策，它本身也具有预测预后的价值。
+文章链接：https://pubmed.ncbi.nlm.nih.gov/36357680/
+
华为诺亚方舟实验室、伦敦大学以及爱丁堡大学的研究团队开发了 AntBO，这是一种组合贝叶斯优化框架，利用 CDRH3 信任区对具有良好可开发性分数的抗体进行计算机设计。针对 159 种抗原的计算机实验表明，AntBO 是朝着实际可行的体外抗体设计迈出的一步。在对 oracle 的不到 200 次调用中，AntBO 建议抗体优于来自 690 万个实验获得的 CDRH3 的最佳结合序列。此外，AntBO 在不需要领域知识的情况下仅在 38 种蛋白质设计中发现了非常高亲和力的 CDRH3。 +- 文章链接：https://doi.org/10.1016/j.crmeth.2022.100374
+
这篇10x Genomics官方的推文介绍了单细胞测序的基本概况，并附上了相关资源。
+
负载均衡是一个通用术语，指的是为了确保高效分配所管理的资源而做的事情。对于 Web 服务器的系统管理员来说，负载均衡通常意味着确保 Web 服务器软件配置了足够的工作节点来处理激增的访客。换言之，如果一个网站突然变得非常受欢迎，其访问者在几分钟内增加了四倍，那么运行服务器的软件必须能够响应每个访问者，并不能让任何访问者发现服务质量下降。
+文章链接：https://linux.cn/article-15121-1.html?utm_source=rss&utm_medium=rss
+ +
这个网页通过 CSS 在对 HTML 排版的同时，能够显示 HTML 源码。
+ +
本文介绍了可以提升Jupyter Notebook 效率的五个插件：Table of Contents、Autopep8、variable inspector、ExecuteTime、Hide Code input。
+
本文介绍了自动机器学习AutoML中不同的编程语言提供的一些最常见的20个库。
+ +
该项目利用GPT 模型，借助gptcommit for VS Code 来自动提交消息。
+链接：https://github.com/pwwang/vscode-gptcommit
+wukong-robot 是一个简单、灵活、优雅的中文语音对话机器人/智能音箱项目，还可能是首个支持脑机交互的开源智能音箱项目。
+
链接：https://github.com/wzpan/wukong-robot
+
这是《返朴》公众号过往发表过的关于科研职业化的内容，有些内容值得学习。
+ +
这篇博客讨论了保持了解生物制药行业最新消息的最佳方法。作者建议跟随可信的信息来源以获取准确可靠的新闻。这些来源可以包括行业专业出版物、监管机构和学术机构。作者还建议使用社交媒体平台，如 Twitter 和 LinkedIn，关注关键意见领袖、行业专家和专业组织。生物医药领域的从业者可以看看。
+ +
2022年，瑞典国家生物信息学基础设施 (NBIS) 组织开设的免费Epigenomics workshop，包括DNA Methylation分析、ATACseq分析、CHIPseq分析，从原理到分析pipeline都有涉及，很适合自学。另外NIBS还会定期组织其它生信相关的教程，大家也可以关注一下。
+链接：https://nbis-workshop-epigenomics.readthedocs.io/en/latest/index.html
+ +
本文对 Python 的核心基础知识进行了梳理。
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）@kongjianyang（空间阳）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
+OpenAI’s ChatGPT是当下最佳聊天机器人。(图源： Midjourney)
@kkjtmac 目前利用ChatGPT进行套话的编写、给个初步代码思路以及大段英文的概括总结。
@ShixiangWang 最近利用 ChatGPT 进行英文写作和基金摘要英文的翻译，能解决很多头疼的问题，推荐大家都试试。
1、Science | 表观遗传学和数学结合，预测癌细胞行为
+
这篇综述文章指出，通过数学建模可以将癌症的表型可塑性与驱动癌症的表观遗传变化联系起来。这种新的表观遗传定量方法可以更好地定义和测量基因功能中的表观遗传学缺陷及其与癌症遗传景观的相互作用，从而更好、更早地诊断癌症并预测其行为。
+2、Nat Genet | 血浆代谢组基因组图谱突出代谢物与人类疾病的联系
+
加拿大戴维斯夫人医学研究所对1,091个血液代谢物和309个代谢比率进行了基因组关联分析，分别识别了248个位点，690种代谢物和69个位点，143个代谢比率的关联。整合代谢物——基因和基因表达信息，作者识别了109种代谢物和48个代谢比率的94个效应基因，进一步地，作者识别了与12种性状和疾病存在因果关系的22种代谢物和20个代谢比率。研究描述了代谢物的遗传结构，为研究代谢物在基础疾病中的作用提供了宝贵资源，也为治疗靶点的寻找提供线索。
+3、Science Advances | 基于DNA 测序的机器学习模型解码测序读数编码数据值
+
2023年1月4日不列颠哥伦比亚大学和东京大学的研究人员在《Science Advances》上发表了A universal sequencing read interpreter的文章，报告了 INTERSTELLAR（interpretation, scalable transformation, and emulation of large-scale sequencing reads，大规模测序读数的解释、可扩展转换和仿真）， 成功地从一系列短读长和长读长测序读数中提取了信息，并翻译了单细胞 (sc)RNA-seq、scATAC-seq 和空间转录组学的那些数据，从而方便研究人员用不同软件工具进行分析。INTERSTELLAR 将极大地促进基于测序的实验的开发和数据分析管道的共享。理论上，它可以解码任何类型的测序读数中编码的数据值，并将它们转化为另一种选择结构的测序读数。
+
转录组的数据分析中，WGCNA分析是一种比较常用的手段可以协助我们快速寻找到特定模块中的hub gene，目前市面上对转录组的分析主要是4种：1，直接差异分析；2，全部基因WGCNA; 3, 差异分析然后再WGCNA；4全部差异基因WGCNA再差异分析。有研究者对这几种方式进行了有效的评估，得出结论：在所有情况下，WGCNA + DEGs的表现明显优于DEGs + WGCNA。另，对于DEGs+WGCNA，作者指出：DEGs+WGCNA会影响网络的结构并导致错误的结论。此外，这种方法的有效性从未被证实，官方也并不建议在WGCNA之前应用DEGs。
+5、 使用 Openbiox Hiplot (ORG) 在线开源绘图工具绘制发表级网络图
+
网络图是科学数据分析中最常用的图形之一。Openbiox Hiplot (ORG) 开源绘图工具在基础模块中提供了基于 igraph 的发表级网络图绘制功能 Network (igraph)。更复杂的网络图考虑使用 Cytoscape 进行绘制。
+
计算机学中抽象的马尔科夫链、主成分分析以及条件概率等概念往往让人很难深入地去体会和理解。通过本文将这些抽象的理论概念进行可视化，还可调节相应参数来改变结果，使这些抽象概念生动而立体化。
+ +
瑞典私募股权基金Summa Equity收购了三家生信软件公司：Pierian、Seven Bridges 和 UgenTec，将其整合成了新公司Velsera。这篇文章讲述了这三家生信公司的主要业务和发展历史，并讨论了未来生信软件公司的发展逻辑。
+
开发一套ChatGPT检测工具，同时收集第一手宝贵的人类-ChatGPT对比数据集，来助力相关学术研究。 +主要计划： +收集一批有价值的人类和 ChatGPT 对比的中英双语问答语料，这对于我们研究人类和大型语言模型（LLM）很重要，可以帮助我们研究LLM的特点、跟人类的差距、未来LLM改进的方向； +对大量的人机对比语料进行细致的分析，并进行多方面的人工评测，探究人类和ChatGPT分别具有什么有趣的潜在的模式。这些探索将有助于思考LLM未来应去往何方； +最后，基于对比数据集以及语料分析，开发应对不同场景的一系列检测模型，这些模型可帮助普通用户和UGC平台来识别、监管 AIGC (AI Generated Content)。
+
科研者之家上线了Medreading板块，文献数据同步Pubmed，界面进行最彻底的汉化，并具有极致的检索速度和多样化的文献分析特点。
+10、shinyhelper | 一款帮助Shiny添加帮助文档的R包
+
这个R包可以使用Markdown文件向Shiny添加帮助文档。
+11、MIT 生信机器学习课程
+
12、自学是门手艺
+# pseudo-code of selfteaching in Python
+
+def teach_yourself(anything):
+ while not create():
+ learn()
+ practice()
+ return teach_yourself(another)
+
+teach_yourself(coding)
+这本书核心两个概念“自学”+“编程”。
+++不夸张地讲，这可能是当前世界上最硬核的鸡汤书了 —— 因为，虽然它就是鸡汤（李笑来自认就是个鸡汤作者），但它不是 “只是拿话糊弄你” 那种，也不是 “只不过是善意的鼓励” 那种，它是那种 “教会你人生最重要的技能” 的鸡汤，并且还不仅仅只有一种技能，起码两个：“自学能力” 和 “编程能力”…… 而这两个能力中的无论哪一种，都是能确定地提高读者未来收入的技能，对，就是 100% 地确定 —— 有个会计专业的人求职的时候说 “我还会编程” 且还能拿出作品，你看看他可不可能找不到工作？你看看他是不是能薪水更高？
+
「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）@kongjianyang（空间阳）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
++科幻小说《三体》讲述了这样一个情节：通过干扰粒子物理研究，三体文明“封锁”了人类的科技发展。此后，人类社会虽仍有各种技术进步，却不再有根本性的科技变革。美国明尼苏达大学的Michael Park、Russell J. Funk与亚利桑那大学的Erin Leahey近日在Nature发表文章称：“通过对六个大型数据库中的4500万篇论文和390 万项专利进行分析，我们发现论文和专利越来越难以颠覆既往，也难以引领科技进入新方向。” 研究人员认为，这种颠覆性进展的缺位，反映了科技发展性质的根本性转向。
+
@He-Kai-fly - 科学研究固然需要变革性进展，但累积式渐进，才是切实推动社会进步的基石。
+1、Advance Funtional Materials | 一款新型隐形眼镜通过快速捕获细胞的“垃圾袋”来进行癌症诊断
+
++2022年8月10日， 发表在《Advance Funtional Materials》上的一项新研究中，来自寺崎生物医学创新研究所（TIBI）领导的研究团队开发了一种智能隐形眼镜，该镜片嵌有与抗体结合的微型腔室，可以很容易地捕获泪液中的外泌体，从而为癌症预筛查提供了一种简单、快速、灵敏、经济、无创的支持性诊断平台。该团队表示，这一突破有望为廉价的“一刀切”式疾病筛查项目打开大门。
+
2、Nature Biotechnology | 新型单碱基分辨率测序方法同时获取DNA的遗传和表观遗传信息
+
++英国剑桥大学研究团队提出了一种新的单碱基分辨率全基因组测序方法，在一个工作流程中对完整的遗传学和两种最常见的胞嘧啶修饰进行测序。这种全基因组测序方法可以在进行测序的同时，检测出5mC（5-甲基胞嘧啶）和5hmC（5-羟甲基胞嘧啶）。DNA样本只使用酶进行处理，避免了亚硫酸氢盐处理的DNA降解和基因组覆盖偏差。
+
3、Genome Biol丨全面评估面向肿瘤研究的基于深度学习的多组学数据融合方法
+
++该研究将16种具有代表性的深度学习方法在模拟多组学数据集、单细胞多组学数据集和癌症病人多组学数据集上进行了全面评估，为生物医学研究人员选择合适的基于深度学习的多组学数据融合方法提供了参考，也为未来开发更有效的多组学数据融合方法提出了指导性建议。
+
4、Cancer Cell | 基于949种细胞系的泛癌症蛋白质组图谱
+
++在Cancer Cell上发表了题为“Pan-cancer proteomic map of 949 human cell lines”的文章。作者团队使用质谱法分析了28种组织和40多种癌症类型的949个人类癌细胞系的蛋白质组，定量了8498种蛋白质，并将蛋白质组数据与多组学、药物反应和CRISPR-Cas9基因必需性数据集进行了整合。文章利用深度学习方法发现了与癌症易感性相关的蛋白质生物标志物，揭示了高度连接和共调控的蛋白质网络。这项研究为泛癌蛋白质组图谱（ProCan-DepMapSanger）提供了一个全面的资源，为精准医学和药物开发提供了新的线索和机会。
+
++mission bio 公司开发的单细胞 DNA 测序技术，可以一次检测成千个单细胞的 DNA 和细胞表面蛋白。这项技术的工作原理是用微流控技术，将要检测的单细胞悬液转变成油包水的乳浊液。接着，将目标 DNA 片段加上特定的细胞 barcode 序列。最后，通过高通量测序，得到目标 DNA 片段的序列，对照片段上连的细胞 barcode 序列，来得知每一条 DNA 序列最初是归属于哪一个细胞。
+
++本文介绍了可视化中常用 7 大类型图形中的组成成分图形：华夫饼图、饼图和条形图。
+
7、GP-GCN框架教程｜如何把DNA序列编码成深度学习的向量化输入
+
++现在越来越多的工作利用深度学习来实现DNA序列的分类或者回归任务，但是如何把DNA序列编码成深度学习的向量化输入？换句话说，怎么把由A,C,G,T组成的DNA“字符串”转化成深度学习需要的向量（矩阵）格式？
+
++这篇推文是关于使用ggraph包在R语言中绘制环状网络图的教程，作者介绍了数据的导入、整合、可视化的步骤，并给出了代码和结果图。
+
++ag 是一个类似于grep的文本搜索工具，它命令短，默认忽略掉你通常不想看的文本，而且是C语言 编写的，比 ack 更快。而另一个工具 cgvg，包含两个命令：一个（cg）用来搜索，另一个（vg）用来在编辑器里打开。受此启发，作者做了三个工具rgg、rgv和vv，希望能够很便利地使用编辑器查看匹配的地方。
+
10、gghighlight | 突出gglot2中图形元素的R包
+
11、cransay | 抓取 CRAN 传入的 ftp 文件夹
+
++ +cransay 被设计用来抓取 CRAN 传入的 ftp 文件夹，以查找每个提交工作的位置，并生成dashboard。
+
++癌症基因组学的 cBioPortal 提供大规模癌症基因组学数据集的可视化、分析和下载。有关 cBioPortal 的简短介绍，请参阅这些介绍性幻灯片。
+
++这个视频概要地介绍了人的免疫系统，包括先天性免疫系统、和特异性免疫系统，和这两个系统的基本的工作原理。
+
15、使用ClusterGVis包在热图中对指定 cluster 添加注释
+
「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）@kongjianyang（空间阳）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
图片来源：Dave Cutler (artist)
+++CharlesDavid Allis作为一名资深科学家在培养和支持年轻科研工作者方面的经验和建议：
++
+- 鼓励年轻科学家追求他们的激情和好奇心，并帮助他们克服在出版和筹资方面的挑战和挫折。
+- 教导青年科学家如何撰写清晰严谨的论文和资助提案，以及如何通过口头报告有效地交流他们的发现。
+- 通过鼓励青年科学家参加研讨会、讲习班、座谈会、会议等，让他们接触不同的观点和想法，并对他们的工作给予反馈。
+- 支持青年科学家制定自己的研究议程和愿景，并在适当时候给予他们自主权和独立性。
+
@NiEntropy - 这篇文章还让我感受到了作者对年轻科研工作者的关心和尊重，他不仅给出了很多有用的建议，还鼓励我们追求自己感兴趣和有价值的领域。指导年轻科研工作者对我来说还有些遥远，举一反三，将这些建议应用在培养子女身上：1. 引导子女进行反思，让他们能够认识自己的优势和劣势，发现问题并寻求改进。同时，也要尊重子女的个性和选择，不要强加自己的意志或期望。2. 给予子女积极支持和鼓励，让他们感受到父母的关心和信任。在他们遇到困难或挫折时，给予他们安慰和帮助。在他们取得成就或进步时，给予他们赞扬和肯定。3. 除了教授基本的知识和技能外，还应该培养子女的上网、玩游戏等方面的能力，以便他们能够有效地表达自己的想法，与他人交流和合作。
1、Nature | p53缺失诱导癌症基因组发生可预见的变化
+
近日，纪念斯隆·凯特琳癌症研究中心（MSKCC）Scott W. Lowe团队，在国际顶级期刊《自然》上发表有关TP53突变与癌症发展之间关系的研究。 +研究人员发现，当细胞缺失p53后，在引起基因混乱的同时，会诱导一种可预测、有序且确定的癌症基因组进化。这一突破性发现无疑为癌症治疗提供了新的思路。
+2、US-align | 蛋白质、核酸及其复合物通用结构比对算法
+
2022年8月29日，密西根大学张阳课题组在《自然-方法》上发表了题为“US-align: universal structure alignments of proteins, nucleic acids, and macromolecular complexes”的研究工作。在该项工作中，他们发布了第一款通用的结构比对软件US-align，基于统一的打分函数（TM-score）和比对算法，实现了蛋白质、RNA、DNA单体与复合物的两两比对和多重比对等重要功能。测试结果表明，其在准确性和速度上都超越旧版的MM-align。
+3、Cancer research | 基于51种人类癌症类型、6万个肿瘤绘制RAS基因突变图谱
+
为了更好地了解体细胞RAS突变的患病率和RAS突变肿瘤中共突变的基因概要，美国约翰霍普金斯大学医学院、范德比尔特大学医学中心以及纪念斯隆凯特琳癌症中心等机构的研究团队分析了美国癌症研究协会（AACR）项目GENIE中涉及51种癌症类型的66,372个肿瘤607,863个突变的靶向NGS序列数据，估计了RAS和非RAS体细胞突变癌症特异性患病率，揭示了肿瘤突变负荷和突变特征对共突变模式的影响。该研究结果突出了RAS基因组的多样性，为开发有效的组织特异性靶向治疗策略提供了信息。
+4、Nucleic Acids Research | 细胞分类库Cell Taxonomy
+
中国科学院北京基因组研究所（国家生物信息中心）国家基因组科学数据中心搭建的细胞分类库Cell Taxonomy基于4299篇文献审编、15个相关数据资源整合和单细胞测序数据分析（约350万个细胞），最终收录了3143种细胞类型和26613个细胞标志物（cell marker），涵盖34个物种、387种组织和257种生理/病理状态。同时Cell Taxonomy中的在线工具Cell Type Predictor和Cell Type Comparator可以协助用户进行细胞注释和细胞类型比较。
+5、上海交大瑞金医院携手华大等机构发布首个中国人群血液病毒组图谱
+
上海交通大学医学院附属瑞金医院、上海交通大学转化医学研究院联合华大对来自中国代谢解析计划（ChinaMAP）的10585人全基因组测序数据中的非人源基因序列进行了深入分析，构建了首个中国人群血液病毒组学图谱，分析了14种病毒的人群携带率、病毒丰度和地理分布，为疾病预防与流行病学研究提供了参考。相关研究成果近日发表于Cell Discovery期刊。
+6、肿瘤代谢全景介绍
+
与肿瘤相关的代谢变化不仅维持肿瘤细胞本身的异常增殖，更迫使TME内的基质细胞、甚至整个机体的代谢平衡都发生重塑，共同促进了癌细胞的积聚和扩散，降低了免疫系统抵抗的抵抗能力，并直接升高癌症相关的致死率。通过解析肿瘤所依赖的代谢适应特征，有助于指导发现新的治疗甚至饮食干预方法，可能与现有的治疗措施（如化疗、靶向抑制剂和免疫检查点阻断）协同作用。
+7、trancriptVis 的左膀右臂: bedVis 和 trackVis
+
本文通过具体实例介绍了如何使用transPlotR包中的trancriptVis对peak和bigwig文件进行可视化。
+
探求事物之间的因果关系是哲学、自然科学和社会科学等众多研究所追求的终极目标。本文介绍了（1）因果推断的潜在结果模型，因果作用的可识别性，和随机化试验；（2）观察性研究和混杂因素，以及混杂因素完全观测时的因果推断方法；（3）存在未观测的混杂因素时因果作用的估计方法；（4）替代指标悖论和确定替代指标的准则；（5）因果网络模型和结构学习的算法。最后，作者展望了因果推断在现代大数据研究中的前景。
+9、从爆火的chatGPT讲起: 自然语言生成式AI的前世今生
+
这篇文章借由最近爆火的chatGPT，系统回顾了生成式人工智能的前世今生。对于想探究chatGPT背后发展历史的人来说值得一读。
+10、archivist | 一个用于数据集和绘图归档的工具集
+
archivist包可以用来存储R语言中对象的副本以及它们的元数据。它有助于管理和重新创建带有数据分析的结果。
+
survex包为解释生存模型提供了易于应用的方法，包括复杂的黑箱和较简单的统计模型。
+
unikn包可以用来定义和使用企业设计元素，如颜色和样式文本。它有助于创建一致和识别的可视化效果。
+
本教程介绍了如何使用AUCell识别具有活跃 “基因集” 的细胞 (即基因签名) 在单细胞rna-seq数据中。AUCell使用 “曲线下面积” (AUC) 来计算输入基因集的关键子集是否富集在每个细胞的表达基因内。AUC评分在所有细胞中的分布允许探索标记的相对表达。由于评分方法是基于排序的，因此AUCell独立于基因表达单位和归一化程序。此外，由于单元是单独评估的，它可以很容易地应用于更大的数据集，如果需要，可以对表达式矩阵进行子集化。
+
由bioconductor主办的基因组数据科学统计和数据分析课程，共5天。这个课程涵盖了 RNA-Seq、单细胞转录组学、质谱学、机器学习、可视化、人类细胞图谱等主题，并且课程的所有教材都可以在 GitHub 上免费获取和使用。
+15、RCrashCourse_Book | 生物学家的R速成
+
这本书是关于 R 语言的教程书籍，它讲了以下内容： +基本概念和操作：向量、数据框、函数、类、方法等。 +基本和高级图形功能： qplot () 和 ggplot () 函数，以及如何自定义和优化图形效果。 +正则表达式功能：如何使用通配符、特殊字符、方括号等进行文本匹配和提取。 +数据科学功能：如何使用 tidyverse 包进行数据整理、转换、连接和重塑，以及如何处理缺失值和日期格式。 +高级功能：如何使用 R Markdown 进行可重复性研究，以及如何编写自定义函数和软件包。
+第 29 期：Hiplot开发库开源
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）@kongjianyang（空间阳）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+GitHub 粉们可以通过 Watch 仓库的 Release（提前）关注发布内容。
+讨论区的帖子《谁在招人？》，提供生信深造和就业信息，欢迎访问或发布学位攻读/工作/实习等岗位。
+ +
彩珠。（via）
+这周的话题来自近期一则比较沉重的消息。
+近日，23岁研究生王某于西北大学坠亡一事引发广泛关注。
+据媒体报道，10月22日下午，王某从实验室所在大楼坠亡，年仅23岁。他是延安大学应用化学专业2019级研究生，导师为延安大学化学与化工学院老师吕某。2020年上半年，王某来到西北大学化学与材料科学学院进行学习和课题研究。
+10月19日当天，王某曾给父母、表姐和弟弟分别打了电话。在和父亲的沟通中，王某表达了“不想读书了”的想法。在父亲的追问下，王某只提到实验室压力太大，经常被导师批评。（来源：公众号「科学网」）
+这不是近年来来第一次了，为何研究生跳楼频发，为何年轻便科研“至”死？有哪些理由，怎样避免，诸位不妨思考和说道。
+
封面设计艺术家Alex Cagan在绘制Cell Genomics的首期封面时，试图以抽象和俏皮的方式传达本刊的三大关键支柱——“开放、合作、开拓”，其作品将基因组学领域的旋转符号与科学和开展研究的科学家形象相融合。它们通过舞蹈一样跃动的语言统一了起来，这仿佛也反映了美丽复杂的细胞机制和生命节律，以及正在进行的理解它们的科学之旅。该作品旨在体现这一持续的、充满希望的发现历程。
+++ +这是一个开放、合作、开拓的全新基因组学论坛，是基因组学领域致力于开放获取和开放科学的全新研究期刊，我们支持公开分享研究、方法和数据集。
+
该函数支持按照多个分类变量对一个连续数值变量进行汇总。
+3、Proscia 宣布人工智能在黑色素瘤检测方面取得突破，灵敏度为 93%
+
来自费城的 Proscia 正在加速病理学的数字化转型，以改变我们理解癌症等疾病的方式。其 Concentriq 数字病理学平台和强大的 AI 应用程序正在将具有 150 年历史的研究和诊断标准推向数据驱动的学科，为病理学家提供更好的方法来对抗当今的癌症。
+近日，Proscia 分享了一项前瞻性研究的结果，宣布 AI 在黑色素瘤（最致命的皮肤癌形式）检测方面的突破。利用 AI 以高度的准确性自动检测黑色素瘤。这些发现说明了 AI 在病理学常规实践中提供更快诊断、改善患者预后和优化实验室经济性的前景。
+该项研究在托马斯杰斐逊大学和佛罗里达大学进行，展示了 AI 在未经筛选的 1,422 个连续皮肤活检组中的真实性能。该技术正确识别侵袭性黑色素瘤和原位黑色素瘤，灵敏度为 93%，特异性为 91%。它还对基底细胞癌和鳞状细胞癌进行了分类，AUC 分别为 0.97 和 0.95，占所有皮肤癌的 97%。本研究验证了对 12,784 张图像进行的多站点回顾性研究的结果。
+4、单细胞核糖体测序技术（scRibo-seq）开启单细胞翻译组学研究
+
近日，荷兰乌得勒支大学医学中心的研究团队在国际顶尖期刊Nature在线发表了题为Single-cell Ribo-seq reveals cell cycle-dependent translational pausing的文章。研究证明，单细胞核糖体测序技术（scRibo-seq）能够实现单密码子的分辨率；极大提高了单细胞核糖体检测的敏感性，使得在单个细胞中对核糖体进行分析成为可能。此外，研究团队还证明，对特定氨基酸的限制会导致核糖体在编码氨基酸的密码子的子集上出现暂停，并且这种现象只在与其细胞周期状态相关的细胞亚群中被观察到。总之，这项技术为确定翻译过程以及对那些看似相同的细胞之间的显著差异的解析提供了近一步的证据。
+1、GitHub全球开发者大会重磅更新自动编码工具Copilot
+
GitHub在其全球开发者大会上，宣布Copilot将增加对包括Neovim和JetBrains IDEs在内的编辑器的支持，重点是JetBrains的IntelliJ IDEA和PyCharm。GitHub还宣布Copilot支持Java、C、C++和C#等语言的多行代码完成。
+ +
英文综述的中文大体翻译。
+ +实则是一段视频。
+ +
一篇利用blogdown搭建个人博客的详细介绍。
+1、postcards - 创建简单漂亮的个人网站。
+
2、ezcox - Cox模型批处理和可视化
+
工具已发布到预印本：https://arxiv.org/abs/2110.14232。
+ +
Rich 是一个 Python 库，可以为你在终端中提供富文本和漂亮、精美的格式。
+使用 Rich API 可以很容易的在终端输出添加各种颜色和不同风格。它可以绘制漂亮的表格，进度条，markdown，突出显示语法的源代码及回溯等等，优秀的功能不胜枚举。
+4、tv - 跨平台CSV格式数据展示工具
+
1、awesome-r-pkgtools - R包开发工具清单
+ +2021年9月，220个R新包收录于CRAN（2021年8月份收录160个），累计收录约19,862个R包！此次选摘了40个R包（14个类别），分布结构如下：
+
如果你想要支持本周刊，可以对推文进行赞赏或者提供的支付宝/微信二维码打赏。
+ |
+ |
+
|---|---|
| + | + |
感谢以下读者往期的赞赏支持：
+这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
++在华人普遍不懂科学的时期，把科学家描述成为只会研究的书呆子，而事实远非如此。世界上，兴趣广的科学家和学者很多，有些不仅是有学术以外的兴趣，而且很有特长，特长到具有在其他行业的超过一般水平的专长。
+
@ShixiangWang - 国内大众对于科学家存在一些 “非人” 的定义和理解，饶毅先生的文章提升了大众对于科学和从事科学工作的 “人” 的认知。称为 “科学家” 的这些人有血有肉，有爱好、有情愁。在评判科学作品和为人处事时，我们都应当存有批判存疑的观点。回顾我们自身，也应当同时善待自己的工作理想和生活理想。
+1、Nat. Commun. | 基于深度度量学习对单细胞转录组学数据进行批次对齐
+
本文介绍由中国人民大学统计学院应用统计学中心的张景肖和昌平实验室的李向杰共同通讯发表在 Nature Communications 的研究成果。大多数scRNA-seq算法都是经过专门设计的，首先去除批次效应，然后进行聚类，但这可能会遗漏一些罕见的细胞类型。为此，作者提出了一种深度度量学习模型scDML，scDML以初始聚类、批次内和批次间的最近邻信息为指导，消除scRNA-seq数据中的批次效应。对不同物种和组织的综合评估表明，scDML可以消除批次效应，提高聚类性能，准确恢复真实细胞类型，并且始终优于Seurat 3、scVI、Scanorama、BBKNN、Harmony等流行方法。最重要的是，scDML保留了原始数据中的少数细胞类型，并通过单独分析每个批次来发现难以提取的新细胞亚型。
+2、Cell 综述｜ 从模式到患者：临床机器学习在癌症诊断、预后和治疗方面的进展
+
机器学习在临床肿瘤学中越来越常用，可以用于癌症的诊断、预测患者的治疗效果以及辅助制定治疗计划。本文综述了机器学习在临床肿瘤学工作流程中的最新应用，回顾了这些技术在医学成像和液态/实体肿瘤活检分子数据方面的应用，用于癌症的诊断、预后和治疗设计。本文讨论了开发针对成像和分子数据所带来的不同挑战的机器学习的关键考虑因素。最后，我们审查了被监管机构批准用于癌症相关患者使用的机器学习模型，并讨论了提高机器学习的临床实用性的方法。
+3、Nat Commun | 基于全基因组基因型 - 血清蛋白质组分析，首次揭示中国汉族人群血液蛋白质组的遗传机制
+
国内多个研究团队合作，通过使用数据独立采集（DIA）质谱技术，首次在中国汉族人群中揭示了血液蛋白质组的遗传机制。此外，通过对顺式 pQTLs 和复杂性状 / 疾病进行共定位分析以及孟德尔随机化分析，发现了蛋白质对临床相关表型的假定影响，并提出了几种蛋白质在某些疾病中的因果作用和潜在治疗靶点。最后，研究团队证明了该数据集可能有助于解释东亚人和欧洲人之间疾病易感性的差异，并揭示了具有不同祖先的两个人群之间显著不同的肥胖诱导蛋白质组学特征，为东亚人和欧洲人在肥胖诱发糖尿病和冠状动脉疾病风险方面的不同易感性提供了见解。
+
南京医科大学研究团队及合作者对东亚和欧洲人群进行大规模基因组荟萃分析，构建一个多基因风险评分，用于评估结直肠癌的风险，并验证不同人群的健康生活方式对降低风险的影响。遗憾的是文章没有提供整合好的亚欧人群基因组和临床信息数据。 +另外作者开发了一个网页工具数据，输入你的单核苷酸多态性（SNP）的信息，即可用上CRC-RPS模型预测你患结直肠癌的风险。
+
ChatPDF 是 openAI 最新开发的一款产品，负责阅读 PDF 文档，并且可以向它提问关于文档内容的问题。这篇文章简单试验了下利用ChatPDF进行SCI文献阅读，效果不错。
+
文章简单描述了全外显子测序的的工作原理，主要步骤以及分析中值得注意的细节。对于不熟悉全外显子测序的朋友值得一读。
+ +
近日，2023年度沃尔夫奖揭晓。美国芝加哥大学教授、华裔化学生物学家何川教授因其在“RNA表观遗传学领域”的开创性贡献，与来自日本东京大学的Hiroaki Suga以及来自美国斯克利普斯研究所的Jeffery W. Kelly分享了本届沃尔夫化学奖。始创于1976年的沃尔夫奖是国际最高学术大奖之一，每个奖项奖金为10万美元。据统计，约1/3的沃尔夫奖得主最后都获得了诺贝尔奖，因此沃尔夫奖又被称为“诺奖风向标”。何川是第9位获奖华人。
+ +
为推动我国生物信息学的学科发展和创新研究，充分展示和宣传我国生物信息学领域的重大研究成果，《基因组蛋白质组与生物信息学报》（Genomics, Proteomics & Bioinformatics, 简称GPB）组织评选了2018年度、2019年度、2020年度和2021年度“中国生物信息学十大进展”。在此基础上，GPB继续组织2022年度评选活动，经过推荐、初选和复选程序，现公布2022年度“中国生物信息学十大进展”评选结果。
+stevedore是基于R 的 docker 客户端，当需要从 R 脚本或包控制外部进程时，使用 docker 从容器中与此进程交互可能会很有用。
+
让你“爱”上 GitHub的 GitHub 项目，解决访问时图裂、加载慢的问题。它的原理是通过修改本地 hosts 文件，将 GitHub 的域名映射到最快的 IP 地址上。它提供了多种使用方法，包括手动方式、自动方式和第三方软件方式。它还提供了一个文件和一个 JSON 格式的链接，可以获取到最新的 hosts 内容。
+11、PRIMUS ｜ 一个专门针对肿瘤单细胞转录组数据整合的算法
+
PRIMUS是一种整体聚类方法，能够从 scRNA-seq 数据中识别表型细胞群，同时考虑日期来源(例如患者，样本，数据集)特定的组分以及技术噪声。PRIMUS 采用双线性泊松回归模型，将表达数据同时分解为明确的干扰因素（defined nuisance factors）、未定义的细胞表型及其相应的转录组学特征。
+ +
EnrichR 是一个在线富集分析的工具，功能非常多样丰富，并有 API 提供编程语言接口。
+13、生信算法书籍｜Genome-Scale Algorithm Design
+
芬兰赫尔辛基大学计算机系的Veli Mäkinen教授以及他的两位博后Djamal Belazzougui和Fabio Cunial创作了这本书，许多知名高校采纳这部书作为教材。涵盖的主题从生物序列分析的基础（序列比对、隐马尔可夫模型）到经典索引结构（k-mer 索引、后缀数组和后缀树）、Burrows-Wheeler 索引、图形算法以及许多组学技术中用到的算法介绍，而且包括许多例子、算法可视化、问题和章末练习题。
+ +
专注收集和分享的 GitHub 项目，它提供了一些单细胞相关的论文和代码，让大家可以重现论文的结果和提升单细胞数据分析的能力。
+
与生物医学信息提取（包括 BioNLP）相关的github精选资源列表，收集了很多生物医学文本数据处理相关的资源。
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）@kongjianyang（空间阳）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
+2021年旅行摄影师大赛获奖作品：美国丹纳利国家公园 by Fortunato Gatto
@kkjtmac 前期可能需要阅读大量相关领域文献来给后续研究奠定理论基础，但至于文献的数量，更应该关注在文献的质量，一篇高质量的综述可能会超过10篇的文章。
@chatgpt-3.5 并不是所有博士生都需要一天看20篇文献，这通常取决于具体的研究领域和个人习惯。在某些领域，如文学、社会科学等，博士生可能需要阅读大量的书籍、论文和其他文献，并且可能需要每天花费很多时间来完成这些任务。然而，在其他领域，如数学、物理学等，博士生可能更多地专注于解决问题或进行实验，而不是仅仅阅读文献。此外，每个人的学习和工作效率也不同。有些人可以快速阅读和消化大量的信息，而另一些人则需要更长的时间来理解和记住相同数量的内容。因此，每个博士生应该根据自己的研究领域、学习能力和工作需求来制定适合自己的学习计划和时间表。
@chatgpt-4 每个博士生的需求和研究进度不尽相同，所以每天需要阅读的文献数量也会有所不同。有些人可能需要每天阅读20篇文献，而有些人则需要较少的阅读量。这取决于以下几个因素：
+1.研究领域：不同的研究领域可能有不同的文献阅读需求。某些领域的文献更新速度很快，需要更多的阅读来跟上最新的研究进展。
+2.研究阶段：博士生在研究的不同阶段可能有不同的阅读需求。在研究初期，可能需要大量阅读来了解背景知识和现有研究。而在后期，可能更关注特定主题的文献。
+3.个人阅读速度和理解能力：每个人的阅读速度和理解能力不同，有些人可能需要花更多时间来消化一篇文献，而有些人则可以较快地阅读和理解。
+4.项目需求：具体的项目需求可能会影响到每天需要阅读的文献数量。在某些项目中，博士生可能需要阅读大量的文献来获取信息和灵感，而在其他项目中，可能只需要阅读少量核心文献。
+因此，博士生每天应该根据自己的需求、研究领域、研究阶段和项目需求来确定合适的文献阅读量。建议定期与导师沟通，确保阅读计划和进度符合项目的需求。在阅读文献时，可以采用扫读、略读、深度阅读等多种方法，根据文献的重要性和相关性进行调整。
1、Nature | 原发和转移性脑肿瘤的单细胞空间免疫图谱
+
作者使用成像质谱流式术分析了139例高恶性度胶质瘤和46例脑转移瘤，获得了389张高维度组织病理学图像，对其中116万个细胞进行分类，包括肿瘤细胞，星形胶质细胞，血管和超过16种免疫细胞群。和预期的一样，在基质细胞中主要细胞类型为GFAP阳性的星形胶质细胞和CD68阳性的巨噬细胞，而淋巴细胞占比很小。文章中，作者构建了单细胞交互网络，在原发性脑肿瘤中，作者发现相比于女性，男性患者肿瘤组织中外周源性的单核细胞出现频率更高，说明了对癌症的免疫反应具有潜在的性别差异。另外与胶质母细胞瘤相比，脑转移瘤中有更多和更高密度的NK细胞，中性粒细胞，巨噬细胞，经典单核细胞和T细胞，且在年轻患者的脑转移瘤核心区出现更多的中性粒细胞，树突状细胞和CD4阳性T细胞。除此之外，脑转移瘤血管内皮细胞与肿瘤细胞高度交互作用，血脑屏障中的连接蛋白claudin-5在肿瘤相邻内皮细胞中和脑转移核心区表达较低，促进了肿瘤在脑内的定植。
+2、Nature Methods | SODB 促进空间组学数据探索
+
该研究介绍了空间组学数据库(SODB)，这是一个基于Web的平台，提供丰富的数据资源和一套交互式数据分析模块。SODB目前维护着>25空间组学技术的> 2400个实验，这些实验作为与各种计算包兼容的统一数据格式免费访问。
+3、Current Biology | 贝多芬的基因组被解码
+
贝多芬是一位克服了听力损失和肝病等困难的音乐天才，他的遗愿是让世人了解他的病情。现在，科学家们从他的头发中提取了他的基因组进行测序，揭示了他的健康问题和死亡原因，以及他的父系祖先的秘密。
+4、Briefings in Bioinformatics | Sincast：利用bulk RNAseq定义细胞功能亚群
+
Sincast是一个新的用于查询单细胞RNA测序数据(SIN)的计算框架，它通过将这些数据投影到一个大量的参考图集(CAST)中进行查询。在进行投影之前，单细胞数据会被转换成与bulk数据直接比较的形式，以便解决单细胞表达谱稀疏的问题。值得注意的是，Sincast不需要进行批量效应校正，细胞身份连续预测，以突显在参考图谱中未发现的新细胞状态。这样做有助于完整地描述单细胞数据的特征，使其更好地理解其生物学意义。
+
barcode标记样本，UMI标记分子。一个UMI和barcode结合使用的例子：假设我们有96个样本，使用96种barcode分别对它们进行标记，各自建库，在有barcode标记的情况下，就可以把这96种文库混合在一起进行NGS测序。假设A样本用1号barcode进行了标记，但是A样本里面总共包括有3000个DNA分子，其中又有3个分子是发生了突变的，另外2997个是野生型的。为了准确识别这3个突变分子，我们选用3000种条形码，给每个分子加一个标记，这种标记就是UMI。
+ +
这篇文章讨论了对于高通量测序数据做Normalization的问题。利于R语言的数据代码作为例子比较了不同方法做Normalization之间的异同，以及做多步Normolization的注意事项。
+7、专访邱肖杰博士，揭秘RNA速度矢量场和“细胞命运”预测器dynamo、Monocle 2/ 3算法的开发史
+
《时空对话》栏目有幸邀请到美国麻省理工学院教授Jonathan Weissman组博士后邱肖杰进行访谈，围绕“细胞命运”预测器dynamo的开发、Monocle算法的开发过程、心得，以及其在单细胞领域的其他最新进展进行分享。
+
由MuiseDestiny开发和维护的Zotero插件，用于创建个性化的Zotero样式。它可以修改和增加一些有趣的列，比如标题、进度、标签、评分等，还可以显示PDF的阅读时间分布和注释字数。它还可以生成期刊标签，表示出版物的等级和影响因子。它还可以显示关系图谱，展示文献间的相关性。
+
Bioconductor提供的docker镜像，可以使用docker管理Rstudio，主要在服务器上使用。对于熟悉利用docker管理自己生产环境的人可以尝试下。
+
这款代码编辑器内置了 Node.js、Python、C、C++、PHP 等多种开发环境，自带 Git、Pip、NPM 等工具，可连接并管理远程服务器。
+
MOVICS的目标是为10种最先进的多组学聚类算法提供统一接口，并对每种算法的输出进行标准化，从而形成下游分析的管道。MOVICS集成了癌症亚型研究中最常用的下游分析，并能够以最小的努力创建丰富的可定制可视化特征。
+12、gghalves | 基于ggplot2的快速绘制half-half图的R包
+
gghalves可以通过ggplot2轻松地编写自己想要的一半一半（half-half plots）的图片。比如：在散点旁边显示箱线图、在小提琴图旁边显示点图。
+13、影像组学入门及实践绪论
+
本资源介绍了影像组学中的基本概念及分析流程。
+ +
ChatGPT是由OpenAI训练的一款大型语言模型，能够和你进行任何领域的对话。国内中文版它能够生成类似于人类写作的文本。只需要给出提示或提出问题，它就可以生成你想要的东西。只需按照README.md文件中的提示输入，就找到可与 ChatGPT 一起使用的各种提示。
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）@kongjianyang（空间阳）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
AI获奖画作《太空歌剧院》
+本周的话题来自李笑来的图书《把时间当作朋友》，认为人生的成长在于“思考”和“累积”。感兴趣的读者不妨购买或者通过上面的GitHub链接免费阅读。
+
++这本书的主旨非常简单：时间是不可能被管理的。必须开启心智，看清楚，想明白：问题出在我们自 己身上。而我们所面临的问题，与时间、管理或时间管理都没有多大的关系。解决方案只有一个，那就是“一切都靠积累”。深信积累的力量，时间就是你的朋友，否则，它就是你的敌人。
+
@ShixiangWang - 人生就是时间，它很严肃但每个人又不得不面对。“有所思”才能“有所悟”，“有所悟”方能深入理解自己个人的欲望或目标，然后通过时间的累积去积攒自己对于这个世界独一无二的认知。把时间当作朋友，善待它，也让它帮助你找到自己的路。
1、Science | Jeff Gore团队揭示复杂生态系统中涌现的相变
+
生态学致力于理解自然生态系统中的多样化的物种和复杂的动力学行为，然而科学家长期缺乏描述和预测生物多样性和生态动力学的统一框架。MIT物理系的胡脊梁和Jeff Gore等科学家结合理论和微生物群落实验，证明只需要掌握少量群落尺度的控制变量，就可以预测复杂生态系统的行为。热力学描述大量气体分子的行为只需要温度和压强等少数涌现的状态变量，而不需要知道每个分子的坐标和速度。Jeff Gore等人在生态网络中发现了类似的粗粒化描述方法，他们的实验和理论结果表明，只需要知道物种数量和平均种间相互作用强度这两个粗粒化参数，就可以预测生态群落中涌现的动力学行为以及相变。物种数量和平均种间相互作用的增加会导致群落在三个涌现的动力学相之间发生相变，从所有物种稳定共存相，转变到部分物种稳定共存相，最终转变到物种数量随时间持续振荡相。他们还发现高物种多样性和群落持续震荡之间存在正反馈。相关成果10月6日发表于Science杂志最新一期。
+2、Nature Communications | TidyMass: 一个面向对象的LC-MS数据可重复分析计算框架
+
可重复性、可追溯性和透明度(Reproducibility, traceability, and transparency)一直是LC-MS数据分析的长期存在的问题。虽然现在已经开发了多种工具，但是他们仍然存在着局限性。因此，我们开发了 tidyMass项目(https://www.tidymass.org/)，tidyMass是一个基于R语言的综合计算框架，可以实现LC-MS数据的可追溯、可共享和可重复的数据处理和分析工作流程。TidyMass是一个共享底层设计理念、语法和数据结构的R包生态系统，它提供了一个全面的、可重现的和面向对象的计算框架。模块化架构使tidyMass成为一个高度灵活和可扩展的工具，其他用户可以改进并与其他工具集成以定制自己的管道。
+3、Genome Biology | 癌症突变组学特征数据冗余普遍存在
+
美国科罗拉多大学医学院的研究团队分析了TCGA泛癌症图谱中的组学数据类型，并评估其作为癌症基因突变的多变量功能读数（readouts）的作用。分析结果表明，相对于癌症类型校正基线，基因表达数据能够对大多数基因的突变状态提供良好的预测；对于多数基因而言，多种数据类型几乎具有同等有效的预测能力。与使用单一数据类型的性能最高的模型相比，将数据类型组合到单个多组学模型中进行突变预测的方法几乎没有性能优势。这一研究结果对未来指导癌症功能基因组学的研究具有深远意义。
+4、Nature Methods | 自由探索4D核组数据——马坚团队发布Nucleome Browser平台
+
由美国卡内基梅隆大学计算机科学学院马坚团队开发的Nucleome Browser是一由多个Web组件构成，用户根据其需求对其数据进行可视化操作的平台。通过该平台，用户可以充分利用不同类型的4D核组数据和不同的3D表观基因组学数据集，是为最终确定基因组结构和染色质构象如何调节健康和疾病中的基因组功能提供有力的工具。
+
3月22日，《中华肿瘤杂志》发表国家癌症中心、中国医学科学院肿瘤医院的重磅文章，公布2016年中国恶性肿瘤流行数据，首次提供各省主要癌谱流行情况。
+这份报告根据全国各肿瘤登记处上报至全国肿瘤登记中心的2016年恶性肿瘤登记数据，估计2016年中国恶性肿瘤流行特征。纳入符合数据质控标准的487个登记处数据。按性别、城乡、年龄分层计算不同肿瘤的发病率和死亡率。结合中国人口数据，估计2016年中国恶性肿瘤发病、死亡情况。
+结果显示：中国当前的主要恶性肿瘤包括肺癌、结直肠癌、胃癌、肝癌、女性乳腺癌等，前5位恶性肿瘤发病约占全部新发病例的57.27%。肺癌、肝癌、胃癌、结直肠癌、食管癌是主要的肿瘤死因，约占全部肿瘤死亡病例的69.25%。
+ +编译软件在你如何运行你的系统方面给你很大的灵活性。LD_LIBRARY_PATH 变量，以及 GCC 的 -L 和 -l 选项，是这种灵活性的组成部分。
+7、深度学习优化入门：Momentum、RMSProp 和 Adam
+
这篇文章介绍了 3 种基于梯度下降法来解决病态曲率同时加快搜索速度的方法。
+8、Visual Studio Code 引入 “远程隧道” 功能
+
“远程隧道” 功能 是 VS Code 1.74 版本的一个主要特性，它可以让用户通过远程隧道功能，从任何设备、任何地方安全地访问自己的机器和 VS 代码。远程隧道功能可以让用户在不需要 SSH 的情况下，通过 vscode.dev 或 VS Code 桌面客户端，创建一个到任何机器的连接，例如远程桌面、虚拟机或 WSL 发行版。
+用户可以通过三种方式启用远程隧道访问功能：
+下载新的 VS Code CLI，并运行 ./code tunnel 命令，这适用于无法在远程计算机上安装 VS Code 的情况，例如锁定的机器或 VM。
+官方文档：https://code.visualstudio.com/blogs/2022/12/07/remote-even-better
+9、marktext | 简单优雅的 Markdown 编辑器
+
免费、开源、多平台支持！
+10、基于空间和单细胞转录组学数据的转录分布预测和细胞类型解析整合方法的评测
+
11、DeepLinc | deep-learning framework for landscapes of interacting cells
+DeepLinc 是一种用于从单细胞空间转录组数据中进行全新重建细胞相互作用景观的工具。DeepLinc 提供以下实用工具：（1）从不完整和嘈杂的预定义细胞相互作用集中学习；（2）去除假阳性局部相互作用并重建现有相互作用；（3）恢复和重新生成更加无偏见和完整的细胞相互作用景观，包括近距离和远距离相互作用；（4）评估细胞类型之间相互作用的过度或不足表达；（5）提取与细胞相互作用相关的潜在特征；（6）识别多细胞域，以提供组织结构组织的信息。
+ +
正则表达式是非常强大的功能，但其代码通常很不已读。rex这个R包可以允许你以人类可读的方式构建复杂的正则表达式。但是现在有了chatGPT，正则表达式貌似没有以前那么困难了。
+ +
MuSiCal 一款基于Python 3.7环境下的突变特征分析工具。作者提供了Jupyter Notebook 示例脚本，赶快去体验一下MuSiCal 的功能。
+
{tickle} 是一个用于在基本的 R 中创建用户界面的包。
+该软件包旨在提供：
+本资源整理了70多个好用的ChatGPT镜像站点，在近日大规模封号情况下大家可以尝试一下。
+ +
随着人工智能的发展为了解决具有挑战性的问题，人们创造了更复杂、更不透明的模型。AI就像一个黑匣子，能自己做出决定，但是人们并不清楚其中缘由。
+建立一个AI模型，输入数据，然后再输出结果，但有一个问题就是我们不能解释AI为何会得出这样的结论。需要了解AI如何得出某个结论背后的原因，而不是仅仅接受一个在没有上下文或解释的情况下输出的结果。在本文中，将介绍6个用于机器学习可解释性的Python框架。
+ +
icons包可以让用户在报告、演示和应用中轻松地添加网络图标。它集成了许多来自网络的流行图标库。比如：Font Awesome 、Academicons、Simple Icons、Google’s Material Design、Octicons、Feather Icons、Bioicons 等。
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）@kongjianyang（空间阳）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
+来源：栗平/TNC Photo Contest 2022
++从获得首个人类基因组已经过去了二十年，在当时，人们曾畅想在获得基因组之后就可以了解到每一个基因甚至是碱基的具体功能。但是二十年过去了，虽然对于人类基因组的研究在治疗癌症、寻找药物靶点以及诊断疾病获得了一定程度的进展，但是我们仍旧缺乏基因对于衰老、复杂性状以及疾病甚至是一些单基因致病疾病的具体影响。对于目前的这种困境，其中一个重要的原因就是高质量表型数据的缺乏，因此无法通过统计学的方法寻求性状与基因之间的具体关联。针对这一问题，一些包含有遗传数据的超大型前瞻性队列应运而生，其中最具有代表性的就是英国生物银行（UK Biobank）。
+
@JnanZhang：”生物样本库作为生命科学基础研究与转化医学研究的宝贵资源，其重要性日益凸显，英国生物银行已成为了大数据时代下全世界队列研究的标杆。”
1、Genome Biology | 纳米孔测序可用于检测cfDNA的细胞起源和癌症特异性甲基化特征
+
+细胞游离DNA（cfDNA）携带起源组织的信息特征，包括基因组改变、DNA修饰和细胞类型特异性片段化模式等。其中，DNA甲基化是泛癌筛查研究中很有应用前景的cfDNA生物标志物。近日，来自以色列希伯来大学等单位的研究人员在Genome Biology杂志发表了题为“Detecting cell‑of‑origin and cancer‑specific methylation features of cell‑free DNA from Nanopore sequencing”的研究文章。研究团队进行了循环肿瘤DNA（ctDNA）ONT （Oxford Nanopore Technologies）测序的可行性研究，基于ONT全基因组测序检测癌症患者ctDNA的拷贝数变异（CNA），并通过比较ONT测序与短读长测序平台获得的甲基化和片段特征信息，证实了ONT测序可成为液体活检的有力工具。
2、Cell Genomics｜空间多组学技术解析肿瘤内空间异质性
+
+本研究利用多区域质谱分析（>5000个区域），多区域单细胞拷贝数测序（~2000个单细胞），以及循环免疫荧光（>1000万个细胞）三种空间组学技术，对147名肺腺癌患者的肿瘤进行了空间多组学分析。在肿瘤中发现了两种不同的空间异质性模式，定义为聚集模式（Clustered）和随机模式（Random）空间多样性（geographic diversification， GD）。并利用蛋白质组和基因组数据在相同的样本中观察到了一致的空间模式。随机模式的肿瘤，其特点是细胞粘附力不足和肿瘤互作内皮细胞水平较低，在两个独立的患者队列中与复发或死亡风险的增加显著相关。
+- 论文链接：https://www.cell.com/cell-genomics/fulltext/S2666-979X(22)00107-0
3、Nat. Commun|13.5小时即可获得WGS诊断结果！遗传病快速诊断管理系统GTRx与时间赛跑
+
+研究团队开发了一个13.5小时的诊断系统GTRx，用于自动化遗传病诊断和急性管理指导，以在扩大rWGS的使用范围，帮助一线医生在ICU中护理危重婴儿和儿童。据介绍，GTRx系统为原型系统，仅包含约500种进展迅速且有有效治疗方法的遗传疾病。在验证临床实用性后，该系统将扩展到所有遗传疾病，使一线医生能够在评估潜在遗传病因及其对患者的后续治疗方面发挥更积极的作用。
4、Nat. Commun|侯英勇/丁琛/贺福初团队合作发布中国人群鳞状细胞癌蛋白质组学图谱，揭示鳞状细胞癌和腺癌的分子差异
+
复旦大学附属中山医院侯英勇团队、复旦大学人类表型组研究院丁琛团队以及北京生命科学研究所贺福初团队合作，通过系统地蛋白质组学分析揭示了中国人群SCCs和ACs之间的差异，并初步阐明了肿瘤发生机制和治疗策略。通过对蛋白质组数据进行深入分析，构建了包含19个蛋白的诊断分类器，并验证了PRKCE、SLC27A1和CPXM2的诊断价值。该研究证实深度蛋白质组学研究能够带来功能上的新见解，将有助于推动未来的机制探索和精准治疗。 +- 论文链接：https://www.nature.com/articles/s41467-022-31719-0
+
设置数学表达式是科研绘图的一个需求，本文介绍了使用 expression() 函数定义表达式标签，并通过 ggplot2 进行绘制展示。
+6、 DESeq2 的 vst、rlog 和 normalized value 傻傻分不清?
+
+平常我们绘制热图什么的数据基本上用的可能是 TPM/FPKM/RPKM, 或者使用 DESeq2 的归一化值 normalized_counts <- counts(dds, normalized=TRUE) 。那么和 vst 和 rlog 又有什么区别呢?本文解决下面两个问题:
+1.手动由 counts 数据计算 vst、rlog、normalized value。
+2.探索它们之间的区别。
7、严谨的生存分析
+
+在生物医学研究中，生存分析是非常重要和常见的分析方法。其中Cox模型是生存分析中常见的模型，可用来描述一个寿命类变量和若干因素之间的关系。本文通过一项卵巢癌的预后分析工作探讨了在应用Cox模型分析时候对于实际数据的一些处理，使得处理的数据既要合理也不至于损失太大信息。值得一读。
+本文用一个具体实例介绍了如何在European Genome-phenome Archive（EGA：收集了多种测序以及分型数据，如基因组关联分析、分子诊断以及各种目的的测序数据）申请数据以及后续下载操作。
9、Huxtable ｜ 创建LaTeX和HTML表的友好现代接口
+
Huxtable 是一个强大的表格展示工具，具有多样的使用方式，完善的文档，丰富的样式和导出等特性，非常值得尝试。
+10、 可视化代码库的7种工具
+
当需要撰写README文件时，可能会因为不知该说什么而感到纠结，这时就可以考虑用图表来更好的表现你的想法。毕竟，一图胜千言。本文就介绍了7种可视化代码库的工具。
+ +
+Glasbey工具是通过算法创建用于分类数据的颜色调色板，与预定义的调色板相比，它更灵活，易于使用，并且可以扩展现有调色板。此外还可以生成适用于分层类别的块状调色板。
+- github: https://github.com/lmcinnes/glasbey
12、https://github.com/enblacar/SCpubr
+
+该R包旨在提供一种简化的方法，以“pub lication ready”格式（SCpubr）为已知的Single-Cell自动生成高质量的绘图。
13、通俗易懂的机器学习
+
对于了解机器学习，如果阅读网上关于机器学习的文章，你很可能会遇到两种情况：充斥各种定理的厚重学术三部曲，或是关于人工智能、数据科学魔法以及未来工作的天花乱坠的故事。这会对学习进程造成困难。本文作者希望通过本文对那些想了解机器学习的人做一个简单的介绍。不涉及高级原理，只用简单的语言来谈现实世界的问题和实际的解决方案。 +- 链接(英文)：https://vas3k.com/blog/machine_learning/
+14、得意黑字体
+
得意黑是一款在人文观感和几何特征中寻找平衡的中文黑体。整体字身窄而斜，细节融入了取法手绘美术字的特殊造型。字体支持简体中文常用字（覆盖 GB/T 2312-1980 编码字符集）、拉丁字母、西里尔字母、希腊字母、日文假名、阿拉伯数字和各类标点符号。
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）@kongjianyang（空间阳）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +++我记得，有人做过研究，企业软件的成本，只有20%是早期的开发成本，剩下的80%都是后期的维护和更新成本。很多的新技术，看上去可以节省前面20%的开发成本，但可能大大增加后面80%的维护成本。
+
@kongjianyang：企业应优先选择经过考验、长期维护良好的老技术用于长期项目，而不是追求时髦的新技术，以避免增加维护成本和风险。虽然新技术有其创新性和乐趣，但在需要长期维护的项目中使用未经考验的新技术是非常冒险的。因此，选择技术时应该注重项目需求，而非个人兴趣。可能这也是为什么很多大型药企的统计分析还是依赖于SAS语言的一个原因。
1、Genome Biolog | 全新衰老理论，衰老是我们身体的软件设计缺陷所致，表观遗传改变是关键
+
Genome Biology 期刊发表了题为：Ageing as a software design flaw 的综述论文提出了关于衰老的新观点：衰老主要是我们身体“软件设计缺陷”的结果。文章中的一些观点与著名抗衰老研究学者、哈佛大学 David Sinclair教授在Cell中提出的“表观遗传才是衰老的主要驱动力”非常契合。
+论文链接：https://genomebiology.biomedcentral.com/articles/10.1186/s13059-023-02888-y
+
近日，美国国家癌症研究中心姜鹏团队在Nature Communications发表了题为“Estimation of cell lineages in tumors from spatial transcriptomics data”的文章，并详细介绍了团队自主开发的计算模型——SpaCET（Spatial Cellular Estimator for Tumors）。SpaCET可以预测肿瘤ST数据中每一个空间位置的细胞成分，解决了肿瘤异质性、组织密度变化、免疫细胞完整性和细胞谱系间共线性的挑战。经验证，SpaCET在横跨7种癌症类型的8个肿瘤ST数据集中的预测性能优于其他方法。此外，SpaCET还可提供肿瘤进展相关潜在细胞间互作分析功能。
+MHA数据库目前版本整合了2类物种（人、小鼠）、4种组织器官（睾丸、前列腺、附睾/输精管、阴茎海绵体）生理发育或相关疾病的单细胞转录组数据，共有9大数据集。数据的分析、处理由赵亮宇博士（具有男性健康相关生物学背景）与赵艺凡工程师（具有多年生物信息学数据处理经验）合作完成，保证了结果的专业性与准确性。网站提供了中英文双语的帮助信息，访问者可方便地查阅单个或多个基因，在各类男性特有器官中的细胞表达情况，或在生理与病理过程中的变化情况。
+4、Nat Genet | DeepNeo预测MHC II人类肿瘤表位新景观
+
2023年1月9日，韩国科学技术院、宾得医疗Jung Kyoon Choi和Dae-Yeon Cho与韩国成均馆大学医学院Se-Hoon Lee研究小组合作在Nature Genetics杂志上发表题为MHC II immunogenicity shapes the neoepitope landscape in human tumors的研究论文，这篇文章通过使用36000多个免疫原性测定结果，开发了一种鉴定pMHC的新方法DeepNeo，该方法预测了MHC II和MHC I的新表位，这些新表位不仅能够结合MHC蛋白的免疫原性，而且还能够刺激T细胞反应性免疫原性，对免疫检查点阻断有反应，同时证明了MHC- II限制性自然免疫对于癌症的重要性。
+5、PNAS | 基于肿瘤代谢生物标志物的多癌症液体活检方法
+
瑞典查尔姆斯理工大学的科研人员在PNAS上发表了题为“Noninvasive detection of any-stage cancer using free Glycosaminoglycans”的文章。研究团队分析了不同癌症类型的糖胺聚糖组（GAGomes），并开发了一种高通量超高效液相色谱结合三重四极质谱（UHPLC-MS/MS）方法来检测游离的GAGomes。该研究纳入了来自1,260名癌症或健康受试者的2,064份样本，证明了GAGomes作为14种癌症类型MCED的肿瘤代谢生物标志物的潜力，并开发了三种基于尿液和血浆GAGomes的机器学习模型，可以检测任意癌症。与新兴的基于DNA的MCED检测相比，该方法能更灵敏地检测出无症状健康人群中I期癌症患者。
+
这篇公众号文章简单回顾了NF-κB的两条激活通路：经典通路和替代通路，以及NF-κB通路在维持免疫稳态中的核心功能。
+ +
本文从实操开始介绍了运用R语言进行神经网络neuralnet建模应用的过程。
+8、肿瘤新抗原mRNA疫苗mRNA-4157/V940+PD-1抗体联合辅助治疗高危黑色素瘤防止术后复发，获得FDA的突破疗法认证
+
mRNA-4157为一种个性化肿瘤疫苗，靶向患者的特异性突变，编码最多至34种新生抗原。mRNA-4157可以激活肿瘤新生抗原的特异性T细胞，进而杀伤肿瘤细胞。mRNA-4157在一期临床中证明可以诱导新生抗原特异性CD8 T细胞的增殖。
+9、特征筛选还在用XGB的Feature Importance？试试Permutation Importance
+
特征筛选是建模过程中的重要一环。基于决策树的算法，如 Random Forest，Lightgbm, Xgboost，都能返回模型默认的 Feature Importance，但诸多研究都表明该重要性是存在偏差的。是否有更好的方法来筛选特征呢？Kaggle 上很多大师级的选手通常采用的一个方法是 Permutation Importance。通过本文，你将通过一个 Kaggle Amex 真实数据了解到，模型默认的 Feature Importance 存在什么问题，什么是 Permutation Importance，它的优劣势分别是什么，以及具体代码如何实现和使用。
+10、NAdiff 首发 | 让你的RNA-Seq下游分析变得更简单
+
这是一款由农心生信工作室开发的可用于RNA-Seq下游分析的shiny APP，可以让用户通过友好的web界面轻松完成一系列分析。包括筛选差异表达基因、对差异表达基因进行功能富集分析和注释以及对相关结果进行可视化。
+11、github-code-viewer 浏览器插件 | 更快更简单地访问 GitHub
+
基于arxiv的论文搜索和分析的平台，可以基于网站或者微信公众号，帮你检索不同学科的最新文章。该平台用到的arxiv是一项免费分发服务和一个开放存取档案库，收录了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学领域的 2,242,699 篇学术文章。本网站上的材料未经 arXiv 同行评审。。
+13、Friends Don’t Let Friends Make Bad Graphs
+
「Friends Don’t Let Friends Make Bad Graphs」是一系列R绘图文章，介绍关于数据可视化中好与坏实践。非常值得读者以适合自己的速度阅读和探索下。
+14、R语言学习中遗漏的内容
+
一个关于R语言的全面工作流程的教程，目标是让有一定R和RStudio经验的自学者能够改进他们的R习惯，提高效率和自主性。涵盖了以下主题：
+保存源代码和空白状态、项目导向的工作流程、安全的路径操作、如何命名文件、分析的API、个人R管理、了解你的R安装、R启动、维护R、安装源码包、所有的失败、调试R代码、阅读源码和复现问题。
+
「Openbiox 生信周刊」运维小队：
+
+
@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）@kongjianyang（空间阳）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+「生信周刊讨论区（语雀）」 | 「生信讨论区（Gitter）」
+
+图片:A critique of academic criticism
++我们的大学和学术界普遍缺乏批判氛围，这既有历史文化传统中长者为尊的因素，也有大学教师自身原因。正如钱理群先生提到某些中国知识分子的精致主义，就是只顾自己利益，凡是对我个人不利的事情坚决不做，而批评别人，尤其是批评某些权威人士往往就会伤害到自己。事不关己高高挂起，明哲保身是精致主义的典型特征，这与批判精神相悖。
+
@He-Kai-fly - 只有把握好学术批判利弊之间微妙的客观思想和个人情感的平衡，个人和社会才能有所进步和提高。
+1、Cancer Discovery | 多区域单细胞测序解析肺腺癌的空间和细胞结构
+
++德克萨斯大学安德森癌症中心的研究团队利用单细胞测序技术系统地研究了人早期肺腺癌（lung adenocarcinoma，LUAD）组织及癌旁和远端肺样本的单细胞数据，构建了肺上皮细胞、免疫细胞等其他多个细胞群体的转录组学数据集，揭示了早期肺癌演化的特征，为研究LUAD演化轨迹和制定早期肺癌治疗策略提供了宝贵资源。感谢董炜投稿。
+
2、Nature Machine intelligence| 华大智造研发团队发布基于对比学习的多模态单细胞算法，快速实现千万级单细胞多组学数据建模
+
++近日，华大智造研发团队在Nature Machine intelligence（IF=25.898）上在线发表了题为“Contrastive learning enables rapid mapping to multimodal single-cell atlas of multimillion scale”的研究成果。研究人员开发了一种基于对比学习的多模态单细胞算法工具——Concerto（协奏曲）。”协奏曲”的命名， 既包含了“对比学习建模细胞表征”的英文首字母，又暗含了组织器官中不同类型、不同状态的细胞协同发挥作用之意。该算法通过自监督训练的方式，可快速对千万级无标注的单细胞多组学数据进行建模，得到的细胞表征（cell embedding）可以用于自动注释、多模态整合、聚类、跨批次整合、参考映射注释等下游应用。目前，Concerto在各项任务都展现了优异的性能，进一步丰富了单细胞大数据领域的算法工具。
+
3、 Nature发布15万人全基因组测序研究成果，揭示多个罕见变异的性状关联
+
++冰岛雷克雅未克大学联合deCODE Genetics公司、安进公司等团队对来自英国生物银行（UKB）的150119个个体的WGS数据进行分析，重点介绍了发现的具有较大影响的罕见变异性状关联，这些信息是WES和SNP阵列数据集难以鉴定或无法鉴定的。这是迄今规模最大的全基因组测序工作。该研究结果已发表Nature上。
+
4、Nat Med | 基于73万人遗传和健康数据揭示遗传风险因素对寿命的影响
+
++芬兰赫尔辛基大学FIMM分子医学研究所的研究团队将来自两项生物库研究的80种疾病的遗传关联结果与2019年GBD研究的DALY预估值相结合，阐述了遗传变异对个人和群体层面上健康寿命年数损失的影响。该研究将不同的遗传风险因素按其对健康的影响进行排序，并将遗传风险因素与传统的可改变风险因素进行比较，提出了遗传风险因素的比较风险评估模板。 +- 论文链接：https://www.nature.com/articles/s41591-022-01957-2
+
5、Nat Commun | 利用机器学习准确分析FFPE样本的基因组学特征，解锁临床癌症样本的遗传密码
+
++美国赫尔辛基大学研究团队从FFPE样本中提取了福尔马林暴露导致的全基因组突变特征，并设计了FFPEsig算法。该算法能够准确分析癌症活检FFPE样本中基因组学数据，使用机器学习方法校正了受损DNA，并揭示肿瘤样本中真正的突变过程。该方法能够对FFPE样本进行稳健的突变特征分析，从而为使用FFPE-WGS数据进行临床应用铺平了道路，有助于在数百万现有癌症储存样本中释放巨大的医学价值。
+
6、Wasmtime 1.0 正式发布：快速、安全、可用于生产环境
+
++历经三年开发，Bytecode Alliance（字节码联盟）宣布 WebAssembly runtime —— Wasmtime 1.0 正式发布，并可用于生产环境。Wasmtime 是 Bytecode Alliance 开发的 WebAssembly runtime，采用 Rust 编写，构建于编译器 Cranelift 之上。Wasmtime 完全开源，符合 WASI 标准，还支持与 C/C++、Python、.NET、Go 和其他编程语言集成，可运行在 Windows/Linux/macOS 等平台。
+
7、使用TPM/FPKM/RPKM进行差异分析真的可以消除系统误差吗？
+
++本文通过解读一篇文章探索差异表达分析一个比较有意思的数据科学问题：虽然TPM/FPKM/RPKM是一种“全局归一化”，在理论上可以消除线性系统误差。但是，研究者认为这种假设对组学数据分析来说太天真了，并且强调组学数据的非线性系统误差没有生物信息学方法可以消除，并以GSE159751为例进行了相关分析。
+
8、3D图解神经网络
+
++一位来自维也纳的3D特效师创建了一个CNN可视化工具。该工具的主要功能包括，卷积、最大池化和完全连接层的可视化表示，以及各种能实现更清晰可视化的简化机制等等，让初学者通过最直观的方式，来get到CNN的重点。
+
本文介绍了 scRNAtoolVis 包新增的一个可视化功能，方便用户快速绘制美观的单细胞常见比例图形。
+
++g2r是G2.js JavaScript可视化库的接口。G2.js本身就是一个图形语法(GG ~= 2G)，尽管在某些方面与R对ggplot2中实现的语法的一般理解有所不同，但有些地方与ggplot2类似。
+
11、 使用brename对文件批量重命名
+++brename是一个跨平台命令行工具，其可以通过正则表达式安全地批量重命名文件或目录。
+
链接：https://github.com/shenwei356/brename
+12、工具 | AI大神李沐开源新手剪辑神器！只看字幕就能剪视频，卡壳重复片段一键删除
+
++ +AL大神李沐最近开发了一款软件-AutoCut。它可以对视频自动生成字幕，接下来，用户就可以对照字幕，将空白停顿、反复重读的地方进行删除，AutoCut也将自动对视频中对应的片段裁切并保存。该软件使用户无需使用视频编辑软件，只需要编辑文本即可完成剪切。
+
++helix是一个基于Rust的文本编辑器，其类似 Vim 的模态编辑，并支持多选、通过树形定位器进行智能的增量语法突出显示和代码编辑等功能，并内置语言服务器。
+
14、一次搞定所有的富集分析
+
gson包可一次搞定所有的富集分析。
15、人人都能用英语
+
++ +李笑来写的关于如何学习以及使用英语的小册子，李笑来虽然因为在币圈割韭菜的事情风评不好，但是他一直在学习，并且持续输出的能力还是值得学习的，这个小册子可以翻翻。
+
网站归类整理了各种单细胞测序和基因组数据相关的出版资料和工具，方便读者挑选感兴趣的内容阅读学习。
+第34期：中国百万人群大队列，何去何从
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）@kongjianyang（空间阳）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
+被海浪扔回陆地的加菲猫（图源：BBC Future-Richard Fisher）
++来自科技爱好者周刊的话题：除了著名的“水桶原理”-水桶的容量由最短的那块木板决定。“长板问题”也应该得到关注，它是指问题的关键不在于最弱点，而在于最强点。只要有一个点特别出色，这件事情就成功了，其他点的好坏无所谓。
+
@kkjtmac 这个问题可以用一个俗语概括：“一招鲜，吃遍天”，但是另外一个词可能更合适一点：“取长补短”。就像科技爱好者周刊的评论-“我们必须学会区分”短板问题”和”长板问题”，它们的解决方法完全不同。短板问题的解决，需要盯着薄弱环节，补齐最短的那块板；长板问题的解决，只需要推进最强的环节，不要在乎别的。”
+
人类泛基因组参考联盟（Human Pangenome Reference Consortium）提出了首个人类泛基因组参考草图以及两个使用这一参考为基础进行新遗传学研究的发现。此次公布的泛基因组草图，源自47名祖先不同个体的阵列，为当下的参考人类基因组（GRCh38）添加了1.19亿碱基对和1115个基因重复（一个DNA区域里含有一个基因重复的变异）。
+2、PNAS | 同时检测同一DNA分子的遗传和表观遗传特征的新方法——MethylSaferSeqS
+
美国约翰霍普金斯大学医学院的研究团队报道了一种名为“MethylSaferSeqS”的方法。在样本量有限的情况下，该方法能够检测同一DNA模板分子中的遗传和表观遗传变化，且适用于不同大规模平行测序的标准文库制备。经验证，MethylSaferSeqS具有检测癌症患者和健康个体cfDNA中预期突变、甲基化和拷贝数变化的能力。
+
这是一篇由Eric J. Topol和 Pranav Rajpurkar研究团队发表的一篇关于医学人工智能的综述论文。文章介绍了GMAI (Generalist Medical Artificial Intelligence) 模型的概念和其在医疗保健中的应用。GMAI模型能够处理多种数据模态，并具有在执行任务时学习新内容的能力和利用领域知识的能力，这为医疗保健任务提供了无限的机会。GMAI的灵活性使得模型能够适应新的环境和应对新兴疾病和技术的变化，而无需经常重新训练。此外，GMAI应用程序将部署在传统的临床环境和远程设备上。但是，GMAI模型也存在独特的挑战，包括验证模型的准确性、收集和保护大规模的训练数据以及应对计算成本。面对快速发展的AI技术，这篇文章值得有志于投身医疗人工智能研究的科研人员深度阅读。
+4、你为什么找不到「完美」的键盘？macOS 的按键到底特殊在哪
+
本文介绍了macOS 下的键盘发展历史，进而解释了苹果系统的按键的特殊性。
+ +
top命令是Linux系统自带的系统资源监视工具，除此还有简洁功能强大的类似工具htop、atop、vtop、btop++、Glances、nmon。该推文精简地介绍这些工具的特点和安装方法。
+ +
最近发现的许多“新”中性粒细胞( Neutrophils)功能令人兴奋不已。人们逐渐认识到中性粒细胞具有比抗菌反应更多的功能，并且在不同的组织和病理条件下具有不同表型，这表明中性粒细胞确实有未被刻画的异质性。然而，在大多数已发表的文章中，证据往往是间接的，我们需要可靠的实验证明所描述的细胞实际上是新的中性粒细胞亚群。
+ +
这篇文章探讨了单细胞RNA测序 (scRNA-seq) 技术在药物研发中的主要作用。为了理解单细胞技术是如何应用于药物研发流程，文章系统回顾了单细胞测序的基础，并基于此讨论了其他的一些单细胞技术，例如单细胞CRISPR 筛选技术，单细胞T细胞受体和B细胞受体测序技术。
+
RTutor 是一款基于 chatGPT的API的开发的工具，可以快速生成和测试 R 代码。RTutor 将自然语言翻译成 R 脚本，然后在 Shiny 平台内执行。你可以上传一个数据集，然后用英语提出问题或者请求分析，RTutor.ai会自动生成和测试R代码。需要chatGPT的API。
+9、Word GPT Plus | 集成chatGPT 模型的 Word 插件
+
Word GPT Plus 是一个集成了 chatGPT 模型的 Word 插件。它允许你基于你在文档中写的内容生成文本。你可以使用它来翻译、总结、润色或者从零开始写一篇文章。
+
XClone是基于Python开发的一种算法，可以从低覆盖度和稀疏的单细胞RNA测序数据（例如，由10x Genomics，Smart-seq等生成的数据）中推断细胞中的等位基因和单倍型特异性拷贝数。
+
MetaSRA 是一个规范化管理SRA人类特定样本元数据的数据库，受启发并遵循于ENCODE项目元数据管理的模式。该模式包括将样本映射到生物医学本体中的术语，用样本类型类别标记每个样本，并提取实值属性。我们通过一套新的pipeline实现了这些任务的计算自动化。
+
本书的目的是教你如何使用软件工程和DevOps中的一些最佳实践来使你的项目稳健、可靠和可重现。无论您是独自工作，在小团队还是大团队中工作都无关紧要。无论你的工作是否经过（同行）评审或审计并不重要：本书中介绍的技术将使您的项目更加可靠，并为您节省很多挫败感！
+ +
一本介绍如何使用R语言做临床统计分析的英文小册子，并有配套的视频教程。可以用来翻翻读读。
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）@kongjianyang（空间阳）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
来源：Ling Li 海星骨架
+++一篇关于科研剽窃的新闻报道，讲述了一名博士生的研究成果被博士后抢先发表的事件，以及导师为其讨回公道的过程。
+
@NiEntropy：科研剽窃是指在科学研究中，未经原作者同意或未明确引用，擅自使用他人的创意、数据、方法、结论等，作为自己的研究成果发表或申请专利的行为。博士后剽窃博士生的研究成果，不仅侵犯了博士生的劳动成果和创新精神，也违背了导师和同事之间的信任和合作，造成了严重的心理伤害和学术纠纷。这种行为是不可容忍的，应该受到严厉的惩罚和谴责。
1、Briefings in Bioinformatics | 最大的生物医学可视化疾病—靶标知识图谱平台eTSN
+
e-TSN(the explorer for Target Significance and Novelty,)是由华东理工大学药学院上海市新药设计重点实验李诗良/李洪林团队搭建的一个基于生物医学文本挖掘的可视化疾病—靶标知识图谱平台。该平台对200多万篇生物医学全文文献中疾病-靶标关系数据进行提取，生成与药物-靶标-疾病相关的知识图谱，通过可视化表示，可为疾病提供潜在靶标谱，为靶标提供疾病谱，并关联已有和在研药物数据库，为寻找合适的靶点这一难点问题提供了实用的解决方案，同时也为数据驱动的靶点临床决策和新药研发立项提供了线索和理论依据。
+2、Nature Medicine | 多染色深度学习模型可用于结直肠癌的预后和预测
+
本文构建了一个可利用人工智能确定1000多名患者IS（AImmunoscore, AIS）的多染色深度学习模型（MSDLM），该模型具有很强的预后能力，优于其他基于临床、分子和免疫细胞的参数，还可用于预测直肠癌患者对新辅助治疗的反应，是一种能够为临床医生提供基于肿瘤免疫微环境的有价值的决策工具。多染色组合模型中表现最好的组合是CD4、CD8、CD20和CD68，定义 “无复发”的最重要的免疫细胞亚型依次是CD8+T细胞和B细胞，而对“复发”分类贡献最大的是CD68+单核-巨噬细胞，这些发现与在CRC和其他实体癌中的已知作用完全一致。此外，之前的工作表明IS不仅可用于预后，它在直肠癌的新辅助治疗中也具有预测价值。
+3、Bioinformatics | 宏基因组物种组成分析软件KMCP
+
日益增加的微生物参考基因组促进了宏基因组物种组成分析准确性的提高，同时也对宏基因组物种组成分析软件的建库效率、数据库大小、分析时间带来了严峻的挑战。此外，大多数软件主要关注细菌、古菌和真菌，而缺少对病毒群落的关注。研究团队推出了KMCP，一个新的基于k-mer的宏基因组物种组成分析软件。它将参考基因组分割成多个相同大小的区块，并将每个区块的k-mer存储在修改和改进的COBS索引中用于序列的快速搜索。KMCP通过结合k-mer相似性和基因组覆盖信息来减少基于k-mer的宏基因组分类和物种组成分析软件的高假阳性。基于模拟和真实数据的基准测试显示，KMCP虽然比其它软件运行时间更长，但是KMCP不仅能在原核生物和病毒群落上准确地分析物种组成，还能在低深度临床样本中提供高可信度的病原微生物检测结果。
+4、Nat Genet发表大规模多组学研究结果，揭示上百种结直肠癌相关新遗传风险因素
+
由弗雷德·哈钦森癌症研究中心的研究人员对10万余例结直肠癌（Colorectal cancer，CRC）病例、15万余例欧洲和东亚血统的对照组进行了全基因组关联研究（GWAS）荟萃分析，确定了100多个与CRC密切相关的新遗传风险因素。这项研究是迄今为止对结直肠癌常见遗传风险因素进行的最大、最全面的研究。该研究成果可以帮助临床医生更准确地预测、确定患CRC风险较高的患者，以便其能够接受早期筛查，对患者实施更加精准的治疗方案。
+
这篇文章讨论了自上而下因果关系的两个方面，乔治·埃利斯（George Ellis，著名物理学家与复杂系统学者）对这一复杂概念进行了令人信服的解释。这篇文章很大程度上同意埃利斯的总体信息，但可能对某些细节的理解略有不同。作者是在广泛的经验主义背景下阐明了这一信息。
+6、Nature Reviews Cancer：未来10年肿瘤精准治疗的6个未解之谜
+
思考问题的熊解读 6 大未解之谜：
+7、徐瑞华教授：2022十大消化道肿瘤临床研究进展、待解决问题
+
本文由中山大学肿瘤防治中心内科徐瑞华教授团队撰文，文中回顾了食管癌、胃癌和结直肠癌治疗领域的进展及有待解决的问题。
+ +
生活的细节，靠近了看仿佛散落海滩的贝壳，七零八落，当我们把视角拉长一些，这一颗颗串起来，就是一串串有迹可循的珍珠项链，不可方物。 +当我们把2022以春夏秋冬这样铺展开来，历历在目的往事，以某种逻辑连结，2022不再只是一个数字，有了故事也有了温度。2022年单细胞课题怎么样？单细胞技术接下来会往哪个方向发展？更多组学？更高通量？让我们跟随单细胞大佬2022年发表的文章，看未来已来。
+
imgpalr包可以很容易地从图像文件创建调色板。
+
Monocle 3是一个用于分析单细胞基因表达的工具包 ， 可以执行三种主要类型的分析：
+1.聚类、分类和计数细胞。单细胞 RNA-Seq 实验可让您发现新的（可能罕见的）亚型 细胞。2.构建单细胞轨迹。在开发中， 疾病，在整个生命过程中，细胞从一种状态过渡到另一种状态。3.差异表达分析。表征新细胞 类型和状态始于与其他更好理解的细胞的比较。
+
Clustergrammer是一个基于Web的工具，用于将高维数据（例如矩阵）可视化为交互式和可共享的分层集群热图。Clustergrammer的前端是使用D3.js构建的，它的后端则由Python构建。Clustergrammer 产生高度交互式的可视化，能够直观地探索高维数据，并具有多种生物学特异性特征，以促进基因级生物数据的探索。
+
火山图是一种常见的用于可视化差异表达基因的方法。EnhancedVolcano是一个高度可定制化的R包。采用其默认模式也可以快速做出美观的火山图。
+13、孟德尔随机，十大文章汇总
+
孟德尔随机化研究已成为当下又一个发文热点，本文总结了从今年年初开始关于这个方向的十多篇文章，为入门学习该领域的研究提供了既往文献基础。
+14、prompt 写作指南
+
这是一篇针对BoostPixels引擎的生成式AI的prompt教程，具有参考价值。
+第 36 期：“费钱、费力、不费脑”是中国该提倡的科研吗？
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）@kongjianyang（空间阳）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
++有时候，看地图会误判，地图上俄罗斯过大（6400公里），非洲过小（7200公里）。这并不是地图画错了，而是地球为球形，投影成平面地图会失真，高纬度地区被拉长了。
+
++如今大家早已不再痴迷于所谓的「好学生」滤镜，能够更加理性地认识到，「霸凌他人」与「擅长学术」两件事并不冲突。
+可事实也许还要更糟糕一些：一篇来自 Nature Correspondence 的文章表示，许多所谓的「明星学者」之所以能够出人头地，正是因为他们在职业生涯中选择了当个坏人——
+霸凌行为，正是这些平庸的学者登上顶峰的手段。
+
@kongjianyang：学术圈中的霸凌行为远未得到足够的重视，每年都会有研究生和导师之间的问题被曝光。虽然人们普遍认为，面对霸凌最好的做法是勇敢地寻求帮助并奋力对抗，但只有科研人员才知道，当霸凌者是自己的导师或PI时，想要反抗是多么困难。这篇文章为受到霸凌的科研人员提供了一些建议，希望每位科研工作者都能开心科研，对于霸凌行为勇敢的说不。
1、Cancer Cell | 基于bulk RNA-seq精准重建肿瘤TME的机器学习新算法Kassandra
+美国MD安德森癌症中心和BostonGene公司的研究团队共同开发了一种名为“Kassandra”的决策树机器学习（ML）算法。这个算法经过训练，使用超过9,400个组织和血液分选的细胞RNA图谱，并将其与数百万个人工转录组数据整合在一起，以准确地重建肿瘤微环境（TME）。Kassandra算法基于细胞RNA的独特特征，可以适用于不同类型的细胞，并帮助我们更好、更全面地理解仅包含RNA-seq数据的档案样本中的生物学信息。这项研究未来有望在多种疾病的临床应用中发挥重要作用。
+
++2022年9月2日，由杭州华大生命科学研究院主导，联合来自3个国家的17个单位的科学家共同组成的研究团队分析比较了蝾螈脑发育和再生过程，构建了首个蝾螈脑再生时空图谱，这也是全球首个脑再生时空图谱, 相关成果以背靠背封面文章的形式发表于国际顶级学术期刊《科学》。科学家找到了蝾螈脑再生过程中的关键神经干细胞亚群，描绘了此类干细胞亚群重构损伤神经元的过程，同时还发现脑再生与发育过程具有一定的相似性，为认知脑结构和发育过程提供助力，为神经系统的再生医学研究和治疗提供新的方向。
+
3、NPJ GENOM MED | 43万人大型临床诊断队列研究揭示，DNA和RNA配对检测能更准确地诊断遗传性癌症
+美国Ambry Genetics公司在npj Genomic Medicine杂志上发布了一项大规模队列研究的结果，研究团队通过将DNA和RNA测序配对来解决剪接变体识别和解释的难题，并描述了由43,524名接受遗传性癌症易感基因检测的个体组成的临床队列中的突变和剪接情况。该研究证明了DNA和RNA-seq配对检测的效用，其可以检测到影响剪接的致病变异，包括深内含子变异，从而能够鉴定出额外的具有临床可操作结果的个体。该研究结果强调了RNA-seq在提高仅采用DNA诊断方法可能会漏检的高危人群识别方面的重要性。
+本文介绍如何使用 scRNAtoolVis 包中的 jjVolcano 函数进行多组火山图的绘制。
+ +UCSCXenaTools是由@ShixiangWang开发的R客户端，用于下载UCSC Xena平台的数据。这篇文章给出了利用UCSCXenaTools探索各种肿瘤与对照组之间在全局水平上（例如mRNA，lncRNA，miRNA，甲基化和蛋白质）的差异情况的分析流程。
+ +Linux命令在生物信息分析中的重要性不言而喻。本文对Linux平台上一些常见命令进行了系统梳理，值得一读。
+一款能够将大语言模型整合到R语言分析工作流中的插件。这个插件很火，不到几个月已经在GitHub拿到了超过600的star，感兴趣的可以去尝试使用下它。
+同样是一款基于大预言模型开发的工具，为ChatGPT/GLM提供图形交互界面，特别优化论文阅读润色体验，模块化设计支持自定义快捷按钮&函数插件，支持代码块表格显示，Tex公式双显示，支持Python和C++等项目剖析&自译解功能，PDF/LaTex论文翻译&总结功能，支持并行问询多种LLM模型，支持清华chatglm等本地模型。
+
本文推荐了几个适合写书和笔记的LaTeX模板：
+这是一篇在推特上广受关注的科技论文写作指南的中文译文，对于需要一些论文写作思路的同学来说，可以参考一下。
+12、AI工具导航网站
+随着ChatGPT的火爆，各种人工智能工具不断涌现，这个网站汇集了国内外热门的人工智能工具和网站，可以浏览一下，看看是否能找到你所需的人工智能工具。
+第 38 期：选人不选项目的「基石项目」能否走向成功？
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）@kongjianyang（空间阳）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
++一篇名为《反生产力宣言》的文章讨论了生产力的概念及其潜在的陷阱。作者引用了奥利弗-伯克曼（Oliver Burkeman）的《四千周》一书，该书强调了我们生活中有限的时间，并批评了对效率的无情追求。作者认为，高效往往会导致更多工作而不是更多闲暇时间，因为其他人开始期望你做得更多。这是由于工作量本质上是无限的。作者使用一个商人和渔民的寓言来说明追求效率以享受生活时的讽刺之处，当时生活中令人愉快的部分通常不需要效率。文章还讨论了被落下或变得无关紧要的恐惧，这影响着每个人，无论他们成功与否或财富如何。这场持续不断地竞赛经常导致遗憾，正如垂死之人普遍后悔过度劳累一样。作者建议解决这种生产力跑步机问题的方法是积极选择对你重要并花时间去做那些事情，无论是友谊、爱好还是健康等方面。作者还警告不要陷入沉迷于工作行为而非工作本身的陷阱。文章最后强调了珍视生命有限和我们所做选择的重要性，以及需要欣赏当前时刻而不是不断追求更美好未来的必要性。
+
@wangdepin - 很有意思的一点：高效率的人往往会得到更多的工作，而不是更多的休闲时间，因为其他人开始期待你能做更多的事情。
+1、Cancer Cell | d-MMR/MSI-H 肠癌免疫微环境解析
+
免疫检查点抑制剂(ICI)治疗可以诱导错配修复缺陷和微卫星不稳定性高(d-MMR/MSI-H)结直肠癌(CRC)的完全缓解。然而，免疫治疗实现病理完全反应(pCR)的潜在机制尚未完全了解。该研究首次对PD-1阻断剂(托利帕单抗)或托利帕单抗联合COX-2抑制剂(塞来昔布)治疗的d-MMR/MSI-H CRC患者的肿瘤细胞群进行了深入的细胞和分子分析。该研究旨在揭示肿瘤残余患者对ICI治疗的耐药性和敏感性的基础，并提示ICI治疗的潜在治疗靶点。该研究比较了实现病理完全缓解(pCR)的患者暴露于ICI前后的细胞类型分布和功能变化，以阐明与ICI治疗成功相关的机制(−ICI vs +ICI/pCR)。该研究还分析了pCR和非pCR反应在治疗动力学上的差异，以探讨免疫治疗耐药的机制。
+2、NEJM | 英国“破译发育障碍”项目揭示五千余例罕见病的遗传原因
+
近年来，基因组测序在识别罕见单基因疾病的分子机制方面取得了非凡的进展，并越来越多地应用于多种疾病的诊断。最早将大规模基因组研究与个体患者反馈相结合的研究之一是英国破译发育障碍（Deciphering Developmental Disorders, DDD）研究项目。该项目招募了13500多个家庭，获得了外显子组测序和微阵列数据，并与200多名临床医生记录的丰富临床表型相补充。
+近日，该项目团队在国际顶级期刊The New England Journal of Medicine发表了题为“Genomic Diagnosis of Rare Pediatric Disease in the United Kingdom and Ireland”的文章。在该文章中，研究团队描述了DDD研究多年来开发的分析策略。通过该项目，大约5500例严重发育障碍患者了解了其疾病相关遗传因素。平均而言，每个父母-后代三人组中有1.0个候选变异，每个单例先证者有2.5个变异。通过使用临床和计算方法进行变异分类，约41%的先证者（13,449人中有5502人）得到诊断，其中76%的个体携带致病性新生突变。另外22%的先证者（13449人中的2997人）在与单基因发育障碍密切相关的基因中存在意义不明变异。
+
肺癌是最常见的恶性肿瘤之一。近年来，肺癌的全球发病率及死亡率均以惊人的速度上升。非小细胞肺癌（NSCLC）是最常见的肺癌类型，约占所有病例的85%。了解肺癌的特征变化可以揭示肿瘤如何演变，进而帮助开发新的更有效的治疗方法。
+近日，发表在《自然》与《自然医学》上的TRACERx研究系列文章中，TRACERx联盟团队描述了癌细胞DNA的变化如何帮助研究人员预测细胞未来的行为，包括癌症将在何时何地转移扩散到身体的其他部位。研究团队从基因组、转录组、细胞、组织以及临床表现等不同层面对肺癌的进化和转移、异质性等关键癌症特征进行了表征，揭示了基因组变异在不同的肿瘤克隆演化模式和转移中的作用。
+4、Nat Mach Intell | 彭绍亮教授课题组在基于多模态网络表征学习的药物发现方法研究中取得重要进展
+近日，湖南大学信息科学与工程学院彭绍亮教授课题组在国际顶级期刊Nature Machine Intelligence发表了题为“Multi-task Joint Strategies of Self-supervised Representation Learning on Biomedical Networks for Drug Discovery”的研究论文。该研究提出了面向药物发现的生物网络自监督表征学习的多任务联合框架MSSL2drug，系统地研究了如何有效地组合多个自监督模型这一人工智能领域的挑战性问题，探索发现了基于生物网络的多模态网络表征学习技术，为缺乏生物或临床标注数据的药物发现提供了新的研究思路。
+
5、多分享
+
华南农业大学夏瑞老师写给学生的建议，公众号还有其他的文章。能感受到夏瑞老师是一个特别爱分享的人，给我们这些初入科研的学生很多诚恳的建议，很希望这样的老师多一点。
+6、白话孟德尔随机化
+
本文用通俗易懂的语言解释了什么是孟德尔随机化及其研究相关要素，在文末作者还分享了7篇孟德尔随机化热点论文。
+ +
少数派网站发表的题为 “人工智能时代，重新发现骆驼 “的文章，讨论了以骆驼家族命名的人工智能模型的出现，骆驼家族是一个包括骆驼、羊驼、瓜纳科和骆驼在内的动物群体。文章首先介绍了骆驼如何成为中国流行的网络流行语的简要历史。然后，文章深入探讨了骆驼家族的生物分类，解释了各种物种之间的差异。文章的主要重点是开发以这些动物命名的人工智能模型。2023年2月，Meta AI发布了一个大型语言模型，名为LLaMA（大型语言模型Meta AI）。尽管LLaMA的参数比OpenAI的GPT-3少，但它的意义在于它是在非商业许可下发布的，主要用于学术研究。在LLaMA发布之后，其他几个以骆驼家族成员命名的AI模型也被开发出来。这些模型包括斯坦福大学基础模型研究中心开发的Alpaca 7B、Guanaco、来自不同大学的团队开发的Vicuna-13B，以及Chines-Vicuna。这些模型中的每一个都是通过用特定的数据集对LLaMA进行微调而开发的。文章最后指出了这些人工智能模型的快速发展，并将其比作新生骆驼的快速成熟，它在出生后就能立即奔跑。作者表示，希望在不久的将来，人工智能将变得人人可及。
+8、Why it’s worth making computational methods easy to use
+
约翰霍普金斯大学生物医学工程系的助理教授Jean Fan在Nature上发表的一篇博文。文章讨论了Jean Fan和她的团队发起的一个数字活动，该活动利用YouTube、GitHub和博客等平台，使每个人都能获得计算生物学工具。文章探讨了这样一个观点：一个计算方法，就像艺术一样，在被他人分享和使用之前是不完整的。这篇文章是《自然》职业社区的一部分，《自然》读者可以在这个平台上分享他们的职业经验和建议。
+9、What makes a good computational genomics method?
+
多伦多大学的助理教授Kieran R Campbell的博文，讨论了创建和评估新的计算生物学方法的原则。该文章强调了从问题而不是解决方案开始的重要性，寻求新的视角而不是改进的分数，有一个评估优先的方法，以及平衡什么是重要的和什么是可能的。
+10、Trinka
+
Trinka，一个用于学术和技术写作的语法和校正的人工智能 （AI）工具。
+11、PyComplexHeatmap ｜ 绘制复杂热图的Python包
+
可以看作是 ComplexHeatmap 纯 Python 实现。我看了下，这不是 R 的接口调用。非常有意思的工作。
+12、ChatPaper | 全流程加速科研：论文阅读+润色+优缺点分析与改进建议+审稿回复
+
ChatPaper是一款论文总结工具，AI用一分钟总结论文，用户用一分钟阅读AI总结的论文。
+13、计算机专业学习路线
+
本学习路线主要参考美国四大CS名校（卡耐基梅隆CMU、斯坦福Stanford、加州伯克利UC Berkeley、麻省理工MIT）以及哈佛Harvard、普林斯顿Princeton等6所计算机名校的课程安排与内容。而这六所名校也恰好是图灵奖得主最多的前六所，排名依次为：斯坦福、MIT、伯克利、普林斯顿、哈佛、CMU。世界上那些最优秀的IT名人可能都学过这些课程，耕耘其中，尽享奇妙。本学习路线会尽可能列出配套的视频、书籍、作业、项目等相关资源，而且会不断更新。
+ +
Ming Tommy Tang 在推特上总结的数据资料列表。
+hg38 and gencode v21 as annotation. https://toil.xenahubs.net15、Single-cell RNA-seq data analysis workshop
+
一个单细胞分析入门教程的GitHub库。可以跟着助教学，也可以进行自学。教程提供了详细的数据和代码，值得花时间学学。
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）@kongjianyang（空间阳）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+GitHub 粉们可以通过 Watch 仓库的 Release（提前）关注发布内容。
+讨论区的帖子《谁在招人？》，提供生信深造和就业信息，欢迎访问或发布学位攻读/工作/实习等岗位。
+ +
《沙丘》编剧罗斯与他的MS-DOS创作环境。（罗斯是《阿甘正传》、《本杰明·巴顿奇事》的编剧，也是Netflix 版《纸牌屋》执行制片人，曾经五次获得奥斯卡金像奖最佳改编剧本提名、一次获奖，被誉为好莱坞最优秀的编剧之一。）（via）
+最近一段时间科幻电影《沙丘》热映。让人值得注意的一件事情是，这些描述未来科幻世界的大佬们在创作时用的却是几十年前的工具。
+++对于写作者，工具终究只是工具，是创意抒发的载体。整个写作的流程，包括工具的运用，最终都要服务于创意本身。无论工具的科技含量有多高，如果你不适应它，它就无法服务于你，对你起到帮助。（来源：公众号「硅星人」）
+
这引起我个人两点思考：
+1、杀伤性T细胞持久的抗癌能力竟然有赖于线粒体的翻译能力，而不是线粒体的代谢供能能力
+
在我们的免疫系统里，杀伤性T细胞（CTL）是刺客一般的存在，它们不仅能够高效、精准地解决入侵者，还能够保持持续、高昂的战斗状态，通过分泌穿孔素、颗粒酶B、IFN-γ、TNF-α等细胞因子来击杀入侵的病原体或受损的细胞。
+近日，一篇发表在顶级期刊《科学》上的文章提出，单个杀伤性T细胞能持续作战，竟是依赖于线粒体的翻译能力，而不是线粒体提供的能量。来自剑桥大学的Gillian M. Griffiths带领她的团队发现，线粒体翻译通过调控穿孔素、颗粒酶B、IFN-γ、TNF-α等杀伤关键因子的合成，来保证CTL的杀伤持续性。如果线粒体翻译受损，则会导致CTL的持续杀伤能力缺陷。
+（来源：公众号「奇点网」）
+ +
本文介绍由美国凯斯西储大学生物医学工程系Kaustav Bera，耶鲁大学医学院病理学系Kurt A. Schalper、David L. Rimm，纽约大学佩尔穆特癌症中心Vamsidhar Velcheti 以及西储大学生物医学工程系Anant Madabhushi共同发表在nature reviews clinical oncology 上的研究成果。作者概述了基于AI的方法如何集成到病理学家和肿瘤学家的工作流程中，并讨论了在癌症患者的常规管理中实施此类工具的相关挑战。
+（来源：公众号「drugAI」）
+1、周志华教授keynote：探索从纯学习到学习+推理的AI
+学习和推理一直是人工智能中的核心研究内容，诸多学者都认为，两者的结合将具有解决当代人工智能方法缺点的潜力，包括深度学习的黑箱性质等，然而这方面的工作极为困难，需要将人工智能中逻辑推理、知识表示、机器学习等多个领域打通。
+人工智能领域的大会可以说是不胜枚举，但还没有专门关注学习与推理结合的重量级会议。现在终于有这样一个会议，可以满足研究者这方面的需求——国际学习与推理联合大会（International Joint Conference on Learning & Reasoning，IJCLR）。
+本次大会邀请了多位领域大咖发表演讲。其中，我国南京大学计算机系主任兼人工智能学院院长周志华教授作了大会的开场主旨报告，分享了题为《利用无标签数据：从 「纯学习」 到「学习 + 推理」》的主旨演讲。
+ +本文和大家分享一些写作相关的思考。
+另外一篇：写好结构化论文的10条规则。
+ +
如果函数在不同地方有不同的非线性度，或者有多个极值点，那么用多项式特别是低阶多项式来完成拟合是非常不合适的。一种解决办法是我们之前提到的近邻多项式（或者称局部多项式），另一种就是样条——用分段的低阶多项式逼近函数。
+关于样条，常用的有两类，一类是多项式样条，另一类是光滑样条。
+一款VS Code插件，可以在打字的时候敲出不同的效果，如粒子、烟火等。
+
近期该包发布2.0版本，将支持boostrap5文档模板。
+
3、install_GISTIC：GISTIC 2.0安装与镜像
+GISTIC 2.0是一款常用的CNV分析工具，该项目提供一键安装和Docker镜像支持。
+ +
5、papermill：参数化、执行和分析jupyter笔记本
+
1、宝藏自学网站
+公众号「袁厨的算法小屋」一个简单的汇总：
+2、深度学习论文精读
+
李沐带你进行深度学习经典、新论文逐段精读。
+如果你想要支持本周刊，可以对推文进行赞赏或者提供的支付宝/微信二维码打赏。
+ |
+ |
+
|---|---|
| + | + |
非常感谢下面读者往期的赞赏：
+这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
+鱼缸-马岩松
++当代人看上去很自由，但是实际上，（大多数人的）自由很有限，生活中到处都是看不见的高墙，财富、职业、家庭、阶层等等限制了你能去的地方，每个人其实都生活在自己的鱼缸里面。
+
@kktjmac 这里借用Chatgpt的回复：1.生活就像一个鱼缸，我们就像鱼缸里的鱼，被困在一个有限的空间里，有时候我们会感到无聊，甚至绝望，但是我们也可以在这个有限的空间里找到乐趣，找到生活的意义。2.生活就像一个鱼缸，我们需要自己创造自己的环境。鱼缸里的水质、温度、光照等都需要我们自己去调整，这就像我们在生活中需要自己去调整自己的心态，去创造自己的生活环境。3.生活就像一个鱼缸，我们需要不断地学习和成长。鱼缸里的鱼需要不断地游动，才能保持健康，这就像我们在生活中需要不断地学习和成长，才能保持心理的健康。
+@科技爱好者周刊 可以去一些没有去过的地方，做一些没有做过的事情，读一些以前不读的书，接触一些”同温层”之外的朋友。这样就相当于在生活中搭建出各种奇怪的空间，活得可以更有意思一些，遇到更多的可能。
+1、Nature | 最新人类细胞类型DNA甲基化图谱，发现不同个体相同细胞类型的甲基化模式极其相似
+
DNA甲基化是一种重要的表观遗传标记，但现有的人类DNA甲基化数据集存在很大的局限性。大多数DNA甲基化分析主要针对大块组织，因此掩盖了那些罕见细胞类型。作为部分解决方案，近期有研究利用来自全组织的单细胞转录组测序数据来识别在特定细胞类型中表达的标记基因，然后鉴定出甲基化与表达负相关的特定CpGs，但这对于鉴定液体活检中的罕见细胞可能仍不够准确。 +近日，为了克服这些限制并准确表征人类细胞甲基化特征，来自以色列希伯来耶路撒冷大学等单位的研究团队在Nature发表了题为“A DNA methylation atlas of normal human cell types”的文章。研究团队构建了39种不同细胞类型的深度甲基化图谱，并将整个基因组的甲基化模式合并为甲基化的CpG位点模块，使用这些模块来研究不同细胞类型甲基化模式的变化。同时，研究团队还识别描述了组织或细胞类型特异性的甲基化基因组区域，分析了其可能的生物学功能。该甲基化图谱为研究基因调控、疾病相关遗传因素以及开发用于液体活检的组织特异性生物标志物提供了宝贵的数据资源。
+2、Genome Biology | 稳健、快速、低成本！INSERT-seq方法可对DNA整合特征进行高分辨率定位
+
近日，西班牙巴塞罗那庞培法布拉大学的科研人员在Genome Biology上发表了题为“INSERT-seq enables high-resolution mapping of genomically integrated DNA using Nanopore sequencing”的文章。研究团队开发了一种名为“INSERT-seq”的测序方法，其主要工作流程包括single-tail adapter/tag（STAT-PCR）文库制备和牛津纳米孔（Oxford Nanopore）长读长测序。INSERT-seq方法将整合DNA的靶向扩增、基于唯一分子标记（UMI）的PCR偏差校正以及Oxford Nanopore长读长测序相结合，可以稳健、快速和低成本的方式解析已编辑的基因组中未知的有效载体整合位点，定量分析不同体外、体内样本的DNA整合特征，检测极限为1%。
+
Geneformer是一种基于深度学习的、对上下文敏感的模型，通过大规模转录组数据的预训练，可以在数据有限的场景中进行预测。本文中作者 +利用3000万个单个细胞转录组构成的大规模语料库进行了预训练,以在有限数据情形下实现下游网络生物学任务的预测。同时在有限患者数据的疾病建模的应用中,Geneformer鉴定了心肌病的候选治疗靶点。 +Geneformer代表了一个预训练的深度学习模型,可通过微调适应广泛的下游应用，进一步促进对关键网络调节因子和候选治疗靶点的发现。
+4、测序冷知识，为什么illumina测序叫做P7与P5接头？
+
推特上关于为什么illumina测序连接的是3’端和5‘端的接头，但是接头命名是P7与P5而不是P3与P5的讨论，原因是illumina收购的solex测序技术里面，P7和P5是测序效果最好的接头，所以就保留了第5个和第7个接头原始的编号，而不是符合常识的命名为P3和P5。
+ +
本文作者通过两篇文献，展示了GSA的前世今生，包括当下富集分析的主流算法、方法，统计学原理及其在解释科学问题时的局限性和不足，最后作者还补充了在选择对应方法、工具进行GSA时需要注意的问题。
+ +
前瞻性研究和回顾性研究是流行病学中两种主要的观察性研究方法。本文介绍它们的含义和区别。
+7.一文掌握卡方检验
+
本文从假设检验入手，详细介绍了卡方检验的基本内容。
+
处理可重复的报告或任何其他类似的项目通常需要运行脚本，以指定的方式“构建”输出文件。buildr可以帮助你组织、修改和舒适地运行这些脚本。该软件包提供了一组功能，以交互方式指导你完成整个过程，这些功能可以作为RStudio插件使用，这意味着你可以设置键盘快捷键，使你可以随时随地一键选择并运行所需的构建脚本。
+
ProjectTemplate是一个可以自动化管理R语言项目的R包，可以简化日常使用R语言的一些流程，推荐使用。
+10、Zotero Better Notes | Zotero笔记管理工具
+
Zotero Better Notes作为Zotero一个插件，是Zotero中进行笔记管理的强大工具。
+
nf-core/circrna是基于Nextflow进行circRNA定量、差异表达分析和miRNA靶向预测的分析流程。
+
本文介绍了CRAN平台上组学分析时重要的R包工具，可用于基因组学、蛋白质组学、代谢组学、转录组学等。
+
本资源整理了2009年以来的单细胞领域的里程碑文献（见上图）。
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）@kongjianyang（空间阳）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
韦伯望远镜的第一张照片，发布于2022 年 7 月 12 日，这张来自于世界上目前最强大的太空望远镜的照片预示着人类进入宇外探索的新时代。
+++有一种心理疾病叫“取悦症”（Disease to Please），也就是常说的“讨好型人格”，意思很好理解，就是不自觉地想要讨好别人，取悦别人，满足别人的要求，行为被一种“好人情结”左右。
+
@kongjianyang：生活中想做一个与人为善的人本无可厚非，但是如果是一味的讨好则很可能伤害自身。要适度的做到内心坚强，不要为了赢得别人的认可或者好感而一味的讨好别人。
+1、DeepPseudoMSI: 使用深度学习对pseudo-质谱图像分析用于精准医学
+
发表在生物信息学top杂志Briefing in Bioinformatics上的文章。该项工作开发了基于深度学习的pseudo质谱图像(deepPseudoMSI)，可以将 LC-MS 原始数据转换为pseudo- MSI(质谱图像图像)，然后通过深度学习对其进行处理,从而用于精准医学。通过真实数据验证，deepPseudoMSI优于传统的LC-MS处理方法。
+
美国病理学家协会（CAP）最近提醒医务工作者，为了更好地指导患者选择免疫治疗方案，要慎重选择检测dMMR或MSI的方法。CAP的专家小组对于不同的检测方法（包括免疫组化（IHC）、PCR和下一代测序（NGS））的优缺点和推荐，以及针对不同的癌症类型的建议。文章强调了这些检测方法并不是完全可互换的，而且在某些癌症类型中，目前还缺乏足够的证据来支持使用NGS来检测dMMR或MSI。
+3、Nature Methods | 基于DNA序列的单细胞ATAC-seq卷积神经网络建模
+
单细胞ATAC-seq（scATAC）在研究表观遗传景观中的细胞异质性方面具有巨大前景，但由于数据高维性和稀疏性的特点，scATAC的分析仍然面临重大挑战。为此，作者提出了一种基于DNA序列的卷积神经网络方法(scBasset)来对scATAC数据进行建模。实验表明，通过利用可及性峰值下的DNA序列信息和神经网络模型的表达能力，scBasset在scATAC和单细胞多组数据集的各种任务中展现了最先进的性能，包括细胞类型识别、scATAC去噪、数据集成和转录因子活性推断。
+
一位斯坦福的博士定期更新生物医药领域的最新进展，非常有启发。
+5、ggThemeAssist | 鼠标交互修改ggplot2图形主题参数
+
ggThemeAssist是一个R语言的包，它可以帮助用户在RStudio中轻松地定制ggplot2图形的主题。用户只需要在RStudio中选择一个ggplot2对象，然后点击“Addins”菜单中的“ggThemeAssist”，就可以在一个交互式的窗口中调整图形的各种元素，如标题、坐标轴、图例、背景、颜色等。用户可以实时地看到图形的变化，并且可以复制或插入生成的代码到脚本中。我强烈推荐你试一试ggThemeAssist包，个人感觉学了这个包直接秒杀GraphPad Prism， 你一定会喜欢上它的！
+
Micromamba 是一个轻量级的 Python 环境管理器和包管理器，它是 Miniconda 的替代品。它的目标是提供一个更快速、更小巧的选择，用于管理 Python 环境和安装第三方软件包。这篇文章简单记录了micromamba的安装过程。
workflowr包能够帮助研究人员进行有效的项目管理、进行可重复性研究、协作和分享自己分析结果。workflowr 结合了文字编程（knitr 和 rmarkdown）和版本控制（Git，通过 git2r）来生成一个包含时间戳、版本化和记录结果的网站。任何 R 用户都可以快速轻松地采用工作流程。
+8、Observable Plot：用于探索性数据可视化的JavaScript库
+
一款可以用来做数据化可视化的JavaScript库，做出来的图形都很精美，可以尝试下。
+9、le-git-graph：将 git graph 添加到 GitHub 网站的浏览器扩展
+
一款可视化任何GitHub库的git graph的浏览器扩展
+
SingleR是一个R语言的包，它可以将新的单细胞数据与已知的参考细胞类型进行比较，根据表达谱的相似度，为每个新细胞分配一个参考类型。这样可以避免手动地对单细胞数据进行聚类和注释，节省时间和精力，提高准确性和可重复性。教程从SingleR的动机和方法描述开始，然后通过一些实例数据，展示了如何使用SingleR的不同模式和选项，以及如何进行注释结果的诊断和评估。
+
洛克菲勒大学的生信团队提供的在线培训课程，培训涵盖 ChIP-seq 和 RNA-seq 分析、数据可视化和 R/Bioconductor 编程等主题。
+Cookiecutter 是一个强大的模板工具。Cookiecutter Data Science提供了对数据科学项目的初始化，方便构建相关的分析项目，会生成大体如下的目录结构：
+├── LICENSE
+├── Makefile <- Makefile with commands like `make data` or `make train`
+├── README.md <- The top-level README for developers using this project.
+├── data
+│ ├── external <- Data from third party sources.
+│ ├── interim <- Intermediate data that has been transformed.
+│ ├── processed <- The final, canonical data sets for modeling.
+│ └── raw <- The original, immutable data dump.
+│
+├── docs <- A default Sphinx project; see sphinx-doc.org for details
+│
+├── models <- Trained and serialized models, model predictions, or model summaries
+│
+├── notebooks <- Jupyter notebooks. Naming convention is a number (for ordering),
+│ the creator's initials, and a short `-` delimited description, e.g.
+│ `1.0-jqp-initial-data-exploration`.
+│
+├── references <- Data dictionaries, manuals, and all other explanatory materials.
+│
+├── reports <- Generated analysis as HTML, PDF, LaTeX, etc.
+│ └── figures <- Generated graphics and figures to be used in reporting
+│
+├── requirements.txt <- The requirements file for reproducing the analysis environment, e.g.
+│ generated with `pip freeze > requirements.txt`
+│
+├── setup.py <- Make this project pip installable with `pip install -e`
+├── src <- Source code for use in this project.
+│ ├── __init__.py <- Makes src a Python module
+│ │
+│ ├── data <- Scripts to download or generate data
+│ │ └── make_dataset.py
+│ │
+│ ├── features <- Scripts to turn raw data into features for modeling
+│ │ └── build_features.py
+│ │
+│ ├── models <- Scripts to train models and then use trained models to make
+│ │ │ predictions
+│ │ ├── predict_model.py
+│ │ └── train_model.py
+│ │
+│ └── visualization <- Scripts to create exploratory and results oriented visualizations
+│ └── visualize.py
+│
+└── tox.ini <- tox file with settings for running tox; see tox.readthedocs.io
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）@kongjianyang（空间阳）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
森林小屋-图源。
+
训练许多现代 AI 工具背后的大型神经网络需要真正的计算能力：例如，OpenAI 最先进的语言模型 GPT-3 需要惊人的数亿次操作来训练，并且花费了大约 500 万美元的计算时间。工程师们认为他们已经找到了一种通过使用不同的数字表示方式来减轻负担的方法。这些数字，称为 posits，被提议作为对当今使用的标准浮点算术处理器的改进。而现在，研究人员开发了第一个在硬件中实现 posit 标准的处理器内核，并表明，与使用标准浮点数进行计算相比，基本计算任务的精度逐位提高了四个数量级。
+@ShixiangWang: 机器学习正在深度革新基于逻辑和人类设计的计算机底层构架，这意味着以后任何人使用的电子设备都有可能存在着机器学习的硬件设计应用。这是资源配置的优化，生物信息学从业者如何参考类似的设计去进行核心算法/软件的优化将来可能是一个前沿领域。
1、Science | 果蝇全生命周期的单细胞图谱 Aging Fly Cell Atlas
+
果蝇从卵到成虫的存活时间称为果蝇寿命。它受温度和食物供应等环境因素的影响，一般为 10 至 50 天。Aging Fly Cell Atlas 是黑腹果蝇不同生命周期的单核转录组图谱，揭示了雄性和雌性果蝇一生中多数组织的变化。研究团队还开发了衰老时钟模型，发现核糖体基因表达是一个保守的年龄预测因子，并且细胞类型特异性的衰老模式可以用来衡量生物年龄。
+2、Science | 智慧之图：人类多器官单细胞转录组学图谱
+
《智慧之图》是人体超过400种细胞类型的分子参考图谱。智慧之图联盟利用单细胞转录组学技术，对来自24种组织和器官的近50万个细胞的信使RNA分子进行了测量。这些数据为我们提供了关于人类基因组构成如何用于在人体内创建独特细胞类型的全新洞见。除了创建了这些细胞类型的详细分子定义外，该图谱还揭示了人类生物学的许多其他方面，包括同一基因如何在不同细胞类型中发生不同剪接，不同组织中共享的细胞类型如何在其身份上有微妙差异，以及免疫系统的克隆如何在多个组织之间共享。
+3、Science | OpenCell - 用于人类细胞组织制图的内源性标记
+
提高对蛋白质在人体细胞内如何组织的理解，将增强我们对细胞功能的系统级理解。Cho等人使用CRISPR技术以接近内源性的量表达了1000多种不同的蛋白质，其标记既可以对其位置进行荧光成像，也可以对相互作用的蛋白质伴侣进行免疫沉淀和质谱分析。大规模数据在交互式网站上提供，通过机器学习进行聚类和分析。这些研究强调了RNA结合蛋白的不寻常特性，并表明蛋白质定位是非常具体的，可以预测功能。
+4、Nature Communications | 比较纳米孔直接RNA测序的RNA修饰检测
+
大多数利用纳米孔dRNA-seq数据检测RNA修饰的软件都无法避免使用Tombo的结果。但Tombo并不适合最新的fast5格式。作者开发的Nanocompore，通过利用nanopolish的结果进行RNA修饰检测来解决这个问题。
+5、Cell Genomics | De novo提取算法SigProfilerExtractor在癌症基因数据中发现4种新突变特征
+
SigProfilerExtractor和其他13个突变特征提取工具在34个不同场景中的比较表明，SigProfilerExtractor对噪音具有很强的鲁棒性，并且突变特征De novo提取方面优于所有其他计算工具。将SigProfilerExtractor应用于全基因组泛癌分析项目（PCAWG）发布的2778个全基因组测序（WGS）和19184个全外显子组测序（WES）数据，揭示了四种新的突变特征。
+
gtExtras是一款协助gt包创建美观表格的R包，除了内置的7种表格主题，用户还可以自定义主题。除此之外，使用该包还能在表格内添加一些图标或者图像，甚至可以在表格内绘制一些简单的条形图或者数据分布图，是一款非常强大的表格可视化包。
7、Aspera for HTS Data TurboDL | 自动化批量从 ENA|GSA 高速下载 fastq/SRA 数据
+
在大数据、人工智能和高性能计算逐渐融合的趋势下，面临海量生物数据的生物信息学领域虽然存在着“数据鸿沟”，面临着诸多挑战，但也为行业发展带来新的机会。
+
PRIMUS是一种能够同时考虑数据来源（如患者、样本、数据集）特定的组分和技术噪声，从 scRNA-seq 数据中发现细胞表型的整体聚类方法。PRIMUS 采用双线性泊松回归模型，将表达数据分解为明确的干扰因素、未定义的细胞表型以及它们对应的转录组学特征。
+10、shinybones
+
shinybones是一个R包，它提供了一种非常固执己见的方式来组织大型、多页的闪亮仪表板。它允许用户专注于按照最小的约定集为每个页面构建独立的模块，并将所有涉及在仪表板中布局它们的样板代码放在一个简单的YAML配置文件中。
+11、groundhog
+
groundhog通过将 library（pkg） 替换为 groundhog.library（pkg，date） 来重现 R 脚本. +groundhog.library（） 可以加载在 CRAN 上选定日期可用的包及其依赖项。如果需要，其会自动安装软件包， +而且安装将保留（而不是替换）该包的现有其他版本。与此同时，所有操作系统和 R 版本都可安装/加载相同的包版本。
+12、MutScape | 一个用于探索癌症基因组中突变景观的分析工具包
+
一个用户友好的Python工具包，它提供了一个全面的管道，可以轻松地探索基于队列的突变特征，用于研究癌症基因组学。
+ +
alist是一个支持多种存储，支持网页浏览和 WebDAV 的文件列表程序，由 gin 和 Solidjs 驱动。支持docker安装，可以在全平台使用。
14、sunmao-ui
+
Sunmao(榫卯)是一个前端低代码框架。通过 Sunmao，您可以轻松将各种前端 UI 组件库和自己开发的前端组件，封装成低代码组件库，从而搭建您自己的低代码 UI 开发工具，使前端开发变得如榫卯般严丝合缝。
+15、PyOxidizer
+PyOxidizer是一个用于生成嵌入 Python 的二进制文件的实用程序。 其首要目标是使复杂的包装和分发问题变得简单，以此让程序维护者可以专注于构建应用程序，而不是在构建系统和打包的工作中耗费精力。
+16、FreeTube
+
FreeTube 是一款开源的桌面 YouTube 播放器，在构建时充分考虑了隐私。使用时可以自动跳过所有广告，无需帐户即可订阅频道，并且可以防止 Google 使用 cookie 和 JavaScript 跟踪您。软件可用于 Windows、Mac 和 Linux平台。
+17、giscus
+
利用 GitHub Discussions 实现的评论系统，让访客借助 GitHub 在你的网站上留下评论和反应吧！本项目深受 utterances 的启发。（weekly网站的评论系统就是基于giscus做的）
+
一个类似 hugo 的工具，但 hugo 是 golang 构建的，而 zola 是使用 rust 构建的。
+
这里介绍了一个分析 TCR 的 nextflow 流程。
+
Openverse是一个免费的创意作品库，包括超过7亿张照片、图像和音频，所有内容都是在创意共享许可证下或属于公共领域的，可以自由使用。
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）@kongjianyang（空间阳）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +++每一年，《科学》杂志的编辑团队都会评选出一项年度科学突破冠军以及九项年度科学突破入围奖。它们是一年里最重大的科学发现、科学进展和趋势。
+
@NiEntropy -2022年 Science推出的十大科学突破中，有一项让我这个生信爱好者很感兴趣——冻土古DNA序列揭示失落世界。这项突破展示了环境DNA在重建过去生态系统方面的巨大潜力，为生物信息学提供了新的数据来源和研究对象，揭示了地球历史上的生物多样性和演化过程，为生物信息学提供了新的知识和理解。另一项让我这个普通人受益匪浅的突破是——创造性人工智能的快速发展。它让生活充满了便利和乐趣，我可以生成各种我喜欢的图片、音乐、视频等。它也让学习更加高效和有意义，我可以利用创造性人工智能来辅助我学习和获取知识。
+@ShixiangWang -看到「惊人的巨型细菌」，不得不感慨人类总是为自己的见识所束缚，自然界存在种种超脱人意料的可能。
+1、 Nature Methods | Cue: 一个用于发现结构变异和基因分型的深度学习框架
+
来自美国布罗德研究所、威尔康奈尔医学院的研究团队在Nature Methods上发表了一种名为Cue的深度学习框架，用于从DNA测序数据中检测和基因分型结构变异（SV）。SV是一组大于50个碱基对的基因组改变，是人类基因组中遗传多样性和疾病的关键驱动因素。现有的SV检测器依赖于手工设计的特征和启发式方法来建模SV，无法扩展到SV的广泛多样性，也无法充分利用测序数据中可用的信息。Cue将比对转换为编码SV信息的图像，并使用堆叠沙漏卷积神经网络来预测每个图像中捕获的SV的类型、基因型和基因组位点。Cue在合成和真实的短读数据上检测多种类别的SV方面表现优于现有技术水平，并且可以轻松扩展到其他测序平台。
+
由香港科技大学、中国科学院大学、腾讯公司人工智能实验室共同发表在nature communications的文章。文章提出了一个双视图层次图学习模型HIGH-PPI，以预测蛋白质-蛋白质相互作用（PPI）并推断所涉及的分子细节。HIGH-PPI检查人类相互作用组的蛋白质外部和内部，以建立对PPI的强大机器理解。该模型在预测PPI方面表现出高精度和稳健性。此外，HIGH-PPI可以通过精确识别重要的结合和催化位点来解释PPI的作用模式。总体而言，HIGH-PPI是一个领域知识驱动和蛋白质相互作用预测研究的可解释框架。
+3、 NC| 深圳湾实验室孙坤课题组揭示游离DNA片段化模式的调控机理及其应用
+
近日，深圳湾实验室孙坤课题组在Nature Communications期刊发表了题为“DNA methylation analysis explores the molecular basis of plasma cell-free DNA fragmentation”的文章。该研究揭示了DNA甲基化是外周血中循环血浆游离DNA（cell-free DNA，cfDNA）的重要调控元件，并基于此原理开发了全新的泛癌种、跨平台癌症诊断标志物，深入探索了cfDNA片段化模式的分子机理以及临床转化价值。
+4、Nature Genetics︱预测免疫治疗反应性的新生物标志物
+
本文研究人员开发了一种算法——SOPRANO（蛋白质注释区域的选择），其可以计算任何目标基因组区域内部（ON target或ON-dN/dS）和外部（OFF target或OFF-dN/dS）的三核苷酸背景校正的dN/dS，允许在多个或单个个体之间进行队列和患者特异性的dN/dS比较。同时，本文的方法使用了由（1）单个HLA等位基因（即HLA-A0201）、（2）由6个HLA单倍型组成的原始HLA等位基因或（3）患者特定的6个HLA I类等位基因组成的靶免疫多肽组中的点突变（错义和/或截短单核苷酸变体）。基于此，研究人员在不同的背景中应用SOPRANO来量化免疫选择，并确定免疫逃逸的影响，分析了>10,000例原发肿瘤和356例ICI治疗的转移瘤，利用免疫dN/dS（即免疫多肽组中非同义突变与同义突变的比率）来测量队列和个体的免疫选择，成功使用dN/dS来区分免疫编辑肿瘤和免疫逃逸肿瘤、测量潜在的抗原性，并最终实现对治疗反应的预测，以此强调了考虑肿瘤进化动力学对未来个性化医学的重要性。
+
本文作者整理了入门生信时R或shell中可能遇到报错，并且分享了相应解决方案。
+ +
本文介绍单细胞处理的上游分析步骤和代码。
+ +
eulerr是一款能够生成面积比例欧拉图的R包，可以显示集合关系（交集、并集和不相交），并且不要求所有集合交互都存在（无论它们是否为空）。另外也可以尝试VennDiagram和ggvenn。
+8、PanCanSurvPlot | 一款解决泛肿瘤KM生存分析的Shiny网页工具
+
PanCanSurvPlot是一款以网页为基础的便捷肿瘤相关生存分析工具，能够提供给用户探查不同肿瘤、不同生存状态下转录组标志物的生存预测结果。推荐使用！
+
Starship是一个命令行提示符，它可以在终端中显示有关系统和shell状态的信息。它旨在提供一个快速，可定制且易于使用的提示符，适用于各种不同的shell环境，例如Bash、Zsh、Fish等。它可以显示有关当前目录、Git分支、Docker容器、Node.js版本、Python虚拟环境等信息，并且可以通过配置文件进行自定义和扩展。Starship是一个跨平台的工具，可以在Windows、macOS和各种Linux发行版上使用。
+ +
得益于研究团队利用 Python 处理单细胞数据的不断深耕，创造了一系列工具，现在，它们组成了 Python 处理单细胞数据的生态 scverse，推动了 Python 在该领域的应用。
+ +
Typst 是一种全新的基于标记语言的排版系统，它的设计目标是与 LaTeX 一样强大，但更加易于学习和使用。相较于 LaTeX，Typst 内置了用于处理最常见格式化任务的标记语言，同时为其他所有任务提供了灵活的功能。
+ +
13、在Docker中使用R和Rstudio进行可重复性研究的教程
+
本教程是针对R和RStudio使用者的Docker入门指南。教程首先介绍了Docker的基本概念以及其用途，然后详细介绍如何在可重复且可转移的项目中使用Docker。
+14、Single-cell best practices | 单细胞最佳实践
+
《Single-cell best practices》是一本详尽且定期更新的在线书籍，全书53个章节，其主要内容有单细胞数据的预处理、可视化、聚类、细胞亚群注释、染色质可及性、空间组学、蛋白质学、免疫组学等等。
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）@kongjianyang（空间阳）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
++人人都有优点和缺陷，但不一定都能认识到自己的优缺点。不能意识到自己的缺点更是常态。认识自己缺陷深刻到可以推动人类知识的提高，这需要一定的才能，比如英国科学家道尔顿具有这样的才能。
+
@He-Kai-fly - 与别人的比较中认识自己，以身边的人为参照物，知道自己在这些参照物中所处的位置，完善自己。
+@ShixiangWang - 每个人都有自己的缺点，缺点常常是一类人共有的精神/行为特征，而在自身/他人看来是一种不完美的体现。有时候，缺点难以或者完全没办法改正，但如果自身能认识到，那么就可以尽量减少对其他人的伤害。
+1、Nature Communications| AI 赋能全身危及器官勾画，加速放射治疗
+
++近日，由上海科技大学生物医学工程学院与联影智能、复旦大学附属肿瘤医院、联影科技合作完成的全身多器官「AI 放疗勾画」,其有效性和安全性首先依赖于危及器官(Organ At Risk, OAR) 和靶区的准确勾画。传统的放疗计划 (Radiotherapy Treatment Planning, RTP) 需医师手动勾画器官和靶区，耗时较长且不同医师勾画结果差异性较大。针对该痛点，本课题设计了一种通用型的分割网络框架以实现多种器官和病灶的自动、快速、精准分割，为后续 All-In-One 一站式放疗提供一致性高、重现性好的靶区勾画结果。
+
2、Genome Biology | iDNA-ABF: 基于多尺度深度学习的生物序列与功能语义模型实现DNA甲基化可解释性预测
+
++魏乐义教授团队提出了一种基于多尺度深度学习的生物序列与功能语义模型iDNA-ABF实现对DNA甲基化的可解释性预测。在多物种数据集及人类细胞系数据集中，iDNA-ABF均展现出较好的性能。通过引入对抗训练策略，增强了模型的鲁棒性从而让模型在不同大小的训练集上都获得较优异的性能，也可以预防出现大模型的过拟合问题。另一方面，通过引入attention机制，iDNA-ABF获得了良好的可解释性，能够有效从序列层面建立起甲基化功能的关系，从而为生物学家的研究和发现提供启发。
+
3、Nature Biotechnology丨 PRPS 有效消除文库大小、肿瘤纯度和批次效应对RNA-seq数据分析的影响
+
++为从RNA-seq数据中获得有意义的生物学结果，准确识别和有效去除不同因素产生的基因表达差异至关重要，特别是在大型、复杂的研究数据中。研究团队利用来自TCGA的RNA-seq数据，开发了一种名为RUV-III-PRPS的方法，能够有效去除文库大小、肿瘤纯度和批次效应对TCGA RNA-seq数据的影响。经验证，该方法可用于整合、规范来自多个实验室或平台的其他大型转录组数据集。
+
4、nature systems biology and applications | 疾病建模和药物控制中的计算系统生物学
+
++基于Omics的方法在确定疾病机制和药物应答方面的影响越来越大。考虑到疾病和药物应答在相关的组学数据交互中是共同表达和调节的，传统的从单个孤立获取组学数据的方法不能总是获得有价值的推断。此外，药物有可能给患者带来副作用，而且针对疾病推出新药的成本很高。系统生物学通过整合基因组、蛋白质组、转录和代谢层的组学数据来预测潜在的分子相互作用。结合已知的药物应答，由此产生的模型通过药物重利用并结合药物分子提高药物的治疗性能，而不会产生非靶向效应。基于确定的计算模型，药物管理控制旨在平衡毒性和疗效。
+
5、两院院士评选“2022年中国/世界十大科技进展新闻”揭晓
+
++ +由中国科学院、中国工程院主办，中国科学院学部工作局、中国工程院办公厅、中国科学报社承办，中国科学院院士和中国工程院院士投票评选的2022年中国十大科技进展新闻、世界十大科技进展新闻于2023年1月12日在京揭晓。
+
本文推荐了一款虚拟机工具：Multipass，它是非常轻量级的虚拟机命令管理工具，运行环境支持 Linux、Windows 和 macOS。此外，作者还简要介绍了本工具的基本操作。
+7、Python也能画漂亮的complex heatmap？
+
介绍一款可以在python中画出类似于R中ComplexHeatmap效果的包：PyComplexHeatmap
+
++为了比较同一数据使用不同聚类方法的差异（例如，平均聚合聚类和Ward最小方差聚类），或者评价两组存在某种关联的数据间的一致性（例如，来自同一采样点的物种和环境，同一个体的基因表达和蛋白表达等），这种涉及两个聚类树的比较的情况，在R中可借助dendextend包来实现。
+
9、gpttools | 将chatGPT整合至Rstudio的R包
+
gpttools的目标是为R包开发人员扩展gptstudio，使其更容易将大型语言模型(llm)的使用合并到他们的项目工作流中。
+ +
本文推荐第三方库 – Boltons，和大多数第三方库不太一样，它并不是针对某一功能的工具库，而是将开发中那些重复性（经常使用）及复杂度较高（不容易编写）较高的代码剥离出来，并按照操作对象分门别类整合在一起的工具库。
+Boltons 使用的是 BSD 许可证，到目前为止已经收录超过 230 个的纯 Python 实用工具库，这些工具库与 Python 标准库并没有重合，是补充的关系。
+ +
Workflowy提供了许多工作流的模板供使用，感兴趣可以尝试
+12、Orchestrating Single-Cell Analysis with Bioconductor
+
《Orchestrating Single-Cell Analysis with Bioconductor》这本书教给用户一些分析单细胞RNA-seq数据（scRNA-seq）的常见工作流程。 本书将展示如何利用生物处理工具来处理、分析、可视化和探索scRNA-seq数据。
+ +
本教程提供了在R和RStudio中如何有效地使用Bioconductor上的包进行多组学数据分析和可视化的相关基础知识和流程。
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）@kongjianyang（空间阳）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
+撒哈拉沙漠中的岩石艺术
@kktjmac 生物学是一个广泛且深入的领域，该专业毕业的学生可以进入许多不同的领域，包括医疗卫生、研究、教育、环保等。目前这个领域的竞争非常激烈，尤其是在高级职位上。因此，如果选择这个专业，除了对生物学有热情，可能需要进一步的学习和专业发展，例如获得硕士或博士学位，或者出国深造学习。
+1、Nature Chemical Biology | DM-Seq全酶、无损单碱基分辨率直接测序5mC
+
美国宾夕法尼亚大学的研究团队开发了一种全酶、无损、可靠和直接的方法“DM-Seq”来单独检测5mC，解决了传统方法中5mC和5hmC混淆、难以区分的局限。该方法灵敏度较高，可应用其分析极少量的DNA样本，例如用于早期癌症检测的无细胞DNA，这为部分癌症患者的诊断和预后判断提供了潜在可行的方案。该研究揭示，通过DM-Seq直接检测5mC能够推进使用表观遗传测序改善患者护理预后的发展。
+2、Nature | 有史以来最大的人类正常乳腺细胞图谱为乳腺生物学带来了前所未有的新见解
+
近日Nature上发表了目前世界上最大和最全面的正常乳腺组织图谱，该研究使用单细胞和空间基因组学方法对126名女性的714000多个细胞进行分析，确定了12种主要细胞类型和58种生物细胞状态，并根据种族、年龄和健康女性的绝经状态确定了差异，极大地推进科研人员对人类乳腺生物学和疾病知识的认知。
+3、Nat Genet | WES联合RNA-seq分析揭示晚期NSCLC免疫治疗的基因组学和转录组学特征
+
发表在Nature Genetics上的一项研究。在这项研究中，为了加深对NSCLC中免疫检查点抑制剂反应分子特征的理解，研究团队对Stand Up To Cancer-Mark Foundation（SU2C-MARK）队列进行了首次联合分析，研究团队分析了NSCLC患者接受PD-1/PD-L1药物的一线治疗之前收集的肿瘤样本进行了全外显子组测序（WES）和全转录组测序（RNA-seq）分析。发现了多个与患者反应结果相关的分子特征，包括有利（ATM突变）和不利（TERT扩增）的基因组亚群；免疫蛋白酶体可诱导成分的表达与反应之间的关联以及肿瘤内在亚型的影响等。该研究结果强调了免疫治疗背后的生物学决定因素的复杂性，以及在大型特定癌症队列中进行综合分析的潜力。
+4、Nature | 原发性和转移性实体瘤的泛癌全基因组比较
+
绝大多数癌症相关死亡（约90%）是由转移性而不是原发性肿瘤引起的，转移性扩散涉及肿瘤细胞从原发性肿瘤中分离、二次组织定植和在恶劣环境中生长的多步骤过程，尽管人们为理解这些现象作出了许多努力，但目前对基因组变化在使肿瘤具有这些非凡能力方面的贡献仍然知之甚少。来自荷兰乌特列兹大学医学中心的研究团队通过对7108个全基因组测序肿瘤的两个未配对的原发和转移队列的统一泛癌分析（harmonized pan-cancer analysis或再分析），描述了早期未治疗原发性肿瘤和晚期治疗的转移性肿瘤之间的基因组差异，展示了泛癌全基因组分析在识别晚期肿瘤的独特特征方面的潜力，并为进一步研究癌症和治疗耐药性的生物学基础提供了宝贵的资源。
+5、因果推断实证领域力作斯科特·坎宁安的《因果推断》终于来啦
+
美国贝勒大学经济学教师斯科特·坎宁安（Scott Cunningham）为大学生讲授因果推断与研究设计课程已经有十三年之久，他结合自己的教学经验与成果，写出了一本Causal Inference: The Mixtape（Yale University Press），这本书通俗易懂地介绍了社会科学家得以确定因果关系的主要数学工具和方法。全书对因果推断领域的理论与方法涵盖面非常广泛，对理论的阐述言简意赅，对方法应用着墨更多。
+ +
本文介绍了如何使用clusterProfiler衔接实现PPI网络的构建。
+ +三级淋巴结构（TLS）是出生后在非淋巴组织中形成的免疫细胞的有组织的聚集体。TLS不是在生理条件下发现的，而是在慢性炎症的背景下出现的，例如自身免疫性疾病，慢性感染和癌症。这篇文章通过阅读一篇2022年7月发表在Science的文章，详细回顾了三级淋巴结构形成的驱动因素以及一些预后和预测潜力。
+
非常全面和细致的单细胞处理和下游分析流程，代码和流程都可以进行参考和复用。
+9、TwoSampleMR | 使用 GWAS 数据进行孟德尔随机化分析
+
10、learnr包 | 可以将任何 R Markdown文档转变为交互式教程的R包
+
learnr包是一款可以将任何 R Markdown文档转变为交互式教程的R包。包括代码练习和测验问题。对于有教学R语言的朋友值得一试。
+11、UnitedNet | 可解释的多任务深度神经网络用于多模态生物数据分析
+
UnitedNet是一种可解释的多任务深度神经网络，能够整合不同的任务来分析单细胞多模态数据，应用于各种多模态数据集（例如Patch-seq、multiome ATAC+基因表达和空间转录组学），与现有的方法相比，UnitedNet在多模态整合和交叉模态预测方面展现出类似或更高的准确性。
+12、Learn Genomics | 简单、易懂入门基因组学
+
本文作者整理2023核酸研究数据库特刊中涉及单细胞领域的数据库合辑。
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）@kongjianyang（空间阳）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
苍穹巨灵——麋鹿。麋鹿是我国特有物种、世界珍稀动物。图片来源 - 新华社
+近日，颜宁在面试 20 余位研究生后公开评价没有让她眼前一亮的。
+
她的面试问题是：
+++假设时间来到10年后，你已经成为一名PI（Principal Investigator， 即独立带领一个实验室的博导），你拥有所需要的所有资源（优秀的科研团队、充足的经费、完善的实验设备、大把的时间），那你最想探索的科学问题是什么？换一种说法，这一辈子有什么科学问题或者技术难题，你能解答或者突破，就觉得今生无憾了？
+
这样的评价是否正确？又如何做亮眼的研究生呢？
+@ShixiangWang：我觉得可能颜教授在国外呆的太久，又全是在顶级高校中呆着，所以对学生产生了不合理的预期。我们国家当前的文化、环境往往在多个方面消磨人的兴趣和耐心，社会又进入了“卷”时代，恐怕不能做太多的要求吧？不要说学生，颜教授大可以问问国内的 PI 们，有多少人在研究生的时候想过这个问题？目前是否还在想这个问题？还在实际探索这种问题？我个人觉得研究生阶段最重要的是培养自我的独立思考能力和专注工作的能力，兴趣可以培养、大部分人也到不了领域金字塔的尖端，但这两项能力是扎根科技工作的根本，无论到哪里，终究会“亮眼”。
1、Nat Rev Clin Oncol | 肠道肿瘤微生物组标签(GOMS)是癌症免疫治疗的下一代生物标志物
+
来自法国巴黎-萨克雷大学的Laurence Zitvogel教授课题组讨论了各种亚型的癌症患者如何与看似无关的慢性炎症性疾病患者共享几个GOMS，而这些患者的GOMS又往往不同于健康个体。作者讨论了上述在不同癌症类型(808例患者)中与ICI临床获益或耐药相关的GOMS模式荟萃分析的结果，重点关注肠道生态失调的代谢和免疫学替代标志物，并提出了在免疫肿瘤学前瞻性临床试验决策中纳入GOMS的实用指南。
+2、Nature | 基于空间分辨转录组学分析良、恶性组织拷贝数状态，揭示全基因组CNV的独特克隆模式
+发表在Nature上面的一篇文章，研究团队利用空间组学技术系统地研究了前列腺器官的原位基因组的完整性，并描述了先前未被确定的克隆关系，同时推测了良性和恶性组织中多个器官约12万个区域的空间拷贝数变化，揭示了全基因组拷贝数变异（CNV）在肿瘤和附近的良性组织中独特的克隆模式。
+3、Scientific Reports | 群体遗传研究中基于主成分分析（PCA）的结果存在高度偏倚，必须重新评估
+
主成分分析 （PCA） 是一种多变量分析，可在保留数据协方差的同时降低数据集的复杂性。结果可以在彩色散点图上可视化，理想情况下只有最小的信息损失。PCA应用程序在EIGENSOFT和PLINK等被广泛引用的软件包中实现，被广泛用作群体遗传学和相关领域（例如，动物和植物或医学遗传学）中最重要的分析。PCA结果用于塑造研究设计，识别和表征个体和人群，并得出有关起源，进化，分散和相关性的历史和种族生物学结论。科学中的可复制性危机促使研究人员评估PCA结果是否可靠，稳健和可复制。作者的结论是，PCA可能在遗传调查中具有偏倚作用，相关的32000到216000项遗传研究应重新评估。同时，作者讨论了另一种混合混合群体遗传模型。
+4、Nature | 揭开p53基因与癌症发生之间的全新关系，为广谱抗癌药物开发指明方向
+
纪念斯隆凯特琳癌症研究所的研究人员发现当细胞缺失p53后，并不是单纯地引起基因混乱，而是促进一种可预测的、有序而确定的癌症基因组进化。这种出人意料的发现提供了一种新的方式来思考治疗癌症的可能性。
+
Colossal 由“当代基因组学教父”George Church、新兴技术和软件企业家Ben Lamm和一众知名遗传学家共同创立。Colossal 在复活已灭绝物种猛犸象和塔斯马尼亚虎的工作吸引了业内人士的广泛关注。Colossal 团队认识到传统生物信息学流程在快速分析大量数据方面的不足以及市场上缺乏必要的软件功能。Form Bio最初是为了推进重现史前灭绝猛犸象而开发的，可解决数据泛滥的问题，同时满足行业对简单、用户友好的平台的迫切需求。目前，Form Bio由Colossal的内部工具转变为独立软件公司，旨在使科学家能够在更短的时间和更少的努力中获得发现和突破。
+
Form平台位于生物学和现实发现的交叉点。它将数据管理、工作流程、结果可视化和协作的核心组件整合到一个解决方案中。Form Bio包括了经过验证的工作流程的广泛目录，涵盖从古代DNA分析和转录组学到AAV基因治疗的广泛科学用例。该平台还为针对特定行业和学术领域的需求量身定制的基于人工智能的高级应用程序奠定了基础。
+++ +对比国内国外的生信发展感觉差距好大。国外的专业生信软件公司都出来了，还有这么大的风险投资，但国内的生信还不被研究机构认可。
+
近日，民间科学大奖揭晓，白洋、白凡等 10 人斩获今年的科学探索奖。
+++ +“科学探索奖”秉承“面向未来、奖励潜力、鼓励探索”的宗旨，鼓励青年科技工作者心无旁骛地探索科学“无人区”。奖项面向基础科学和前沿技术的十个领域，每年遴选不超过50位获奖人，每位获奖人将在5年内获得总计300万元人民币奖金，是目前国内金额最高的青年科技人才资助计划之一。科学探索奖设立于2018年，5年来一共资助248位青年科学家，他们来自26个城市，90所科研机构，平均年龄41岁。
+
本文图文并茂的介绍了如何绘制进化树，从最基础的软件下载、配置到最终的结果可视化（基于编码区DNA的系统发育分析）。
+8、国自然“十四五”优先发展领域公布，生物医学领域节选近 50 项
+可见生物医学领域的产业化价值很大的。这里节选跟生物信息学直接相关的条目：
+++ ++
+- 机体功能活动的生物信息流：生物信息流是生命存在的基本特征和生物学的前沿科学问题，重点研究基因的结构、功能、变异、传递和表达规律，核酸修饰与调控，染色质装配及高级结构，表观遗传信息的建立与继承，发育与衰老相关的遗传和表观遗传调控，细胞对环境信号的响应与记忆，代谢信息流的产生与调控等问题，以揭示生物信息流基本规律，理解其在健康与疾病状态中的意义。
+
来自余老师实验室的R包aplot现在也支持绘制oncoplot图了，大家可以多多使用并提出自己的需求以完善这个功能。
+
本文罗列了生物信息学领域的有影响力的期刊，并从投稿角度推荐了一个投稿顺序。
+11、Greed
+
Greed 是一个基于贝叶斯贪婪算法的聚类工具，能够使用不同类型的生成模型对网络、计数数据矩阵等进行基于模型的聚类。通过优化综合分类似然度，同时进行模型选择和聚类。
+12、sioyek
+
Sioyek 基于键盘操作，可以快速搜索打开你之前交互过的文档，而且就算文档中的引用没有链接也可以直接跳转，特别适合阅读和研究论文、技术书籍。
+ +
React现在非常流行，并且基于react的生态系统也非常强大。 reactR 旨在让 R 用户更轻松地整合React到R语言中的R包。其提供了很多方便的功能，用于在 R 中使用 React，并且可以借由React生态的丰富组件来增强R Web 和 Shiny应用的使用体验。
+15、joplin
+
Joplin 是一个免费、开源的笔记和待办事项应用程序，可以处理大量组织成笔记本的笔记。这些笔记可以进行搜索、复制、标记和修改，也可以直接在应用程序中或从使用者自己的文本编辑器中进行编辑。这些笔记采用 Markdown 格式进行信息记录。
+
顾祖光开发的一个 Shiny app，展示世界的学术引用大佬们，快去膜拜吧！
+18、Mermaid | 在Markdown中创建与修改图表
+
Mermaid 是一个基于 Javascript 的图表绘制工具，通过解析类 Markdown 的文本语法来实现图表的创建和动态修改，其主要目的是让文档的更新能够及时跟上开发进度。
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）@kongjianyang（空间阳）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
++文章讨论了所谓耿美玉发明、绿谷药厂推广的GV-971，它声称能治疗阿兹海默病（老年痴呆）。文章列出了多个理由来质疑GV-971的有效性和耿美玉的研究方法。文章最后提到，如果GV-971真的是一个奇迹，那么耿美玉可能是一个超越爱因斯坦的天才。
+
@wangdepin - 饶毅老师一直是我很敬佩的生物学家，他一直发文质疑971的有效性，让社会大众对这个药引起关注。我们从小的教育都是教育我们要顺从，很少提反对意见。对于公众议题，我们总是默不作声，但是真理应该是越辩越明的。另外，借用施一公老师对饶毅老师的评价：饶毅，忧国忧民的科学大家，光明磊落的正人君子，犀利耿直的现代鲁迅，我行我素的半老顽童。无论你是否喜欢他，饶毅在用自己的方式启蒙中国社会、也注定留下重要影响。(饶毅其人其事)
+1、ESHG | 英国“10万人基因组计划”转录组数据，揭示RNA-seq对罕见疾病的诊断潜力
+
在2023年欧洲人类遗传学会议（ESHG）年会上展示了英国“十万人基因组计划”（UK100K）中一个大型患者队列的转录组数据。研究团队分析了去除珠蛋白RNA和核糖体RNA的血液样本，并使用Illumina 100bp双端测序技术对其进行RNA测序，从基因表达和剪接角度揭示了RNA-seq在改善罕见疾病诊断方面的潜力。
+ +
RIBOmap的建立基于一种三元探针策略，包括：(i) splint 探针杂交结合到核糖体rRNA，并且作为splint环化临近的锁式探针；(ii) 锁式探针靶向特定基因并且含有基因特异条形码；(iii) 引物探针作为滚轮复制的引物。只有与splint 探针临近的锁式探针才能被环化并生成DNA扩增子，实现对于核糖体结合mRNA的选择性检测。研究人员利用非编码RNA，RNA翻译抑制剂和体外转录RNA等实验验证了RIBOmap特异性检测核糖体结合mRNA。
+3、PNAS | 麻省理工团队开发类ChatGPT模型，基于蛋白质大语言模型，加速AI药物发现
+
2023年6月8日，麻省理工学院（MIT）教授、计算分子生物学先驱 Bonnie Berger 在《美国国家科学院院刊》（PNAS）发表了题为：Contrastive learning in protein language space predicts interactions between drugs and protein targets 的研究论文。研究团队设计了一种基于大语言模型的AI算法——ConPLex，它可以像ChatGPT那样分析大量文本并找到最可能一起出现的单词（在这项研究中则是氨基酸），从而将目标蛋白质与潜在药物分子相匹配，而无需执行计算分子结构的密集计算步骤。ConPLex可以利用预先训练的蛋白质语言模型（PLex），并采用蛋白质锚定的对比共嵌入（Con），超越目前最先进的算法，实现通过蛋白质语言空间的对比学习来预测药物和目标蛋白质之间的相互作用。
+
北京时间6月6日，《美国国家科学院院刊》（Proceedings of the National Academy of Sciences, PNAS）在线发表了基因组所周永锋课题组在葡萄群体遗传学与育种领域的最新研究成果“Adaptive and maladaptive introgression in grapevine domestication”(葡萄驯化过程中适应与不适应的基因渐渗)。该研究首次利用机器学习手段，结合溯祖模拟、正向模拟和进化保守性等群体遗传学方法揭示了葡萄风味的形成机制，解析了驯化对葡萄基因组的影响，进一步阐明了葡萄的驯化历史。该研究有助于葡萄野生资源的利用，为下一步葡萄培育提供理论支持。
+
Rob Taylor 博士写的两篇博文，详细介绍了最大似然估计。
+ +
ASCO 官网专门建立了一个叫做 Cancer Progress Timeline 的页面。本文挑选其中靶向治疗相关内容进行梳理，非常详细。
+ +
从1990年到2003年，人类基因组的大部分已经被测定。令人惊讶的是，人类的基因并不是一个完整的信息链，而是被许多不能编码遗传信息的串行所切割。这些不能编码的DNA被称为“垃圾”。但为什么大自然会在人类基因中放置这么多的“垃圾”呢？经过二十年的研究，科学家们发现这些被称为“垃圾”的DNA其实有其特定的功能，其中一个非常重要的类别就是“内含子”。内含子在细胞中有多种功能，如维持基因的稳定性、参与基因的表达和调控等。此外，内含子还与生物的演化有关。
+ +
在JPM23大会上，瑞典私募股权基金Summa Equity收购了三家生信软件公司：Pierian、Seven Bridges 和 UgenTec，将其集成成了新公司Velsera。该文详细的介绍了被收购的三家生信软件公司的研究领域，并对未来Velsera的研究方向和前景进行了展望。
+9、snakePipes | 简化NGS数据分析的工作流程工具
+
基于snakemake和python的可定制工作流程，用于分析NGS数据。
+10、R包 infer
+
这个软件包的目标是使用一个与设计框架一致的表达性统计语法来进行统计推断。
+ +
datawizard是一个轻量级的软件包，可以轻松地操作、清洗、转换和准备数据进行分析。它是easystats生态系统的一部分，这是一套用于处理整个统计分析过程的R软件包，从数据清洗到结果报告。
+12、在微软Azure服务器上部署Shiny Server教程
+
本文详细介绍如何在 Azure 上部署Shiny 服务器。
+13、AI蛋白质设计的进化｜David Baker近两年半发表19篇CNS主刊文章
+
David Baker是AI蛋白质设计领域的全球最顶尖科学家之一。本文整理了David Baker团队自2021年至今发表的19篇Cell/Science/Nature主刊文章的简要内容。
+ +本文介绍了十几个与生物信息学相关的网站。
+ +
ReScience 是一份开放获取同行评审期刊，以计算研究为目标，鼓励明确复制已发表的研究，促进新的开源实现，以确保原始研究的可重复性。为了实现这一目标，整个编辑链与任何其他传统科学期刊截然不同。 ReScience 位于 github 上，每个新的实现都可以与评论、解释和测试一起使用。每次提交都采用拉取请求的形式，并经过公开审查和测试，以保证任何研究人员都可以重复使用它。
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）@kongjianyang（空间阳）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+「生信周刊讨论区（语雀）」 | 「生信讨论区（Gitter）」
+
++8月3日，「Vim之父」Bram Moolenaar因病离开了所有人，年仅62岁，开发者社区的人们纷纷缅怀悼念。在Bram的一生中，他将近半的时间全部奉献给了Vim，为开源社区做出了巨大的贡献。与此同时，他还是一个慈善家，资助了乌干达儿童。
+
哈佛大学医学院研究人员开发了一种新工具Dictys，它可以整合分析单细胞转录组(scRNA-seq)和染色质开放性数据(scATAC-seq)，结合转录因子结合足迹和转录因子表达/调节活性分析，从单细胞多组学数据中解析动态基因调控网络。该工具在人造血系统等方面实现了发育连续过程基因调控网络的动态分析，并提高了时间/细胞状态分辨率以及feedback loop分析等能力。
+工具链接：https://github.com/pinellolab/dictys
+论文链接：https://www.nature.com/articles/s41592-023-01971-3
+
结直肠癌（CRC）的一个主要转移部位是肝脏，大约25%的CRC患者最终会发生肝转移，这部分患者往往生存率较差。来自美国芝加哥大学医学院的研究团队及合作者首次对一个新型的31基因神经网络分类器进行了临床验证，其可以准确预测CRC肝转移分子亚型。该神经网络分类器是基于切除的转移瘤的mRNA和miRNA的表达谱训练，并以96%的准确度预测了CRC的分子亚型（典型、免疫或基质亚型）。这篇文章也为转移分期和分类提供了一个新框架。
+文章链接：https://jamanetwork.com/journals/jamaoncology/article-abstract/2807472
+
人类生物分子图谱计划（HuBMAP）是美国国立卫生研究院于2018年发起的一个项目，旨在利用单细胞技术，建立一个涵盖人体器官中各种生物分子（如转录、蛋白质和代谢物）的空间分布的综合图谱。近日，HuBMAP发表了最新研究成果，报道了人类肠道、肾脏和胎盘空间分辨细胞图谱。
+论文链接：https://www.nature.com/immersive/d42859-023-00019-y/index.html
+
研究团队开发了一种名为BISCUT（Breakpoint identification of significant cancer undiscovered targets）的算法，通过研究端粒或着丝粒边界拷贝数事件的长度分布以确定受适应度优势或劣势影响的基因位点。研究人员将BISCUT应用于癌症基因组图谱（TCGA）中的超10,000例肿瘤，系统地量化了选择和机械偏差在驱动非整倍体方面的作用，对癌症内和癌症间染色体臂非整倍体模式的影响，并发现arm-SCNA的速率与其对细胞适应度的影响高度相关。
+值得注意的是，研究团队对 Arm 水平的拷贝数变异进行了细分，除了覆盖整个 Arm 的变异，还包括：从端粒或着丝粒开始的SCNA断点位置（分别被称为tel-SCNA和cent -SCNA，统称partial-SCNA）。
+另外，该论文通讯作者之前是著名拷贝数分析软件 GISTIC2 文章的共同通讯。
+本推文介绍了生物信息书籍Biostar Handbook中生物信息学的四条”规则“，并进行了解读。
+ +
一篇以图片形式总结了常见的机器学习算法的文章，写的略显粗糙，可以翻翻。
+ +
本文介绍了由Takara推出的这套单细胞测序试剂盒SSmRNA + UMIs，其具有以下优势特点： + - 获得全长转录组信息 + - 添加UMI校正 + - 免费的数据分析流程
+ +
Jupyter AI为Jupyter笔记本带来了生成式人工智能，使用户能够解释和生成代码，修复错误，总结内容，询问有关本地文件的问题，并从自然语言提示生成整个笔记本。使用其强大的魔法命令和聊天界面，Jupyter AI将Jupyter与来自AI21, Anthropic, AWS, Cohere和OpenAI等提供商的大型语言模型(LLM)连接起来。我们使用LangChain来支持所有流行的llm和提供商，让您在新模型发布时访问它们。LangChain也会让Jupyter AI使用本地模型。用于JupyterLab 3的Jupyter AI版本1.0和用于JupyterLab 4的Jupyter AI 2.0现在都是免费的开源软件。
+++我只能说很强大，安装和使用都免费。喜欢用 Jupyter 的伙伴赶紧试试，向大家分享使用体验。
+
许多复杂的图表实际上是由复合图表组成的。我们可以使用’ggplot2’生成子图，然后使用’aplot’将它们组合起来创建复合图表。通过在最终图表中添加、删除或修改子图，很容易自定义这些复杂的图表。这个软件包提供了一套实用工具，帮助用户创建子图和复杂图表。
+工具链接：https://github.com/YuLab-SMU/aplotExtra
+
Kitty是一个基于GPU的跨平台终端，其速度快，内置了丰富的功能。它的配置是一个简单的、可由人编辑的单个文件，以便易于复制。它不依赖于任何庞大而复杂的用户界面工具包，仅使用OpenGL进行渲染。最后，它的设计目标之一是易于扩展，以便未来可以相对轻松地添加新功能。
+工具链接：https://github.com/kovidgoyal/kitty
+
ThemePark是一个提供当下热门电影、游戏和电视剧等配色方案的R包，这些方案包含权力游戏、星球大战和塞尔达等。
+工具链接：https://github.com/MatthewBJane/theme_park/?anything
+webR4Shiny可以在用户的Shiny包项目中设置与webR兼容的基础设施。该包基于George Stagg关于{webR}的工作，特别是用于在Netlify上部署Shiny应用程序的这个存储库。
+
Makefile是一个文本文件，它告诉Make工具如何编译和链接一个由多个C或C++源文件和头文件组成的项目。编译是将源代码转换为可执行文件的过程，而构建是将多个文件编译成一个完整的程序的过程。Make是GNU提供的一个构建工具，它可以根据Makefile中的规则和命令，自动执行编译和构建的任务，从而节省程序员的时间和精力。要使用Make，我们需要学习如何编写Makefile，以及如何利用Makefile的各种特性和技巧。
+这篇教程是一个很好的入门资源，它可以帮助你掌握Makefile的基本概念和用法，并避免一些常见的陷阱和错误。
+本文对 Python 的核心基础知识进行了梳理。
+
这篇文章分享了比较常用的免费的icon资源，方便文章绘制示意图。
+https://fonts.google.com/icons
+
在本书中，我们将回到数学领域，学习统计学以及如何基于数据集计算重要的数值。我们还将学习如何使用各种Python模块来获取所需的答案，并学习如何根据所学知识创建能够预测结果的函数。
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）@kongjianyang（空间阳）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
@kktjmac 在短视频盛行的年代，通过视频学习新知识、入门新领域越来越普遍。视频学习从一定程度上可以缩短学习周期，更直观地理解复杂的概念和过程，但是读书提供更深入的理论和概念解释，以及更广泛的视角和观点，同时在读书的过程中可以锻炼自己的独立思考能力和阅读理解能力。因此将两种学习方式结合使用，以达到更全面的效果。
+
近期发表在Nature上面的一篇文章，通过scRNA-seq分析的1000多个肿瘤，对肿瘤内转录异质性（intratumour heterogeneity）进行了系统的泛癌症特征分析。研究人员在恶性细胞中确定了41个共识转录异质性元程序（meta-programs）。每个元程序由数十个基因组成，这些基因在许多肿瘤中的细胞亚群中协调上调。文章还将这些元程序分析扩展到六种常见非恶性细胞类型上,以描绘肿瘤微环境中的细胞互动。这项泛癌症研究系统地定义和注释了肿瘤内转录异质性特征，为未来探索新的治疗策略提供了框架。
+2、Protein & Cell | 基于R语言的微生物组数据挖掘的最佳流程
+
随着测序技术的逐步成熟，许多生物信息相关微生物组软件相继发表。然而，数以万计的R包和无数类似的分析工具给许多研究人员挖掘微生物组数据带来了重大挑战。如何从众多的R包中选择合适、高效、方便、易学的工具已经成为许多微生物组研究人员面临的问题。作者整理了324个用于微生物组分析的常用R包，并根据应用类别对其进行分类，以帮助研究人员快速找到用于微生物组分析的相关R包。此外，又对微生物组分析的集成R包进行了系统的分类，并总结了它们的优点和局限性，以帮助研究人员选择合适的工具。最后，对用于微生物组分析的R包进行了全面的回顾，总结了微生物组中大多数常见的分析内容，以构建最适合微生物组分析的流程。
+3、Nature Biotechnology | BioCypher 推动生物医学知识表征大一统
+
标准化的生物医学知识表征是一项难以克服的任务，它阻碍了许多计算方法的有效性。为了促进知识表征的协调和互操作性，该工作将知识图谱创建的框架标准化。本文提出的BioCypher实现了这一标准化，这是一个FAIR（可查找、可访问、可互操作、可重用）框架，可以透明地构建生物医学知识图谱，同时保留源数据的来源。将知识映射到生物医学本体有助于平衡协调、人类和机器可读性以及对非专业研究人员的易用性和可访问性的需求。本文展示了该框架在各种用例中的有用性，从维护特定于任务的知识存储，到生物医学领域之间的互操作性，再到为联邦学习按需构建特定于任务的知识图。
+4、 Nature带来基因研究新风向：人工智能系统预测基因修改的后果
+
大型语言模型（Large language models），也被称为基础模型，是一种人工智能系统，它从大量的通用数据中学习基础知识，然后应用这些知识来完成新的任务——这个过程被称为迁移学习 (Transfer Learning)。随着ChatGPT的发布，这些系统最近获得了主流的关注，ChatGPT是一个基于OpenAI模型构建的聊天机器人。 +在发表在《Nature》杂志上的这项新研究中，Christina Theodoris博士开发了一个理解基因相互作用的基础模型。这个新模型被称为Geneformer，它从大量人体组织的基因相互作用数据中学习，并将这些知识用于预测疾病中可能出现的问题。 +Theodoris团队使用Geneformer来阐明心脏细胞在心脏病中是如何出错的。此外，这种方法也可以治疗许多其他细胞类型和疾病。
+ +
本文介绍 3 种单细胞拷贝数变异分析软件，cna、inferCNV、copyKAT，它们的分析原理各有不同，其中cna方法是基迪奥参照最初的单细胞CNV分析相关的文献方法自写的脚本，inferCNV是继最初的cna算法发展而来的，copyKAT是一个全新开发的适用于细胞通量高和基因表达稀疏的软件算法。
+ +
这篇文章阐述了DNA甲基化主要发生位点和机制,并指出组蛋白修饰在指导DNA甲基化模式形成中的重要作用。一些要点：
+
这篇文章悉数了肿瘤药临床试验II期中的IIa期和IIb期，其二者的目的和设计有明确区别。IIa期的目的是初步证明药物的临床疗效和生物活性,也称概念证明研究。采样受试者较少,给药剂量接近MTD,疗效终点重在生物学指标。IIb期的目的是寻找临床效果最大并且安全性最佳的剂量,也称剂量发现研究。采样受试者数量更大,给药剂量设多个剂量组,疗效终点重在临床指标。
+8、rPanglaoDB | 获取PanglaoDB单细胞转录组数据的R包
+
PanglaoDB数据库，这是2019年发布的一个单细胞转录组数据库，收集了人和小鼠的单细胞数据，目前共计包含来自1300+例样本、250+种组织的550万+细胞数据，另外还有6000多个marker基因可以用来做细胞注释。现在作者团队开发了对于的R包可以在R中完成单细胞的注释工作。
+
11、logomakerr | AI辅助设计个性化logo的在线工具
+
+logomakerr是一个AI辅助的logo设计工具，通过输入logo的名称、应用领域、风格就可以快速多个定制化的logo。
12、2023年Single Cell Genomics Day From Satija Lab
+
做过单细胞分析的人没有谁不知道Seurat，其开发者Satija是单细胞分析领域的领航者之一。Satija实验室每年都会举办Single Cell Genomics Day活动，本资源提供了2023年度活动的相关内容。
+
「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）@kongjianyang（空间阳）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+GitHub 粉们可以通过 Watch 仓库的 Release（提前）关注发布内容。
+讨论区的帖子《谁在招人？》，提供生信深造和就业信息，欢迎访问或发布学位攻读/工作/实习等岗位。
+ +
（via）
+我认为一个更基本的对统计建模的二分是其原理与技术。中国人会把前者称为道 （“路线”、“原理”或“整体思想”），而把后者称为术（“技术”、“技巧”或“方法”）。想要准确地描述统计建模的这两个方面并不容易。以下是我的大致想法：
+术：在这种观念下，统计分析始于一些由其他人准备好的数据集。我们的目标是尽可能好地分析数据集，但具体的任务通常取决于分析方法的复杂程度。这个方法可以是一个简单的线性回归或者一个有十亿个参数的神经网络。
+道：在这种观念下，统计分析始于科学、工程或商业问题。我们的目标是了解问题背后的机理，并利用统计结论来更好地进行决策。这个问题可能是估计某种干预的因果效应，或是理解已有数据集的局限性。
+（来源：公众号「统计之都」）
+1、Nature｜可解释深度学习用基因组图谱预测前列腺癌转移状态
+
麻省理工学院、哈佛大学等高校联合在Nature发表了Biologically informed deep neural network for prostate cancer discovery。该研究提出可解释深度学习P-NET模型，该模型能够在前列腺癌症患者基因属性的基础上结合生信中的层次信息预测癌症的状态。
+P-NET的生物学可解释性揭示了已建立的基因与新基因变异的相关候选基因，如MDM4和FGFR1，这些基因与预测晚期疾病有关，并在体外进行验证。
+广泛的来说，生物学上知情的完全可解释的神经网络使前列腺癌的临床前发现和临床预测成为可能，并可能在各种癌症类型中具有普遍的适用性。
+2、Transformer新玩法登Nature子刊：DeepMind用新变体读取DNA长序列，瞄准遗传病高发区域
+
DeepMind与谷歌旗下生物科技公司 Calico 的一项研究登上了国际顶级方法学期刊Nature Methods。在这篇论文中，他们引入了一种叫做 Enformer 的神经网络架构，大大提高了根据 DNA 序列预测基因表达的准确性。为了进一步研究疾病中的基因调控和致病因素，研究者还公开了他们的模型及其对常见遗传变异的初步预测。
+3、国家生物信息中心在核酸研究发表单细胞DNA甲基化数据库—scMethBank
+
DNA甲基化是表观遗传研究的一个重要层面，且与发育、衰老和疾病的发生发展密切相关。为了更好地利用已公开的海量甲基化数据，此前，中国科学院北京基因组研究所国家基因组科学数据中心（以下简称基因组数据中心）已经发布了一个DNA甲基化的综合性数据库MethBank（https://ngdc.cncb.ac.cn/methbank/），涵盖了多物种高质量的全基因组单碱基精度甲基化图谱、健康人参比甲基化组以及人工审编的甲基化分析工具集。这里，我们介绍基因组数据中心最新发布的单细胞甲基化数据库——scMethbank（https://ngdc.cncb.ac.cn/methbank/scm/）。
+该项研究成果以scMethBank: a database for single-cell whole genome DNA methylation maps为题于2021年9月在国际学术期刊《核酸研究》（Nucleic Acids Research）在线发表。
+正则表达式只不过是匹配文本或文本文件中的模式的字符序列。在许多编程语言中，它被用于文本挖掘。在所有语言中，正则表达式的字符都非常相似。但在不同的语言中，提取、定位、检测和替换的功能是不同的。本文介绍在R中如何使用和操作正则表达式。
+ +XGBoost算法已经成为许多数据科学家的终极武器。这是一种高度复杂的算法，强大到足以处理各种不规则数据。使用XGBoost构建模型很容易。但是，使用XGBoost改进模型是困难的。该算法使用多个参数。为了改进模型，必须进行参数优化。很难回答一些实际问题，比如：应该调优哪一组参数？为了获得最佳输出，这些参数的理想值是多少？
+3、R-操作数据库
+本文介绍如何通过RSQLite操作关系型数据库。
+ +
1、r-script
+一个简单的小模块，用于将数据从NodeJS传递给R（并返回）。
+ +RestRserve是一个R web API框架，用于构建高性能和健壮的微服务和应用后端。在类unix系统上使用Rserve后端，它被设计成并行的。
+3、ggh4x
+
ggh4x包是ggplot2扩展包。它提供了一些实用功能，这些功能并不完全符合“图形语法”的概念——它们可能有点笨拙——但在调整你的ggplot时仍然有用。示例包括调整facet的大小，将多种美学映射到颜色，以及为facet指定单独的比例。除此之外，它也是geoms, facets, positions, guides和stats的集合。
+ +
GitHub代码空间配置的R和Shiny。
+如果你想要支持本周刊，可以对推文进行赞赏或者提供的支付宝/微信二维码打赏。
+ |
+ |
+
|---|---|
| + | + |
感谢以下读者往期的赞赏：
+这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
野生动物喝水照片
+++《性别视角下的中国科研人员画像》是首部以性别视角研究中国科研生态、多维度分析和展现中国女性的科学参与度、贡献度和影响力的报告。研究表明，中国科研领域的性别差异逐步改善，女性科研人员在科研参与度、职场竞争力等方面都取得了进步，各学科领域中的性别差异也在逐步弱化，女性在生命科学和医学领域表现更出色。相对而言，在科研产出和基金资助等方面，女性仍低于男性，可见消弭科研领域的性别差异任重而道远。
+
@kongjianyang：女性科研人员在科研领域内一般会面临更多的挑战，,如家庭责任、隐性歧视、资源和晋升机会缺乏等。改善这种性别不平等的现象需要整个社会的更多努力，例如制定反歧视政策、增加女性科研资源、建立弹性评价机制等。
+1、Plos computational biology | CNVkit: 靶向DNA测序的全基因组拷贝数检测和可视化
+
生殖细胞拷贝数变异 (CNV) 和体细胞拷贝数改变 (SCNA) 在综合征和癌症中具有重要意义。大规模并行测序越来越多地用于从测序数据中读取深度的变化推断拷贝数信息。然而，这种方法在靶向重测序的情况下存在局限性，这会在选择用于富集的区域之间留下覆盖空白，并引入与目标捕获和文库制备效率相关的偏差。加利福尼亚大学旧金山分校（UCSF）的Boris C. Bastian团队在Plos computational biology提出了一种拷贝数检测方法，在软件包 CNVkit 中实现，该方法使用靶向读取和非特异性捕获的脱靶读取来平均推断整个基因组的拷贝数。这种组合在目标区域实现了外显子水平的分辨率，并在较大的内含子和基因间区域实现了足够的分辨率，以识别拷贝数的变化。
+2、Nature｜首个高质量二倍体人类参考基因组！PacBio、Nanopore、Bionano、Hi-C技术各显神通
+
近日，国际人类泛基因组参考联盟 （HPRC）在Nature上发表了题为“Semi-automated assembly of high-quality diploid human reference genomes”的文章，报道了其评估结果。研究人员确定了目前可以实现最完整和最准确的二倍体基因组组装的基因组测序和组装方法组合，且人工整理的工作量最小；组装了第一个高质量的二倍体参考基因组；发现了更多单倍型之间的遗传变异，约48%的蛋白质编码基因在单倍型间存在非同义氨基酸变化，其中中心粒区多样性最高。为实现自动化、完整、无错的二倍体基因组组装，研究人员还确定了需要改进的部分。总之，该研究为大规模组装接近完整的二倍体人类基因组提供了基础，能捕获从单核苷酸到结构重排的全局遗传变异。
+3、Nucleic Acids Res. | scHumanNet:用于研究疾病基因细胞类型特异性的单细胞网络分析平台
+
本文介绍由哈佛医学院的Martin Hemberg和韩国延世大学生命科学与生物技术学院生物技术系的Insuk Lee共同通讯发表在Nucleic Acids Research的研究成果：单细胞生物学面临的一个主要挑战是识别细胞类型特异性基因功能，这可能会大大提高精准医学的水平。基因的差异表达分析是一种流行但不充分的研究方法，需要补充与细胞类型相关的功能。因此，作者提出了单细胞网络分析平台scHumanNet，用于解决人类不同基因功能的细胞异质性。scHumanNet是基于HumanNet参考相互作用组构建细胞类型特异性基因网络(CGN)， 它在单细胞转录组数据上构建的CGN比其他方法显示出更高的细胞环境功能相关性。此外，基于跨细胞类型网络紧致性的基因信号的细胞反褶积揭示了与T细胞相关的乳腺癌预后标志物。scHumanNet还可以利用CGN的中心性对与特定细胞类型相关的基因进行优先排序，并确定CGN在疾病和健康状况之间的差异中心。作者通过揭示乳腺癌预后基因GITR的T细胞特异性功能效应，以及抑制神经元特异性自闭症谱系障碍基因的功能缺陷，证明了scHumanNet的有效性。
+
顾祖光发表在软件工程期刊Journal of Systems and Software上的文章，主要探讨了R软件生态系统包依赖的复杂性和脆弱性。文章提出了一个新的度量指标”依赖重量”(dependency heaviness),用来量化一个上游包(parent package)向下游包(child package)独特贡献的额外依赖数量。通过网络分析方法找出了主要传送重依赖的顶级包和关键路径。结果表明,很少数量的顶级包独占了系统中大部分的依赖关系,这使生态系统变得更易受这些顶级包失败的影响。文章内容很长，但是值得一读。
+5、深度梳理 | 各大肿瘤免疫疗法优劣、临床、上市和全球布局
+
文章概括介绍了五种主流的抗肿瘤免疫疗法,包括免疫检查点抑制剂(ICIs)、细胞疗法(TILs、TCR-T和CAR-T)以及肿瘤疫苗。分别介绍了这几种免疫疗法在全球和国内的上市情况以及临床研发进展。特别提到了一些知名产品如信迪利单抗、特瑞普利单抗、奕凯达等。对比总结了这几类免疫疗法的优势和局限。比如ICIs广泛适应但依赖率较低，T细胞疗法依赖率高但适应症窄等。最终指出抗肿瘤免疫已成为重要治疗手段之一,各类免疫疗法都有其应用前景,未来重点在于寻找更优的靶点和联合模式。
+6、PacBio MAS-Seq – 开启肿瘤单细胞研究新时代
+
目前绝大部分的单细胞 RNA 测序都是基于 NGS 测序平台完成的，由于 NGS 测序短读长的原因，转录本均需要片段化后进行测序，只能得到转录本的各端的信息，得到的测序数据只能提供细胞内基因水平的表达信息，缺少可能对疾病或生物功能发挥十分关键作用的重要异构体多样性等信息。 +为解决以上问题，PacBio 推出了 MAS-Seq 试剂盒，通过将短的 cDNA 进行串联建库的方式连接起来再进行HiFi测序，从而解决了长读长单细胞 RNA 测序的通量瓶颈。MAS-Seq 的发布，将使单细胞转录组研究从基因研究推进到转录本异构体的新领域，而近期，瑞士苏黎世联邦理工学院研究团队创新性地采用了与 MAS-Seq 类似的实验策略，测序得到了基于 PacBio 的全长 scRNA-seq 数据，与传统基于 NGS 的 scRNA-seq 测序相比，在测序成本差不多的情况下，获得了足够的单细胞全长转录本数据，通过分析发现 PacBio 全长单细胞转录组不仅可以对细胞类型进行准确的鉴定，同时还能发现二代单细胞转录组无法测到的融合基因表达，患者特异性和肿瘤组织特异性的 isoform 选用偏好性，以及能够发现更多外显子结合位点。这些信息的获取，为研究肿瘤的发生发展、克隆演化，提供了进一步探索的基础。
+export USER=Jane
+
+Rscript --vanilla test.R deploy \
+ -f rconfig-prod.yml \
+ -j '{"trials":30,"dataset":"full-data.csv"}' \
+ --user.name $USER \
+ --verbose
+# List of 6
+# $ trials : int 30
+# $ dataset : chr "full-data.csv"
+# $ cores : int 1
+# $ user :List of 1
+# ..$ name: chr "Jane"
+# $ description: chr "This is a multi line\ndescription."
+# $ verbose : logi TRUE
+# - attr(*, "trace")=List of 2
+# ..$ kind : chr "merged"
+# ..$ value:List of 4
+# .. ..$ :List of 2
+# .. .. ..$ kind : chr "file"
+# .. .. ..$ value: chr "/Users/Peter/git/github.com/analythium/rconfig/inst/examples/rconfig.yml"
+# .. ..$ :List of 2
+# .. .. ..$ kind : chr "file"
+# .. .. ..$ value: chr "/Users/Peter/git/github.com/analythium/rconfig/inst/examples/rconfig-prod.yml"
+# .. ..$ :List of 2
+# .. .. ..$ kind : chr "json"
+# .. .. ..$ value: chr "{\"trials\":30,\"dataset\":\"full-data.csv\"}"
+# .. ..$ :List of 2
+# .. .. ..$ kind : chr "args"
+# .. .. ..$ value: chr "deploy --user.name Jane --verbose"
+# - attr(*, "command")= chr "deploy"
+# - attr(*, "class")= chr "rconfig
+
Windows 终端程序是一款新式、快速、高效、强大且高效的终端应用程序，适用于命令行工具和命令提示符，PowerShell和 WSL 等 Shell 用户。主要功能包括多个选项卡、窗格、Unicode、和 UTF-8 字符支持，GPU 加速文本渲染引擎以及自定义主题、样式和配置。
+ +
Scoop是一款适用于Windows平台的命令行软件（包）管理工具。简单来说，就是可以通过命令行工具（PowerShell、CMD等）实现软件（包）的安装管理等需求，通过简单的一行代码实现软件的下载、安装、卸载、更新等操作。其灵感来源于macOS的Homebrew。
+
正如其名称所示，这份仓库包含了过去Kaggle竞赛中所有顶级选手分享的可用的解决方案和想法。这个列表会在每场比赛结束后立即更新，并允许你搜索过去Kaggle竞赛的解决方案和想法。
+11、prompt 绘图标签
+
12、ith.Variant：从多样本测序数据中确定体细胞突变的pipeline
+
由SunPathLab团队在GitHub上开源的用于从多样本基因组测序数据中调用体细胞变异的pipeline，管道包含了对Illumina测序数据的处理、质控、比对等模块，主要的变异调用模块使用了Mutect2、Scalpel等工具。还包含了对变异进行注释、过滤、汇总统计等后处理流程。提供了docker的使用选项。
+生信爱好者周刊（第 50 期）：顶级1区期刊宣布：明年起将不再拒稿！
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）@kongjianyang（空间阳）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
++人类自古以来就对世界有恐惧感，而科学可以帮助人们了解宇宙的规律、增长智慧，有了智慧之后，人类就不再困惑，也不再因为自身在宇宙中的存在而感到恐惧不安。当心安定了，人们做任何事情，成功也好，不成功也罢，都不那么容易患得患失。人心的焦虑往往源于此：没有时怕得不到，得到后又唯恐失去。用爱因斯坦的话来说，人类探索的一个主要目的就是追求思想上的解放。尽管科学探索的路并非坦途，但归根到底依然是为了仁、智、勇，为了真正做好一个“人”，这也是科学探索的最终奥义了。
+
@ShixiangWang: 探索的动机既是对未知的恐惧，也是对掌握的渴望。它塑造信息的不对称，又推进着文明的进程。
+1、Briefings in Bioinformatics | 一站式肿瘤精准诊疗文献挖掘平台OncoPubMiner
+
++研究论文是科研发现的第一展示阵地，也是肿瘤精准诊疗知识数据的重要来源。该项目以文献数据挖掘为目标，从NCBI下载可公开使用（open-access）的PubMed摘要（Abstract）和PMC全文（Full-text），经过脚本处理、解析和格式转化后，利用基于人工智能的NLP技术对肿瘤精准诊疗相关的实体（如癌种、基因、变异、药物、临床意义、证据方向）进行挖掘。同时，利用业界常用的术语集（terminology）和本体（ontology），分别对自动化标注的实体进行标准化和层级化处理。最后，基于数据挖掘结果，构建一套包括文献检索、文库管理、团队搭建、表单定制、项目管理、数据摘录及审核等功能在内的全流程一站式平台。
+
2、Nature Cancer | MSK团队开发新技术MACHETE，揭示染色体9p21.3缺失是肿瘤细胞免疫逃避和转移的介质
+
++癌症中经常发生的一种大规模基因变化是拷贝数变异改变（CNA），有研究显示，一个典型的肿瘤平均有24个不同的CNA，影响其高达30%的基因组。美国纪念斯隆凯特琳癌症中心（MSK）此前的研究发现，具有较高水平CNA的肿瘤与乳腺癌、前列腺癌、子宫内膜癌、肾透明细胞癌、甲状腺癌和结直肠癌的复发和恶化有关。CNA的大小和种类影响了数千甚至数百万对DNA碱基对，而不仅仅是DNA序列中一个碱基的改变，因此不能通过操纵单个基因来重现，很难在实验室模型中重新生成以进行深入研究。 +近日，MSK研究团队开发了一种基于CRISPR新技术MACHETE，可以切割基因序列的重要靶标部分，反映癌症和其他人类疾病中出现的变化，可用于实验室模型中高效地研究大规模基因缺失，例如CNA。研究团队利用MACHETE揭示了一种导致约15%癌症的基因变化，这可能有助于识别对免疫疗法有反应的患者。
+
++近日，美国哈佛大学Francisco J. Quintana研究组在Nature上发表了文章Identification of environmental factors that promote intestinal inflammation，通过结合公开的数据库、斑马鱼化学筛选、机器学习以及小鼠临床前模型等识别控制炎症性肠病的环境因素以及具体的发病机制。
+
4、Nature Machine Intelligence | 基于对比学习的方法可快速映射到数百万规模的多模态单细胞图谱
+
++Nature Machine Intelligence上介绍了一个基于深度学习的、通过推导非线性细胞嵌入处理百万规模多模态单细胞数据的对比方法-Concerto。通过对真实数据集和模拟数据集进行基准测试，学习的嵌入可以针对各种下游需求进行微调，包括自动细胞类型分类、聚类、批次效应校正的数据集成以及query-to-reference映射。Concerto 可以灵活地处理多组学数据集，并在每个任务中优于其他方法。此外，作者利用Concerto 根据包含健康和感染样本的综合参考图谱查询 COVID-19 免疫细胞数据集，概括了具有不同疾病状态的患者的几种不同免疫特征。实验结果表明，Concerto 是一个强大、准确、可扩展的表示学习框架，可用于 1000 万个细胞规模的单细胞多模态分析。
+
++一条稍微有些过时的资讯。
+
PyTorch 2.0 引入了 torch.compile，这是一种编译模式，可以在不更改模型代码的情况下加速模型。在 163 个涵盖视觉、NLP 和其他领域的开源模型中，该团队发现使用 2.0 可以将训练速度提高 38-76%。
+ +
++ +知乎讨论话题，总结了一些国内外著名的开源免费的建站CMS(Content Management System，内容管理系统)，例如WordPress、Django CMS等。对每款CMS进行了简要描述,并给出了相关GitHub地址和简单的安装步骤。
+
构建进化树的方法主要分为:
+
++MetaTiME通过整合数百个肿瘤scRNA-seq数据中的数百万个单细胞来学习数据驱动、可解释和可复制的基因程序。其想法是从大规模数据中学习具有生物学意义方向的单细胞空间地图，这有助于理解功能细胞状态并将知识转移到新的数据分析中。MetaTiME提供预训练的元组件(mec)，以自动注释细粒度细胞状态，并绘制肿瘤微环境新单细胞的特征连续谱。
+
多种对话模型选择（包括 ChatGPT）以及国内付费方案。可以一试。
+10、跟着Environ. Pollut.学群落组装机制（iCAMP）可视化
+
++ +为了系统展示itol.toolkit（辅助iTOL进行可视化的R包）的多个功能协同使用，本文选择了一些用iTOL制作并已发表的图来复现，本期的主题是群落组装机制，这是近些年微生物生态领域的大热门。
+
12、Shiny.gosling: R shiny中的基因组可视化
+
文章介绍了shiny.gosling包，可以将Gosling.js的语法引入R/Shiny中，实现基因组可视化。
+ +
++ +本文将引导读者了解单模态和多模态单细胞数据分析的各个步骤，并讨论隐藏在其中的分析陷阱和建议(图1)。在某些地方，由于工具的新颖性或缺乏独立的基准而无法确定最佳实践，作者将列出广泛采纳的工具和建议。作者将文章组织成特定于模式的部分和分析步骤组，而不是单一的工作流，在现代单细胞分析中，由于任务的多样性，这已经很少存在了。为了进一步阅读，作者提供了更广泛和定期更新(但没有同行评审)的单细胞最佳实践在线书籍(https://sc-best-practices.org/)，全书超过50章，包括详细的代码示例，分析模板以及计算需求的评估。
+
++文章总结了程序员学习和工作常用的58个网站,涵盖的范围包括语言和框架教程、电子书资源、官方文档、技术社区、博客、开源项目、面试练习等常用资源类型。对程序员学习和进阶具有很好的参考价值。
+
「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）@kongjianyang（空间阳）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +++祝各位读者老师教师节快乐！
+
韩国宣布将在首都首尔，建造世界最大的无辐摩天轮。via
+++中国医疗反腐的困难在于：怎么对待大专家、科室和医院领导。 +也就是说，所谓“千里驹”和“害群之马”，在中国医疗界很有可能实际重叠率不低。 +容易争论“千里驹”中到底有多少“害群之马”，但很难争议“害群之马”中有多少“千里驹”，后者的比率恐怕很高。 +四十年来积累的结果，导致这个比率有可能高到难以做到：全部清除害群之马，而同时保留足够的千里驹。 +万一因为千里驹被反腐而出现不得不去监狱看病/做手术的景象，可能对大家（医疗界内外）都比较尴尬？
+
@ShixiangWang - 屠龙少年，成为恶龙，屡见不鲜。今年我们通过新闻资讯看到了很多医院的领导们落马，可见当下腐败的严重和国家的决心。肃清毒瘤固然重要，但我觉得更应该深思的是为什么它们会存在？会长期存在？肃清后恢复会复发？每个人都有着内心的阳光面和阴暗面，塑造良好的文化、良好的环境让人心向阳而生，可能需要更为长期的实践。
本研究利用全新的基于单细胞RNA测序数据的细胞间交互作用分析手段ContactTracing，分析具有不同染色体不稳定性水平的小鼠和病人肿瘤的肿瘤微环境，发现负责感受细胞质内DNA的天然免疫通路的慢性激活促进了免疫逃逸和肿瘤转移。具体而言，肿瘤细胞的染色体不稳定性造成了Sting的慢性激活。有趣的是，这种Sting通路的慢性激活并没有引发与肿瘤免疫清除相关的干扰素通路，而是通过ER stress机制，进而导致肿瘤的免疫逃逸。这一发现为针对肿瘤细胞染色体不稳定性的治疗方案提供了理论基础，同时也提示了肿瘤细胞中Sting通路激活与免疫系统之间的关系比最初预计的更加复杂。这也为Sting激活剂在临床试验中未能达到预期的效果提供了可能的解释。与此同时，ContactTracing算法的开发充分利用了复杂样品中细胞的异质性，为单细胞RNA测序数据分析提供了全新的工具和思路。这将有助于更深入地了解细胞间相互作用的复杂性，从而推动医学研究和治疗的进展。
+2、Cell Discovery | 缺血性脑卒中患者全基因组测序分析
+
近期发表在Cell Discovery上的文章，报道了一项来自中国10241例缺血性脑卒中患者的全基因组测序和分析研究。研究团队通过深度全基因组测序鉴定了这些个体中的13.55亿个高质量变异,并通过随后的关联分析揭示了10个新的基因位点与脑卒中相关性状之间的联系,为未来研究脑卒中机制、新的治疗靶点提供了线索。这是迄今为止针对中国脑卒中患者队列进行的最大规模的全基因组研究,极大丰富了人们对中国群体遗传结构和自然选择的了解。
+3、Cell | 基于35种癌症类型构建首个泛癌真菌微生物组图谱，揭示癌症与微生物相互作用
+
以色列魏茨曼科学研究所领导的研究团队全面表征了组织和血液中的35种癌症的真菌群落，构建出首个泛癌真菌微生物组图谱。研究团队将真菌群落与匹配的细菌组和免疫组进行比较，发现两者共存的双结构域生态系统，通常具有许可性而非竞争性的微环境和独特的免疫应答。临床评估结果表明了组织和血浆分枝杆菌群的预后和诊断能力，即使在I期癌症中也是如此，并且与菌群具有协同预测性能。
+4、Nature Communications | devCellPy:对复杂的多层单细胞转录组数据进行自动注释的机器学习管道
+
在单细胞RNA测序分析中，由于细胞表现出复杂的多层身份或过渡状态，导致对数据集的精确注释成为主要挑战。devCellPy作为一个高度精确的机器学习工具能自动预测跨复杂注释层次结构的细胞类型，可推广到任何scRNA-seq数据集。随着大规模发育细胞图谱的发展，devCellPy将提供资源来帮助识别跨平台和物种的细胞类型，特别是在注释良好的参考数据集中显示复杂的多层注释方案。
+5、Cell Reports | DeepFavored: 揭示适应性突变与疾病易感性关联
+
中国南方医科大学朱浩教授团队开发了DeepFavored ，可以用于识别有利突变、搭便车突变和普通突变。在东亚（CHB）、欧洲（CEU）、非洲（YRI）三个人群的分析中，发现有利突变和搭车突变在GWAS位点的比例明显高于普通突变，是为适应性进化和疾病易感性间的平衡关系分析提供了证据。
+
“基因组与AI”一作面对面论坛致力于将一作面对面打造成一个青年学子的共同成长的家园。从现在开始，“基因组与AI：一作面对面”论坛邀请所有信心和勇气的学生、博士后以及青年研究人员来分享自己工作。
+ +
本文通过具体实例介绍了harmony基本原理、harmony后可能导致的问题以及相应的解决方法。
+ +
来自Y叔公众号的文章，主要记录了他在Windows下使用scoop安装R以及在vscode里面使用R的一些步骤。Scoop是Windows的命令行安装程序，是一个强大的包管理工具。可以试着用用看。
+10、Highcharts
+
让开发人员可以轻松地为web和移动平台创建图表和仪表板。适用于Javascript、Angular、React、VueJS、iOS、R、。net、Python等。(涉及许可协议)
+11、elvis
+{elvis}包的目标是通过提供原生的tryCatch()机制，在{shiny}包中提供更安全的render和observe。
+例如下面的示例：
+output$plot <- try_renderPlot({
+ stop("a")
+ },
+ errorHandler = function(e){
+ showNotification("There was an error in the plot")
+ }
+)
+基本思想是给所有函数加上try_前缀，这样就更容易将旧代码移植到{elvis}包。
+ +
一个非常直观的工具，让用户可以对肿瘤DNA测序数据进行交互式的分割，查看和编辑分割结果，以及查看分割的统计信息和驱动基因。
+13、aliyunpan
+
阿里云盘CLI。仿 Linux shell 文件处理命令的阿里云盘命令行客户端，支持JavaScript插件，支持webdav文件协议，支持同步备份功能。
+14、configr | 在R中生成、修改常用配置文件参数的R包
+
R包’configr’支持对多种配置文件格式：’JSON’、’INI’、’YAML’和’TOML’，通过相应的函数可以对上述文件进行操作。
+15、Diving into Genetics and Genomics
+
计算生物学大佬Ming Tang的博客，涉及生物信息学、数据科学、免疫学、单细胞分析等多个主题，他分享了一些有用的资源、工具、书籍和教程，以及一些自己的心得和经验。他还有一个自己的书籍《潜入遗传学与基因组学》，可以帮助想要学习计算生物学的人。
+
本资料整理不同肿瘤类型中PD-1药物经FDA批准的时间线，点击相应的点还能看到更加详细的药品等信息。
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）@kongjianyang（空间阳）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
++在人类繁殖方面，传统认知以为只有拥有来自父亲的Y染色体才能发育成男性，性染色体为XY的为男性，Swyer综合征患者无生育能力。但是，医学上却有这样的现实案例：一名发育为正常女性，性染色体为XY 的母亲经历了自发性青春期、月经初潮，拥有卵巢且月经规律，经历了两次妊娠，并最终生下一名性染色体同样为XY但性腺完全发育不全的女儿。
+
@kongjianyang：性别不仅只是XX或者XY，应该认识到人群中每个人的性别有差异，不应强加定型。应该尊重每个人的性取向和性别自我认同选择。
+来自耶鲁大学The John B. Pierce实验室的Madhuvanthi Kannan、Ganesh Vasan、Vincent A. Pieribone和斯坦福大学的Mark J. Schnitzer，在先前开发的绿色和红色荧光GEVI（Ace-mNeon和VARNAM，在细胞膜电位去极化时荧光减弱）的基础上[2,，进一步开发了灵敏度更高的下一代GEVI（Ace-mNeon2和VARNAM2），以及对应的具有相反响应极性的荧光GEVI——pAce和pAceR（在细胞膜电位去极化时荧光增强），相关结果发表于《科学》杂志。 +该研究中的新一代GEVI可在同一视野下对超过50个细胞（放电频率达0.4-1kHz）进行电活动监测，且在果蝇中的连续监测时间长达30分钟。 +利用这一电压成像系统，理论上可同时记录多达四个不同的神经元类型，为首个可对不同类型神经元进行实时、亚毫秒级监测的技术。
+2、Nature | 张宁/张泽民/朱继业合作揭示肝癌免疫微环境亚型和中性粒细胞异质性
+由张宁、张泽民和朱继业等研究人员团队在Nature杂志上发表的一项关于肝癌免疫微环境异质性研究。研究人员采用单细胞转录组技术,对189例肝癌标本和8只小鼠标本进行了全面检测,首次定义出肝癌免疫微环境的五种亚型。他们还发现了肿瘤相关中性粒细胞中11个新的亚群,并鉴定了其中两个亚群CCL4+ TAN和PD-L1+ TAN可能通过不同机制促进肿瘤生长。利用小鼠肝癌模型,他们进一步证实了中性粒细胞在肿瘤发展中的作用,中性粒细胞清除能延缓肿瘤生长。这项研究通过单细胞测序技术系统揭示了肝癌免疫微环境异质性,证实了中性粒细胞在肝癌中的促肿瘤作用,为将来开发针对肿瘤相关中性粒细胞的新型免疫治疗提供了理论依据。
+3、Nature Genetics | 新型表观组测序法助力临床诊断
+基因调控元件的系统鉴定和功能研究对于了解人类疾病机制十分重要。在这项研究中，研究人员基于靶向纳米孔测序法，富集测序长达115 kb的DNA分子片段，克服了二代测序覆盖和读取长度的限制。同时，研究团队结合NOMe-seq法，在广泛的发育、免疫等位点上对遗传变异、DNA甲基化和染色质可及性进行分期，评估基因组中元素的相互依赖性，捕获单分子动力学，加深对基因调控元件的认识，并对H19/IGF2上游的印记控制区的修饰状态与其转录水平进行分析。
+自2001年美国食品药品监督管理局(FDA)批准首个酪氨酸激酶抑制剂伊马替尼(imatinib)进入市场以来，越来越多的小分子靶向药物被开发用于治疗恶性肿瘤。截至2020年12月，已有89种小分子靶向抗肿瘤药物获得美国FDA和中国国家药品监督管理局(NMPA)的批准。尽管小分子靶向抗癌药物取得了很大的进展，但仍面临着反应率低、耐药等诸多挑战。
+ +文章介绍了利用OpenAI技术进行语义搜索的论文搜索网站arXiv Xplorer。它利用OpenAI的embedding技术，将arXiv上的论文标题和摘要进行向量嵌入,实现论文的语义搜索。用户只需要输入关键词或论文URL,就可以找到与之最相关的论文。亲测好用！
+熊的这篇文章总结了MSK前瞻性临床队列 MSK-IMPACT和MSK-ACCESS样本量突破10万之后，MSKCC的分子肿瘤中心 (Center for Molecular Oncology, CMO) 主任 David Solit 对当前临检问题的相关看法，或许对读者有启发意义。
+7、Cancer Genomics Cloud：癌症基因组的云平台
+由美国国立癌症研究所（NCI）和美国国家基因组研究所（NHGRI）共同创建的网站Cancer Genomics Cloud，旨在为癌症研究人员提供一个平台，共享和分析癌症基因组数据。
+chatthing.ai 是一个聊天机器人平台，允许用户创建、管理和使用聊天机器人。它提供拖放式界面、多语言支持、机器学习和集成等功能，可用于各种目的，包括客户服务、教育和娱乐。
+9、ggquiver
+
+
ggquiver是ggplot2的扩展，提供矢量、可视化的箭头图。
10、港大单细胞培训公开课
+资料地址：
+++整体上是完备和有益的资料，但部分内容可能过时了，需要读者自行甄别。
+
11、Sandbox.bio：Interactive bioinformatics tutorials
+Sandbox.bio 是一个生物信息学沙盒平台，允许用户在安全隔离的环境中运行生物信息学实验。它提供各种工具和资源，包括数据库、算法和工具包，可用于各种生物信息学任务，例如数据分析、模型构建和机器学习。
+openai-cookbook是一个存储库,内容包括使用OpenAI API的代码示例和使用指南。
+生信爱好者周刊（第 53 期）：为什么现在的中国大学生普遍焦虑内卷？
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）@kongjianyang（空间阳）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
+Despite the wind and rain, I am still standing still-任凭风吹雨打 我自巍然不动
++现实世界是非线性的、非因果的，而人的思维是线性的、因果关系的，会不知不觉从单一的线性因素，去解读非线性关系。 +你不断加大努力的程度，长时间工作、长期加班、没有个人生活，会带来成功吗？很可能不会，因为两者之间没有因果关系。
+
@kktjmac 因为这个非线性的世界，所以更应该从多元化、全局化的角度去认识、理解生活与工作。
+
中国科学院深圳先进技术研究院李汉杰课题组联合深圳市宝安区妇幼保健院、深圳大学、上海交通大学和复旦大学等单位在Cell期刊上发表了题为“An immune cell atlas reveals the dynamics of human macrophage specification during prenatal development”的文章。研究团队结合单细胞转录组测序、先进的生物信息学手段、多重免疫荧光染色、体外功能实验等技术构建了横跨18个发育阶段、19种组织的人类胚胎免疫系统发育高分辨率图谱。研究团队重点关注了最具组织特异性的巨噬细胞，鉴定了15种巨噬细胞亚型，其中包括两种新的巨噬细胞亚型，即存在于表皮、睾丸、心脏等外周组织的类小胶质细胞（Microglia-like cells）和具有血管生成促进功能并广泛分布于多个组织中的促血管生成巨噬细胞（Proangiogenic macrophages, PraM）。该研究通过构建人类产前免疫细胞发育的时空动态图谱，揭示了多种巨噬细胞亚型在发育过程中的分化起源、空间定位、功能特征及转录调控机制。
+2、Nature Methods | 单分子测序平台的scNanoHi-C技术，可精准检测单细胞高阶染色质互作
+
这是一篇汤富酬课题组在Nature Methods上发表的文章，该研究在国际上率先使用单分子测序平台开发了一种基于邻近连接的单细胞染色质构象捕获方法，称为scNanoHi-C。该方法实现了在单细胞水平的高阶染色质相互作用检测，并且在通量上具有很好的灵活性，能够满足不同的实验需求。
+3、Nature Biotechnology | 全球首套多组学标准物质“中华家系1号”最新成果
+
国际学术期刊《自然·生物技术》（Nature Biotechnology）在线发表了由复旦大学/上海国际人类表型组研究院石乐明、郑媛婷团队联合中国计量科学研究院方向、董莲华团队，国家卫健委临床检验中心李金明、张瑞团队共同研发的全球首套多组学标准物质“中华家系1号”的最新研究成果。同期刊发的2篇科研论文分别聚焦：“使用基于中华家系1号标准物质的相对定量进行多组学数据整合（Multi-omics data integration using ratio-based quantitative profiling with Quartet reference materials）”和“中华家系1号 RNA标准物质与基于比值的分析方法提高了转录组数据的质量（Quartet RNA reference materials and ratio-based profiling for assessing and improving the quality of transcriptomic data）”。这也标志着中国科学界自主研制、获批为“国家一级标准物质”的“中华家系1号（Quartet）”多组学标准物质的研发和效用得到了国际同行的认可，开创了生物医学“度量衡”新体系，将提升生命科学创新的源头质量，为全球推进人类表型组计划奠定坚实的标准基础。
+4、视频：研究蛋白质与DNA相互作用的新技术–CUT&Tag
+
CUT&Tag 是一种新的检测目标蛋白质与染色质 DNA 相互作用的一种技术。CUT&Tag 方法比经典的 ChIP-seq 方法的信噪比提升了10倍以上，并且所需的起始样本细胞的数量少了10倍，实验操作时间只需 1～2 天。 +它的核心技术点在于，利用抗体把目标蛋白和基因工程改造过的 Tn5 转座酶吸附在一起，利用 Tn5 酶的转座功能对目标蛋白吸附区附近的 DNA 进行切断，并在切下的片段两端加上标签序列，然后构建成深度测序文库。
+ +
一篇介绍了免疫系统人源化小鼠模型,以及它在人类疾病和生理研究中的应用的文章。免疫系统人源化小鼠模型通过将人类的造血细胞或组织植入免疫缺陷小鼠体内,从而建立起近似于人类的免疫系统。目的是弥补普通小鼠模型与人类在免疫系统上的差异。文章根据重建免疫系统的不同方法,将人源化小鼠模型分为三类:Hu-PBMC模型、Hu-HSC模型和Hu-BLT模型。它们各有优劣分别适用于不同研究领域。
+6、IGV数据可视化
+
IGV(Integrative Genomics Viewer)是一种开源基因组浏览器，是一种可视化工具，用于观察基因组数据集中具有生物学意义的模式，包括序列数据，基因模型，比对和DNA微阵列数据。本文对 IGV 的界面和操作进行了基本的介绍。
+7、SCENICprotocol | 可扩展的单细胞基因调控网络分析流程
+
SCENICprotocol介绍了如何使用pySCENIC对单细胞数据进行基因调控网络推断分析，并结合既往的“最佳实践”分析流程进行分析。具体包括： +- 交互式分析的Jupyter notebooks +- Nextflow DSL1工作流程，提供半自动化和简化的方法来运行这些步骤 +- 关于pySCENIC的安装、使用和下游分析的详细信息
+ +
rtables包可以通过R创建、展示复杂的表格。rtable中的单元格可以包含任何高维数据结构，同时支持输出ascii html、pdf以及Power Point等多种格式（通过转换为flextable对象）。
+ +
这个GitHub库提供了一个单细胞RNA测序数据分析流程。本分析流程使用Docker容器技术打包相关分析软件,实现从原始数据预处理至下游分析的完整工作流。用户只需设置参数文件和提供数据,即可一键运行整个分析流程。该管道旨在简化和加速单细胞RNA测序数据分析,为研究人员提供一个分析平台,助力生物学发现。
+10、colorblindr | 针对色觉缺陷用户优化可视化结果的R包
+
色觉缺陷用户可能对R中常规的配色方案无法辨识，针对这个问题，colorblindr包提供了相关解决方案。
+11、RM2Target | RNA修饰相关调控蛋白靶基因的综合数据库资源
+
RM2Target收集了来自2个物种的419种不同的细胞系和组织的文献和公开数据集，涵盖了9种RNA修饰类型（m6A, m6Am, m5C, m5U, m1A, m7G, pseudouridine, 2’-O-Me, A-to-I）和63个相关的WER，目前共收录了1,801,980条记录，涉及1,619,653条WER-靶基因关联。
+12、RNA-seqblog | RNA测序技术和应用的博客网站
+
RNA-Seq Blog，一个关于RNA测序技术和应用的博客网站。它提供了以下内容：
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）@kongjianyang（空间阳）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +这里记录每周值得分享的生信相关内容，周日发布。
+本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。
+ +
++中国人群泛基因组联盟是由复旦大学、西安交通大学、中国医学科学院等26家单位发起的一个科研项目，旨在构建能够代表中华民族遗传多样性的中国人群泛基因组图谱。
+目前，通用的人类参考基因组主要是基于欧洲白人为主体样本构建的，难以代表非欧裔族群、尤其是我国族群的基因组多样性。而我国作为人口大国，拥有丰富的人群多样性和悠久的人群历史，其遗传特征对于理解人类起源与演化、疾病易感性与表型多样性、精准医学与健康中国战略都具有重要意义。
+因此，建立我国自己的人群泛基因组图谱十分必要和紧迫。这也是中国人群泛基因组联盟的主要目标之一。在其第一期研究中，CPC对代表中国36个族群的58个样本进行了深度测序和高质量单倍型基因组组装，构建了高质量中国人群参考泛基因组。
+
@NiEntropy ：泛基因组与我们熟知的参考基因组的区别，参考基因组是一个线性的、单一的、一维的基因组序列，通常是从一个或少数几个个体中选取的代表性样本，不能完全反映个体之间的遗传变异。泛基因组是一个图形的、多样的、多维的基因组序列集合，包含了一个物种或一个群体中所有个体的遗传变异信息，能更好地反映基因组的结构和功能。参考基因组是泛基因组的一个子集，泛基因组比参考基因组包含了更多的新序列、新变异和新功能。
+@eplants：为什么要开展泛基因组测序？在漫长的进化过程中，由于地域因素，环境因素等的影响，每个个体都形成了极其特别的遗传性状，单一个体的基因组已经不能涵盖这个物种的所有遗传信息。
+1、Science | 错义突变预测模型AlphaMissense
+
AlphaMissense是一种能够识别DNA中导致蛋白质氨基酸变化的错义突变的人工智能模型。它基于AlphaFold模型，结合了大量的遗传和群体数据，可以预测71百万个错义突变的致病性或良性。它的准确率高达89%，远超人类专家的水平。它旨在帮助快速诊断和治疗遗传疾病，并向研究社区开放了预测结果和模型代码。
+2、Cancer Cell｜基于AI 的生物标志物预测模型加速CRC活检分析
+研究团队开发了一种新的基于Transformer的分析框架，通过将预训练的Transformer编码器与用于补丁聚合的Transformer网络相结合，从CRC常规病理切片中进行端到端的生物标志物预测。通过对来自16个队列13,000多名结直肠癌患者组成的大规模、多中心队列进行训练和评估，该方法在手术切除组织样本的MSI预测方面达到了99%的灵敏度，阴性预测值超99%。与当前最先进的算法相比，基于Transformer的方法大大提高了预测性能、通用性、数据效率和可解释性。
+3、 Genome Biology | 用于单细胞RNA-seq和ATAC-seq数据多视图分析的深度生成模型
+本文作者提出了一种多模态深度生成模型——单细胞多视图分析器(scMVP)，它被设计用于处理同时测量同一细胞中基因表达和染色质可及性的测序数据，包括来自10X Genomics的SNARE-seq，sci-CAR，Paired-seq，SHARE-seq和Multiome方法。scMVP通过聚类一致性约束的多视图变分自编码器模型(VAE)自动学习scRNA-seq和scATAC-seq数据的共同潜在表示，并通过分层数据生成过程，包括变压器基于自关注的scATAC生成通道和基于掩码关注的scRNA生成通道，从多组数据的共同潜在嵌入中推导出各单层数据。scMVP可以帮助缓解数据稀疏问题，并通过共同的潜在嵌入准确识别不同联合分析技术的细胞群。最后，作者在几个实际数据集上展示了scMVP的优势。
+
4、 线性模型中的高级特征选择技术（岭回归，LASSO，弹性网络）
+线性模型在机器学习问题中是非常有效的。当今很多数据集具有数量庞大的特征（feature），即高维性。此外，随着我们要处理的数据规模不断增大，最优子集和逐步特征选择这样的技术会造成难以承受的时间成本。在很多情况下，要得到一个最优子集的解需要花费数小时。 +这种情况下有更好的解决方式。本文会讨论正则化的概念，正则化会对系数进行限制，甚至将其缩减到0。现在有很多种方法和方法组合可以实现正则化，我们会集中讨论岭回归和最小化绝对收缩和选择算子，最后讨论弹性网络，它将前面两种算法的优点合二为一。
+ +GREAT分析是用来直接对基因组区间进行功能富集的一种分析方法，这里通过一个例子说明分错误的基因组版本会对结果产生非常大的影响，尤其是那些只关联了较少的用户基因组区间的基因集合。因此在进行GREAT分析时，选择正确的基因组版本非常重要。
+ +
这篇推文是一位生物信息学爱好者写的R语言基础课总结笔记。内容包括：
+7、 Oxford Nanopore 在London Calling大会上宣布突破性的技术性能和路径，让任何人可以在任何地方测序
+在2023年5月17日至19日举行的公司年度London Calling大会上，Oxford Nanopore的首席技术、创新和产品官Clive G Brown在技术更新介绍中宣布了突破性的性能数据和新平台的最新情况，包括直接RNA测序以支持以RNA为基础的疗法的发展。 +随着Oxford Nanopore社区用户群体不断扩大，覆盖的科研领域也更加广泛，这些改进的工具正在临床研究和工业应用市场中建立起应用场景，这些市场需要近样品、可访问的实时分析工具。而之前，由于可及性和效用性等障碍，测序还未被广泛应用于这些场景中。
+
斯坦福大学和其他机构的研究人员开发和维护的名为grf的R语言包，它可以实现广义随机森林（Generalized Random Forests）的方法。广义随机森林是一种基于树的统计估计和推断的非参数方法。
+突然且通常不可逆转的变化（或临界点）在生物过程的进展中具有决定性作用。这个 R 包可以用于使用基因表达谱来表征生物临界点。 BioTIP 具有两种功能：(1) 准确检测临界点，(2) 识别重要的关键转变信号 (CTS)。
+11、NanoBlot | 用于从长读 RNA 测序数据中可视化 RNA 同工型的 R 软件包
+
12、ggside
+
这个工具是一个名为ggside的R语言包，它可以扩展ggplot2包的功能。它可以让用户在主图的某个轴上添加图形信息，比如离散轴的元数据，或者连续轴的汇总图形，如箱线图或密度分布。
+
一本关于因果推断的新书A First Course in Causal Inference，地址：https://arxiv.org/abs/2305.18793 本书中文版正由作者丁鹏亲自翻译，名曰《因果推断基础教程》，预计不久后将正式出版。
+本书是根据丁鹏老师过去七年里，在加州大学伯克利分校的“因果推断”课程的基础上编写的。受众都是本科生和研究生，该讲义只需要概率论、统计推断以及线性回归、逻辑回归的基础知识。如果您发现任何错误，请随时给作者发电子邮件。
+14、LangChain and LlamaIndex Projects Lab Book
+一本使用python语言来介绍 LangChain 和 LlamaIndex 项目， 通过使用 LangChain 和 LlamaIndex,结合开放AI的模型来解决一系列有趣的问题,比如信息检索、自然语言处理等。值得有兴趣的的同学翻阅。
+ +
由The Johns Hopkins Data Science Lab 提供的人类基因组变异与计算课程，帮助学生学习人类基因组变异的原理和方法，以及如何使用计算工具进行分析和解释。
+「Openbiox 生信周刊」运维小队：
+@ShixiangWang（王诗翔）@kkjtmac（阚科佳）@NiEntropy（赵启祥）@He-Kai-fly（何凯）@JnanZhang（张佳楠）@Tomcxf（陈啸枫）@wangdepin（王德品）@kongjianyang（空间阳）这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。
+微信搜索“优雅R”或者扫描二维码，即可订阅。
+
（完）
+ +\u672c\u9879\u76ee\u7531\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\u7ef4\u62a4\u3002
\u6210\u5458\uff1a
@ShixiangWang - \u738b\u8bd7\u7fd4@kkjtmac - \u961a\u79d1\u4f73@NiEntropy - \u8d75\u542f\u7965 @He-Kai-fly - \u4f55\u51ef@JnanZhang - \u5f20\u4f73\u6960@Tomcxf - \u9648\u5578\u67ab @wangdepin - \u738b\u5fb7\u54c1@kongjianyang - \u7a7a\u95f4\u9633\u8f6e\u503c\u8d1f\u8d23\u6392\u73ed\u8868\u89c1 https://github.com/openbiox/weekly/issues/1352
\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u6b22\u8fce\u6295\u7a3f\uff0c\u63a8\u8350\u6216\u81ea\u8350\u6587\u7ae0/\u8f6f\u4ef6/\u8d44\u6e90\uff0c\u8bf7\u63d0\u4ea4 issue \u3002
"},{"location":"#_2","title":"\u5982\u4f55\u641c\u7d22","text":"1\u3001\u4f7f\u7528 Sourcegraph.com \u8fdb\u884c\u641c\u7d22\u3002\uff08\u63a8\u8350\u65b9\u6cd5\uff09
2\u3001\u4f7f\u7528 GitHub \u81ea\u5e26\u7684\u641c\u7d22\uff0c\u4f46\u53ea\u652f\u6301\u641c\u7d22\u82f1\u6587\u5355\u8bcd\u3002
3\u3001\u5c06\u8fd9\u4e2a\u4ed3\u5e93\u514b\u9686\u5230\u672c\u5730\uff0c\u7136\u540e\u5728\u4ed3\u5e93\u76ee\u5f55\u4f7f\u7528\u4e0b\u9762\u7684\u547d\u4ee4\u3002
$ grep -nri [\u641c\u7d22\u8bcd] issues | cat --number\n\u6bd4\u5982\uff0c\u641c\u7d22 bash \u76f8\u5173\u5185\u5bb9\u3002
$ grep -nri bash issues | cat --number\n\u672c\u5468\u520a\u5f00\u6e90\uff0c\u4ee5\u300c\u7f72\u540d\uff08BY\uff09-\u76f8\u540c\u65b9\u5f0f\u5171\u4eab\uff08SA\uff09\u300d\u534f\u8bae\u53d1\u884c\u3002
"},{"location":"#_4","title":"\u81f4\u8c22","text":"\u672c\u5468\u520a\u53d7\u962e\u4e00\u5cf0\u300a\u79d1\u6280\u7231\u597d\u8005\u5468\u520a\u300b\u542f\u53d1\u521b\u529e\uff0c\u4ed3\u5e93\u521d\u59cb\u5316\u4e5f\u91c7\u7528\u5176\u4f5c\u4e3a\u6a21\u677f\u3002\u7279\u6b64\u81f4\u8c22\u3002
\u611f\u8c22\u4ee5\u4e0b\u4e2a\u4eba/\u7ec4\u7ec7\u7684\u957f\u671f/\u5927\u989d\u8d5e\u8d4f\uff1a
\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u8ba8\u8bba\u533a\u7684\u5e16\u5b50\u300a\u8c01\u5728\u62db\u4eba\uff1f\u300b\uff0c\u63d0\u4f9b\u751f\u4fe1\u6df1\u9020\u548c\u5c31\u4e1a\u4fe1\u606f\uff0c\u6b22\u8fce\u8bbf\u95ee\u6216\u53d1\u5e03\u5b66\u4f4d\u653b\u8bfb/\u5de5\u4f5c/\u5b9e\u4e60\u7b49\u5c97\u4f4d\u3002
"},{"location":"issue-1/#_1","title":"\u5f00\u520a\u8bcd","text":"\u6211\u53d1\u5e03\u8be5\u5468\u520a\u7684\u9a71\u52a8\u56e0\u7d20\u6709\u4e24\u4e2a\uff1a\u4e00\u662f\u53d7\u5230\u962e\u4e00\u5cf0\u300a\u79d1\u6280\u7231\u597d\u8005\u5468\u520a\u300b\u7684\u5f71\u54cd\uff0c\u6211\u5e38\u5e38\u80fd\u5728\u5176\u53d1\u5e03\u7684\u5185\u5bb9\u4e2d\u627e\u5230\u65b0\u9896\u6709\u8da3\u6216\u503c\u5f97\u601d\u8003\u7684\u5185\u5bb9\uff1b\u4e8c\u662f\u5904\u7406\u6d4f\u89c8\u5668\u4e0d\u65ad\u589e\u52a0\u7684\u6807\u7b7e\u5217\u8868\u7684\u7126\u8651\u611f\u3002\u6211\u65f6\u5e38\u901a\u8fc7\u6d4f\u89c8\u5668\u6536\u85cf\u975e\u5e38\u4e0d\u9519\u7684\u8d44\u6e90\u3001\u6587\u7ae0\uff0c\u5176\u4e2d\u5f88\u591a\u6ca1\u770b\u5c31\u5fd8\u8bb0\u4e86\uff0c\u4f46\u6211\u7d2f\u79ef\u7684\u5185\u5bb9\u5374\u8d8a\u6765\u8d8a\u591a\u3002
\u6211\u5e0c\u671b\u7ed9\u81ea\u5df1\u505a\u505a\u51cf\u6cd5\uff0c\u8fd9\u4e2a\u51cf\u6cd5\u5c31\u662f\u8f93\u51fa\u3002\u5c06\u81ea\u5df1\u6536\u7eb3\u7684\u4fe1\u606f\u53ca\u65f6\u5730\u5904\u7406\u5e76\u8f93\u51fa\u51fa\u53bb\uff0c\u4e00\u65b9\u9762\u953b\u70bc\u81ea\u5df1\u7684\u8111\u5b50\uff0c\u53e6\u4e00\u65b9\u9762\u4e5f\u80fd\u591f\u8fc7\u6ee4\u51fa\u771f\u6b63\u91cd\u8981\u7684\u77e5\u8bc6\uff0c\u800c\u8fd9\u4e9b\u77e5\u8bc6\u662f\u53ef\u67e5\u8be2\u548c\u8ffd\u6eaf\u7684\u3002
\u5f53\u7136\u4e86\uff0c\u5bf9\u4e8e\u8bfb\u8005\uff0c\u6211\u5e0c\u671b\u8fd9\u672c\u5468\u520a\u80fd\u591f\u5e26\u7ed9\u4f60\u601d\u8003\u6216\u662f\u6548\u7387\u7684\u63d0\u5347\u3002\u6ce8\u610f\uff0c\u5e76\u4e0d\u662f\u6240\u6709\u7684\u5185\u5bb9\u90fd\u9002\u5408\u4f60\uff0c\u4f60\u9700\u8981\u627e\u5230\u81ea\u5df1\u89c9\u5f97\u6700\u91cd\u8981\u7684\u5185\u5bb9\u3002
\u7531\u4e8e\u4e2a\u4eba\u7814\u7a76\u5185\u5bb9\u5728\u80bf\u7624\u57fa\u56e0\u7ec4\uff0c\u6240\u4ee5\u4e00\u4e9b\u751f\u4fe1\u5185\u5bb9\u4f1a\u504f\u5411\u8be5\u65b9\u5411\u3002\u5982\u679c\u8d8a\u6765\u8d8a\u591a\u7684\u670b\u53cb\u52a0\u5165\u5206\u4eab\uff0c\u8fd9\u4e00\u503e\u5411\u53ef\u4ee5\u88ab\u7ea0\u6b63\u3002
\u7b2c\u4e00\u671f\uff0c\u6211\u4eec\u5c06\u805a\u7126\u4e8e\u5bf9\u521d\u5b66\u8005\u6709\u5e2e\u52a9\u7684\u4e3b\u9898\u548c\u8d44\u6e90\u3002
"},{"location":"issue-1/#_2","title":"\u5c01\u9762\u56fe","text":"\u5f53\u751f\u7269\u9047\u89c1\u8ba1\u7b97\u673a\u3002\uff08via\uff09
"},{"location":"issue-1/#_3","title":"\u672c\u5468\u8bdd\u9898\uff1a\u751f\u4fe1\u662f\u4ec0\u4e48","text":"\u751f\u4fe1\u662f\u4ec0\u4e48\uff1f\u4f60\u662f\u5982\u4f55\u7406\u89e3\u5b83\u7684\uff1f
\u65e0\u8bba\u4f60\u662f\u4e00\u4e2a\u65b0\u624b\u8fd8\u662f\u8001\u624b\uff0c\u60f3\u5fc5\u90fd\u6709\u81ea\u5df1\u7684\u770b\u6cd5\u3002\u8fd9\u4e2a\u95ee\u9898\u6ca1\u6709\u6807\u51c6\u7b54\u6848\uff0c\u53ef\u80fd\u4f1a\u4e00\u76f4\u6ca1\u6709\u7b54\u6848\u3002\u8fd9\u662f\u4e2a\u4f60\u9700\u8981\u4e00\u76f4\u5b66\u4e60\u3001\u4e00\u76f4\u5bfb\u6c42\u7a81\u7834\u7684\u4e8b\u4e1a\uff0c\u5b83\u8ba9\u4f60\u75db\u5e76\u5feb\u4e50\u7740\uff0c\u8ba9\u4f60\u820d\u4e0d\u5f97\u79bb\u5f00\u5ea7\u4f4d\uff0c\u8ba9\u4f60\u809a\u5b50\u4e00\u5708\u5708\u53d8\u5927\u3002\u6765\u5427\uff0c\u4eb2\u7231\u7684\u670b\u53cb\u4eec\u3002
\u5bf9\u751f\u4fe1\uff0c\u8fd9\u91cc\u4e0d\u4f1a\u7ed9\u51fa\u6559\u79d1\u4e66\u5f0f\u7684\u5b9a\u4e49\u3002\u5982\u679c\u4f60\u60f3\u8981\u7545\u804a\u81ea\u5df1\u7684\u770b\u6cd5\uff0c\u6b22\u8fce\u5728GitHub\u8ba8\u8bba\u533a\u53d1\u8868\u81ea\u5df1\u7684\u610f\u89c1\u3002
\u4ece\u4e2a\u4eba\u7684\u7ecf\u5386\u6765\u770b\uff0c\u751f\u4fe1\u4e3b\u8981\u67093\u5927\u5757\u5185\u5bb9\uff0c\u6216\u8005\u8bf4\u5b83\u57fa\u672c\u662f\u75313\u4e2a\u5b66\u79d1\u4ea4\u53c9\u5f62\u6210\u7684\u65b0\u7684\u79d1\u5b66\u3002
\u8fd9\u91cc\u751f\u7269\u5b66\u662f\u6839\u3001\u7edf\u8ba1\u5b66\u662f\u5185\u6838\u3001\u8ba1\u7b97\u673a\u662f\u5916\u6838\u30023\u8005\u901a\u51762\uff0c\u4fbf\u80fd\u7acb\u8db3\u8be5\u9886\u57df\u3002
"},{"location":"issue-1/#_4","title":"\u751f\u4fe1\u79d1\u6280\u52a8\u6001","text":"1\u3001\u56fd\u9645\u7ec4\u5b66\u6570\u636e\u8d28\u91cf\u63a7\u5236\u8054\u76df\u7b2c\u56db\u671f\u7814\u7a76\u6210\u679c
\u8be5\u9879\u76ee\u7531\u7f8e\u56fd\u98df\u54c1\u836f\u54c1\u76d1\u7763\u7ba1\u7406\u5c40\uff08FDA\uff09\u7275\u5934\uff0c\u5386\u65f65\u5e74\u591a\uff0c\u805a\u96c6\u4e86\u6765\u81ea\u5168\u7403100\u591a\u4e2a\u5355\u4f4d\u7684300\u591a\u4f4d\u79d1\u5b66\u5bb6\u53c2\u4e0e\u3002\u901a\u8fc7\u5efa\u7acb\u548c\u4f7f\u7528\u4e00\u7cfb\u5217\u57fa\u56e0\u7ec4\u53c2\u8003\u7269\u8d28\uff0c\u56fd\u9645\u7ec4\u5b66\u6570\u636e\u8d28\u91cf\u63a7\u5236\u8054\u76df\u5bf9\u4f17\u591a\u65b0\u4e00\u4ee3\u6d4b\u5e8f\u5e73\u53f0\u548c\u751f\u7269\u4fe1\u606f\u5b66\u65b9\u6cd5\u5728\u4f53\u7ec6\u80de\u548c\u80da\u7cfb\u7a81\u53d8\u3001\u62f7\u8d1d\u6570\u53d8\u5f02\u3001\u80bf\u7624\u9776\u5411\u6d4b\u5e8f\u548c\u6db2\u6001\u6d3b\u68c0\u3001\u5355\u7ec6\u80de\u6d4b\u5e8f\u7b49\u591a\u4e2a\u5e94\u7528\u573a\u666f\u7684\u6027\u80fd\u8fdb\u884c\u4e86\u7cfb\u7edf\u7814\u7a76\u3002
2\u3001Pan-Cancer Analysis of Whole Genomes 2020 \u6210\u679c\u5408\u96c6
\u764c\u75c7\u662f\u4e00\u79cd\u57fa\u56e0\u7ec4\u75be\u75c5\uff0c\u7531\u7ec6\u80de\u83b7\u5f97\u5173\u952e\u764c\u75c7\u57fa\u56e0\u7684\u4f53\u7ec6\u80de\u7a81\u53d8\u5f15\u8d77\u3002\u8fd9\u4e9b\u7a81\u53d8\u6539\u53d8\u4e86\u8c03\u8282\u7ec6\u80de\u751f\u957f\u548c\u4e0e\u7ec4\u7ec7\u73af\u5883\u76f8\u4e92\u4f5c\u7528\u7684\u9014\u5f84\u3002\u76f4\u5230\u6700\u8fd1\uff0c\u5bf9\u764c\u75c7\u57fa\u56e0\u7ec4\u7684\u7814\u7a76\u90fd\u96c6\u4e2d\u5728\u86cb\u767d\u8d28\u7f16\u7801\u57fa\u56e0\u4e0a\uff0c\u8fd9\u4e9b\u57fa\u56e0\u52a0\u8d77\u6765\u53ea\u5360\u57fa\u56e0\u7ec4\u76841%\u3002\u4e3a\u4e86\u89e3\u51b3\u8fd9\u4e2a\u95ee\u9898\uff0cICGC/TCGA\u5168\u57fa\u56e0\u7ec4\u6cdb\u764c\u75c7\u5206\u6790(PCAWG)\u9879\u76ee\u5bf9\u8d85\u8fc72600\u4e2a\u539f\u53d1\u764c\u75c7\u53ca\u517638\u79cd\u4e0d\u540c\u80bf\u7624\u7c7b\u578b\u7684\u5339\u914d\u6b63\u5e38\u7ec4\u7ec7\u8fdb\u884c\u4e86\u5168\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u548c\u7efc\u5408\u5206\u6790\u3002\u8fd9\u9879\u7814\u7a76\u63ed\u793a\u4e86\u5927\u89c4\u6a21\u7ed3\u6784\u7a81\u53d8\u5728\u764c\u75c7\u4e2d\u6240\u53d1\u6325\u7684\u5e7f\u6cdb\u4f5c\u7528\uff0c\u8bc6\u522b\u4e86\u4e4b\u524d\u672a\u77e5\u7684\u57fa\u56e0\u8c03\u63a7\u533a\u57df\u7684\u764c\u75c7\u76f8\u5173\u7a81\u53d8\uff0c\u63a8\u65ad\u4e86\u591a\u79cd\u764c\u75c7\u7c7b\u578b\u7684\u80bf\u7624\u8fdb\u5316\uff0c\u9610\u660e\u4e86\u4f53\u7ec6\u80de\u7a81\u53d8\u548c\u8f6c\u5f55\u7ec4\u4e4b\u95f4\u7684\u76f8\u4e92\u4f5c\u7528\uff0c\u5e76\u7814\u7a76\u4e86\u79cd\u7cfb\u9057\u4f20\u53d8\u5f02\u5728\u8c03\u8282\u7a81\u53d8\u8fc7\u7a0b\u4e2d\u7684\u4f5c\u7528\u3002\u8be5\u96c6\u5408\u5305\u62ec\u63cf\u8ff0PCAWG\u8054\u76df\u8fdb\u884c\u7684\u6838\u5fc3\u5206\u6790\u96c6\u7684\u8bba\u6587\uff0c\u5e76\u5c55\u793a\u4e86\u6570\u636e\u3001\u5de5\u5177\u548c\u5176\u4ed6\u8d44\u6e90\uff0c\u5bf9\u90a3\u4e9b\u5bfb\u6c42\u8fdb\u4e00\u6b65\u63a2\u7d22\u8fd9\u4e2a\u9057\u7559\u6570\u636e\u96c6\u7684\u4eba\u662f\u6709\u7528\u7684\u3002
3\u3001Pan-Cancer Atlas 2018 \u6210\u679c\u5408\u96c6
\u901a\u8fc7\u5bf933\u79cd\u6700\u666e\u904d\u7684\u764c\u75c7\u5f62\u5f0f\u7684\u8d85\u8fc711000\u4e2a\u80bf\u7624\u7684\u5206\u6790\uff0c\u6cdb\u764c\u75c7\u56fe\u8c31\u63d0\u4f9b\u4e86\u4e00\u4e2a\u72ec\u7279\u7684\u5168\u9762\u3001\u6df1\u5165\u548c\u76f8\u4e92\u5173\u8054\u7684\u7406\u89e3\uff0c\u80bf\u7624\u5982\u4f55\u3001\u5728\u54ea\u91cc\u548c\u4e3a\u4ec0\u4e48\u4f1a\u5728\u4eba\u7c7b\u4e2d\u51fa\u73b0\u3002\u6cdb\u764c\u75c7\u5730\u56fe\u96c6\u4f5c\u4e3a\u4e00\u4e2a\u5355\u4e00\u548c\u7edf\u4e00\u7684\u53c2\u8003\u70b9\uff0c\u662f\u5728\u8ffd\u6c42\u7cbe\u51c6\u533b\u7597\u7684\u8fc7\u7a0b\u4e2d\u5f00\u53d1\u65b0\u7597\u6cd5\u7684\u91cd\u8981\u8d44\u6e90\u3002
4\u3001TGCA pan-cancer analysis 2013 \u6210\u679c\u5408\u96c6
\u4eba\u4f53\u4e0d\u540c\u90e8\u4f4d\u4e0d\u540c\u7ec6\u80de\u7c7b\u578b\u7684\u57fa\u56e0\u7ec4\u6539\u53d8\u4f1a\u5bfc\u81f4\u6570\u767e\u79cd\u4e0d\u540c\u5f62\u5f0f\u7684\u764c\u75c7\uff0c\u800c\u8fd9\u4e9b\u6539\u53d8\u5bfc\u81f4\u5177\u6709\u4e0d\u540c\u751f\u7269\u5b66\u3001\u75c5\u7406\u5b66\u548c\u6cbb\u7597\u7b56\u7565\u7684\u80bf\u7624\u7684\u65b9\u5f0f\u6b63\u5f00\u59cb\u88ab\u63cf\u8ff0\u3002TCGA\u7814\u7a76\u7f51\u7edc\u5df2\u7ecf\u5c06\u6570\u5343\u4e2a\u80bf\u7624\u57fa\u56e0\u7ec4\u7684DNA\u3001\u67d3\u8272\u8d28\u548cRNA\u7684\u7578\u53d8\u4e0e\u5339\u914d\u7684\u6b63\u5e38\u7ec6\u80de\u57fa\u56e0\u7ec4\u8fdb\u884c\u4e86\u5206\u7c7b\uff0c\u5e76\u5206\u6790\u4e86\u5b83\u4eec\u7684\u8868\u89c2\u9057\u4f20\u548c\u86cb\u767d\u8d28\u540e\u679c\u3002\u5728\u8fd9\u91cc\uff0c\u6cdb\u764c\u75c7\u5021\u8bae\u68c0\u67e5\u4e86\u5728TCGA\u5206\u6790\u7684\u524d12\u79cd\u80bf\u7624\u7c7b\u578b\u4e2d\u53d1\u73b0\u7684\u57fa\u56e0\u7ec4\u548c\u7ec6\u80de\u6539\u53d8\u4e4b\u95f4\u7684\u5f02\u540c\u3002\u8fd9\u79cd\u5bf9\u764c\u75c7\u7c7b\u578b\u7684\u9996\u6b21\u89c2\u5bdf\u63d0\u4f9b\u4e86\u57fa\u56e0\u7ec4\u5b66\u548c\u751f\u7269\u4fe1\u606f\u5b66\u7684\u65b0\u5de5\u5177\uff0c\u4ee5\u53ca\u5728\u80bf\u7624\u7684\u4e34\u5e8a\u5206\u7c7b\u4e4b\u5916\uff0c\u6839\u636e\u80bf\u7624\u7684\u5206\u5b50\u75c5\u7406\u5b66\u91cd\u65b0\u5b9a\u4f4d\u9776\u5411\u6cbb\u7597\u7684\u524d\u666f\u3002
"},{"location":"issue-1/#_5","title":"\u6587\u7ae0","text":"\u522b\u4eba\u600e\u4e48\u770b\u751f\u4fe1\uff1f
1\u3001What is Bioinformatics?\uff08\u82f1\u6587\uff09
\u751f\u7269\u4fe1\u606f\u5b66\u652f\u6491\u5e76\u4f7f\u6574\u4e2a\u751f\u547d\u79d1\u5b66\u7684\u7814\u7a76\u6210\u4e3a\u53ef\u80fd\u3002\u8fd9\u5305\u62ec\u4ece\u5927\u91cf\u8fd8\u539f\u79d1\u5b66\uff08\u57fa\u56e0\u7ec4\u5b66\u3001\u86cb\u767d\u8d28\u7ec4\u5b66\u548c\u5176\u4ed6\u201c\u7ec4\u5b66\u201d\uff0c\u57fa\u56e0\u6d3b\u6027\u8c03\u8282\u3001\u8868\u89c2\u9057\u4f20\u5b66\u3001\u86cb\u767d\u8d28\u548cRNA\u7ed3\u6784\u548c\u529f\u80fd\u3001\u7ec6\u80de\u7ec4\u7ec7\uff09\u5230\u6bd4\u8f83\u3001\u8fdb\u5316\u548c\u7cfb\u7edf\u751f\u7269\u5b66\u3002\u5c24\u5176\u662f\u540e\u8005\uff0c\u8bd5\u56fe\u53d1\u73b0\u6211\u4eec\u7684\u8eab\u4f53\u662f\u5982\u4f55\u5de5\u4f5c\u7684\u3002
2\u3001What is Bioinformatics?\uff08\u82f1\u6587\uff09
\u6d4b\u5e8f\u548c\u5fae\u9635\u5217\u7b49\u9ad8\u901a\u91cf\u751f\u7269\u5b9e\u9a8c\u6570\u636e\u7684\u7206\u70b8\u5f0f\u589e\u957f\u50ac\u751f\u4e86\u751f\u7269\u4fe1\u606f\u5b66\u8fd9\u95e8\u79d1\u5b66\u3002\u751f\u7269\u4fe1\u606f\u5b66\u662f\u4e00\u95e8\u7c7b\u4f3c\u4e8e\u6570\u636e\u79d1\u5b66\u7684\u89e3\u51b3\u751f\u7269\u5b66\u95ee\u9898\u7684\u4ea4\u53c9\u5b66\u79d1\u3002
3\u3001What is Bioinformatics?\uff08\u82f1\u6587\uff09
\u751f\u7269\u4fe1\u606f\u5b66\u662f\u4e00\u95e8\u76f8\u5bf9\u8f83\u65b0\u7684\u3001\u4e0d\u65ad\u53d1\u5c55\u7684\u5b66\u79d1\uff0c\u5b83\u7ed3\u5408\u4e86\u8ba1\u7b97\u673a\u79d1\u5b66\u548c\u751f\u7269\u5b66\u7684\u6280\u80fd\u548c\u6280\u672f\uff0c\u5e2e\u52a9\u6211\u4eec\u66f4\u597d\u5730\u7406\u89e3\u548c\u89e3\u91ca\u751f\u7269\u6570\u636e\u3002
"},{"location":"issue-1/#_6","title":"\u5de5\u5177","text":"1\u3001Anaconda\uff1a\u5f53\u524d\u5168\u7403\u6700\u6d41\u884c\u7684\u5f00\u6e90\u6570\u636e\u5206\u6790\u5e73\u53f0/\u73af\u5883\u3002
By data scientists, for data scientists
2\u3001Jupyter\uff1a\u5f53\u524d\u6700\u6d41\u884c\u7684\u4ea4\u4e92\u5f0f\u6570\u636e\u5206\u6790\u7b14\u8bb0\u672c\uff08\u7f16\u8f91\u5668\uff09\uff08\u652f\u6301\u591a\u8bed\u8a00\uff09\u3002
3\u3001RStudio\uff1a\u5f53\u524d\u6700\u6d41\u884c\u7684R\u8bed\u8a00\u7f16\u8f91\u5668\u3002
4\u3001VS Code\uff1a\u5f53\u524d\u6700\u6d41\u884c\u7684\u901a\u7528\u96c6\u6210\u5f00\u53d1\u73af\u5883IDE\u3002
5\u3001GitHub desktop\uff1a\u6700\u6d41\u884c\u4ee3\u7801\u5b58\u50a8\u5e93GitHub\u7684\u684c\u9762\u7248\u8f6f\u4ef6\u3002
"},{"location":"issue-1/#_7","title":"\u8d44\u6e90","text":"\u76ee\u524d\u901a\u7528\u7684\u751f\u7269\u4fe1\u606f\u5b66\u7814\u7a76\u4e2d\uff0c3\u5927\u7f16\u7a0b\u8bed\u8a00\u4e3a\uff1aR\u3001Python\u548cShell\u3002Shell\u5fc5\u5b66\uff0c\u5176\u4ed6\u4e24\u8005\u9009\u62e9\u5176\u4e00\u5373\u53ef\u3002\u4e0b\u9762\u6536\u96c6\u548c\u5206\u4eab\u9002\u5408\u521d\u5b66\u8005\u7684\u5404\u7c7b\u8d44\u6e90\u3002
1\u3001The Unix Workbench\uff08\u82f1\u6587\uff09
\u8fd9\u672c\u4e66\u662f\u4e3a\u90a3\u4e9b\u521a\u63a5\u89e6\u7f16\u7a0b\u548c\u521a\u63a5\u89e6\u7c7b\u4f3cunix\u7684\u64cd\u4f5c\u7cfb\u7edf\uff08\u5982macOS\uff09\u548cLinux\u53d1\u884c\u7248\uff08\u5982Ubuntu\uff09\u7684\u4eba\u51c6\u5907\u7684\u3002\u672c\u4e66\u4e2d\u8ba8\u8bba\u7684\u5927\u591a\u6570\u6280\u672f\u90fd\u53ef\u4ee5\u901a\u8fc7\u547d\u4ee4\u884c\u63a5\u53e3\u8bbf\u95ee\u3002\u547d\u4ee4\u884c\u754c\u9762\u4e00\u5f00\u59cb\u770b\u8d77\u6765\u5f88\u964c\u751f\uff0c\u6240\u4ee5\u8fd9\u672c\u4e66\u8bd5\u56fe\u5728\u4f7f\u7528\u547d\u4ee4\u884c\u548c\u4f60\u901a\u5e38\u4f7f\u7528\u9f20\u6807\u548c\u952e\u76d8\u65f6\u91c7\u53d6\u7684\u52a8\u4f5c\u4e4b\u95f4\u753b\u51fa\u76f8\u4f3c\u4e4b\u5904\u3002\u4f60\u8fd8\u5c06\u5b66\u4e60\u5982\u4f55\u7528\u4e00\u79cd\u540d\u4e3aBash\u7684\u7f16\u7a0b\u8bed\u8a00\u7f16\u5199\u5c0f\u5757\u8f6f\u4ef6\uff0c\u5b83\u5141\u8bb8\u4f60\u5c06\u6211\u4eec\u5c06\u8981\u8ba8\u8bba\u7684\u5de5\u5177\u8fde\u63a5\u5728\u4e00\u8d77\u3002\u6211\u5e0c\u671b\u5728\u672c\u4e66\u7ed3\u675f\u65f6\uff0c\u4f60\u80fd\u591f\u50cf\u4f7f\u7528\u8fde\u63a5\u4e50\u9ad8\u79ef\u6728\u4e00\u6837\u4f7f\u7528\u4e0d\u540c\u7684Unix\u5de5\u5177\u3002
2\u3001R for data science\uff08\u82f1\u6587\uff09
\u8fd9\u662f\u201cR\u6570\u636e\u79d1\u5b66\u201d\u7684\u7f51\u7ad9\u3002\u8fd9\u672c\u4e66\u5c06\u6559\u4f60\u5982\u4f55\u4f7f\u7528R\u8fdb\u884c\u6570\u636e\u79d1\u5b66\uff1a\u4f60\u5c06\u5b66\u4e60\u5982\u4f55\u5c06\u6570\u636e\u8f6c\u6362\u4e3aR\uff0c\u4f7f\u5176\u6210\u4e3a\u6700\u6709\u7528\u7684\u7ed3\u6784\uff0c\u8f6c\u6362\u5b83\uff0c\u53ef\u89c6\u5316\u5b83\u5e76\u5efa\u6a21\u5b83\u3002\u5728\u8fd9\u672c\u4e66\u4e2d\uff0c\u4f60\u4f1a\u53d1\u73b0\u6570\u636e\u79d1\u5b66\u7684\u6280\u80fd\u5b9e\u8df5\u3002\u5c31\u50cf\u5316\u5b66\u5bb6\u5b66\u4e60\u5982\u4f55\u6e05\u6d01\u8bd5\u7ba1\u548c\u50a8\u5b58\u5b9e\u9a8c\u5ba4\u4e00\u6837\uff0c\u4f60\u4e5f\u5c06\u5b66\u4e60\u5982\u4f55\u6e05\u6d01\u6570\u636e\u548c\u7ed8\u56fe\u2014\u2014\u4ee5\u53ca\u5176\u4ed6\u8bb8\u591a\u4e8b\u60c5\u3002\u8fd9\u4e9b\u90fd\u662f\u8ba9\u6570\u636e\u79d1\u5b66\u53d1\u751f\u7684\u6280\u80fd\uff0c\u5728\u8fd9\u91cc\u4f60\u5c06\u53d1\u73b0\u7528R\u6765\u505a\u8fd9\u4e9b\u4e8b\u60c5\u7684\u6700\u4f73\u5b9e\u8df5\u3002\u4f60\u5c06\u5b66\u4e60\u5982\u4f55\u4f7f\u7528\u56fe\u5f62\u8bed\u6cd5\u3001\u8bfb\u5199\u7f16\u7a0b\u548c\u53ef\u91cd\u590d\u7814\u7a76\u6765\u8282\u7701\u65f6\u95f4\u3002\u4f60\u8fd8\u5c06\u5b66\u4e60\u5982\u4f55\u7ba1\u7406\u8ba4\u77e5\u8d44\u6e90\uff0c\u4ee5\u4fbf\u5728\u4e89\u8bba\u3001\u53ef\u89c6\u5316\u548c\u63a2\u7d22\u6570\u636e\u65f6\u4fc3\u8fdb\u53d1\u73b0\u3002
3\u3001\u5ed6\u96ea\u5cf0\u7684Python\u6559\u7a0b\uff08\u4e2d\u6587\uff09
\u5b66\u4e60Python\u5fc5\u8bfb\u5fc5\u63a8\u8350\u3002
4\u3001Introduction to Bioinformatics and Computational Biology\uff08\u82f1\u6587\uff09
\u8fd9\u662f\u54c8\u4f5b\u5927\u5b66STAT115/215 BIO/BST282\u7684\u8bfe\u7a0b\u6750\u6599\u3002\u672c\u8bfe\u7a0b\u7684\u6240\u6709YouTube\u89c6\u9891\u90fd\u57282021\u5e74STAT115\u64ad\u653e\u5217\u8868\u4e0b\uff08\u89c6\u9891\u6211\u8bb0\u5f97B\u7ad9\u4e0a\u4e5f\u6709\uff0c\u5927\u5bb6\u89c9\u5f97\u6709\u9700\u8981\u5c31\u53bb\u641c\u4e00\u4e0b\uff09\u3002
\u4e3b\u8981\u4f5c\u8005\u662fXiaole Shirley Liu
5\u3001Computational Genomics with R\uff08\u82f1\u6587\uff09
\u8fd9\u672c\u4e66\u7684\u76ee\u7684\u662f\u4e3a\u57fa\u56e0\u7ec4\u5b66\u63d0\u4f9b\u6570\u636e\u5206\u6790\u7684\u57fa\u7840\u3002\u6211\u4eec\u6839\u636e\u6bcf\u5e74\u5f00\u8bbe\u7684\u8ba1\u7b97\u57fa\u56e0\u7ec4\u5b66\u8bfe\u7a0b\u5f00\u53d1\u4e86\u8fd9\u672c\u4e66\u3002\u6211\u4eec\u603b\u662f\u6709\u6765\u81ea\u7269\u7406\u3001\u751f\u7269\u3001\u533b\u5b66\u3001\u6570\u5b66\u3001\u8ba1\u7b97\u673a\u79d1\u5b66\u6216\u5176\u4ed6\u5b9a\u91cf\u9886\u57df\u7684\u8de8\u5b66\u79d1\u542c\u4f17\u3002\u6211\u4eec\u5e0c\u671b\u8fd9\u672c\u4e66\u662f\u4e00\u4e2a\u8d77\u70b9\uff0c\u4e3a\u8ba1\u7b97\u57fa\u56e0\u7ec4\u5b66\u5b66\u751f\u548c\u8fdb\u4e00\u6b65\u7684\u6570\u636e\u5206\u6790\u5728\u57fa\u56e0\u7ec4\u5b66\u66f4\u5177\u4f53\u7684\u4e3b\u9898\u6307\u5357\u3002\u8fd9\u5c31\u662f\u4e3a\u4ec0\u4e48\u6211\u4eec\u8bd5\u56fe\u6db5\u76d6\u4ece\u7f16\u7a0b\u5230\u57fa\u7840\u57fa\u56e0\u7ec4\u751f\u7269\u5b66\u7684\u5404\u79cd\u5404\u6837\u7684\u4e3b\u9898\u3002\u7531\u4e8e\u8fd9\u662f\u4e00\u4e2a\u8de8\u5b66\u79d1\u7684\u9886\u57df\uff0c\u4e0d\u540c\u80cc\u666f\u7684\u4eba\u9700\u8981\u6709\u4e0d\u540c\u7684\u8d77\u70b9\u3002\u751f\u7269\u5b66\u5bb6\u53ef\u80fd\u8df3\u8fc7\u57fa\u672c\u57fa\u56e0\u7ec4\u751f\u7269\u5b66\u7684\u90e8\u5206\uff0c\u4eceR\u7f16\u7a0b\u5f00\u59cb\uff0c\u800c\u8ba1\u7b97\u673a\u79d1\u5b66\u5bb6\u53ef\u80fd\u60f3\u4ece\u57fa\u56e0\u7ec4\u751f\u7269\u5b66\u5f00\u59cb\u3002\u540c\u6837\uff0c\u4e00\u4e2a\u7ecf\u9a8c\u4e30\u5bcc\u7684\u4eba\u5728\u9700\u8981\u505a\u67d0\u79cd\u7c7b\u578b\u7684\u5206\u6790\u65f6\uff0c\u53ef\u80fd\u4f1a\u60f3\u8981\u53c2\u8003\u8fd9\u672c\u4e66\uff0c\u4f46\u4e4b\u524d\u6ca1\u6709\u7ecf\u9a8c\u3002
6\u3001Bioinformatics Data Skills\uff08\u82f1\u6587\uff09
\u3010\u4ed8\u8d39\uff1a\u51fa\u4e8e\u7248\u6743\u95ee\u9898\u6211\u4e0d\u4f1a\u5728\u516c\u4f17\u5e73\u53f0\u5206\u4eabPDF\u8d44\u6e90\uff0c\u8bf7\u9700\u8981\u7684\u8bfb\u8005\u6253\u8d4f\uff08\u81f3\u5c112\u5143\uff09\u5e76\u7559\u4e0b\u90ae\u7bb1\u548c\u8d44\u6e90\u4fe1\u606f\u540d\uff0c\u6211\u4f1a\u7edf\u4e00\u901a\u8fc7\u90ae\u4ef6\u53d1\u9001\u3002\u4e00\u5b9a\u8981\u7559\u90ae\u7bb1\uff0c\u5f53\u7136\u5355\u72ec\u6253\u8d4f\u4e5f\u662f\u53ef\u4ee5\u7684\u3002\u4ee5\u540ePDF\u7b49\u7535\u5b50\u4e66\u7684\u5206\u4eab\u4e5f\u91c7\u7528\u76f8\u540c\u7684\u6a21\u5f0f\u3011
8\u3001\u6781\u5ba2R\uff1a\u6570\u636e\u5206\u6790\u4e4b\u9053\uff08\u4e2d\u6587\uff09\uff1a\u6211\u4e4b\u524d\u5199\u4e86\u4e24\u7ae0\u4ecb\u7ecd\u5c31\u505c\u4e86\u7684\u4e66\u3002\u5bf9\u521d\u5b66\u8005\u8fd8\u662f\u5f88\u6709\u7528\u7684\u3002
7\u3001Markdown \u5165\u95e8\u53c2\u8003\uff08\u4e2d\u6587\uff09
Markdown \u662f\u4e00\u79cd\u8f7b\u91cf\u7ea7\u6807\u8bb0\u8bed\u8a00\uff0c\u521b\u59cb\u4eba\u4e3a\u7ea6\u7ff0\u00b7\u683c\u9c81\u4f2f\uff08John Gruber\uff09\u3002\u5b83\u5141\u8bb8\u4eba\u4eec\u201c\u4f7f\u7528\u6613\u8bfb\u6613\u5199\u7684\u7eaf\u6587\u672c\u683c\u5f0f\u7f16\u5199\u6587\u6863\uff0c\u7136\u540e\u8f6c\u6362\u6210\u6709\u6548\u7684 XHTML\uff08\u6216\u8005 HTML\uff09\u6587\u6863\u201d\u3002\u8fd9\u79cd\u8bed\u8a00\u5438\u6536\u4e86\u5f88\u591a\u5728\u7535\u5b50\u90ae\u4ef6\u4e2d\u5df2\u6709\u7684\u7eaf\u6587\u672c\u6807\u8bb0\u7684\u7279\u6027\u3002
"},{"location":"issue-1/#_8","title":"\u8d5e\u8d4f","text":"\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005 GitHub \u4ed3\u5e93\u4e3b\u9875\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
"},{"location":"issue-1/#_9","title":"\u8ba2\u9605","text":"\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-10/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 10 \u671f\uff09\uff1a\u5f00\u653e\u79d1\u5b66","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
GitHub \u7c89\u4eec\u53ef\u4ee5\u901a\u8fc7 Watch \u4ed3\u5e93\u7684 Release\uff08\u63d0\u524d\uff09\u5173\u6ce8\u53d1\u5e03\u5185\u5bb9\u3002
\u8ba8\u8bba\u533a\u7684\u5e16\u5b50\u300a\u8c01\u5728\u62db\u4eba\uff1f\u300b\uff0c\u63d0\u4f9b\u751f\u4fe1\u6df1\u9020\u548c\u5c31\u4e1a\u4fe1\u606f\uff0c\u6b22\u8fce\u8bbf\u95ee\u6216\u53d1\u5e03\u5b66\u4f4d\u653b\u8bfb/\u5de5\u4f5c/\u5b9e\u4e60\u7b49\u5c97\u4f4d\u3002
\u300c\u672c\u671f\u4e13\u7528\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-10/#_1","title":"\u5c01\u9762\u56fe","text":"\u6108\u52a0\u5f00\u653e\u7684\u79d1\u5b66\u662f\u672a\u6765\u7684\u6f6e\u6d41\u3002\uff08via\uff09
"},{"location":"issue-10/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u5f00\u653e\u79d1\u5b66","text":"\u8054\u5408\u56fd\u6559\u79d1\u6587\u7ec4\u7ec7\uff08UNESCO\uff09\u5927\u4f1a\u7b2c41\u5c4a\u4f1a\u8bae\u4e8e2021\u5e7411\u67089-24\u65e5\u53ec\u5f00\u3002\u5728\u7ecf\u8fc7\u4e00\u4e2a\u5305\u5bb9\u3001\u900f\u660e\u548c\u591a\u5229\u76ca\u76f8\u5173\u65b9\u7684\u534f\u5546\u8fc7\u7a0b\u4e4b\u540e\uff0c\u4f1a\u8bae\u5ba1\u8bae\u901a\u8fc7\u300a\u5f00\u653e\u79d1\u5b66\u5efa\u8bae\u4e66\u300b\uff0c\u6807\u5fd7\u7740\u5f00\u653e\u79d1\u5b66\u8fc8\u5165\u5168\u7403\u5171\u8bc6\u7684\u65b0\u9636\u6bb5\u3002
\u300a\u5f00\u653e\u79d1\u5b66\u5efa\u8bae\u4e66\u300b\u65e8\u5728\u4e3a\u5f00\u653e\u79d1\u5b66\u653f\u7b56\u548c\u5b9e\u8df5\u63d0\u4f9b\u4e00\u4e2a\u56fd\u9645\u6846\u67b6\uff0c\u5373\u627f\u8ba4\u5173\u4e8e\u5f00\u653e\u79d1\u5b66\u7684\u89c2\u70b9\u5b58\u5728\u5b66\u79d1\u548c\u5730\u533a\u5dee\u5f02\uff0c\u8003\u8651\u5230\u5b66\u672f\u81ea\u7531\u3001\u4fc3\u8fdb\u6027\u522b\u5e73\u7b49\u53d8\u9769\u7684\u65b9\u6cd5\u4ee5\u53ca\u4e0d\u540c\u56fd\u5bb6\u7279\u522b\u662f\u53d1\u5c55\u4e2d\u56fd\u5bb6\u7684\u79d1\u5b66\u5bb6\u548c\u5176\u4ed6\u5f00\u653e\u79d1\u5b66\u884c\u4e3a\u8005\u6240\u9762\u4e34\u7684\u5177\u4f53\u6311\u6218\uff0c\u5e76\u6709\u52a9\u4e8e\u7f29\u5c0f\u56fd\u5bb6\u4e4b\u95f4\u548c\u56fd\u5bb6\u5185\u90e8\u5b58\u5728\u7684\u6570\u5b57\u3001\u6280\u672f\u548c\u77e5\u8bc6\u9e3f\u6c9f\u3002
\u300c\u5f00\u653e\u79d1\u5b66\u5efa\u8bae\u4e66.pdf\u300d\uff0c\u70b9\u51fb\u94fe\u63a5\u4fdd\u5b58\uff0c\u6216\u8005\u590d\u5236\u672c\u6bb5\u5185\u5bb9\uff0c\u6253\u5f00\u300c\u963f\u91cc\u4e91\u76d8\u300dAPP \uff0c\u65e0\u9700\u4e0b\u8f7d\u6781\u901f\u5728\u7ebf\u67e5\u770b\uff0c\u89c6\u9891\u539f\u753b\u500d\u901f\u64ad\u653e\u3002 \u94fe\u63a5\uff1ahttps://www.aliyundrive.com/s/zbYedF3XwRF
"},{"location":"issue-10/#_3","title":"\u751f\u4fe1\u79d1\u6280\u52a8\u6001","text":"1\u3001\u9884\u5370\uff5c\u5728\u4e34\u5e8a\u76f8\u5173\u4f4eMap\u533a\u57df\u7ea0\u6b63\u7532\u57fa\u5316\u68c0\u6d4b
DNA\u7532\u57fa\u5316\u662f\u80da\u80ce\u53d1\u80b2\u3001\u81f4\u764c\u548c\u9057\u4f20\u8c03\u63a7\u7b49\u91cd\u8981\u751f\u7269\u5b66\u529f\u80fd\u7684\u91cd\u8981\u7ec4\u6210\u90e8\u5206\u3002\u51c6\u786e\u8bc4\u4f30\u57fa\u56e0\u7ec4\u7532\u57fa\u5316\u72b6\u6001\u7684\u65b9\u6cd5\u5bf9\u4e8e\u5176\u5728\u8bb8\u591a\u60c5\u51b5\u4e0b\u7684\u6709\u6548\u4f7f\u7528\u81f3\u5173\u91cd\u8981\uff0c\u5c24\u5176\u662f\u5728\u75be\u75c5\u7684\u68c0\u6d4b\u548c\u8bca\u65ad\u4e2d\u3002\u7532\u57fa\u5316\u5bf9\u6bd4\u5668\uff0c\u5982Bismark\u548cbwa-meth\uff0c\u7ecf\u5e38\u5206\u914d\u6bd4\u6240\u6620\u5c04\u7684\u533a\u57df\u7684\u552f\u4e00\u6027\u6240\u652f\u6301\u7684MapQ\u503c\u9ad8\u5f97\u591a\u3002\u8fd9\u4e9b\u4e0d\u6b63\u786e\u7684\u9ad8MapQ\u5bfc\u81f4\u91cd\u590d\u533a\u57df\u4e2d\u4e0d\u9002\u5f53\u7684\u7532\u57fa\u5316\u5b9a\u91cf\u68c0\u6d4b\u3002\u672c\u7814\u7a76\u4e3a\u7532\u57fa\u5316\u68c0\u6d4b\u5de5\u5177MethylDackel\u521b\u5efa\u4e86\u4e00\u4e2a\u65b0\u7279\u6027\uff0c\u4ee5\u6267\u884c\u57fa\u4e8e\u8bfb\u6bb5\u7684\u8fc7\u6ee4\u3002\u8fd9\u79cd\u65b0\u7684\u7532\u57fa\u5316\u8c03\u7528\u65b9\u6cd5\u5c06\u4e00\u4e9b\u8868\u9762\u4e0a\u7684\u6df7\u5408\u7532\u57fa\u5316\u4fee\u6b63\u4e3a0%\u6216100%\u7532\u57fa\u5316\uff0c\u5e76\u6d88\u9664\u4e86\u8bb8\u591a\u53ef\u4fe1\u7684\u7532\u57fa\u5316\u68c0\u6d4b\u7ed3\u679c\u3002
2\u3001BIB\uff5c\u6df1\u5ea6\u5b66\u4e60\u80fd\u5728\u591a\u5927\u7a0b\u5ea6\u4e0a\u63d0\u9ad8\u764c\u75c7\u7ec6\u80de\u7cfb\u5bf9\u836f\u7269\u53cd\u5e94\u7684\u9884\u6d4b?
\u6df1\u5ea6\u795e\u7ecf\u7f51\u7edc\u5df2\u88ab\u5e94\u7528\u4e8e1000\u591a\u4e2a\u764c\u75c7\u7ec6\u80de\u548c\u7ec4\u7ec7\u7684\u591a\u7ec4\u5b66\u6570\u636e\uff0c\u4ee5\u66f4\u597d\u5730\u9884\u6d4b\u836f\u7269\u53cd\u5e94\u3002\u4f5c\u8005\u603b\u7ed3\u5e76\u7814\u7a76\u4e86\u6700\u8fd1\u53d1\u8868\u7684\u6700\u5148\u8fdb\u7684\u6df1\u5ea6\u5b66\u4e60\u65b9\u6cd5\u3002\u5c3d\u7ba1\u6df1\u5ea6\u5b66\u4e60\u65b9\u6cd5\u5728\u836f\u7269\u53cd\u5e94\u9884\u6d4b\u65b9\u9762\u53d6\u5f97\u4e86\u91cd\u5927\u8fdb\u5c55\uff0c\u4f46\u6df1\u5ea6\u5b66\u4e60\u65b9\u6cd5\u5728\u9884\u6d4b\u672a\u51fa\u73b0\u5728\u8bad\u7ec3\u6570\u636e\u96c6\u4e2d\u7684\u836f\u7269\u53cd\u5e94\u65b9\u9762\u663e\u793a\u51fa\u5176\u5f31\u70b9\u3002\u7279\u522b\u662f\u5728\u836f\u7269\u76f2\u6d4b\u4e2d\uff0c\u6240\u6709\u88ab\u8bc4\u4f30\u7684\u6df1\u5ea6\u5b66\u4e60\u65b9\u6cd5\u90fd\u6bd4\u76f8\u4f3c\u6027-\u6b63\u5219\u5316\u77e9\u9635\u5206\u89e3\uff08SRMF\uff09\u65b9\u6cd5\u8868\u73b0\u5dee\u3002\u4f5c\u8005\u6982\u8ff0\u4e86\u5c06\u6df1\u5ea6\u5b66\u4e60\u65b9\u6cd5\u5e94\u7528\u4e8e\u836f\u7269\u53cd\u5e94\u9884\u6d4b\u7684\u6311\u6218\uff0c\u5e76\u63d0\u51fa\u4e86\u5c06\u6df1\u5ea6\u5b66\u4e60\u4e0e\u5df2\u6709\u7684\u751f\u7269\u4fe1\u606f\u5b66\u5206\u6790\u76f8\u7ed3\u5408\u7684\u65b9\u6cd5\u3002
3\u3001Nature | \u8868\u578b\u5173\u8054\u5206\u6790\u63ed\u793a\u7f55\u89c1\u53d8\u5f02\u4e0e\u4e0a\u4e07\u79cd\u5e38\u89c1\u75be\u75c5\u7684\u5173\u7cfb
\u5168\u57fa\u56e0\u7ec4\u5173\u8054\u7814\u7a76\u53d1\u73b0\u4e86\u4e0e\u4eba\u7c7b\u75be\u75c5\u76f8\u5173\u7684\u6570\u4ee5\u4e07\u8ba1\u7684\u5e38\u89c1\u53d8\u5f02\u3002\u7136\u800c\uff0c\u8fd9\u4e9b\u53d8\u5f02\u53ea\u80fd\u89e3\u91ca\u5f88\u5c11\u4e00\u90e8\u5206\u75be\u75c5\u7684\u53d1\u75c5\u539f\u56e0\u3002\u7f55\u89c1\u53d8\u5f02\uff08MAF<1%\uff09\u5728\u75be\u75c5\u7684\u53d1\u751f\u8fc7\u7a0b\u4e2d\u53d1\u6325\u7740\u91cd\u8981\u7684\u4f5c\u7528\u3002\u4f46\u662f\uff0c\u7f55\u89c1\u53d8\u5f02\u5bf9\u5e38\u89c1\u75be\u75c5\u7684\u8d21\u732e\u4ecd\u7136\u672a\u77e5\u3002\u82f1\u56fd\u751f\u7269\u94f6\u884c\uff08UK Biobank\uff0cUKB\uff09\u7eb3\u5165\u4e86\u7ea650\u4e07\u4eba\u7684\u57fa\u56e0\u7ec4\u6570\u636e\u53ca\u8be6\u7ec6\u7684\u7535\u5b50\u75c5\u4f8b\u4fe1\u606f\uff0c\u8fd9\u4e3a\u9057\u4f20\u5b66\u5bb6\u63d0\u4f9b\u4e86\u524d\u6240\u672a\u6709\u7684\u673a\u9047\u6765\u8bc4\u4f30\u7f55\u89c1\u53d8\u5f02\u5bf9\u5e38\u89c1\u75be\u75c5\u53d1\u751f\u7684\u5f71\u54cd\u3002\u5728\u672c\u7814\u7a76\u4e2d\uff0c\u4f5c\u8005\u7eb3\u5165\u4e86UKB\u4e2d269171\u4e2a\u5177\u6709\u6b27\u6d32\u8840\u7edf\u7684\u4eba\u7fa4\uff0c\u5206\u6790\u4e8617361\u79cd\u4e8c\u5143\u8868\u578b\uff08\u5982\u662f\u5426\u4e3a\u7cbe\u795e\u5206\u88c2\u75c7\uff09\u548c1419\u79cd\u5b9a\u91cf\u8868\u578b\uff08\u5982\u8840\u7cd6\u7b49\u6307\u6807\uff09\u4e0e\u7f55\u89c1\u7a81\u53d8\u7684\u5173\u7cfb\u3002\u4ee5\u57fa\u56e0\u4e3a\u5355\u4f4d\uff08Gene-based collapsing\uff09\u7684\u5173\u8054\u5206\u6790\u663e\u793a\uff0c\u5b58\u57281703\u4e2a\u5177\u6709\u7edf\u8ba1\u5b66\u610f\u4e49\u7684\u57fa\u56e0-\u4e8c\u5143\u8868\u578b\u5173\u8054\uff0c\u4e2d\u4f4d\u6570\u6bd4\u503c\u6bd4\uff08odds ratio\uff09\u4e3a12.4\u3002\u53e6\u5916\uff0c83%\u7684\u5173\u8054\u901a\u8fc7\u5355\u4e00\u53d8\u5f02\u5173\u8054\u5206\u6790\u65e0\u6cd5\u68c0\u6d4b\u5230\uff0c\u8fd9\u5f3a\u8c03\u4e86\u57fa\u4e8e\u57fa\u56e0\u7684collapsing\u5206\u6790\u5728\u9ad8\u7b49\u4f4d\u57fa\u56e0\u5f02\u8d28\u6027\u4e0b\u7684\u68c0\u51fa\u6548\u529b\u3002\u91cd\u8981\u7684\u662f\uff0c\u4e0e\u8868\u578b\u76f8\u5173\u7684\u57fa\u56e0\u663e\u8457\u5bcc\u96c6\u4e8eFDA\u5df2\u6279\u51c6\u7684\u836f\u7269\u9776\u70b9\u4e0a\u3002\u6700\u540e\uff0c\u4f5c\u8005\u8fdb\u4e00\u6b65\u4eceUKB\u4e2d\u7eb3\u5165\u4e86\u5177\u6709\u975e\u6d32\u3001\u4e1c\u4e9a\u548c\u5357\u4e9a\u8840\u7edf\u768411933\u540d\u4eba\u5458\u7684\u5916\u663e\u5b50\u7ec4\u6d4b\u5e8f\u6570\u636e\uff0c\u8fdb\u884c\u4e86\u8c31\u7cfb\u7279\u5f02\u6027\u548c\u6cdb\u8c31\u7cfbcollapsing\u5206\u6790\u3002\u603b\u4e4b\uff0c\u672c\u7814\u7a76\u9610\u8ff0\u4e86\u7f55\u89c1\u53d8\u5f02\u5728\u5e38\u89c1\u75be\u75c5\u53d1\u751f\u8fc7\u7a0b\u4e2d\u7684\u91cd\u8981\u4f5c\u7528\u3002
"},{"location":"issue-10/#_4","title":"\u6587\u7ae0","text":"1\u3001\u9ad8\u901a\u91cf\u6570\u636e\u6574\u5408\u5206\u6790\u4e2d\u6279\u6b21\u6548\u5e94\u7684\u9274\u5b9a\u548c\u5904\u7406
\u6279\u6b21\u6548\u5e94\u8868\u793a\u6837\u54c1\u5728\u4e0d\u540c\u7684\u6279\u6b21\u5904\u7406\u548c\u6d4b\u91cf\u65f6\u5f15\u5165\u7684\u4e0e\u751f\u7269\u72b6\u6001\u4e0d\u76f8\u5173\u7684\u7cfb\u7edf\u6027\u7684\u6280\u672f\u504f\u5dee\u3002\u5f88\u591a\u56e0\u7d20\u90fd\u53ef\u80fd\u5bfc\u81f4\u6279\u6b21\u6548\u5e94\u7684\u4ea7\u751f\uff0c\u5982\u4e0d\u540c\u5b9e\u9a8c\u6761\u4ef6\u3001\u4e0d\u540c\u64cd\u4f5c\u8005\u3001\u4e0d\u540c\u516c\u53f8\u7684\u8bd5\u5242\u3001\u4e0d\u540c\u6279\u7684\u8bd5\u5242\u3001\u5b9e\u9a8c\u5f00\u5c55\u7684\u65f6\u95f4\u3001\u68c0\u6d4b\u8bbe\u5907\u3001\u4e0d\u540c\u7684\u6d4b\u5e8f\u6279\u6b21\u7b49\u3002
2\u3001\u4f7f\u7528R\u5305Boruta\u8fdb\u884c\u7279\u5f81\u9009\u62e9\u8bc4\u4f30\u53d8\u91cf\u7684\u91cd\u8981\u6027
\u9ad8\u7ef4\u6570\u636e\u5728\u673a\u5668\u5b66\u4e60\u95ee\u9898\u4e2d\u975e\u5e38\u666e\u904d\uff0c\u8981\u4ece\u5927\u91cf\u6570\u636e\u4e2d\u63d0\u53d6\u6709\u7528\u4fe1\u606f\uff08\u4f8b\u5982\uff0c\u54ea\u4e9b\u53d8\u91cf\u5bf9\u4e8e\u9884\u6d4b\u6216\u89e3\u91ca\u7ed3\u679c\u66f4\u91cd\u8981\uff09\uff0c\u5fc5\u987b\u4f7f\u7528\u7edf\u8ba1\u6280\u672f\u6765\u51cf\u5c11\u566a\u58f0\u6216\u5197\u4f59\u3002\u6311\u9009\u91cd\u8981\u53d8\u91cf\u7684\u65b9\u6cd5\u6709\u5f88\u591a\uff0c\u672c\u7bc7\u7b80\u4ecb\u4e00\u4e2aR\u5305\uff0cBoruta\uff0c\u5b83\u662f\u56f4\u7ed5\u968f\u673a\u68ee\u6797\u5206\u7c7b\u7b97\u6cd5\u6784\u5efa\u7684\u5305\u88c5\u5668\uff0c\u7528\u4e8e\u6355\u83b7\u6570\u636e\u96c6\u4e2d\u6240\u6709\u4e0e\u7ed3\u679c\u53d8\u91cf\u76f8\u5173\u7684\u91cd\u8981\u3001\u6709\u8da3\u7684\u53d8\u91cf\u3002
3\u3001Cancer Cell \u957f\u6587\u7efc\u8ff0\uff1a\u5fae\u751f\u7269\u4e0e\u764c\u75c7
\u4eba\u4f53\u5fae\u751f\u7269\u7ec4\u6210\u4e86\u4e00\u4e2a\u590d\u6742\u7684\u591a\u754c\u7fa4\u843d\uff0c\u5728\u591a\u4e2a\u8eab\u4f53\u90e8\u4f4d\u4e0e\u5bbf\u4e3b\u5171\u751f\u4e92\u4f5c\u3002\u5bbf\u4e3b-\u5fae\u751f\u7269\u7684\u4e92\u4f5c\u5f71\u54cd\u591a\u79cd\u751f\u7406\u8fc7\u7a0b\u3001\u662f\u591a\u79cd\u591a\u56e0\u7d20\u75be\u75c5\u7684\u6761\u4ef6\u3002\u5728\u8fc7\u53bb10\u5e74\uff0c\u5fae\u751f\u7269\u7fa4\u843d\u88ab\u8ba4\u4e3a\u5f71\u54cd\u591a\u79cd\u764c\u75c7\u7684\u53d1\u751f\u3001\u53d1\u5c55\u3001\u8f6c\u79fb\u548c\u5bf9\u6cbb\u7597\u7684\u53cd\u5e94\u3002\u7136\u800c\u5fae\u751f\u7269\u5bf9\u764c\u75c7\u751f\u7269\u5b66\u5b58\u5728\u5f71\u54cd\u7684\u56e0\u679c\u8bc1\u636e\u624d\u521a\u521a\u88ab\u63ed\u793a\uff0c\u56e0\u6b64\u89e3\u6790\u5fae\u751f\u7269\u5bf9\u764c\u75c7\u7684\u8c03\u8282\u4ee5\u53ca\u5bf9\u764c\u75c7\u6cbb\u7597\u4ea7\u751f\u5f71\u54cd\u5728\u5206\u5b50\u5c42\u9762\u4e0a\u7684\u673a\u5236\uff0c\u5177\u6709\u91cd\u5927\u7684\u79d1\u5b66\u4ef7\u503c\u548c\u4e34\u5e8a\u610f\u4e49\u3002
\u5728\u8fd9\u7bc7\u7efc\u8ff0\u4e2d\uff0c\u7814\u7a76\u8005\u63cf\u8ff0\u4e86\u4e0d\u540c\u4fc3\u8fdb\u764c\u75c7\u53d1\u751f\u53d1\u5c55\u7684\u5fae\u751f\u7269\u751f\u6001\u4f4d\u5171\u540c\u5177\u6709\u7684\u5206\u5b50\u81f4\u75c5\u673a\u5236\uff1b\u5f3a\u8c03\u4e86\u5bf9\u76f8\u5173\u95ee\u9898\u7406\u89e3\u7684\u8fdb\u6b65\u6027\u3001\u5c40\u9650\u6027\u3001\u6311\u6218\u548c\u524d\u77bb\uff0c\u8fd9\u4e9b\u95ee\u9898\u5305\u62ec\u5fae\u751f\u7269\u5982\u4f55\u5f71\u54cd\u764c\u75c7\u548c\u764c\u75c7\u5bf9\u6cbb\u7597\u7684\u53cd\u5e94\u3001\u5fae\u751f\u7269\u6216\u5176\u5206\u6ccc\u7684\u5177\u6709\u751f\u7269\u6d3b\u6027\u7684\u4ee3\u8c22\u7269\u5982\u4f55\u5177\u6709\u6f5c\u5728\u7684\u5229\u7528\u4ef7\u503c\u3001\u5982\u4f55\u6210\u4e3a\u764c\u75c7\u6cbb\u7597\u7684\u7cbe\u51c6\u9776\u6807\u7b49\u7b49\u3002
"},{"location":"issue-10/#_5","title":"\u5de5\u5177","text":"1\u3001gggenomes - \u6bd4\u8f83\u57fa\u56e0\u7ec4\u5b66\u7684\u4e00\u79cd\u56fe\u5f62\u8bed\u6cd5
2\u3001pins - \u53d1\u73b0\u548c\u5171\u4eab\u8d44\u6e90
pins\u5305\u53d1\u5e03\u6570\u636e\u3001\u6a21\u578b\u548c\u5176\u4ed6R\u5bf9\u8c61\uff0c\u4f7f\u5f97\u8de8\u9879\u76ee\u548c\u4e0e\u540c\u4e8b\u5171\u4eab\u5b83\u4eec\u53d8\u5f97\u5bb9\u6613\u3002\u4f60\u53ef\u4ee5\u628a\u5bf9\u8c61\u9489\u5230\u5404\u79cd\u4e0d\u540c\u7684\u9489\u677f\u4e0a\uff0c\u5305\u62ec\u6587\u4ef6\u5939(\u5728\u7f51\u7edc\u9a71\u52a8\u5668\u4e0a\u5171\u4eab\u6216\u4e0eDropBox\u7b49\u670d\u52a1\u5171\u4eab)\u3001RStudio Connect\u3001Amazon S3\u3001Azure\u5b58\u50a8\u548c\u5fae\u8f6f365 (OneDrive\u548cSharePoint)\u3002\u53ef\u4ee5\u81ea\u52a8\u5bf9\u5f15\u811a\u8fdb\u884c\u7248\u672c\u63a7\u5236\uff0c\u4ece\u800c\u53ef\u4ee5\u76f4\u63a5\u8ddf\u8e2a\u66f4\u6539\u3001\u5bf9\u5386\u53f2\u6570\u636e\u91cd\u65b0\u8fd0\u884c\u5206\u6790\u548c\u64a4\u6d88\u9519\u8bef\u3002
3\u3001whatchanged - \u4e00\u4e2a\u4f18\u96c5\u7684\u53d8\u66f4\u65e5\u5fd7\u751f\u6210\u5668
\u65b9\u4fbf\u751f\u6210\u89c4\u8303\u4f18\u96c5\u7684\u4ee3\u7801\u53d8\u66f4\u65e5\u5fd7\u4fe1\u606f\u3002
4\u3001System Monitor - \u5fae\u8f6f\u2764\ufe0f\u5f00\u6e90
System Monitor\uff08Sysmon\uff09\u662f\u4e00\u4e2a\u7cfb\u7edf\u670d\u52a1\u548c\u8bbe\u5907\u9a71\u52a8\u7a0b\u5e8f\uff0c\u4e00\u65e6\u5b89\u88c5\u5728\u7cfb\u7edf\u4e0a\uff0c\u5c31\u4f1a\u5728\u7cfb\u7edf\u91cd\u542f\u65f6\u4fdd\u6301\u9a7b\u7559\uff0c\u4ee5\u76d1\u63a7\u5e76\u8bb0\u5f55\u7cfb\u7edf\u6d3b\u52a8\u5230\u4e8b\u4ef6\u65e5\u5fd7\u3002\u5b83\u63d0\u4f9b\u6709\u5173\u8fdb\u7a0b\u521b\u5efa\u3001\u7f51\u7edc\u8fde\u63a5\u548c\u6587\u4ef6\u521b\u5efa\u65f6\u95f4\u53d8\u5316\u7684\u8be6\u7ec6\u4fe1\u606f\u3002\u901a\u8fc7\u4f7f\u7528\u4e8b\u4ef6\u6536\u96c6\u6216 SIEM \u4ee3\u7406\u6536\u96c6\u5b83\u4ea7\u751f\u7684\u4e8b\u4ef6\uff0c\u5e76\u968f\u540e\u5bf9\u5176\u8fdb\u884c\u5206\u6790\uff0c\u7528\u6237\u53ef\u4ee5\u8bc6\u522b\u6076\u610f\u6216\u5f02\u5e38\u6d3b\u52a8\u3002
"},{"location":"issue-10/#_6","title":"\u8d44\u6e90","text":"1\u3001mathlets - \u6570\u5b66\u6982\u5ff5\u63a2\u7d22
2\u3001TICA - \u7cbe\u786e\u80bf\u7624\u5b66\u7684\u5355\u7ec6\u80de\u80bf\u7624\u514d\u75ab\u56fe\u8c31
\u6570\u636e\u4e0b\u8f7d\u5730\u5740\uff1ahttps://zenodo.org/record/5186413
3\u3001\u7f51\u6613\u4e91\u8bfe\u5802\u5f15\u8fdb\u4e9a\u9a6c\u900aAWS\u8fd1\u767e\u95e8IT\u7c7b\u8bfe\u7a0b\uff0c\u5411\u793e\u4f1a\u514d\u8d39\u5f00\u653e
\u949b\u5a92\u4f5310\u670826\u65e5\u6d88\u606f\uff0c\u4e13\u6ce8\u4e8e\u6210\u4eba\u804c\u4e1a\u6280\u80fd\u63d0\u5347\u7684\u7f51\u6613\u4e91\u8bfe\u5802\uff0c\u6b63\u5f0f\u5ba3\u5e03\u4e0a\u7ebf\u4e9a\u9a6c\u900a\u4e91\u79d1\u6280\uff08\u4ee5\u4e0b\u7b80\u79f0\u201c\u4e9a\u9a6c\u900aAWS\u201d\uff09\u4e2d\u6587\u5728\u7ebf\u57f9\u8bad\u8bfe\u7a0b\uff0c\u5e76\u627f\u8bfa\u5411\u5168\u793e\u4f1a\u514d\u8d39\u5f00\u653e\u3002
"},{"location":"issue-10/#_7","title":"\u8d5e\u8d4f","text":"\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
\u611f\u8c22\u4ee5\u4e0b\u8bfb\u8005\u5f80\u671f\u8d5e\u8d4f\uff1a
\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-11/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 11 \u671f\uff09\uff1a\u4e2d\u79d1\u9662\u8fd120\u5e74\u9662\u58eb\u589e\u9009\u4e4b\u6570\u636e\u5206\u6790","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
GitHub \u7c89\u4eec\u53ef\u4ee5\u901a\u8fc7 Watch \u4ed3\u5e93\u7684 Release\uff08\u63d0\u524d\uff09\u5173\u6ce8\u53d1\u5e03\u5185\u5bb9\u3002
\u8ba8\u8bba\u533a\u7684\u5e16\u5b50\u300a\u8c01\u5728\u62db\u4eba\uff1f\u300b\uff0c\u63d0\u4f9b\u751f\u4fe1\u6df1\u9020\u548c\u5c31\u4e1a\u4fe1\u606f\uff0c\u6b22\u8fce\u8bbf\u95ee\u6216\u53d1\u5e03\u5b66\u4f4d\u653b\u8bfb/\u5de5\u4f5c/\u5b9e\u4e60\u7b49\u5c97\u4f4d\u3002
\u300c\u672c\u671f\u4e13\u7528\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-11/#_1","title":"\u5c01\u9762\u56fe","text":"\u7528\u70ed\u529b\u56fe\u770b\u4e2d\u79d1\u9662\u5404\u4e2a\u5b66\u90e8\u8fd120\u5e74\u7684\u5165\u9009\u4eba\u6570\u3002\uff08via\uff09
"},{"location":"issue-11/#20","title":"\u672c\u5468\u8bdd\u9898\uff1a\u4e2d\u79d1\u9662\u8fd120\u5e74\u9662\u58eb\u589e\u9009\u4e4b\u6570\u636e\u5206\u6790","text":"\u672c\u5468\u7684\u8bdd\u9898\u662f\u7edf\u8ba1\u4e4b\u90fd\u53d1\u5e03\u7684\u6587\u7ae0\u300a\u6570\u8bf4\u98ce\u4e91\uff1a\u4e2d\u79d1\u9662\u8fd120\u5e74\u9662\u58eb\u589e\u9009\u4e4b\u6570\u636e\u5206\u6790\u300b\u3002\u5728\u6b64\u4e4b\u524d\uff0c\u8fd8\u65e0\u4eba\u7cfb\u7edf\u6574\u7406\u76f8\u5173\u7684\u6570\u636e\u3002\u8be5\u6587\u6574\u7406\u4e862000-2021\u5e74\u517111\u6b21\u4e2d\u79d1\u9662\u9662\u58eb\u589e\u9009\u4fe1\u606f\u4ee5\u53ca\u76f8\u5173\u5355\u4f4d\u5730\u5740\u548c\u7c7b\u578b\uff0c \u4ece\u4eba\u6570\u3001\u5b66\u90e8\u3001\u5355\u4f4d\u3001\u53cc\u4e00\u6d41\u5927\u5b66\u3001\u533a\u57df\u3001\u5355\u4f4d\u7c7b\u578b\u3001\u5e74\u9f84\u7b49\u591a\u4e2a\u89d2\u5ea6\u8fdb\u884c\u7edf\u8ba1\u3001\u53ef\u89c6\u5316\u548c\u6bd4\u8f83\u5206\u6790\u3002\u8be6\u7ec6\u7684\u4fe1\u606f\u53ef\u4ee5\u901a\u8fc7\u7f51\u5740https://costudy.gitee.io/cas-fellow/\u8fdb\u884c\u67e5\u770b\u3002
\u4e0d\u77e5\u9053\u5404\u4f4d\u751f\u4fe1\u770b\u5b98\u5bf9\u6b64\u6b21\u589e\u9009\u6709\u4f55\u611f\u89e6\u8bc4\u4ef7\uff1f\u662f\u5426\u53c2\u4e0e\u4e86\u9662\u58eb\u8bc4\u9009\u5de5\u4f5c\u800c\u6240\u6709\u7ecf\u9a8c\u611f\u60f3\uff1f
"},{"location":"issue-11/#_2","title":"\u751f\u4fe1\u79d1\u6280\u52a8\u6001","text":"1\u3001Nature & Science | \u65b0\u7586\u51fa\u571f\u56db\u5343\u5e74\u524d\u9057\u9ab8\u5b8c\u6210DNA\u6d4b\u5e8f\uff0c\u8bc1\u5b9e\u5e76\u975e\u79fb\u6c11\u800c\u662f\u571f\u8457
\u8fd1\u671f\u4e00\u4e2a\u5173\u4e8e\u4e2d\u56fd\u5854\u91cc\u6728\u76c6\u51fa\u571f\u7684\u6570\u767e\u5177\u81ea\u7136\u4fdd\u5b58\u7684\u9057\u9ab8\u8003\u53e4\u7814\u7a76\uff0c\u540c\u65f6\u767b\u4e0a\u4e86\u8457\u540d\u5b66\u672f\u671f\u520a\u300a\u81ea\u7136\u300b\u548c\u300a\u79d1\u5b66\u300b\u7684\u5b98\u7f51\u9996\u9875\u3002 \u8fd9\u4e00\u7814\u7a76\u89e3\u51b3\u4e86\u56f0\u6270\u8003\u53e4\u5b66\u754c\u5f88\u957f\u65f6\u95f4\u7684\u95ee\u9898\uff0c\u8fd9\u4e9b\u57cb\u85cf\u5728\u5854\u91cc\u6728\u76c6\u5730\u4e0a\u5343\u5e74\u7684\u9057\u9ab8\uff0c\u7a76\u7adf\u6765\u81ea\u54ea\u91cc\uff1f
\u6839\u636e\u57fa\u56e0\u6d4b\u5e8f\uff0c\u8fd9\u4e9b\u4fdd\u5b58\u5b8c\u597d\u7684\u9057\u9ab8\u53ef\u4ee5\u8ffd\u6eaf\u5230\u5927\u7ea69000\u5e74\u524d\u751f\u6d3b\u5728\u4e9a\u6d32\u7684\u77f3\u5668\u65f6\u4ee3\u72e9\u730e\u91c7\u96c6\u8005\uff0c\u5e76\u975e\u6765\u81ea\u5176\u4ed6\u5730\u57df\u7684\u79fb\u6c11\uff0c\u800c\u662f\u957f\u671f\u5c45\u4f4f\u5728\u6b64\u7684\u571f\u8457\u3002\u8fd9\u4e9b\u9057\u9ab8\u5728\u57fa\u56e0\u4e0a\u662f\u72ec\u7acb\u7684\uff0c\u795e\u5947\u7684\u662f\uff0c\u4ed6\u4eec\u5374\u5b66\u4f1a\u4e86\u5176\u4ed6\u7fa4\u4f53\u76f8\u540c\u7684\u9972\u517b\u7272\u755c\u548c\u79cd\u690d\u8c37\u7269\u7684\u65b9\u5f0f\u3002
\u5723\u8def\u6613\u65af\u534e\u76db\u987f\u5927\u5b66\u8003\u53e4\u5b66\u5bb6Michael Frachetti\u8868\u793a\uff0c\u8fd9\u4e00\u53d1\u73b0\u8868\u660e\uff0c\u6587\u5316\u4ea4\u6d41\u5e76\u4e0d\u603b\u662f\u4e0e\u9057\u4f20\u5173\u7cfb\u76f8\u4f34\u800c\u884c\u3002\u8fd9\u4e9b\u4eba\u4ec5\u4ec5\u662f\u4e92\u901a\u5f80\u6765\uff0c\u4f46\u8fd9\u5e76\u4e0d\u4e00\u5b9a\u610f\u5473\u7740\u8981\u7ed3\u5a5a\u751f\u5b50\u3002
2\u3001Nature | \u57fa\u4e8e45\u4e07\u6837\u672cWES\u6570\u636e\u63ed\u793a564\u4e2a\u5065\u5eb7\u6027\u72b6\u5173\u8054\u57fa\u56e0\uff0c\u6709\u671b\u5f00\u8f9f\u57fa\u56e0\u529f\u80fd\u7814\u7a76\u65b0\u822a\u9053
\u8fd1\u671f\uff0c\u6765\u81ea\u7f8e\u56fd\u201c\u518d\u751f\u5143\u201d\u9057\u4f20\u7814\u7a76\u4e2d\u5fc3\u7684\u7814\u7a76\u56e2\u961f\u4e0eUK Biobank\u56e2\u961f\u5408\u4f5c\uff0c\u5bf945\u4e07\u540d\u53c2\u4e0e\u8005\u8fdb\u884c\u4e86\u5916\u663e\u5b50\u7ec4\u6d4b\u5e8f\uff0c\u5229\u7528\u751f\u7269\u4fe1\u606f\u5206\u6790\u7814\u7a76\u4e86\u86cb\u767d\u8d28\u6539\u53d8\u5e26\u6765\u7684\u8868\u578b\u53d8\u5316\u3002
\uff08\u4ec0\u4e48\u65f6\u5019\u4e2d\u56fd\u6709\u6b64\u89c4\u6a21\u3001\u7cfb\u7edf\u7684\u8ba1\u5212\u548c\u516c\u5f00\u6570\u636e\uff1f\uff09
3\u3001NC | \u7f51\u7edc\u5206\u6790\u63ed\u793a\u4e86\u751f\u7269\u7ec4\u7ec7\u7684\u591a\u4e2a\u5c42\u6b21\u7684\u7f55\u89c1\u75be\u75c5\u7279\u5f81
\u7f55\u89c1\u7684\u9057\u4f20\u75be\u75c5\u901a\u5e38\u662f\u7531\u5355\u4e2a\u57fa\u56e0\u7f3a\u9677\u5f15\u8d77\u7684\u3002\u5c3d\u7ba1\u57fa\u56e0\u578b\u548c\u8868\u578b\u4e4b\u95f4\u6709\u660e\u786e\u7684\u56e0\u679c\u5173\u7cfb\uff0c\u4f46\u5728\u751f\u7269\u7ec4\u7ec7\u7684\u4e0d\u540c\u5c42\u6b21\u4e0a\u786e\u5b9a\u75c5\u7406\u751f\u7269\u5b66\u673a\u5236\u4ecd\u7136\u662f\u4e00\u4e2a\u5b9e\u8df5\u548c\u6982\u5ff5\u4e0a\u7684\u6311\u6218\u3002\u672c\u6587\u4ecb\u7ecd\u4e86\u4e00\u79cd\u7f51\u7edc\u65b9\u6cd5\uff0c\u7528\u4e8e\u8bc4\u4f30\u7f55\u89c1\u57fa\u56e0\u7f3a\u9677\u5728\u751f\u7269\u5c3a\u5ea6\u4e0a\u7684\u5f71\u54cd\u3002\u672c\u6587\u6784\u5efa\u4e86\u4e00\u4e2a\u7531\u8d85\u8fc72000\u4e07\u4e2a\u57fa\u56e0\u5173\u7cfb\u7ec4\u6210\u7684\u591a\u91cd\u7f51\u7edc\uff0c\u8fd9\u4e9b\u57fa\u56e0\u5173\u7cfb\u88ab\u7ec4\u7ec7\u621046\u4e2a\u7f51\u7edc\u5c42\uff0c\u8de8\u8d8a\u4e86\u57fa\u56e0\u578b\u548c\u8868\u578b\u4e4b\u95f4\u76846\u4e2a\u4e3b\u8981\u751f\u7269\u5c3a\u5ea6\u3002\u5bf93771\u79cd\u7f55\u89c1\u75be\u75c5\u7684\u7efc\u5408\u5206\u6790\u63ed\u793a\u4e86\u4e0d\u540c\u7684\u8868\u578b\u6a21\u5757\u5728\u5404\u4e2a\u5c42\u6b21\u3002\u8fd9\u4e9b\u6a21\u5757\u53ef\u7528\u4e8e\u673a\u68b0\u5206\u6790\u57fa\u56e0\u7f3a\u9677\u7684\u5f71\u54cd\uff0c\u5e76\u51c6\u786e\u9884\u6d4b\u7f55\u89c1\u75be\u75c5\u5019\u9009\u57fa\u56e0\u3002\u7ed3\u679c\u8868\u660e\uff0c\u75be\u75c5\u6a21\u5757\u5f62\u5f0f\u53ef\u4ee5\u5e94\u7528\u4e8e\u7f55\u89c1\u75be\u75c5\uff0c\u5e76\u63a8\u5e7f\u5230\u7269\u7406\u4ea4\u4e92\u7f51\u7edc\u4e4b\u5916\u3002\u8fd9\u4e9b\u53d1\u73b0\u4e3a\u5e94\u7528\u57fa\u4e8e\u7f51\u7edc\u7684\u5de5\u5177\u8fdb\u884c\u8de8\u89c4\u6a21\u7684\u6570\u636e\u96c6\u6210\u5f00\u8f9f\u4e86\u65b0\u7684\u9014\u5f84\u3002
4\u3001Communications Biology | \u57fa\u4e8e\u6df1\u5ea6\u5b66\u4e60\u7b97\u6cd5\u7684DIA\u6570\u636e\u5904\u7406\u65b9\u6cd5\uff0c\u6709\u6548\u63d0\u5347DIA\u86cb\u767d\u8d28\u7ec4\u5b66\u5206\u6790\u6027\u80fd
\u6570\u636e\u72ec\u7acb\u91c7\u96c6\uff08Data-independent acquisition\uff0cDIA\uff09\u662f\u5f53\u524d\u86cb\u767d\u8d28\u7ec4\u5b66\u4e2d\u5e94\u7528\u8303\u56f4\u8f83\u5e7f\u7684\u91c7\u96c6\u65b9\u5f0f\u3002\u4e0e\u6570\u636e\u4f9d\u8d56\u91c7\u96c6\uff08Data-dependent acquisition, DDA\uff09\u7684\u7b56\u7565\u76f8\u6bd4\uff0cDIA\u907f\u514d\u4e86\u4ec5\u5bf9\u9ad8\u4e30\u5ea6\u86cb\u767d\u8d28\u4fe1\u53f7\u91c7\u96c6\u7684\u504f\u597d\u6027\uff0c\u8f6c\u800c\u91c7\u53d6\u201c\u517c\u5bb9\u5e76\u5305\u201d\u7684\u7b56\u7565\uff0c\u5c06\u4e00\u7ea7\u8d28\u8c31\u7684\u8377\u8d28\u6bd4\u8303\u56f4\u5206\u4e3a\u6570\u4e2a\u7a97\u53e3\uff0c\u5728\u4e8c\u7ea7\u8d28\u8c31\u4e2d\u91c7\u96c6\u5404\u4e2a\u7a97\u53e3\u5185\u6240\u5305\u542b\u7684\u6240\u6709\u6bcd\u79bb\u5b50\u788e\u88c2\u6240\u4ea7\u751f\u7684\u5b50\u79bb\u5b50\u4fe1\u53f7\u3002\u6b63\u662f\u5982\u6b64\uff0cDIA\u5177\u6709\u76f8\u6bd4DDA\u66f4\u597d\u7684\u91cd\u73b0\u6027\u4e0e\u5b9a\u91cf\u51c6\u786e\u6027\uff0c\u5728\u6837\u672c\u6570\u91cf\u8f83\u5927\u65f6\u80fd\u591f\u83b7\u5f97\u66f4\u52a0\u51c6\u786e\u800c\u7a33\u5b9a\u7684\u86cb\u767d\u8868\u8fbe\u77e9\u9635\uff0c\u56e0\u800c\u66f4\u52a0\u9002\u7528\u4e8e\u5927\u89c4\u6a21\u7684\u5b9a\u91cf\u86cb\u767d\u8d28\u7ec4\u5b66\u7814\u7a76\u3002
\u672c\u6587\uff0c\u7814\u7a76\u56e2\u961f\u5f00\u53d1\u4e86\u57fa\u4e8e\u6df1\u5ea6\u5b66\u4e60\u7b97\u6cd5\u7684DIA\u6570\u636e\u5904\u7406\u65b9\u6cd5DreamDIAXMBD\uff0c\u901a\u8fc7\u5bf9DIA\u8c31\u56fe\u5e93\u4ee5\u53ca\u6570\u636e\u7684\u5206\u6790\uff0c\u8bbe\u8ba1\u4e86\u5305\u542b\u4e0a\u767e\u79cd\u8272\u8c31\u5cf0\u7c7b\u578b\u7684\u65b0\u578b\u8c31\u56fe\u6570\u636e\u7ed3\u6784\u4ee3\u8868\u6027\u8c31\u56fe\u77e9\u9635\uff08representative spectral matrix\uff0cRSM\uff09\uff0c\u4f7f\u7528\u6df1\u5ea6\u5b66\u4e60\u7b97\u6cd5\u63d0\u53d6DIA\u80bd\u6bb5\u8c31\u56fe\u4e2d\u7684\u6d17\u8131\u7279\u5f81\uff0c\u6709\u6548\u63d0\u5347\u4e86DIA\u6570\u636e\u5904\u7406\u7b97\u6cd5\u7684\u51c6\u786e\u5ea6\uff0c\u5e76\u5728\u5b9a\u6027\u3001\u5b9a\u91cf\u7b49\u591a\u4e2a\u65b9\u9762\u8d85\u8d8a\u4e86\u76ee\u524d\u5e7f\u6cdb\u4f7f\u7528\u7684\u5f00\u6e90DIA\u6570\u636e\u5904\u7406\u8f6f\u4ef6OpenSWATH\u3001Skyline\u548cDIA-NN\u3002
"},{"location":"issue-11/#_3","title":"\u6587\u7ae0","text":"1\u3001\u5728Linux\u7684\u9ed1\u767d\u547d\u4ee4\u884c\u65e0\u6cd5\u770bR\u8bed\u8a00\u914d\u8272\u7684\u89e3\u51b3\u65b9\u6848
Linux\u7684\u9ed1\u767d\u547d\u4ee4\u884c\u65e0\u6cd5\u770bR\u8bed\u8a00\u914d\u8272\uff0c\u672c\u6587\u63a8\u8350\u4e86\u4e00\u4e2a\u5de5\u5177\u5e76\u4ecb\u7ecd\u5982\u4f55\u4f7f\u7528\u3002
2\u3001\u8fdc\u7a0b\u8fd0\u884cjupyter notebook\uff1a\u5bc6\u7801\u767b\u5f55\u548ctoken\u767b\u5f55
\u672c\u6587\u4ecb\u7ecd\u5982\u4f55\u4f7f\u7528\u5bc6\u7801\u548ctoken\u767b\u5f55Jupyter Notebook\u3002
3\u3001Jetbrains \u53d1\u5e03\u4e0b\u4e00\u4ee3\u7f16\u8f91\u5668\u300cFleet\u300d
\u8fd9\u662f\u4e00\u4e2a\u5bf9\u6807VS Code\u7684\u8f6f\u4ef6\uff0c\u76ee\u524d\u5904\u4e8e\u9080\u8bf7\u6d4b\u8bd5\u4e2d\u3002
\u56e0\u4e3a Fleet\uff0c\u6211\u4eec\u4e0d\u518d\u9700\u8981\u6253\u5f00\u4e0d\u540c\u7684 IDE \u6765\u83b7\u5f97\u7279\u5b9a\u6280\u672f\u6240\u9700\u7684\u529f\u80fd\u3002\u4f7f\u7528 Fleet\uff0c\u4e00\u5207\u90fd\u5728\u4e00\u4e2a\u5e94\u7528\u7a0b\u5e8f\u4e2d\u3002
"},{"location":"issue-11/#_4","title":"\u5de5\u5177","text":"1\u3001easystats
easystats\u662f\u4e00\u4e2a\u7ec4\u7ec7\uff0c\u63d0\u4f9b\u4e86\u4e00\u7cfb\u5217\u65b9\u4fbf\u5728R\u4e2d\u5904\u7406\u7edf\u8ba1\u5206\u6790\u4e0e\u5efa\u6a21\u7684\u5de5\u5177\u5305\u3002
2\u3001hardhat
hardhat\u662f\u4e00\u4e2a\u4ee5\u5f00\u53d1\u4eba\u5458\u4e3a\u4e2d\u5fc3\u7684\u5305\uff0c\u65e8\u5728\u7b80\u5316\u65b0\u7684\u5efa\u6a21\u5305\u7684\u521b\u5efa\uff0c\u540c\u65f6\u4fc3\u8fdb\u826f\u597d\u7684R\u5efa\u6a21\u5305\u6807\u51c6\uff0c\u8fd9\u4e9b\u6807\u51c6\u662f\u7531R\u5efa\u6a21\u5305\u7684\u4e00\u7ec4\u4f20\u7edf\u7684\u7ea6\u5b9a\u6240\u5236\u5b9a\u7684\u3002
3\u3001BruceR - \u4e00\u4e2a\u7edf\u8ba1\u68c0\u9a8c\u7684R\u5305\uff0c\u53ef\u4ee5\u5f88\u65b9\u4fbf\u5730\u8fdb\u884c\u7b80\u5355\u6548\u5e94\u68c0\u9a8c\u548c\u591a\u91cd\u6548\u5e94\u68c0\u9a8c
(\u611f\u8c22\u77e5\u4e4e@\u8c37\u96e8\u6295\u7a3f)
1\u3001\u7528R\u8bbf\u95ee\u4eba\u7c7b\u7ec6\u80de\u56fe\u8c31\u6570\u636e
\u8bfe\u4ef6\u94fe\u63a5\uff1ahttps://www.aliyundrive.com/s/DjUaNNPxegL
2\u3001Pre-submission inquiry\u6a21\u677f
3\u3001Recount3\uff1a75\u4e07\u4e2a\u8f6c\u5f55\u7ec4\u6570\u636e\u91cd\u5206\u6790\u9879\u76ee
"},{"location":"issue-11/#_6","title":"\u8d5e\u8d4f","text":"\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
\u611f\u8c22\u4ee5\u4e0b\u8bfb\u8005\u5f80\u671f\u8d5e\u8d4f\uff1a
\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-12/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 12 \u671f\uff09\uff1a\u4f60\u7684\u996e\u98df\u6a21\u5f0f\u9700\u8981\u6539\u53d8\u5417\uff1f","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
GitHub \u7c89\u4eec\u53ef\u4ee5\u901a\u8fc7 Watch \u4ed3\u5e93\u7684 Release\uff08\u63d0\u524d\uff09\u5173\u6ce8\u53d1\u5e03\u5185\u5bb9\u3002
\u8ba8\u8bba\u533a\u7684\u5e16\u5b50\u300a\u8c01\u5728\u62db\u4eba\uff1f\u300b\uff0c\u63d0\u4f9b\u751f\u4fe1\u6df1\u9020\u548c\u5c31\u4e1a\u4fe1\u606f\uff0c\u6b22\u8fce\u8bbf\u95ee\u6216\u53d1\u5e03\u5b66\u4f4d\u653b\u8bfb/\u5de5\u4f5c/\u5b9e\u4e60\u7b49\u5c97\u4f4d\u3002
\u300c\u672c\u671f\u4e13\u7528\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-12/#_1","title":"\u5c01\u9762\u56fe","text":"\u7981\u98df\u5728\u80fd\u91cf\u9650\u5236\u996e\u98df\u7684\u53cd\u5e94\u4e2d\u8d77\u7740\u81f3\u5173\u91cd\u8981\u7684\u4f5c\u7528\u3002(via)
"},{"location":"issue-12/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u4f60\u7684\u996e\u98df\u6a21\u5f0f\u9700\u8981\u6539\u53d8\u5417\uff1f","text":"2021 \u5e74 10 \u6708 18 \u65e5\uff0c\u56fd\u9645\u671f\u520a\u300a\u81ea\u7136\u533b\u5b66\u300b\u516c\u5f00\u53d1\u8868\u4e00\u7bc7\u7814\u7a76\u8bba\u6587\uff0c\u63a2\u8ba8\u996e\u98df\u6a21\u5f0f\u548c\u6539\u5584\u751f\u7406\u5065\u5eb7\u4e4b\u95f4\u7684\u5173\u7cfb\u3002\u7814\u7a76\u5c06\u5c0f\u9f20\u5206\u4e3a5\u7ec4\uff1a\uff081\uff09\u81ea\u7531\u53d6\u98df\u3001\uff082\uff09\u9650\u5236 30% \u7684\u70ed\u91cf\u6444\u53d6\uff0c\u5355\u6ca1\u6709\u7981\u98df\u671f\u3001\uff083\uff09\u9650\u5236 30% \u7684\u70ed\u91cf\u6444\u53d6\uff0c\u534a\u5929\u5185\u7ed9\u98df\u4e09\u6b21\uff0c\u53e6\u5916\u534a\u5929\u7981\u98df\u3001\uff084\uff09\u9650\u5236 30% \u7684\u70ed\u91cf\u6444\u53d6\uff0c\u6bcf\u5929\u53ea\u7ed9\u98df\u4e00\u6b21\uff0c\u53e6\u5916\u534a\u5929\u7981\u98df\u3001\uff085\uff09\u70ed\u91cf\u6444\u53d6\u603b\u91cf\u4e0d\u53d8\uff0c\u4f46\u6bcf\u5929\u7981\u98df 21 \u5c0f\u65f6\u3002
\u7814\u7a76\u8fd0\u7528\u4ee3\u8c22\u7ec4\u5b66\u4e0e\u8f6c\u5f55\u7ec4\u5206\u6790\u7b49\u65b9\u6cd5\uff0c\u53d1\u73b0\u4ec5\u4ec5\u300c\u7981\u98df\u300d\u800c\u6ca1\u6709\u51cf\u5c11\u6444\u53d6\u7684\u603b\u70ed\u91cf\uff0c\u5c31\u8db3\u4ee5\u5f97\u5230\u5728\u9650\u5236\u70ed\u91cf\u7684\u996e\u98df\u6a21\u5f0f\u65f6\u51fa\u73b0\u7684\u5927\u90e8\u5206\u4ee3\u8c22\u4e0e\u6838\u9178\u8f6c\u5f55\u7ec4\u7279\u5f81\uff0c\u4ee5\u53ca\u5ef6\u957f\u5bff\u547d\u3001\u9632\u6b62\u8870\u5f31\u7b49\u5065\u5eb7\u4e0a\u7684\u597d\u5904\u3002
\u8bfb\u8005\u89c9\u5f97\u8fd9\u79cd\u996e\u98df\u6a21\u5f0f\u53ef\u4ee5\u8fc1\u79fb\u5230\u4eba\u5417\uff1f
\u4ece\u4e2a\u4eba\u89d2\u5ea6\u6765\u770b\uff0c\u5982\u679c\u6bcf\u5929\u53ea\u67093\u5c0f\u65f6\u80fd\u81ea\u7531\u5403\u996d\uff0c\u5176\u4ed621\u5c0f\u65f6\u65e0\u6cd5\u8fdb\u98df\uff0c\u5403\u996d\u540e6-8\u5c0f\u65f6\u6d88\u5316\u540e\u5e26\u6765\u7684\u9965\u997f\u611f\u5bf9\u4eba\u7684\u80a0\u80c3\u3001\u7cbe\u795e\u5e26\u6765\u7684\u5f71\u54cd\u5f88\u96be\u5ffd\u7565\u3002
"},{"location":"issue-12/#_3","title":"\u751f\u4fe1\u79d1\u6280\u52a8\u6001","text":"1\u3001Nature Communication | scGCN is a graph convolutional networks algorithm for knowledge transfer in single cell omics
\u5728\u6587\u732e\u548c\u516c\u5171\u57fa\u56e0\u7ec4\u5b66\u8d44\u6e90\u5e93\u4e2d\uff0c\u5355\u7ec6\u80de\u7ec4\u5b66\u662f\u589e\u957f\u6700\u5feb\u7684\u57fa\u56e0\u7ec4\u5b66\u6570\u636e\u7c7b\u578b\u3002\u5229\u7528\u4e0d\u65ad\u589e\u957f\u7684\u6807\u7b7e\u6570\u636e\u96c6\uff0c\u5e76\u5c06\u6807\u7b7e\u4ece\u73b0\u6709\u6570\u636e\u96c6\u8fc1\u79fb\u5230\u65b0\u4ea7\u751f\u7684\u6570\u636e\u96c6\uff0c\u5c06\u589e\u5f3a\u5355\u7ec6\u80de\u7ec4\u5b66\u6570\u636e\u7684\u63a2\u7d22\u3002\u7136\u800c\uff0c\u76ee\u524d\u7684\u6807\u7b7e\u8fc1\u79fb\u65b9\u6cd5\u6027\u80fd\u6709\u9650\uff0c\u4e3b\u8981\u662f\u7531\u4e8e\u7ec6\u80de\u7fa4\u7684\u5185\u5728\u5f02\u8d28\u6027\u548c\u6570\u636e\u96c6\u4e4b\u95f4\u7684\u5916\u5728\u5dee\u5f02\u3002\u5728\u8fd9\u91cc\uff0c\u4f5c\u8005\u63d0\u51fa\u4e86\u4e00\u4e2a\u5f3a\u5927\u7684\u56fe\u6a21\u578b\u2013\u5355\u7ec6\u80de\u56fe\u5377\u79ef\u7f51\u7edc\uff08scGCN\uff09\uff0c\u4ee5\u5b9e\u73b0\u4e0d\u540c\u6570\u636e\u96c6\u4e4b\u95f4\u7684\u6709\u6548\u77e5\u8bc6\u8fc1\u79fb\u3002\u901a\u8fc7\u5728\u603b\u517130\u4e2a\u5355\u7ec6\u80de\u7ec4\u5b66\u6570\u636e\u96c6\u4e0a\u4e0e\u5176\u4ed6\u6807\u7b7e\u8fc1\u79fb\u65b9\u6cd5\u7684\u6bd4\u8f83\uff0cscGCN\u5728\u5229\u7528\u6765\u81ea\u4e0d\u540c\u7ec4\u7ec7\u3001\u5e73\u53f0\u548c\u7269\u79cd\u7684\u7ec6\u80de\u4ee5\u53ca\u5728\u4e0d\u540c\u5206\u5b50\u5c42\u7684\u7ec6\u80de\u5206\u6790\u4e0a\u59cb\u7ec8\u8868\u73b0\u51fa\u5353\u8d8a\u7684\u51c6\u786e\u6027\u3002
2\u3001Science Advanced | \u673a\u5668\u5b66\u4e60\u901a\u8fc7\u5206\u6790\u6c34\u5e73\u57fa\u56e0\u8f6c\u79fb\uff0c\u9884\u6d4b\u6297\u751f\u7d20\u8010\u836f\u6027\u4f20\u64ad
\u6211\u4eec\u719f\u6089\u7684\u4ece\u7236\u6bcd\u9057\u4f20\u7ed9\u5b69\u5b50\u4e00\u822c\u88ab\u79f0\u4e3a\u5782\u76f4\u57fa\u56e0\u8f6c\u79fb\uff1b\u6c34\u5e73\u57fa\u56e0\u8f6c\u79fb\uff0c\u5219\u662f\u6307\u7684\u662f\u4e00\u4e2a\u6216\u591a\u4e2a\u57fa\u56e0\uff0c\u901a\u8fc7\u7236\u6bcd\u9057\u4f20\u4ee5\u5916\u7684\u65b9\u5f0f\u8fdb\u884c\u4f20\u9012\u3002
\u6c34\u5e73\u57fa\u56e0\u8f6c\u79fb\u5e38\u89c1\u4e8e\u7ec6\u83cc\u4e4b\u4e2d\uff0c\u6709\u4e9b\u7ec6\u83cc\u4e3b\u52a8\u540c\u5468\u56f4\u7684\u7ec6\u83cc\u53d1\u751f\u63a5\u5408\u4f5c\u7528\u5e76\u5171\u4eab\u57fa\u56e0\uff0c\u4ece\u800c\u5b9e\u73b0\u57fa\u56e0\u8f6c\u79fb\u3002\u5373\u4f7f\u5b83\u4eec\u662f\u5b8c\u5168\u4e0d\u540c\u7684\u79cd\u7c7b\uff0c\u4e00\u4e9b\u7ec6\u83cc\u6536\u96c6\u4ece\u5176\u4ed6\u7ec6\u80de\u91ca\u653e\u51fa\u6765\u7684\u57fa\u56e0\u5e76\u5c06\u5b83\u4eec\u6536\u4e3a\u5df1\u7528\u3002\u5982\u679c\u5916\u6e90\u57fa\u56e0\u9002\u5e94\u826f\u597d\uff0c\u5728\u589e\u6b96\u65f6\u7ec6\u83cc\u4f1a\u5c06\u5916\u6e90\u57fa\u56e0\u4f20\u9012\u7ed9\u540e\u4ee3\uff1b\u5047\u5982\u8fd9\u4e2a\u5916\u6e90\u57fa\u56e0\u662f\u6297\u751f\u7d20\u6297\u6027\u57fa\u56e0\uff0c\u5c06\u4f1a\u7ed9\u75be\u63a7\u5e26\u6765\u4e86\u975e\u5e38\u5927\u7684\u56f0\u6270\u3002
\u7cfb\u7edf\u53d1\u80b2\u8ddd\u79bb\u3001\u5171\u4eab\u751f\u6001\u5b66\u548c\u57fa\u56e0\u7ec4\u7ea6\u675f\u901a\u5e38\u88ab\u8ba4\u4e3a\u662f\u63a7\u5236\u6c34\u5e73\u57fa\u56e0\u8f6c\u79fb\uff08HGT\uff09\u7684\u5173\u952e\u9a71\u52a8\u56e0\u7d20\uff0c\u5c3d\u7ba1\u5b83\u4eec\u7684\u76f8\u5bf9\u8d21\u732e\u5c1a\u4e0d\u6e05\u695a\u3002
\u5eb7\u5948\u5c14\u5927\u5b66\u7684\u7814\u7a76\u4eba\u5458\u5c06\u673a\u5668\u5b66\u4e60\u7b97\u6cd5\u5e94\u7528\u4e8e\u4e00\u7ec4\u7cbe\u9009\u7684\u4e0d\u540c\u7ec6\u83cc\u57fa\u56e0\u7ec4\uff0c\u4ee5\u68b3\u7406\u7279\u5b9a\u529f\u80fd\u7279\u5f81\u5bf9 HGT \u4e8b\u4ef6\u7684\u91cd\u8981\u6027\u3002 \u7814\u7a76\u4eba\u5458\u53d1\u73b0\u529f\u80fd\u6027\u5185\u5bb9\u51c6\u786e\u9884\u6d4bHGT\u7f51\u7edc\uff0c\u6d89\u53ca\u6297\u751f\u7d20\u6297\u6027\u57fa\u56e0\uff08ARG\uff09\u7684\u8f6c\u79fb\u7684\u6027\u80fd\u8fdb\u4e00\u6b65\u63d0\u9ad8\uff0c\u7a81\u51fa\u4e86HGT\u673a\u5236\u3001\u751f\u6001\u4f4d\u7279\u5f02\u6027\u548c\u4ee3\u8c22\u529f\u80fd\u7684\u91cd\u8981\u6027\u3002\u53d1\u73b0\u5c1a\u672a\u68c0\u6d4b\u5230\u7684\u9ad8\u6982\u7387 ARG \u8f6c\u79fb\u4e8b\u4ef6\uff0c\u51e0\u4e4e\u662f\u4eba\u7c7b\u76f8\u5173\u7ec6\u83cc\u6240\u72ec\u6709\u7684\u3002\u8be5\u65b9\u6cd5\u5728\u9884\u6d4b\u75c5\u539f\u4f53\u7684 HGT \u7f51\u7edc\u65b9\u9762\u662f\u53ef\u9760\u7684\uff0c\u5305\u62ec\u9c8d\u66fc\u4e0d\u52a8\u6746\u83cc\u548c\u5927\u80a0\u6746\u83cc\uff0c\u4ee5\u53ca\u5728\u5c40\u90e8\u73af\u5883\u4e2d\uff0c\u4f8b\u5982\u4e2a\u4eba\u7684\u80a0\u9053\u5fae\u751f\u7269\u7ec4\u3002
3\u3001Cancer Cell | \u57fa\u4e8e\u5c0f\u7ec6\u80de\u80ba\u764c\u5355\u7ec6\u80de\u56fe\u8c31\uff0c\u9274\u5b9a\u4e0e\u8f6c\u79fb\u3001\u514d\u75ab\u6291\u5236\u53ca\u9884\u540e\u76f8\u5173\u7684\u7ec6\u80de\u4e9a\u7fa4
\u4f5c\u4e3a\u6700\u5177\u4fb5\u88ad\u6027\u7684\u80ba\u764c\u7c7b\u578b\uff0c\u5c0f\u7ec6\u80de\u80ba\u764c\uff08SCLC\uff09\u60a3\u8005\u7684\u9884\u540e\u8f83\u5dee\uff0c\u5e76\u4e14\u5927\u591a\u6570\u60a3\u8005\u5728\u8bca\u65ad\u4e4b\u65f6\u5c31\u5df2\u7ecf\u53d1\u751f\u4e86\u8f6c\u79fb\u3002\u88ab\u5bc4\u4e88\u539a\u671b\u7684\u514d\u75ab\u68c0\u67e5\u70b9\u963b\u65ad\u7597\u6cd5\u4e5f\u4ec5\u7565\u5fae\u63d0\u9ad8\u4e86\u60a3\u8005\u7684\u4e2d\u4f4d\u751f\u5b58\u7387\u3002\u867d\u7136SCLC\u5728\u5f62\u6001\u5b66\u4e0a\u8868\u73b0\u540c\u8d28\uff0c\u4f46\u8fd1\u671f\u6765\u81ea\u5c0f\u9f20\u6a21\u578b\u548c\u4eba\u7c7b\u80bf\u7624\u7684\u6570\u636e\u8868\u660e\uff0cSCLC\u4ecd\u7136\u5b58\u5728\u663e\u8457\u7684\u5f02\u8d28\u6027\u3002\u6839\u636e\u764c\u7ec6\u80de\u4e2d\u56db\u79cd\u8f6c\u5f55\u56e0\u5b50\uff08ASCL1\u3001NEUROD1\u3001POU2F3\u548cYAP1\uff09\u7684\u5dee\u5f02\u8868\u8fbe\uff0c\u7814\u7a76\u4eba\u5458\u5bf9SCLC\u8fdb\u884c\u4e86\u5206\u7c7b\u3002\u7136\u800c\uff0c\u8fd9\u79cd\u5206\u7c7b\u4e0b\u7684\u4e0d\u540c\u4e9a\u578b\u662f\u5426\u4e0e\u7279\u5b9a\u7684\u75be\u75c5\u9636\u6bb5\u3001\u8f6c\u79fb\u6f5c\u80fd\u6216\u514d\u75ab\u5fae\u73af\u5883\u76f8\u5173\uff0c\u4ee5\u53ca\u4e9a\u578b\u4e4b\u95f4\u662f\u5426\u5b58\u5728\u53ef\u5851\u6027\u7b49\u96be\u9898\u4ecd\u672a\u5f97\u5230\u89e3\u51b3\u3002
\u8fd1\u65e5\uff0c\u7f8e\u56fd\u7eaa\u5ff5\u65af\u9686\u00b7\u51ef\u7279\u7433\u764c\u75c7\u4e2d\u5fc3\u7814\u7a76\u56e2\u961f\u501f\u52a9\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u548c\u6210\u50cf\u6280\u672f\uff0c\u6784\u5efa\u4e86SCLC\u7684\u5355\u7ec6\u80de\u56fe\u8c31\uff0c\u9274\u5b9a\u51fa\u4e00\u7ec4\u6f5c\u4f0f\u5728\u80bf\u7624\u7ec6\u80de\u5468\u56f4\u3001PLCG2\u9ad8\u8868\u8fbe\u7684\u5e72\u7ec6\u80de\u6837\u7ec6\u80de\u4e9a\u7fa4\uff0c\u8fd9\u7c7b\u7ec6\u80de\u80fd\u591f\u63a8\u52a8\u80bf\u7624\u7684\u8f6c\u79fb\uff0c\u5e76\u4e0e\u60a3\u8005\u7684\u9884\u540e\u5bc6\u5207\u76f8\u5173\u3002\u8be5\u7814\u7a76\u4e3a\u5c0f\u7ec6\u80de\u80ba\u764c\u7684\u5206\u5b50\u7279\u5f81\u63d0\u4f9b\u4e86\u652f\u6491\uff0c\u4e3a\u5c06\u6765\u66f4\u52a0\u6df1\u5165\u7684\u7814\u7a76\u63d0\u4f9b\u4e86\u5b9d\u8d35\u7684\u6570\u636e\u8d44\u6e90\uff0c\u4e5f\u4e3a\u66f4\u4e3a\u7cbe\u51c6\u7684\u6cbb\u7597\u5960\u5b9a\u4e86\u7406\u8bba\u57fa\u7840\u3002
4\u3001Bioinformatics | BioDynaMo\uff1a\u4e00\u4e2a\u7814\u7a76\u751f\u7269\u8fc7\u7a0b\u7684\u65b0\u8ba1\u7b97\u5e73\u53f0
\u57fa\u4e8e\u4ee3\u7406\u7684\u6a21\u62df (ABS) \u662f\u4e00\u79cd\u5f3a\u5927\u7684\u5de5\u5177\uff0c\u53ef\u5e2e\u52a9\u751f\u547d\u79d1\u5b66\u5bb6\u66f4\u597d\u5730\u7406\u89e3\u590d\u6742\u7684\u751f\u7269\u7cfb\u7edf\u3002\u8ba1\u7b97\u673a\u6a21\u62df\u662f\u4e00\u79cd\u5feb\u901f\u6d4b\u8bd5\u6709\u5173\u7ec6\u80de\u7fa4\u3001\u7ec4\u7ec7\u3001\u5668\u5b98\u6216\u6574\u4e2a\u751f\u7269\u4f53\u7684\uff08\u75c5\u7406\uff09\u751f\u7406\u5b66\u5047\u8bbe\u7684\u5ec9\u4ef7\u4e14\u6709\u6548\u7684\u65b9\u6cd5\u3002\u7136\u800c\uff0c\u6b64\u7c7b\u8ba1\u7b97\u673a\u6a21\u62df\u5bf9\u79d1\u5b66\u7814\u7a76\u7684\u6709\u6548\u6027\u901a\u5e38\u662f\u6709\u9650\u7684\u3002
\u8428\u91cc\u5927\u5b66\u3001\u6b27\u6d32\u6838\u5b50\u7814\u7a76\u4e2d\u5fc3\u3001\u7ebd\u5361\u65af\u5c14\u5927\u5b66\u7b49\u7814\u7a76\u673a\u6784\u7684\u7814\u7a76\u4eba\u5458\u5408\u4f5c\uff0c\u63d0\u51fa\u4e86\u4e00\u79cd\u79f0\u4e3a BioDynaMo \u7684\u65b0\u578b\u6a21\u62df\u5e73\u53f0\u3002\u7814\u7a76\u4eba\u5458\u8bc1\u660e BioDynaMo \u53ef\u7528\u4e8e\u6a21\u62df\u4ee5\u4e0b\u9886\u57df\u7684\u7528\u4f8b\uff1a\u795e\u7ecf\u79d1\u5b66\u3001\u80bf\u7624\u5b66\u548c\u6d41\u884c\u75c5\u5b66\u3002\u5bf9\u4e8e\u6bcf\u4e2a\u7528\u4f8b\uff0c\u7814\u7a76\u4eba\u5458\u4f7f\u7528\u5b9e\u9a8c\u6570\u636e\u6216\u5206\u6790\u89e3\u51b3\u65b9\u6848\u6765\u9a8c\u8bc1 BioDynaMo \u7684\u6a21\u62df\u53d1\u73b0\u3002\u6027\u80fd\u6d4b\u8bd5\u7ed3\u679c\u8868\u660e BioDynaMo \u7684\u6027\u80fd\u6bd4\u5f53\u524d\u6700\u5148\u8fdb\u7684\u57fa\u7ebf\u5feb\u4e09\u4e2a\u6570\u91cf\u7ea7\u3002\u8bfb\u8005\u53ef\u4ee5\u901a\u8fc7https://biodynamo.org/\u67e5\u770b\u76f8\u5173\u793a\u4f8b\u3002
"},{"location":"issue-12/#_4","title":"\u6587\u7ae0","text":"1\u3001tidyverse\u56e2\u961f\u91cd\u65b0\u53d1\u5e03\u8bf8\u591a\u5305\u7684\u8bb8\u53ef\u534f\u8bae\uff0c\u7edf\u4e00\u66f4\u6539\u4e3aMIT
tidyverse\u56e2\u961f\uff08\u5305\u62ecr-lib\u3001tidymodels\uff09\u8fd1\u5341\u4e94\u5e74\u4e3aR\u793e\u533a\u8d21\u732e\u4e86\u8bf8\u591a\u7684\u5de5\u5177\u5305\u548c\u76f8\u5173\u751f\u6001\u3002\u4f46\u7531\u4e8e\u91c7\u53d6\u4e86\u591a\u79cd\u4e0d\u540c\u7684\u5f00\u6e90\u8bb8\u53ef\u534f\u8bae\uff0c\u4f7f\u7528\u8005\u5e38\u5e38\u4f1a\u611f\u5230\u6df7\u4e71\u3002\u672c\u6587\u603b\u7ed3\u4e86\u56e2\u961f\u4e3a\u91cd\u65b0\u5236\u5b9a\u8bb8\u53ef\u534f\u8bae\u4f5c\u51fa\u7684\u52aa\u529b\uff0c\u5168\u90e8\u66f4\u6539\u4e3aMIT\u534f\u8bae\u3002
2\u3001ggridges\u5305\u2014\u5cf0\u5ce6\u56fe\u8be6\u7ec6\u4ecb\u7ecd
\u5cf0\u5ce6\u56fe\u5bf9\u4e8e\u53ef\u89c6\u5316\u968f\u65f6\u95f4\u6216\u7a7a\u95f4\u5206\u5e03\u7684\u53d8\u5316\u975e\u5e38\u6709\u7528\uff0c\u672c\u6587\u4ecb\u7ecd\u5982\u679c\u901a\u8fc7ggridges\u5305\u8fdb\u884c\u76f8\u5173\u56fe\u5f62\u7684\u7ed8\u5236\u3002
"},{"location":"issue-12/#_5","title":"\u5de5\u5177","text":"1\u3001fgsea\uff1a\u5feb\u901f\u57fa\u56e0\u96c6\u5bcc\u96c6\u5206\u6790
2\u3001tidybulk\uff1a\u5c06\u8f6c\u5f55\u7ec4\u5b66\u5f15\u5165tidyverse\u751f\u6001
\u8f6c\u5f55\u7ec4\u5b66\u5206\u6790\u53ef\u80fd\u56e0\u6b64\u53d8\u5f97\u987a\u6ed1\uff0c\u540e\u9762\u5982\u679c\u6709\u5206\u6790\u9700\u6c42\u6216\u8005\u6709\u65f6\u95f4\u5b66\u4e60\u6587\u6863\u6211\u518d\u5355\u72ec\u5206\u4eab\u3002
3\u3001ggVennDiagram\uff1aggplot2\u5b9e\u73b0\u7684\u97e6\u6069\u56fe
4\u3001flextable\uff1a\u8868\u683c\u5c55\u793a\u5229\u5668
\u63d0\u4f9b\u4e86\u4e00\u6574\u5957\u8868\u683c\u5c55\u793a\u8bed\u6cd5\uff0c\u5e76\u652f\u6301Office\u3002
"},{"location":"issue-12/#_6","title":"\u8d44\u6e90","text":"1\u3001\u4e92\u8054\u7f51\u6e38\u8361\u6742\u5fd7\uff1a\u4e00\u4e2a\u8d85\u6709\u610f\u601d\u7684\u5468\u520a
\u8fd9\u91cc\u8bb0\u5f55\u4e00\u6bb5\u65f6\u95f4\u4f5c\u8005\u5728\u4e92\u8054\u7f51\u4e0a\u770b\u5230\u7684\u6709\u610f\u601d\u7684\u5185\u5bb9\u4e0e\u4fe1\u606f\uff0c\u9632\u6b62\u5b83\u4eec\u5728\u6211\u7684\u8111\u888b\u91cc\u8d70\u4e22\u4e86\u3002
\uff08\u611f\u8c22@mugpeng\u7684\u6295\u7a3f\uff09
2\u300128\u5f20\u56fe\u5168\u89e3\u6df1\u5ea6\u5b66\u4e60\u77e5\u8bc6
\u5434\u6069\u8fbe\u5728\u63a8\u7279\u4e0a\u5c55\u793a\u4e86\u4e00\u4efd\u7531 TessFerrandez \u5b8c\u6210\u7684\u6df1\u5ea6\u5b66\u4e60\u4e13\u9879\u8bfe\u7a0b\u4fe1\u606f\u56fe\uff0c\u8fd9\u5957\u4fe1\u606f\u56fe\u4f18\u7f8e\u5730\u8bb0\u5f55\u4e86\u6df1\u5ea6\u5b66\u4e60\u8bfe\u7a0b\u7684\u77e5\u8bc6\u4e0e\u4eae\u70b9\u3002\u56e0\u6b64\u5b83\u4e0d\u4ec5\u4ec5\u9002\u5408\u521d\u5b66\u8005\u4e86\u89e3\u6df1\u5ea6\u5b66\u4e60\uff0c\u8fd8\u9002\u5408\u673a\u5668\u5b66\u4e60\u4ece\u4e1a\u8005\u548c\u7814\u7a76\u8005\u590d\u4e60\u57fa\u672c\u6982\u5ff5\u3002
"},{"location":"issue-12/#_7","title":"\u8d5e\u8d4f","text":"\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
\u611f\u8c22\u4ee5\u4e0b\u8bfb\u8005\u7684\u5f80\u671f\u8d5e\u8d4f\uff1a
\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-13/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 13 \u671f\uff09\uff1a\u4ed6\u5f00\u53d1\u4e86\u57fa\u56e0\u754c\u7684\u767e\u79d1\u5168\u4e66\uff0c\u8d21\u732e\u5374\u5c11\u6709\u4eba\u77e5","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
GitHub \u7c89\u4eec\u53ef\u4ee5\u901a\u8fc7 Watch \u4ed3\u5e93\u7684 Release\uff08\u63d0\u524d\uff09\u5173\u6ce8\u53d1\u5e03\u5185\u5bb9\u3002
\u8ba8\u8bba\u533a\u7684\u5e16\u5b50\u300a\u8c01\u5728\u62db\u4eba\uff1f\u300b\uff0c\u63d0\u4f9b\u751f\u4fe1\u6df1\u9020\u548c\u5c31\u4e1a\u4fe1\u606f\uff0c\u6b22\u8fce\u8bbf\u95ee\u6216\u53d1\u5e03\u5b66\u4f4d\u653b\u8bfb/\u5de5\u4f5c/\u5b9e\u4e60\u7b49\u5c97\u4f4d\u3002
\u300c\u672c\u671f\u4e13\u7528\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-13/#_1","title":"\u5c01\u9762\u56fe","text":"KEGG\u6982\u89c8\u3002\uff08via\uff09
"},{"location":"issue-13/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u4ed6\u5f00\u53d1\u4e86\u57fa\u56e0\u754c\u7684\u767e\u79d1\u5168\u4e66\uff0c\u8d21\u732e\u5374\u5c11\u6709\u4eba\u77e5","text":"\u4e4b\u524d\u5728\u4e00\u671f\u7684\u8bdd\u9898\u662f\u4ec0\u4e48\u65f6\u5019\u6709\u751f\u4fe1\u8bfa\u5956\u3002\u8fd9\u7bc7\u6765\u81ea\u77e5\u8bc6\u5206\u5b50\u7684\u6587\u7ae0\u63d0\u4f9b\u4e86\u4e00\u4e2a\u5b9e\u4f8b\u53ef\u4ee5\u8ba9\u5927\u5bb6\u8fdb\u4e00\u6b65\u601d\u8003\u548c\u8ba8\u8bba\u3002
2018\u5e74\uff0c\u65e5\u672c\u4eac\u90fd\u5927\u5b66\u91d1\u4e45\u5b9e\u6559\u6388\u88ab\u7f8e\u56fd\u54a8\u8be2\u516c\u53f8\u79d1\u777f\u7ef4\u5b89\u5217\u4e3a\u53ef\u80fd\u83b7\u8bfa\u8d1d\u5c14\u751f\u7406\u533b\u5b66\u5956\u7684\u4eba\u9009\u4e4b\u4e00\uff0c\u63d0\u540d\u7406\u7531\u662f \u201c\u5bf9\u751f\u7269\u4fe1\u606f\u5b66\u7684\u6770\u51fa\u8d21\u732e\uff0c\u7279\u522b\u662f\u5f00\u53d1\u4e86\u4eac\u90fd\u57fa\u56e0\u548c\u57fa\u56e0\u7ec4\u5927\u767e\u79d1\u5168\u4e66\u201d\u3002\u4eac\u90fd\u57fa\u56e0\u548c\u57fa\u56e0\u7ec4\u5927\u767e\u79d1\u5168\u4e66\u82f1\u6587\u5168\u79f0\u662f \u201cKyoto Encyclopedia of Genes and Genomes\u201d\uff0c\u7b80\u79f0KEGG\u3002\u5373\u4f7f\u4ece\u4e8b\u4e13\u4e1a\u751f\u7269\u4fe1\u606f\u5de5\u4f5c\u7684\u4eba\u4e5f\u672a\u5fc5\u77e5\u9053\u91d1\u4e45\u5b9e\u6559\u6388\uff0c\u4f46\u7565\u5fae\u63a5\u89e6\u8fc7\u751f\u7269\u4fe1\u606f\u7684\u4eba\u90fd\u4f1a\u77e5\u9053KEGG\u3002
\u751f\u7269\u4fe1\u606f\u8981\u89e3\u51b3\u7684\u95ee\u9898\u662f\u751f\u7269\u6570\u636e\u7684\u4ea7\u751f\u3001\u7ba1\u7406\u548c\u6316\u6398\u3002\u8fd9\u79cd\u65f7\u65e5\u6301\u4e45\u7684\u7cfb\u7edf\u6027\u63a8\u52a8\u4e0e\u652f\u6491\uff0c\u4e0e\u901a\u5e38\u610f\u4e49\u4e0a\u661f\u5149\u707f\u70c2\u7684\u6982\u5ff5\u548c\u6280\u672f\u8fdb\u5c55\u76f8\u6bd4\uff0c\u4f3c\u4e4e\u66f4\u5bb9\u6613\u88ab\u4eba\u4eec\u5ffd\u7565\u4f4e\u4f30\u3002
\u751f\u7269\u4fe1\u606f\u786e\u5b9e\u5728\u5404\u4e2a\u65b9\u5411\u4e0a\u6709\u529b\u5730\u63a8\u52a8\u4e86\u751f\u7269\u5b66\u7814\u7a76\u548c\u5e94\u7528\u7684\u53d1\u5c55\u3002\u5176\u5c34\u5c2c\u4e4b\u5904\u5728\u4e8e\uff0c\u4f5c\u4e3a\u5b9e\u7528\u5de5\u5177\u7f3a\u4e4f\u6df1\u5ea6\uff0c\u800c\u6982\u5ff5\u548c\u6280\u672f\u7a81\u7834\u53c8\u975e\u5e38\u4f9d\u8d56\u5b9e\u9a8c\u8bbe\u8ba1\u548c\u6570\u636e\u8d28\u91cf\u3002\u5c31\u8bfa\u5956\u800c\u8a00\uff0c\u751f\u7269\u4fe1\u606f\u6700\u5927\u7684\u75db\u70b9\u662f\u81ea\u8eab\u5f88\u96be\u95ed\u73af\uff0c\u5f88\u96be\u8fbe\u5230\u666e\u904d\u63a5\u53d7\u7684\u9ad8\u5ea6\u3002
\u751f\u4fe1\u4f5c\u4e3a\u4ea4\u53c9\u5b66\u79d1\uff0c\u6d89\u53ca\u5185\u5bb9\u5e7f\u6cdb\u3002\u6211\u4eec\u5e94\u8be5\u4ece\u4e8b\u4ec0\u4e48\u65b9\u5411\u7684\u7814\u7a76\uff1f\u662f\u5426\u8981\u4e3a\u4eba\u719f\u77e5\uff1f\u672a\u6765\u662f\u5426\u80fd\u4e3a\u8bfa\u5956\u6dfb\u7816\u52a0\u74e6\uff1f
"},{"location":"issue-13/#_3","title":"\u751f\u4fe1\u79d1\u6280\u52a8\u6001","text":"1\u3001Bioinformatics | MoNET\uff1a\u4e00\u4e2a\u591a\u7ec4\u5b66\u7f51\u7edc\u5206\u6790R\u5305
\u8d8a\u6765\u8d8a\u591a\u7684\u591a\u7ec4\u6570\u636e\u53ef\u7528\u6027\u4f7f\u5f97\u5728\u4e0d\u540c\u89c4\u6a21\u4e0a\u53d1\u73b0\u75be\u75c5\u751f\u7269\u6807\u5fd7\u7269\u6210\u4e3a\u53ef\u80fd\u3002\u4e86\u89e3\u591a\u7ec4\u751f\u7269\u6807\u5fd7\u7269\u4e4b\u95f4\u7684\u529f\u80fd\u76f8\u4e92\u4f5c\u7528\u6b63\u53d8\u5f97\u8d8a\u6765\u8d8a\u91cd\u8981\uff0c\u56e0\u4e3a\u5b83\u5177\u6709\u63d0\u4f9b\u6f5c\u5728\u5206\u5b50\u673a\u5236\u7684\u5de8\u5927\u6f5c\u529b\u3002
R\u5305\u5730\u5740\uff1ahttps://github.com/JW-Yan/MONET
2\u3001Cancer Discovery | 31\u4e2a\u80c3\u764c\u7ec4\u7ec7\u7684\u5355\u7ec6\u80de\u56fe\u8c31
\u672c\u6587\u5229\u7528\u591a\u4e2a\u75c5\u4eba\u6807\u672c\u7684\u5355\u7ec6\u80de\u6d4b\u5e8f\u6570\u636e\uff0c\u4e3a\u6211\u4eec\u5448\u73b0\u4e00\u4e2a\u8f83\u4e3a\u5168\u9762\u7684\u7ec6\u80de\u65cf\u7cfb\u3001\u80bf\u7624\u5fae\u73af\u5883\u548c\u4e0d\u540c\u5206\u578b\u7684\u7279\u5f02\u6027\u8f6c\u5f55\u7ec4\u8868\u8fbe\u60c5\u51b5\u7684\u56fe\u8c31\u3002
3\u3001\u65e5\u672c\u7814\u53d1\u51fa\u65b0\u578b\u53e3\u7f69 \u9047\u65b0\u51a0\u75c5\u6bd2\u80fd\u5728\u7d2b\u5916\u7ebf\u4e0b\u53d1\u5149
\u65e5\u672c\u7684\u79d1\u5b66\u5bb6\u8fd1\u65e5\u7814\u53d1\u51fa\u4e86\u4e00\u79cd\u65b0\u578b\u53e3\u7f69\uff0c\u5982\u679c\u4f69\u6234\u8005\u611f\u67d3\u4e86\u65b0\u51a0\u75c5\u6bd2\uff0c\u8fd9\u79cd\u53e3\u7f69\u5c31\u80fd\u5728\u7d2b\u5916\u706f\u4e0b\u53d1\u51fa\u4eae\u5149\u3002\u6709\u4e86\u8fd9\u6b3e\u53e3\u7f69\uff0c\u4eba\u4eec\u5728\u5bb6\u4e2d\u5c31\u53ef\u4ee5\u81ea\u6d4b\u662f\u5426\u611f\u67d3\u4e86\u65b0\u51a0\u75c5\u6bd2\u3002
"},{"location":"issue-13/#_4","title":"\u6587\u7ae0","text":"1\u3001\u56db\u4e2a Python \u9879\u76ee\u7ba1\u7406\u4e0e\u6784\u5efa\u5de5\u5177
\u6587\u7ae0\u6d4f\u89c8\u4e00\u4e0b\u56db\u4e2a\u5de5\u5177\u7684\u4f7f\u7528\uff1a
\u6211\u81ea\u5df1\u4e4b\u524d\u4f7f\u7528\u8fc7PyScaffold\u5199\u8fc7loon\u8fd9\u4e2aPypi\u5305\uff0c\u7528\u7684\u5c31\u662fPyScaffold\u3002
2\u3001\u56e0\u679c\u8868\u5f81\u5b66\u4e60\u6700\u65b0\u7efc\u8ff0\uff1a\u8fde\u63a5\u56e0\u679c\u79d1\u5b66\u548c\u673a\u5668\u5b66\u4e60\u7684\u6865\u6881
\u4e00\u7bc7\u540d\u4e3aTowards Causal Representation Learning\u7684\u7efc\u8ff0\u6587\u7ae0\u7531\u56e0\u679c\u9886\u57df\u9886\u519b\u4eba\u7269\u9a6c\u666e\u667a\u80fd\u7cfb\u7edf\u6240\u6240\u957fBernhard Sch\u00f6lkopf\u53ca\u6df1\u5ea6\u5b66\u4e60\u4e09\u5de8\u5934\u4e4b\u4e00\u7684Yoshua Bengio\u7b49\u4eba\u64b0\u5199\u3002\u987e\u540d\u601d\u4e49\uff0c\u4f55\u4e3a\u56e0\u679c\u8868\u5f81causal representation\u5462\uff1f\u5176\u53c8\u62e5\u6709\u600e\u6837\u4f18\u826f\u7684\u6027\u8d28\u4f7f\u6211\u4eec\u60f3\u8981\u5b66\u4e60\u56e0\u679c\u8868\u5f81\u5462\uff1f
"},{"location":"issue-13/#_5","title":"\u5de5\u5177","text":"1\u3001Tidy Data Tutor
Tidy Data Tutor\u8ba9\u4f60\u5728\u6d4f\u89c8\u5668\u4e2d\u7f16\u5199R\u548cTidyverse\u4ee3\u7801\uff0c\u5e76\u67e5\u770bData Frame\u5728\u6570\u636e\u5206\u6790\u7ba1\u9053\u7684\u6bcf\u4e2a\u6b65\u9aa4\u4e2d\u5982\u4f55\u53d8\u5316\u3002
R\u5305\uff1ahttps://github.com/seankross/tidydatatutor
2\u3001JBrowse Jupyter
JBrowse Jupyter\u662f\u4e00\u4e2apython\u5305\uff0c\u5b83\u4e3aJBrowse\u89c6\u56fe\u63d0\u4f9b\u4e86\u4e00\u4e2apython\u63a5\u53e3\u3002
3\u3001fastp
\u4e00\u4e2a\u4e3aFastQ\u6587\u4ef6\u63d0\u4f9b\u5feb\u901f\u4e00\u4f53\u5316\u9884\u5904\u7406\u7684\u5de5\u5177\u3002\u8fd9\u4e2a\u5de5\u5177\u662f\u7528c++\u5f00\u53d1\u7684\uff0c\u652f\u6301\u591a\u7ebf\u7a0b\u4ee5\u63d0\u4f9b\u9ad8\u6027\u80fd\u3002
"},{"location":"issue-13/#_6","title":"\u8d44\u6e90","text":"1\u3001Big Book of R
R\u56fe\u4e66\u4e66\u7b7e\u96c6\u5408\uff0c\u5927\u90e8\u5206\u662f\u514d\u8d39\u7684\u3002
2\u3001biostat2\u8bfe\u7a0b
\u4ecb\u7ecdR\u7f16\u7a0b\u4ee5\u53ca\u7528\u4e8e\u751f\u7269\u6570\u636e\u5904\u7406\u3002
"},{"location":"issue-13/#_7","title":"\u8d5e\u8d4f","text":"\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
"},{"location":"issue-13/#_8","title":"\u8ba2\u9605","text":"\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-14/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 14 \u671f\uff09\uff1a\u4e3a\u4ec0\u4e48\u6709\u4e9b\u670b\u53cb\uff0c\u8d70\u7740\u8d70\u7740\u5c31\u6563\u4e86","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
GitHub \u7c89\u4eec\u53ef\u4ee5\u901a\u8fc7 Watch \u4ed3\u5e93\u7684 Release\uff08\u63d0\u524d\uff09\u5173\u6ce8\u53d1\u5e03\u5185\u5bb9\u3002
\u8ba8\u8bba\u533a\u7684\u5e16\u5b50\u300a\u8c01\u5728\u62db\u4eba\uff1f\u300b\uff0c\u63d0\u4f9b\u751f\u4fe1\u6df1\u9020\u548c\u5c31\u4e1a\u4fe1\u606f\uff0c\u6b22\u8fce\u8bbf\u95ee\u6216\u53d1\u5e03\u5b66\u4f4d\u653b\u8bfb/\u5de5\u4f5c/\u5b9e\u4e60\u7b49\u5c97\u4f4d\u3002
\u300c\u672c\u671f\u4e13\u7528\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-14/#_1","title":"\u5c01\u9762\u56fe","text":"\u7b2c\u4e09\u4ee3Xenobot(\u7ea2\u8272)\u548c\u677e\u6563\u5e72\u7ec6\u80de\u7ec4\u6210\u7684\u805a\u96c6\u4f53(\u7eff\u8272) \u3002\uff08\u56fe\u7247\u6765\u6e90\uff09
\u53bb\u5e741\u6708\uff0c\u7f8e\u56fd\u4f5b\u8499\u7279\u5927\u5b66\u3001\u5854\u592b\u65af\u5927\u5b66\u548c\u54c8\u4f5b\u5927\u5b66\u76844\u540d\u79d1\u5b66\u5bb6\u5171\u540c\u5f00\u53d1\u9996\u4e2a\u6d3b\u4f53\u673a\u5668\u4ebaXenobot\u3002\u4ece\u5916\u9762\u770b\u8d77\u6765\uff0c\u5b83\u53ea\u662f\u4e00\u4e2a\u6beb\u7c73\u5927\u5c0f\u7684\u7ec6\u80de\u56e2\uff0c\u4f46\u5374\u76f8\u5f53\u5389\u5bb3\u3002\u5b83\u80fd\u671d\u7279\u5b9a\u7684\u65b9\u5411\u79fb\u52a8\uff0c\u5177\u6709\u5f3a\u5927\u7684\u5ef6\u5c55\u6027\u548c\u53ef\u5851\u6027\uff0c\u5728\u88ab\u5207\u5f00\u540e\uff0c\u8fd8\u80fd\u81ea\u884c\u590d\u539f\u3002
"},{"location":"issue-14/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u4e3a\u4ec0\u4e48\u6709\u4e9b\u670b\u53cb\uff0c\u8d70\u7740\u8d70\u7740\u5c31\u6563\u4e86","text":"\u5728\u5404\u5954\u524d\u7a0b\u7684\u8fc7\u7a0b\u4e2d\uff0c\u65e7\u53cb\u4e0d\u65ad\u6d41\u5931\uff0c\u4f46\u5728\u65b0\u7684\u73af\u5883\u91cc\uff0c\u53c8\u672a\u80fd\u5efa\u7acb\u8d77\u53ef\u4ee5\u5f25\u8865\u8fd9\u79cd\u6d41\u5931\u7684\u5173\u7cfb\u3002\u662f\u8fd9\u4e24\u8005\u7684\u5408\u529b\uff0c\u5171\u540c\u917f\u6210\u4e86\u201c\u5931\u53cb\u201d\u7684\u611f\u53d7\u3002
\u771f\u6b63\u53ef\u8d35\u548c\u96be\u5f97\u7684\u60c5\u8c0a\uff0c\u4e0d\u4f1a\u8f7b\u6613\u88ab\u65f6\u7a7a\u6253\u8d25\u3002\u54ea\u6015\u4eba\u751f\u7684\u9645\u9047\u758f\u79bb\u5316\u4e86\u4e00\u4e9b\u5173\u7cfb\uff0c\u54ea\u6015\u5f7c\u6b64\u7684\u8054\u7cfb\u4e0d\u5982\u5f80\u65e5\u9891\u7e41\uff0c\u54ea\u6015\u5df2\u7ecf\u8bb8\u4e45\u672a\u89c1\uff0c\u54ea\u6015\u4e0d\u80fd\u7b2c\u4e00\u65f6\u95f4\u77e5\u6653\u4f60\u7684\u8fd1\u51b5\uff0c\u4f46\u5728\u6211\u9700\u8981\u4f60\u7684\u65f6\u5019\uff0c\u6211\u77e5\u9053\u4f60\u5c31\u5728\u90a3\u91cc\u3002
\u522b\u79bb\u662f\u4eba\u751f\u5e38\u6001\uff0c\u8eab\u8fb9\u7684\u4eba\u4e5f\u786e\u5b9e\u6765\u6765\u5f80\u5f80\u66f4\u8fed\u4e0d\u65ad\uff0c\u4f46\u603b\u6709\u4e00\u4e9b\u4eba\uff0c\u5df2\u7ecf\u966a\u4f34\u4e86\u6211\u4eec\u5f88\u4e45\uff0c\u8fd8\u5c06\u966a\u4f34\u6211\u4eec\u66f4\u4e45\u3002
"},{"location":"issue-14/#_3","title":"\u751f\u4fe1\u79d1\u6280\u52a8\u6001","text":"1\u3001Genome Medicine | \u4eba\u5de5\u667a\u80fd\u4e34\u5e8a\u51b3\u7b56\u5de5\u5177GEM\uff0c\u901a\u8fc7\u5feb\u901f\u57fa\u56e0\u7ec4\u6ce8\u91ca\u52a9\u529b\u9057\u4f20\u75c5\u8bca\u65ad
Fabric Genomics Inc\u7684Mark Yandell\u7814\u7a76\u56e2\u961f\u8054\u5408Martin G. Reese\u7814\u7a76\u56e2\u961f\uff0c\u5f00\u53d1\u4e86\u4e00\u79cd\u7528\u4e8e\u5feb\u901f\u57fa\u56e0\u7ec4\u6ce8\u91ca\u7684\u4e34\u5e8a\u51b3\u7b56\u652f\u6301\u5de5\u5177\u2014\u2014Fabric GEM\u3002GEM\u662f\u4e00\u79cd\u65b0\u578b\u7684\u57fa\u4e8e\u4eba\u5de5\u667a\u80fd\u7684\u4e34\u5e8a\u51b3\u7b56\u652f\u6301\u5de5\u5177\u3002\u7814\u7a76\u56e2\u961f\u5728\u56de\u987e\u6027\u961f\u5217\u4e2d\u5bf9GEM\u8fdb\u884c\u7684\u57fa\u51c6\u6d4b\u8bd5\u663e\u793a\uff0cGEM\u80fd\u5c0690%\u4ee5\u4e0a\u7684\u81f4\u75c5\u57fa\u56e0\u6392\u5728\u4f18\u5148\u5019\u9009\u57fa\u56e0\u4e2d\uff0c\u51e0\u4e4e\u56ca\u62ec\u4e86\u6240\u6709\u53d8\u5f02\u7c7b\u578b\u3002\u6b64\u5916\uff0c\u7ed3\u5408\u6df1\u5c42\u8868\u578b\u5206\u6790\u53d1\u73b0\uff0cGEM\u53ef\u4ee5\u5b9e\u73b0\u5feb\u901f\u3001\u51c6\u786e\u3001\u5168\u9762\u5730\u57fa\u4e8eWGS\u548cWES\u6570\u636e\u8fdb\u884c\u8bca\u65ad\uff0c\u6709\u6548\u964d\u4f4e\u4e86\u6210\u672c\u5e76\u52a0\u5feb\u53d8\u5f02\u8bc4\u4f30\u3002
2\u3001Nature Biotechnology | Genentech\u516c\u53f8\u5f00\u53d1TraCe-seq\u7cfb\u7edf\u7528\u4e8e\u8bc6\u522b\u764c\u75c7\u836f\u7269\u53cd\u5e94\u7684\u8f6c\u5f55\u7279\u5f81
\u9488\u5bf9\u81f4\u764c\u9a71\u52a8\u57fa\u56e0\u7a81\u53d8\u7684\u9776\u5411\u6cbb\u7597\u4e3a\u764c\u75c7\u60a3\u8005\u63d0\u4f9b\u4e86\u663e\u8457\u7684\u4e34\u5e8a\u83b7\u76ca\uff0c\u4e3a\u7cbe\u51c6\u533b\u7597\u5e26\u6765\u4e86\u5de8\u5927\u7684\u5e0c\u671b\u3002\u4f46\u5e76\u975e\u6240\u6709\u764c\u75c7\u60a3\u8005\u90fd\u80fd\u4ea7\u751f\u6cbb\u7597\u53cd\u5e94\uff0c\u5176\u4ed6\u65e2\u5b58\u7684\u548c\u83b7\u5f97\u7684\u8010\u836f\u673a\u5236\u5bf9\u60a3\u8005\u7684\u6574\u4f53\u53cd\u5e94\u548c\u836f\u6548\u6301\u4e45\u6027\u63d0\u51fa\u4e86\u5de8\u5927\u7684\u6311\u6218\u3002\u8fd1\u5e74\u6765\uff0c\u9776\u5411\u86cb\u767d\u964d\u89e3\u8fd9\u4e00\u65b0\u7684\u4f5c\u7528\u673a\u5236 (MOA) \u5f15\u8d77\u4e86\u4eba\u4eec\u7684\u5e7f\u6cdb\u5173\u6ce8\u3002\u4e0e\u4f20\u7edf\u7684\u57fa\u4e8e\u5360\u4f4d\u7684\u9776\u5411\u6291\u5236\u4e0d\u540c\uff0c\u5f02\u8d28\u53cc\u529f\u80fd\u9776\u5411\u86cb\u767d\u964d\u89e3\u7269\u80fd\u591f\u540c\u65f6\u5c06E3\u6cdb\u7d20\u8fde\u63a5\u9176\u5bcc\u96c6\u5230\u76ee\u6807\u4f4d\u7f6e\uff0c\u5e76\u901a\u8fc7\u6cdb\u7d20\u4ecb\u5bfc\u7684\u86cb\u767d\u8d28\u6c34\u89e3\u8bf1\u5bfc\u9776\u5411\u964d\u89e3\u7684\u5206\u5b50\uff0c\u5e76\u88ab\u8bc1\u660e\u5728\u7279\u5b9a\u60c5\u51b5\u4e0b\u4f18\u4e8e\u5355\u72ec\u7684\u9176\u6291\u5236\u3002\u4f46\u76ee\u524d\u5c1a\u4e0d\u6e05\u695a\u53cc\u4f5c\u7528\u6291\u5236\u5242-\u964d\u89e3\u5242\u662f\u5426\u5177\u6709\u666e\u904d\u4f18\u52bf\u3002
\u4e3a\u4e86\u89e3\u51b3\u4e0a\u8ff0\u96be\u9898\uff0c\u7f8e\u56fdGenentech\u516c\u53f8\u7814\u7a76\u56e2\u961f\u5f00\u53d1\u4e86\u4e00\u4e2a\u540d\u4e3aTraCe-seq (Tracking differential clonal response by scRNA-seq) \u7684\u7cfb\u7edf\uff0c\u80fd\u591f\u540c\u65f6\u8ddf\u8e2a\u80bf\u7624\u8d77\u6e90\u5e76\u6bd4\u8f83\u80bf\u7624\u7ec6\u80de\u5bf9\u4e0d\u540c\u7597\u6cd5\u7684\u5373\u65f6\u53cd\u5e94\uff0c\u5927\u5927\u52a0\u901f\u836f\u7269\u53cd\u5e94\u673a\u5236\u6216\u8005\u8010\u836f\u673a\u5236\u7684\u7814\u7a76\u3002
3\u3001Genome Biology | \u7cbe\u51c6\u89e3\u6790SNV\u3001SV\u548c\u7532\u57fa\u5316\u7684\u7efc\u5408\u6027\u5206\u6790\u65b9\u6cd5PRINCESS\uff0c\u586b\u8865\u57fa\u56e0\u7ec4\u5b66\u7814\u7a76\u7a7a\u767d
\u7814\u7a76\u56e2\u961f\u9488\u5bf9\u76ee\u524d\u6d4b\u5e8f\u6570\u636e\u5206\u6790\u77ed\u677f\uff08\u5bf9\u4e8e\u957f\u8bfb\u6bb5\u6570\u636e\u4e2d\u67d3\u8272\u4f53\u7ed3\u6784\u53d8\u5f02\u7684\u7efc\u5408\u5206\u6790\uff09\u8fdb\u884c\u4e86\u8865\u5145\uff0c\u5f00\u53d1\u4e86\u4e00\u79cd\u53ef\u4ee5\u7cbe\u51c6\u89e3\u6790SNV\u3001InDel\u3001SV\u548c\u7532\u57fa\u5316\u6570\u636e\u7684\u5355\u500d\u578b\u5206\u6790\u65b9\u6cd5\uff1aPRINCESS\u3002PRINCESS\u80fd\u591f\u4ee5\u6700\u4f4e\u7684\u6210\u672c\u4e3a\u6bcf\u4e2a\u6837\u672c\u63d0\u4f9b\u5168\u9762\u7684\u3001\u5355\u500d\u578b\u89e3\u6790\u7ed3\u679c\u3002
"},{"location":"issue-14/#_4","title":"\u6587\u7ae0","text":"1\u3001GO\u5bcc\u96c6\u5206\u6790\u4f60\u753b\u7684\u67f1\u72b6\u56fe\u53ef\u80fd\u8bef\u5bfc\u4f60\u4e86
\u8fd9\u7bc7\u6587\u7ae0\u4ecb\u7ecd\u4e86GO\u529f\u80fd\u5bcc\u96c6\u5206\u6790\u7684\u5197\u4f59\u6027\u548c\u89e3\u51b3\u65b9\u6cd5\u3002
ego2 <- simplify(ego, cutoff=0.7, by=\"p.adjust\", select_fun=min)\n2\u30014 Tips to Make Your Shiny Dashboard Faster
3\u3001Tired: PCA + kmeans, Wired: UMAP + GMM
\u8fd9\u7bc7\u6587\u7ae0\u6bd4\u5bf9\u4e86\u4e24\u79cd\u5c06\u964d\u7ef4\u548c\u805a\u7c7b\u7ed3\u5408\u7684\u7b56\u7565\u3002\u76f8\u6bd4PCA+Kmeans\uff0c\u4f5c\u8005\u8ddf\u63a8\u8350UMAP+GMM\u3002
"},{"location":"issue-14/#_5","title":"\u5de5\u5177","text":"1\u3001crosslink - \u5206\u7ec4\u8282\u70b9\u7684\u7f51\u7edc\u53ef\u89c6\u5316\u8ddf\u8e2a
2\u3001readpaper - \u8bba\u6587\u9605\u8bfb\u7ba1\u7406
3\u3001tidyHeatmap - \u7528\u6574\u6d01\u7684\u6570\u636e\u6846\u67b6\u7b80\u5355\u5730\u7ed8\u5236\u70ed\u56fe
"},{"location":"issue-14/#_6","title":"\u8d44\u6e90","text":"1\u3001GitHub \u4e0a\u6700\u5927\u7684\u7b97\u6cd5\u5f00\u6e90\u5e93\uff1aThe Algorithms
\u5728\u8fd9\u4e2a\u7f51\u7ad9\u4e0a\u9762\uff0c\u6536\u5f55\u4e86\u5305\u62ec Python\u3001Java\u3001C++\u3001JavaScript\u3001Go \u7b49\u591a\u79cd\u4e3b\u6d41\u7f16\u7a0b\u8bed\u8a00\u7684\u7b97\u6cd5\u4ee3\u7801\u5b9e\u73b0\u3002 \u4f60\u53ef\u4ee5\u901a\u8fc7\u641c\u7d22\u6846\uff0c\u5feb\u901f\u5bfb\u627e\u81ea\u5df1\u9700\u8981\u5b66\u4e60\u7684\u7b97\u6cd5\u3002
2\u3001\u6570\u636e\u96c6\u6210\u5de5\u5177\u7684\u57fa\u51c6\u5206\u6790
\u8fd9\u4e2a\u5b58\u50a8\u5e93\u5305\u542b\u7528\u4e8e\u6570\u636e\u96c6\u6210\u5de5\u5177\u57fa\u51c6\u6d4b\u8bd5\u7814\u7a76\u7684\u4ee3\u7801\u3002\u5728\u6211\u4eec\u7684\u7814\u7a76\u4e2d\uff0c\u6211\u4eec\u572885\u6279\u57fa\u56e0\u8868\u8fbe\u548c\u67d3\u8272\u8d28\u53ef\u53ca\u6027\u6570\u636e\u4e0a\u5bf916\u79cd\u65b9\u6cd5\u8fdb\u884c\u4e86\u57fa\u51c6\u6d4b\u8bd5\uff0c\u5305\u62ec4\u79cd\u9884\u5904\u7406\u6b65\u9aa4\u7ec4\u5408\uff0c\u4e00\u517168\u79cd\u65b9\u6cd5\u7ec4\u5408\u3002
"},{"location":"issue-14/#_7","title":"\u8d5e\u8d4f","text":"\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
\u611f\u8c22\u4ee5\u4e0b\u8bfb\u8005\u5f80\u671f\u7684\u8d5e\u8d4f\uff1a
\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-15/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 15 \u671f\uff09\uff1a\u79d1\u5b66\u5bb6\u7684\u5c42\u6b21","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
GitHub \u7c89\u4eec\u53ef\u4ee5\u901a\u8fc7 Watch \u4ed3\u5e93\u7684 Release\uff08\u63d0\u524d\uff09\u5173\u6ce8\u53d1\u5e03\u5185\u5bb9\u3002
\u8ba8\u8bba\u533a\u7684\u5e16\u5b50\u300a\u8c01\u5728\u62db\u4eba\uff1f\u300b\uff0c\u63d0\u4f9b\u751f\u4fe1\u6df1\u9020\u548c\u5c31\u4e1a\u4fe1\u606f\uff0c\u6b22\u8fce\u8bbf\u95ee\u6216\u53d1\u5e03\u5b66\u4f4d\u653b\u8bfb/\u5de5\u4f5c/\u5b9e\u4e60\u7b49\u5c97\u4f4d\u3002
\u300c\u672c\u671f\u4e13\u7528\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-15/#_1","title":"\u5c01\u9762\u56fe","text":"\uff08via\uff09
"},{"location":"issue-15/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u79d1\u5b66\u5bb6\u7684\u5c42\u6b21","text":"\u8fd9\u5468\u8bdd\u9898\u5206\u4eab\u9976\u6bc5\u6559\u6388\u7684\u8bc4\u8ff0\u3002
\u4e09\u6d41\u53ca\u4ee5\u4e0a\u5bf999.99999%\u56fd\u4eba\u5b66\u8005\u6765\u57fa\u672c\u662f\u68a6\u60f3\uff0c\u8bf7\u770b\u4e0a\u9762\u94fe\u63a5\u7684\u539f\u6587\u3002\u5e0c\u671b\u5927\u5bb6\u90fd\u8131\u79bb\u4e5d\u6d41\uff0c\u505a\u7740\u516d\u4e03\u6d41\uff0c\u52c7\u4e89\u56db\u6d41\u3002
\u56db\u6d41\uff1a\u7814\u7a76\u7684\u79d1\u5b66\u6216\u5e94\u7528\u610f\u4e49\u88ab\u540c\u5b66\u79d1\u79d1\u5b66\u5bb6\u4ea4\u53e3\u79f0\u8d5e\uff0c\u4e8c\u5341\u5e74\u5185\u90fd\u77e5\u9053\u5176\u4ee3\u8868\u6027\u91cd\u8981\u5de5\u4f5c\uff0c\u4e3a\u672c\u5b66\u79d1\u4e2d\u575a\uff1b
\u4e94\u6d41\uff1a\u7814\u7a76\u610f\u4e49\u4e00\u822c\u79d1\u5b66\u5de5\u4f5c\u8005\u8bef\u8ba4\u4e3a\u5f88\u6709\u5671\u5934\uff0c\u867d\u7136\u5c11\u6570\u4f18\u79c0\u79d1\u5b66\u5bb6\u65e9\u5c31\u770b\u7a7f\u5176\u5c40\u9650\u6027\uff0c\u6321\u4e0d\u4f4f\u8fd9\u7c7b\u79d1\u5b66\u7814\u7a76\u5728\u77ed\u65f6\u95f4\u5f97\u5230\u5f88\u591a\u77a9\u76ee\uff0c\u7814\u7a76\u8005\u4e2a\u4eba\u5f97\u5230\u5229\u76ca\uff0c\u4f46\u5176\u7814\u7a76\u7ed3\u679c\u4e0d\u5230\u5341\u5e74\u5c31\u88ab\u540c\u4e00\u5b66\u79d1\u6240\u5fd8\u8bb0\u3002
\u516d\u6d41\uff1a\u5f88\u80fd\u603b\u7ed3\u7814\u7a76\u7ed3\u679c\uff0c\u7279\u522b\u80fd\u591f\u53d1\u6587\u7ae0\uff0c\u65e0\u8bba\u7814\u7a76\u672c\u8eab\u6709\u6ca1\u6709\u610f\u4e49\uff0c\u867d\u7136\u4f18\u79c0\u79d1\u5b66\u5bb6\u5f88\u5feb\u55e4\u4e4b\u4ee5\u9f3b\uff0c\u4f46\u7814\u7a76\u8005\u6709\u529e\u6cd5\u628a\u6587\u7ae0\u53d1\u8868\u5728\u8bfb\u8005\u591a\u7684\u573a\u666f\uff0c\u4f8b\u5982\u53d1\u8868\u5728Nature\u3002\u8bfb\u8005\u8fd8\u4e0d\u5c11\uff0c\u4f46\u4e24\u5468\u5185\u5927\u5bb6\u90fd\u4e0d\u8bb0\u5f97\u505a\u4e86\u4ec0\u4e48\uff0c\u4e00\u4e2a\u6708\u540e\u81ea\u5df1\u4e5f\u8bf4\u4e0d\u6e05\u695a\u53d1\u73b0\u4e86\u4ec0\u4e48\uff0c\u7070\u98de\u70df\u706d\uff1b
\u4e03\u6d41\uff1a\u505a\u5b8c\u7814\u7a76\u81ea\u5df1\u90fd\u4e0d\u8bb0\u5f97\u4e3a\u4ec0\u4e48\u79d1\u5b66\u539f\u56e0\u800c\u5f00\u59cb\u7814\u7a76\uff0c\u4f46\u80fd\u591f\u53d1\u6587\u7ae0\uff0c\u8fd8\u6709\u5c11\u91cf\u8bfb\u8005\uff0c\u5bf9\u5176\u4ed6\u4eba\u7684\u7814\u7a76\u6c38\u8fdc\u6ca1\u6709\u5f71\u54cd\uff1b
\u516b\u6d41\uff1a\u80fd\u591f\u81ea\u5df1\u8bbe\u8ba1\u8bfe\u9898\uff0c\u52c9\u5f3a\u80fd\u591f\u53d1\u8868\uff0c\u5728\u56fd\u9645\u4e0a\u4e3b\u8981\u662f\u53ea\u80fd\u804c\u4e1a\u722c\u5761\uff0c\u5728\u67d0\u4e9b\u5c40\u90e8\u73af\u5883\u88ab\u8ba4\u4e3a\u662f\u79d1\u5b66\u5bb6\uff0c\u6587\u7ae0\u65e0\u4eba\u9605\u8bfb\uff0c\u540c\u4e00\u8bfe\u9898\u7ec4\u4e5f\u4e0d\u518d\u7ee7\u7eed\u505a\uff1b
\u4e5d\u6d41\uff1a\u4e0d\u77e5\u9053\u8be5\u7814\u7a76\u4ec0\u4e48\uff0c\u4e3a\u4e86\u804c\u4e1a\u4e0d\u65ad\u6a21\u4eff\u5176\u4ed6\u4eba\u7684\u7814\u7a76\u3002
"},{"location":"issue-15/#_3","title":"\u751f\u4fe1\u79d1\u6280\u52a8\u6001","text":"1\u3001Cell | \u52a0\u5dde\u5927\u5b66\u4efb\u5175\u56e2\u961f\u53d1\u8868\u8fc4\u4eca\u6700\u5927\u89c4\u6a21\u4eba\u7c7b\u5355\u7ec6\u80de\u67d3\u8272\u8d28\u53ef\u53ca\u6027\u56fe\u8c31
\u5168\u57fa\u56e0\u7ec4\u5173\u8054\u7814\u7a76\uff08GWAS\uff09\u5df2\u7ecf\u786e\u5b9a\u4e86\u6570\u5341\u4e07\u79cd\u4e0e\u4eba\u7c7b\u7279\u5f81\u548c\u75be\u75c5\u5e7f\u6cdb\u76f8\u5173\u7684\u9057\u4f20\u53d8\u5f02\uff0c\u8fd9\u4e9b\u53d8\u5f02\u5927\u591a\u6570\u662f\u975e\u7f16\u7801\u7684\u3002\u6b64\u5916\uff0c\u7814\u7a76\u53d1\u73b0\u75be\u75c5\u76f8\u5173\u7ec4\u7ec7\u548c\u7ec6\u80de\u7c7b\u578b\u4e2d\u7684\u5019\u9009\u987a\u5f0f\u8c03\u8282\u5143\u4ef6\uff08CCRE\uff09\u5bcc\u542b\u975e\u7f16\u7801\u75be\u75c5\u98ce\u9669\u53d8\u5f02\uff0c\u56e0\u6b64\u79d1\u5b66\u5bb6\u4eec\u63a8\u6d4b\u975e\u7f16\u7801\u53d8\u5f02\u5f71\u54cd\u75be\u75c5\u98ce\u9669\u7684\u4e3b\u8981\u673a\u5236\u662f\u901a\u8fc7\u5f71\u54cd\u7279\u5b9a\u7ec6\u80de\u7c7b\u578b\u4e2d\u7684\u8f6c\u5f55\u8c03\u8282\u5143\u4ef6\u3002\u4f46\u7531\u4e8e\u7f3a\u4e4f\u4eba\u7c7b\u57fa\u56e0\u7ec4\u4e2d\u8c03\u63a7\u5143\u4ef6\u7684\u7ec6\u80de\u7c7b\u578b\u89e3\u6790\u56fe\uff0c\u8fd9\u4e9b\u975e\u7f16\u7801\u53d8\u5f02\u7684\u6ce8\u91ca\u4ecd\u5177\u6709\u6311\u6218\u6027\u3002
\u7f8e\u56fd\u52a0\u5dde\u5927\u5b66\u5723\u5730\u4e9a\u54e5\u5206\u6821\u4efb\u5175\u6559\u6388\u8bfe\u9898\u7ec4\u5728Cell\u4e0a\u53d1\u4e86\u9898\u4e3a\u201cA single-cell atlas of chromatin accessibility in the human genome\u201d\u7684\u7814\u7a76\u6587\u7ae0\u3002\u7814\u7a76\u4eba\u5458\u4f7f\u7528\u6539\u826f\u7684\u5355\u7ec6\u80de\u6d4b\u5e8f\u6280\u672fsci-ATAC-seq\u5bf9\u6765\u81ea\u591a\u4e2a\u4e2a\u4f5330\u79cd\u6210\u4eba\u7ec4\u7ec7\u7c7b\u578b\u7684615998\u4e2a\u7ec6\u80de\u8fdb\u884c\u4e86\u67d3\u8272\u8d28\u53ef\u53ca\u6027\u5206\u6790\uff0c\u5e76\u5c06\u8fd9\u4e9b\u6570\u636e\u4e0e15\u79cd\u80ce\u513f\u7ec4\u7ec7\u7c7b\u578b\u7684\u7ec6\u80de\u67d3\u8272\u8d28\u53ef\u53ca\u6027\u56fe\u8c31\u76f8\u7ed3\u5408\uff0c\u7ed8\u5236\u4e86\u8fc4\u4eca\u6700\u5927\u89c4\u6a21\u7684\u4eba\u7c7b\u5355\u7ec6\u80de\u67d3\u8272\u8d28\u53ef\u53ca\u6027\u56fe\u8c31\u3002\u8be5\u56fe\u8c31\u5728222\u4e2a\u7ec6\u80de\u4e9a\u578b\u4e2d\u6ce8\u91ca\u4e86\u8fd1120\u4e07\u4e2aCCRE\uff0c\u4e3a\u63ed\u793a\u7ec6\u80de\u7c7b\u578b\u4e0e\u75be\u75c5\u7684\u76f8\u5173\u6027\uff0c\u53d1\u73b0\u4eba\u7c7b\u7ec6\u80de\u7c7b\u578b\u7684\u76f8\u5173\u6cbb\u7597\u9776\u70b9\uff0c\u4ee5\u53ca\u4eba\u7c7b\u590d\u6742\u75be\u75c5\u7684\u81f4\u75c5\u673a\u7406\u63d0\u4f9b\u4e86\u5b9d\u8d35\u7684\u53c2\u8003\u8d44\u6e90\u3002\uff08\u8d44\u6e90\u83b7\u53d6\uff1ahttp://catlas.org/humanenhancer\uff09
2\u3001Nature Methods | \u674e\u660e\u7476\u56e2\u961f\u53d1\u8868\u7a7a\u95f4\u8f6c\u5f55\u7ec4\u6570\u636e\u5206\u6790\u7684\u65b0\u7b97\u6cd5SpaGCN\uff0c\u53ef\u68c0\u6d4b\u51fa\u5177\u6709\u7a7a\u95f4\u8868\u8fbe\u6a21\u5f0f\u7684SVG
\u8fd1\u5e74\u6765\uff0c\u7a7a\u95f4\u8f6c\u5f55\u7ec4\uff08Spatially Resolved Transcriptoms, SRT\uff09\u6280\u672f\u7684\u8fdb\u6b65\u4f7f\u5f97\u5229\u7528\u7ec4\u7ec7\u4e2d\u7684\u7a7a\u95f4\u4fe1\u606f\u8fdb\u884c\u57fa\u56e0\u8868\u8fbe\u8c31\u5206\u6790\u6210\u4e3a\u53ef\u80fd\u3002\u76ee\u524d\uff0c\u5173\u4e8eSRT\u7684\u5b9e\u9a8c\u7b56\u7565\u5927\u81f4\u53ef\u5206\u4e3a\u4e24\u7c7b\uff1a\u7b2c\u4e00\u7c7b\u662f\u5177\u6709\u5355\u7ec6\u80de\u5206\u8fa8\u7387\u7684\u539f\u4f4d\u6742\u4ea4\u6216\u6d4b\u5e8f\u6280\u672f\uff08\u5305\u62ecseqFISH\u3001MERFISH\u7b49\uff09\uff0c\u80fd\u591f\u68c0\u6d4b\u5355\u4e2a\u7ec6\u80de\u4e2d\u6570\u767e\u5230\u6570\u5343\u4e2a\u57fa\u56e0\u7684\u8868\u8fbe\u6c34\u5e73\uff1b\u7b2c\u4e8c\u7c7b\u662f\u57fa\u4e8e\u539f\u4f4d\u6355\u83b7\u7684\u6280\u672f\uff08\u5305\u62ecSLIDE-seq\u548c10x Visium\u7b49\uff09\uff0c\u5373\u5148\u8fdb\u884c\u7a7a\u95f4\u6761\u5f62\u7801\u7f16\u7801\u518d\u8fdb\u884c\u6d4b\u5e8f\uff0c\u53ef\u4ee5\u68c0\u6d4b\u6355\u83b7\u7279\u5b9a\u4f4d\u7f6e\u4e2d\u6570\u5343\u4e2a\u57fa\u56e0\u7684\u8868\u8fbe\u6c34\u5e73\u3002\u8fd9\u4e9b\u4e0d\u540c\u7684SRT\u6280\u672f\u4f7f\u5f97\u63ed\u793a\u5f02\u8d28\u7ec4\u7ec7\u7684\u590d\u6742\u8f6c\u5f55\u7ed3\u6784\u6210\u4e3a\u53ef\u80fd\uff0c\u5e76\u589e\u5f3a\u4e86\u4eba\u4eec\u5bf9\u75be\u75c5\u7ec6\u80de\u673a\u5236\u7684\u7406\u89e3\u3002
\u672c\u6587\u63d0\u51fa\u4e86\u7a7a\u95f4\u8f6c\u5f55\u7ec4\u6570\u636e\u5206\u6790\u7684\u65b0\u7b97\u6cd5SpaGCN\u3002SpaGCN\u9996\u5148\u6784\u5efa\u8868\u793a\u6570\u636e\u7a7a\u95f4\u4f9d\u8d56\u6027\u7684\u65e0\u5411\u52a0\u6743\u56fe\uff0c\u518d\u5c06\u57fa\u56e0\u8868\u8fbe\u3001\u7a7a\u95f4\u4f4d\u7f6e\u548c\u7ec4\u7ec7\u5b66\u8fdb\u884c\u6574\u5408\u6765\u8bc6\u522b\u7a7a\u95f4\u57df\u3002\u6b64\u5916\uff0cSpaGCN\u8fd8\u53ef\u4ee5\u68c0\u6d4b\u6bcf\u4e2a\u7a7a\u95f4\u57df\u4e30\u5bcc\u7684SVG\uff0c\u901a\u8fc7\u5c06\u641c\u7d22\u7a7a\u95f4\u9650\u5236\u5728\u7a7a\u95f4\u57df\u4e0a\uff0c\u4ee5\u4fdd\u8bc1\u68c0\u6d4b\u5230\u7684SVG\u90fd\u5177\u6709\u7a7a\u95f4\u8868\u8fbe\u6a21\u5f0f\u3002SpaGCN\u9002\u7528\u4e8e\u5206\u6790\u591a\u79cd\u7c7b\u578b\u7684SRT\u6570\u636e\uff0c\u5305\u62ecST\u300110x Visium\u3001SLIDE-seqV2\u7b49\u3002
"},{"location":"issue-15/#_4","title":"\u6587\u7ae0","text":"1\u3001Creating a custom color palette class with vctrs
\u672c\u6587\u4ecb\u7ecd\u5982\u4f55\u4f7f\u7528vctrs\u521b\u5efa\u4e00\u4e2a\u81ea\u5b9a\u4e49\u7684\u8c03\u8272\u677f\ud83c\udfa8\u3002
2\u3001A Zotero Workflow for R
\u8fd9\u7bc7\u7b80\u77ed\u7684\u535a\u5ba2\u6587\u7ae0\u7684\u76ee\u7684\u662f\u6982\u8ff0\u4f5c\u8005\u5199\u8bba\u6587\u65f6\u6b63\u5728\u4f7f\u7528\u7684\u8f6f\u4ef6\u5305\u548c\u5de5\u4f5c\u6d41\u3002
3\u3001PD-1\u4e0ePD-L1\u76846\u5927\u533a\u522b
"},{"location":"issue-15/#_5","title":"\u5de5\u5177","text":"1\u3001\u201c\u6587\u732e\u5355\u8bcd\u201d\u5fae\u4fe1\u5c0f\u7a0b\u5e8f
\u201c\u6587\u732e\u5355\u8bcd\u201d\u6307\u7684\u662f\u6587\u732e\u4e2d\u7684\u9ad8\u9891\u8bcd\u6c47\uff0c\u5b83\u4eec\u6709\u7279\u6b8a\u7684\u7528\u6cd5\uff0c\u4e0d\u540c\u5b66\u79d1\u4e5f\u6709\u5bf9\u5e94\u7684\u4e13\u4e1a\u82f1\u8bed\uff0c\u56e0\u6b64\u5176\u8303\u7574\u548c\u56db\u516d\u7ea7\u5355\u8bcd\u4e0d\u540c\u3002
2\u3001Python \u56fe\u5f62\u754c\u9762\u6846\u67b6 PyQt5
3\u3001mlverse\u751f\u6001\uff1a\u6269\u5c55\u6570\u636e\u79d1\u5b66\u7684\u5f00\u6e90\u5e93
4\u3001iCOBRA\uff1a\u5bf9\u6392\u540d\u548c\u5206\u914d\u65b9\u6cd5\u8fdb\u884c\u4ea4\u4e92\u5f0f\u57fa\u51c6\u6d4b\u8bd5
iCOBRA\u662f\u4e00\u4e2a\u8f6f\u4ef6\u5305\uff0c\u7528\u4e8e\u8ba1\u7b97\u548c\u53ef\u89c6\u5316\u6392\u5e8f\u548c\u4e8c\u8fdb\u5236\u8d4b\u503c\u65b9\u6cd5\u7684\u6027\u80fd\u6307\u6807\u3002\u4e00\u4e2a\u5178\u578b\u7684\u7528\u4f8b\u53ef\u4ee5\u662f\uff0c\u4f8b\u5982\uff0c\u5728\u57fa\u56e0\u8868\u8fbe\u5b9e\u9a8c\u4e2d\u6bd4\u8f83\u8c03\u7528\u5dee\u5f02\u8868\u8fbe\u7684\u65b9\u6cd5\uff0c\u8fd9\u53ef\u4ee5\u88ab\u770b\u4f5c\u662f\u4e00\u4e2a\u6392\u5e8f\u95ee\u9898(\u4f30\u8ba1\u6b63\u786e\u7684\u6548\u5e94\u5927\u5c0f\u5e76\u6839\u636e\u663e\u8457\u6027\u5bf9\u57fa\u56e0\u6392\u5e8f)\u6216\u4e00\u4e2a\u4e8c\u5143\u5206\u914d\u95ee\u9898(\u5c06\u57fa\u56e0\u5206\u4e3a\u5dee\u5f02\u8868\u8fbe\u548c\u975e\u5dee\u5f02\u8868\u8fbe)\u3002
"},{"location":"issue-15/#_6","title":"\u8d44\u6e90","text":"1\u3001The Innovation | \u89c6\u9891: Y\u53d4\u8c08clusterProfiler 4.0 \u524d\u6cbf\u5e94\u7528
2\u3001\u89c6\u9891\uff1a\u56fd\u81ea\u7136\u7533\u8bf7\u4e66\u64b0\u5199\u7ecf\u9a8c\u5206\u4eab
"},{"location":"issue-15/#_7","title":"\u8d5e\u8d4f","text":"\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
"},{"location":"issue-15/#_8","title":"\u8ba2\u9605","text":"\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-16/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 16 \u671f\uff09\uff1a\u764c\u75c7\u65b0\u7279\u5f81","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
GitHub \u7c89\u4eec\u53ef\u4ee5\u901a\u8fc7 Watch \u4ed3\u5e93\u7684 Release\uff08\u63d0\u524d\uff09\u5173\u6ce8\u53d1\u5e03\u5185\u5bb9\u3002
\u8ba8\u8bba\u533a\u7684\u5e16\u5b50\u300a\u8c01\u5728\u62db\u4eba\uff1f\u300b\uff0c\u63d0\u4f9b\u751f\u4fe1\u6df1\u9020\u548c\u5c31\u4e1a\u4fe1\u606f\uff0c\u6b22\u8fce\u8bbf\u95ee\u6216\u53d1\u5e03\u5b66\u4f4d\u653b\u8bfb/\u5de5\u4f5c/\u5b9e\u4e60\u7b49\u5c97\u4f4d\u3002
\u300c\u672c\u671f\u4e13\u7528\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-16/#_1","title":"\u5c01\u9762\u56fe","text":"Cancer Discov. 2022; 12: 31-46.
"},{"location":"issue-16/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u764c\u75c7\u65b0\u7279\u5f81","text":"Hallmarks of Cancer\u53d1\u5e03\u7b2c3\u7248\u3002\u5728\u65e2\u5f8010\u4e2a\u7279\u5f81\u7684\u57fa\u7840\u4e0a\uff0c\u518d\u4e00\u6b21\u589e\u52a0\u4e864\u4e2a\u7279\u5f81\uff0c\u5206\u522b\u662f\uff1a1\u3001\u89e3\u9501\u8868\u578b\u53ef\u5851\u6027\uff08Unlocking phenotypic plasticity\uff09\uff0c\u800c\u8868\u578b\u53ef\u5851\u6027\u53ef\u4ee5\u7834\u574f\u7ec6\u80de\u5206\u5316\u30022\u3001\u8870\u8001\u7ec6\u80de\uff08Senescent cells\uff09\uff0c\u7ec6\u80de\u8870\u8001\u88ab\u8ba4\u4e3a\u662f\u7ef4\u6301\u7ec4\u7ec7\u7a33\u6001\u7684\u4e00\u79cd\u4fdd\u62a4\u673a\u5236\uff0c\u7136\u800c\u8d8a\u6765\u8d8a\u591a\u7684\u8bc1\u636e\u63d0\u793a\uff0c\u5728\u67d0\u4e9b\u60c5\u51b5\u4e0b\uff0c\u8870\u8001\u7ec6\u80de\u53ef\u4ee5\u5404\u79cd\u65b9\u5f0f\u4fc3\u8fdb\u80bf\u7624\u7684\u53d1\u751f\u3001\u53d1\u5c55\u30023\u3001\u975e\u7a81\u53d8\u8868\u89c2\u9057\u4f20\u91cd\u7f16\u7a0b\uff08non-mutational epigenetic reprogramming\uff09\uff0c\u8868\u89c2\u9057\u4f20\u5373DNA\u5e8f\u5217\u6ca1\u6709\u53d1\u751f\u53d8\u5316\uff0c\u4f46\u57fa\u56e0\u529f\u80fd\u53d1\u751f\u4e86\u53ef\u9057\u4f20\u7684\u53d8\u5316\u30024\u3001\u591a\u6001\u5fae\u751f\u7269\u7ec4\uff08Polymorphic microbiomes\uff09\uff0c\u5b58\u5728\u4e8e\u7ed3\u80a0\u3001\u5176\u4ed6\u9ecf\u819c\u53ca\u5176\u8fde\u63a5\u5668\u5b98\uff0c\u6216\u80bf\u7624\u81ea\u8eab\u7684\u5fae\u751f\u7269\u7ec4\u3002\u524d\u4e24\u4e2a\u7279\u5f81\u4e3a\u201c\u65b0\u51fa\u73b0\u7684\u7279\u5f81\u201d\uff0c\u540e\u4e24\u8005\u4e3a\u201c\u8d4b\u4e88\u7684\u7279\u5f81\u201d\u3002
Hallmarks\u7684\u53c8\u4e00\u6b21\u66f4\u65b0\u662f\u4eba\u7c7b\u4ece\u65b0\u65b9\u5411\u7814\u7a76\u764c\u75c7\u8fd1\u671f\u7ed3\u679c\u7684\u6c47\u603b\uff0c\u62d3\u5c55\u4e86\u764c\u75c7\u7814\u7a76\u7684\u7eb2\u8981\u548c\u4e3b\u8981\u7814\u7a76\u8303\u56f4\u3002
"},{"location":"issue-16/#_3","title":"\u751f\u4fe1\u79d1\u6280\u52a8\u6001","text":"1\u3001Nature Methods | \u7ed3\u5408DNA\u8fdc\u7aef\u4e92\u4f5c\u7684\u9ad8\u7cbe\u5ea6\u57fa\u56e0\u8868\u8fbe\u9884\u6d4b\u6a21\u578b\u2014\u2014Enformer
\u7ed3\u5408DNA\u8fdc\u7aef\u4e92\u4f5c\u9884\u6d4b\u57fa\u56e0\u8868\u8fbe\u548c\u67d3\u8272\u8d28\u72b6\u6001\u7684\u8ba1\u7b97\u6a21\u578b\u53ef\u4ee5\u5e2e\u52a9\u66f4\u597d\u5730\u7406\u89e3\u8f6c\u5f55\u8c03\u63a7\u4ee5\u53ca\u53d8\u5f02\u5bf9\u8f6c\u5f55\u8c03\u63a7\u7684\u5f71\u54cd\uff0c\u8865\u5145\u57fa\u4e8e\u4eba\u7fa4\u7684\u5173\u8054\u7814\u7a76\u3002
\u672c\u6587\u901a\u8fc7Enformer\u6574\u5408\u4e86\u6765\u81ea\u57fa\u56e0\u7ec4\u7684\u8fdc\u7aef\u4e92\u4f5c\u4fe1\u606f\uff0c\u80fd\u591f\u66f4\u51c6\u786e\u7684\u9884\u6d4b\u53d8\u5f02\u6548\u5e94\u3002\u6b64\u5916\uff0cEnformer\u7ed3\u5408\u4e86\u76f4\u63a5\u4eceDNA\u5e8f\u5217\u9884\u6d4b\u589e\u5f3a\u5b50-\u542f\u52a8\u5b50\u76f8\u4e92\u4f5c\u7528\u7684\u65b9\u6cd5\uff0c\u4f7f\u5f97\u7cbe\u7ec6\u6620\u5c04\u4eba\u7c7b\u75be\u75c5\u6210\u4e3a\u53ef\u80fd\u3002
2\u3001Nature Machine Intelligence | \u57fa\u56e0\u7ec4\u5b66\u4e2d\u9ad8\u6548\u8bbe\u8ba1\u6df1\u5ea6\u5377\u79ef\u795e\u7ecf\u7f51\u7edc\u7684\u81ea\u52a8\u5316\u6846\u67b6
\u5377\u79ef\u795e\u7ecf\u7f51\u7edc(cnn)\u5df2\u6210\u4e3a\u751f\u7269\u5e8f\u5217\u5206\u6790\u7684\u6807\u51c6\u3002\u7f51\u7edc\u67b6\u6784\u7684\u8c03\u6574\u5bf9\u4e8eCNN\u7684\u6027\u80fd\u81f3\u5173\u91cd\u8981\uff0c\u4f46\u5b83\u9700\u8981\u5927\u91cf\u7684\u673a\u5668\u5b66\u4e60\u77e5\u8bc6\u548c\u6295\u5165\u7684\u65f6\u95f4\u548c\u7cbe\u529b\u3002\u56e0\u6b64\uff0c\u8fd9\u4e00\u8fc7\u7a0b\u5bf9\u73b0\u4ee3\u6df1\u5ea6\u5b66\u4e60\u5728\u57fa\u56e0\u7ec4\u5b66\u4e2d\u7684\u5e7f\u6cdb\u548c\u6709\u6548\u5e94\u7528\u9020\u6210\u4e86\u91cd\u5927\u969c\u788d\u3002\u5728\u8fd9\u91cc\uff0c\u6211\u4eec\u63d0\u51fa\u4e86\u751f\u7269\u5faa\u8bc1\u7814\u7a76\u7684\u81ea\u52a8\u5316\u5efa\u6a21(AMBER)\uff0c\u4e00\u4e2a\u5b8c\u5168\u81ea\u52a8\u5316\u7684\u6846\u67b6\uff0c\u6709\u6548\u5730\u8bbe\u8ba1\u548c\u5e94\u7528\u57fa\u56e0\u7ec4\u5e8f\u5217\u7684cnn\u3002AMBER\u901a\u8fc7\u6700\u5148\u8fdb\u7684\u795e\u7ecf\u7ed3\u6784\u641c\u7d22(NAS)\u4e3a\u7528\u6237\u6307\u5b9a\u7684\u751f\u7269\u95ee\u9898\u8bbe\u8ba1\u6700\u4f18\u6a21\u578b\u3002\u6211\u4eec\u5c06AMBER\u5e94\u7528\u4e8e\u57fa\u56e0\u7ec4\u8c03\u63a7\u7279\u5f81\u5efa\u6a21\u7684\u4efb\u52a1\u4e2d\uff0c\u5e76\u8bc1\u660e\u4e86AMBER\u8bbe\u8ba1\u7684\u6a21\u578b\u7684\u9884\u6d4b\u660e\u663e\u6bd4\u7b49\u6548\u7684\u57fa\u7ebf\u975enas\u6a21\u578b\u66f4\u51c6\u786e\uff0c\u4e0e\u5df2\u53d1\u8868\u7684\u4e13\u5bb6\u8bbe\u8ba1\u7684\u6a21\u578b\u76f8\u5339\u914d\u751a\u81f3\u8d85\u8fc7\u3002\u7425\u73c0\u5efa\u7b51\u641c\u7d22\u7684\u89e3\u91ca\u63ed\u793a\u4e86\u5b83\u7684\u8bbe\u8ba1\u539f\u5219\uff0c\u5229\u7528\u8ba1\u7b97\u64cd\u4f5c\u7684\u5168\u7a7a\u95f4\u7cbe\u786e\u5efa\u6a21\u57fa\u56e0\u7ec4\u5e8f\u5217\u3002\u6b64\u5916\uff0c\u6211\u4eec\u8fd8\u9610\u660e\u4e86\u4f7f\u7528AMBER\u5728\u7b49\u4f4d\u57fa\u56e0\u7279\u5f02\u6027\u7ed3\u5408\u548c\u75be\u75c5\u9057\u4f20\u529b\u5bcc\u96c6\u4e2d\u51c6\u786e\u53d1\u73b0\u529f\u80fd\u6027\u57fa\u56e0\u7ec4\u53d8\u5f02\u3002AMBER\u4e3a\u57fa\u56e0\u7ec4\u5b66\u4e2d\u8bbe\u8ba1\u7cbe\u786e\u7684\u6df1\u5ea6\u5b66\u4e60\u6a21\u578b\u63d0\u4f9b\u4e86\u4e00\u79cd\u9ad8\u6548\u7684\u81ea\u52a8\u5316\u65b9\u6cd5\u3002
https://github.com/zj-zhang/AMBER
3\u3001Nature communications | ClusterMap for multi-scale clustering analysis of spatial gene expression
\u5728\u7a7a\u95f4\u73af\u5883\u4e2d\u5b9a\u91cfRNA\u5bf9\u4e8e\u7406\u89e3\u590d\u6742\u7ec4\u7ec7\u4e2d\u7684\u57fa\u56e0\u8868\u8fbe\u548c\u8c03\u63a7\u81f3\u5173\u91cd\u8981\u3002\u539f\u4f4d\u8f6c\u5f55\u7ec4\u65b9\u6cd5\u5728\u5b8c\u6574\u7ec4\u7ec7\u4e2d\u751f\u6210\u7a7a\u95f4\u5206\u8fa8\u7684RNA\u8c31\u3002\u7136\u800c\uff0c\u76ee\u524d\u8fd8\u7f3a\u4e4f\u4e00\u4e2a\u7edf\u4e00\u7684\u8ba1\u7b97\u6846\u67b6\u6765\u6574\u5408\u539f\u4f4d\u8f6c\u5f55\u7ec4\u6570\u636e\u5206\u6790\u3002\u672c\u6587\u7531\u6b64\u5f15\u5165\u4e86\u4e00\u4e2a\u65e0\u76d1\u7763\u548c\u65e0\u6ce8\u91ca\u7684\u6846\u67b6\uff0c\u79f0\u4e3aClusterMap\uff0c\u5b83\u5305\u542b\u4e86RNA\u7684\u7269\u7406\u4f4d\u7f6e\u548c\u57fa\u56e0\u8eab\u4efd\uff0c\u5c06\u4efb\u52a1\u4f5c\u4e3a\u70b9\u6a21\u5f0f\u5206\u6790\u95ee\u9898\uff0c\u5e76\u901a\u8fc7\u5bc6\u5ea6\u5cf0\u805a\u7c7b(DPC)\u8bc6\u522b\u5177\u6709\u751f\u7269\u5b66\u610f\u4e49\u7684\u7ed3\u6784\u3002\u5177\u4f53\u6765\u8bf4\uff0cClusterMap\u5728\u4e8c\u7ef4\u548c\u4e09\u7ef4\u7a7a\u95f4\u4e2d\u7cbe\u786e\u5730\u5c06RNA\u805a\u96c6\u5230\u4e9a\u7ec6\u80de\u7ed3\u6784\u3001\u7ec6\u80de\u4f53\u548c\u7ec4\u7ec7\u533a\u57df\uff0c\u5e76\u5728\u5404\u79cd\u7ec4\u7ec7\u7c7b\u578b\u4e0a\u4e00\u81f4\u5730\u6267\u884c\uff0c\u5305\u62ec\u5c0f\u9f20\u5927\u8111\u3001\u80ce\u76d8\u3001\u80a0\u9053\u548c\u4eba\u7c7b\u5fc3\u810f\u5668\u5b98\u3002\u672c\u6587\u8bc1\u660eClusterMap\u53ef\u5e7f\u6cdb\u5e94\u7528\u4e8e\u5404\u79cd\u539f\u4f4d\u8f6c\u5f55\u7ec4\u6d4b\u91cf\uff0c\u4ece\u5177\u6709\u9ad8\u7ef4\u8f6c\u5f55\u7ec4\u7279\u5f81\u7684\u56fe\u50cf\u4e2d\u63ed\u793a\u57fa\u56e0\u8868\u8fbe\u6a21\u5f0f\u3001\u7ec6\u80de\u751f\u6001\u4f4d\u548c\u7ec4\u7ec7\u7ec4\u7ec7\u539f\u5219\u3002
"},{"location":"issue-16/#_4","title":"\u6587\u7ae0","text":"1\u3001sjPlot - R\u8bed\u8a00\u4e2d\u7684\u6d41\u884c\u75c5\u6570\u636e\u5206\u6790\u795e\u5668
\u6b64\u5305\u4e0d\u4ec5\u53ef\u4ee5\u5b9e\u73b0\u4e09\u7ebf\u8868\u7684\u7ed8\u5236\uff0c\u540c\u65f6\u53ef\u4ee5\u8fdb\u884c\u6a21\u578b\u7ed3\u679c\u7684\u53ef\u89c6\u5316\u5c55\u793a\u3001\u8bc4\u4f30\u3002
2\u3001ComplexHeatmap\uff1a\u4e00\u4e2a\u5b8c\u5168\u5b9a\u5236\u7684\u6ce8\u91ca
\u672c\u6587\u4ecb\u7ecd\u4f7f\u7528ComplexHeatmap\u8fdb\u884c\u5b8c\u5168\u81ea\u5b9a\u4e49\u7684\u6ce8\u89c6\u3002
3\u3001\u7528Python\u6784\u5efaAPI\u7684\u516b\u5927\u6d41\u884c\u6846\u67b6
\u672c\u6587\u516b\u79cd\u53ef\u7528\u4e8e\u6784\u5efaAPI\u7684\u4f18\u79c0Python\u6846\u67b6\u3002
"},{"location":"issue-16/#_5","title":"\u5de5\u5177","text":"1\u3001ggeffects - ggplot2\u56de\u5f52\u6a21\u578b\u7684\u8fb9\u9645\u5747\u503c\u4f30\u8ba1\u548c\u8fb9\u9645\u6548\u5e94
\u4e00\u4e2a\u652f\u6301\u591a\u79cd\u6a21\u578b\u7684\u53ef\u89c6\u5316\u548c\u9884\u6d4b\u795e\u5668\u3002
2\u3001ggiraph - \u4f7f\u201cggplot\u201d\u56fe\u5f62\u5177\u6709\u4ea4\u4e92\u6027
library(ggplot2)\nlibrary(ggiraph)\ndata <- mtcars\ndata$carname <- row.names(data)\n\ngg_point = ggplot(data = data) +\n geom_point_interactive(aes(x = wt, y = qsec, color = disp,\n tooltip = carname, data_id = carname)) + \n theme_minimal()\n\ngirafe(ggobj = gg_point)\n3\u3001ggcorrplot - \u4f7f\u7528ggplot2\u53ef\u89c6\u5316\u76f8\u5173\u77e9\u9635
"},{"location":"issue-16/#_6","title":"\u8d44\u6e90","text":"1\u3001\u722a\u54e5\u7684awesome\u5217\u8868
\u751f\u7269\u4fe1\u606f\u5b66\u3001\u6570\u636e\u79d1\u5b66\u3001\u673a\u5668\u5b66\u4e60\u3001\u7f16\u7a0b\u8bed\u8a00(Python\u3001Golang\u3001R\u3001Perl)\u548c\u5176\u4ed6\u65b9\u9762\u7684\u5b9d\u8d35\u8d44\u6e90\u3002
2\u3001\u9648\u5dcd\u5b66\u57fa\u56e0\u3011\u89c6\u9891\u3001\u6587\u7ae0\u76ee\u5f55
"},{"location":"issue-16/#_7","title":"\u8d5e\u8d4f","text":"\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
"},{"location":"issue-16/#_8","title":"\u8ba2\u9605","text":"\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-17/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 17 \u671f\uff09\uff1aCox\u6bd4\u4f8b\u98ce\u9669\u6a21\u578b\u8457\u4f5c\u8005\u79bb\u4e16","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
GitHub \u7c89\u4eec\u53ef\u4ee5\u901a\u8fc7 Watch \u4ed3\u5e93\u7684 Release\uff08\u63d0\u524d\uff09\u5173\u6ce8\u53d1\u5e03\u5185\u5bb9\u3002
\u8ba8\u8bba\u533a\u7684\u5e16\u5b50\u300a\u8c01\u5728\u62db\u4eba\uff1f\u300b\uff0c\u63d0\u4f9b\u751f\u4fe1\u6df1\u9020\u548c\u5c31\u4e1a\u4fe1\u606f\uff0c\u6b22\u8fce\u8bbf\u95ee\u6216\u53d1\u5e03\u5b66\u4f4d\u653b\u8bfb/\u5de5\u4f5c/\u5b9e\u4e60\u7b49\u5c97\u4f4d\u3002
\u300c\u672c\u671f\u4e13\u7528\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-17/#_1","title":"\u5c01\u9762\u56fe","text":"\u7531ezcox\u5305\u6240\u7ed8\u5236\u7684Cox\u56de\u5f52\u68ee\u6797\u56fe\uff08via\uff09\u3002
"},{"location":"issue-17/#cox","title":"\u672c\u5468\u8bdd\u9898\uff1aCox\u6bd4\u4f8b\u98ce\u9669\u6a21\u578b\u8457\u4f5c\u8005\u79bb\u4e16","text":"\u6234\u7ef4\u00b7\u7f57\u65af\u8d1d\u00b7\u79d1\u514b\u65af\u7235\u58eb\uff0cSir David Roxbee Cox\uff0c1924\u5e747\u670815\u65e5\uff0d2022\uff09\uff0c\u82f1\u56fd\u8457\u540d\u7edf\u8ba1\u5b66\u5bb6\uff0c\u82f1\u56fd\u7687\u5bb6\u5b66\u4f1a\u9662\u58eb\u66a8\u82f1\u56fd\u793e\u4f1a\u79d1\u5b66\u9662\u9662\u58eb\uff0c\u7f8e\u56fd\u79d1\u5b66\u9662\u3001\u4e39\u9ea6\u7687\u5bb6\u79d1\u5b66\u9662\u5916\u7c4d\u9662\u58eb\u3002\u66fe\u4efb\u56fd\u9645\u7edf\u8ba1\u534f\u4f1a\u3001\u4f2f\u52aa\u5229\u6570\u7406\u7edf\u8ba1\u4e0e\u6982\u7387\u5b66\u4f1a\u3001\u82f1\u56fd\u7687\u5bb6\u7edf\u8ba1\u5b66\u4f1a\u4e3b\u5e2d\u3002\u4e3b\u8981\u5b66\u672f\u8d21\u732e\u5305\u62ecCox\u8fc7\u7a0b\u548c\u5f71\u54cd\u6df1\u8fdc\u4e14\u5e94\u7528\u5e7f\u6cdb\u7684Cox\u6bd4\u4f8b\u98ce\u9669\u6a21\u578b\u7b49\u3002
\u76ee\u524d\u7684\u4e34\u5e8a\u533b\u5b66\u7814\u7a76\u3001\u751f\u7269\u4fe1\u606f\u5b66\u7814\u7a76\u90fd\u4eceCox\u6a21\u578b\u4e2d\u9887\u4e3a\u53d7\u76ca\uff0c\u5b83\u662f\u9274\u522b\u53d8\u91cf\u5bf9\u751f\u5b58\u6570\u636e\u5f71\u54cd\u529b\u7684\u6709\u6548\u624b\u6bb5\u3002\u79d1\u5b66\u5bb6\u8ffd\u6c42\u7684\u7406\u60f3\u5e94\u5c31\u662f\u8fd9\u79cd\u6709\u8457\u4f5c\u6d41\u82b3\u767e\u4e16\uff0c\u798f\u6cfd\u540e\u4eba\u3002
"},{"location":"issue-17/#_2","title":"\u751f\u4fe1\u79d1\u6280\u52a8\u6001","text":"1\u3001\u4e24\u9662\u9662\u58eb\u8bc4\u9009\u201c2021\u5e74\u4e2d\u56fd/\u4e16\u754c\u5341\u5927\u79d1\u6280\u8fdb\u5c55\u65b0\u95fb\u201d\u63ed\u6653
\u8fd9\u91cc\u4ec5\u4ecb\u7ecd\u4e00\u4f8b\uff0c\u5176\u4f59\u8bfb\u8005\u53ef\u4ee5\u901a\u8fc7\u94fe\u63a5\u6587\u7ae0\u9605\u8bfb\u3002
\u5965\u5730\u5229\u79d1\u5b66\u9662\u751f\u7269\u5b66\u5bb6Sasha Mendjan\u548c\u56e2\u961f\u4f7f\u7528\u4eba\u7c7b\u591a\u80fd\u5e72\u7ec6\u80de\u57f9\u517b\u51fa\u829d\u9ebb\u5927\u5c0f\u7684\u5fc3\u810f\u6a21\u578b\uff0c\u53c8\u79f0\u5fc3\u810f\u7ebf\u3002\u5b83\u53ef\u4ee5\u81ea\u53d1\u5730\u8fdb\u884c\u7ec4\u7ec7\uff0c\u5728\u4e0d\u9700\u8981\u5b9e\u9a8c\u652f\u67b6\u7684\u60c5\u51b5\u4e0b\u53d1\u5c55\u51fa\u4e00\u4e2a\u4e2d\u7a7a\u7684\u5fc3\u623f\u3002Mendjan\u56e2\u961f\u4ee5\u7279\u5b9a\u7684\u987a\u5e8f\u6fc0\u6d3b\u6240\u6709\u53c2\u4e0e\u80da\u80ce\u5fc3\u810f\u53d1\u80b2\u76846\u4e2a\u5df2\u77e5\u4fe1\u53f7\u901a\u8def\uff0c\u8bf1\u5bfc\u5e72\u7ec6\u80de\u81ea\u6211\u7ec4\u7ec7\u3002
2\u3001Nucleic Acids Research | \u7597\u6548\u836f\u7269\u9776\u6807\u7684\u6bd4\u8f83\u6027\u7814\u7a76\u4e0e\u6570\u636e\u5e73\u53f0\u6784\u5efa
\u5728\u4eba\u5de5\u667a\u80fd\u836f\u5b66\u6025\u901f\u53d1\u5c55\u7684\u4eca\u5929\uff0c\u8feb\u5207\u9700\u8981\u7d2f\u79ef\u9488\u5bf9\u836f\u9776\u7684\u6bd4\u8f83\u6027\u7814\u7a76\u6570\u636e\uff0c\u4ee5\u63a8\u8fdb\u57fa\u4e8e\u5927\u6570\u636e\u7684AI\u836f\u5b66\u7814\u7a76\u3002\u6d59\u6c5f\u5927\u5b66\u836f\u5b66\u9662\u6731\u5cf0\u6559\u6388\u3001\u533b\u5b66\u9662\u88d8\u4e91\u5e86\u6559\u6388\u548c\u6e05\u534e\u5927\u5b66\u6df1\u5733\u7814\u7a76\u751f\u9662\u9648\u5b87\u7efc\u6559\u6388\u5408\u4f5c\u5f00\u5c55\u4e86\u5168\u9762\u7684\u836f\u9776\u6bd4\u8f83\u6027\u7814\u7a76\u3002\u7814\u7a76\u7ed3\u679c\u6db5\u76d6\u4e86\u6240\u6709FDA\u5df2\u6279\u51c6\u836f\u7269\u4f5c\u7528\u7684\u3001\u4e00\u4e07\u4f59\u4e2a\u4e34\u5e8a\u7814\u7a76\u836f\u7269\u4f5c\u7528\u7684\u3001\u4e24\u4e07\u4e94\u5343\u4f59\u4e2a\u4e34\u5e8a\u524d\u548c\u5b9e\u9a8c\u7814\u7a76\u4e2d\u836f\u7269\u4f5c\u7528\u7684\u836f\u9776\u3002\uff08https://idrblab.org/ttd/\uff09
3\u3001NEJM | \u8d85\u5feb\u7eb3\u7c73\u5b54\u6280\u672f8\u5c0f\u65f6\u6d4b\u5e8f\u57fa\u56e0\u7ec4\uff0c\u627e\u5230\u81f4\u75c5\u57fa\u56e0\uff0c\u633d\u6551\u751f\u547d
\u5728\u5bf9\u75c5\u4eba\u8fdb\u884c\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u5e76\u8fd4\u56de\u7ed3\u679c\u4e0a\uff0c\u8017\u65f6\u51e0\u5468\u65f6\u95f4\uff0c\u5df2\u7ecf\u88ab\u5927\u591a\u6570\u533b\u751f\u8ba4\u4e3a\u662f\u5feb\u901f\u4e86\u3002\u90a3\u4e48\uff0c\u80fd\u5426\u8fdb\u4e00\u6b65\u5c06\u8017\u65f6\u7f29\u77ed\u5230\u51e0\u5929\u751a\u81f3\u51e0\u4e2a\u5c0f\u65f6\u5462\uff1f\u672c\u6587\u7814\u7a76\u56e2\u961f\u5f00\u53d1\u4e86\u4e00\u79cd\u65b0\u7684\u8d85\u5feb\u901f\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u65b9\u6cd5\uff0c\u7528\u4e8e\u8bca\u65ad\u7f55\u89c1\u7684\u9057\u4f20\u75be\u75c5\uff0c\u5e73\u5747\u4ec5\u9700\u8017\u65f68\u5c0f\u65f6\uff0c\u8fd9\u5728\u6807\u51c6\u7684\u4e34\u5e8a\u62a4\u7406\u4e2d\u524d\u6240\u672a\u89c1\u3002\u5feb\u901f\u8bca\u65ad\u610f\u5473\u7740\u75c5\u4eba\u5728\u91cd\u75c7\u76d1\u62a4\u75c5\u623f\u82b1\u8d39\u7684\u65f6\u95f4\u66f4\u77ed\uff0c\u9700\u8981\u7684\u68c0\u67e5\u66f4\u5c11\uff0c\u6062\u590d\u5f97\u66f4\u5feb\uff0c\u5728\u62a4\u7406\u4e0a\u82b1\u8d39\u66f4\u5c11\u3002\u66f4\u91cd\u8981\u7684\u662f\uff0c\u8fd9\u79cd\u66f4\u5feb\u7684\u6d4b\u5e8f\u6280\u672f\u5e76\u6ca1\u6709\u727a\u7272\u51c6\u786e\u6027\uff0c\u6d4b\u5e8f\u7ed3\u679c\u4f9d\u65e7\u53ef\u9760\u3002
"},{"location":"issue-17/#_3","title":"\u6587\u7ae0","text":"1\u3001ggbreak\u8ba9\u4f60\u66f4\u597d\u5730\u5229\u7528\u753b\u56fe\u7a7a\u95f4
2\u3001\u5982\u4f55\u4f7f\u7528 ggplot2 \u7ed8\u5236\u53cc\u8f74\u5206\u79bb\u56fe\uff1f
3\u3001\u7cfb\u7edf\u751f\u7269\u5b66\u4e2d\u7684\u5efa\u6a21\uff1a\u56e0\u679c\u7406\u89e3\u5148\u4e8e\u9884\u6d4b?
\u6280\u672f\u7684\u8fdb\u5c55\u4e3a\u6211\u4eec\u63d0\u4f9b\u4e86\u5927\u89c4\u6a21\u7684\u751f\u7269\u6570\u636e\uff0c\u4f46\u8981\u5982\u4f55\u4ece\u4e2d\u83b7\u5f97\u5bf9\u751f\u7269\u5b66\u673a\u5236\u7684\u7406\u89e3\uff1f\u4e00\u65b9\u9762\u6211\u4eec\u53ef\u4ee5\u4f7f\u7528\u6765\u81ea\u79d1\u5b66\u6587\u732e\u7684\u5148\u9a8c\u77e5\u8bc6\uff0c\u4f46\u8fd9\u79cd\u77e5\u8bc6\u9a71\u52a8\u65b9\u6cd5\u5f80\u5f80\u57fa\u4e8e\u7279\u5b9a\u7684\u60c5\u5883\uff0c\u4e0d\u9002\u5408\u8fdb\u884c\u56e0\u679c\u5173\u7cfb\u9884\u6d4b\uff1b\u53e6\u4e00\u65b9\u9762\uff0c\u7eaf\u6570\u636e\u9a71\u52a8\u7684\u63a8\u65ad\u65b9\u6cd5\u4e13\u6ce8\u4e8e\u521b\u5efa\u7279\u5b9a\u60c5\u5883\u4e0b\u7684\u9884\u6d4b\u6a21\u578b\uff0c\u5374\u5f88\u96be\u8fdb\u884c\u6709\u610f\u4e49\u7684\u751f\u7269\u5b66\u89e3\u91ca\u3002
2021\u5e746\u6708\uff0c\u53d1\u8868\u4e8eCell \u65d7\u4e0bPatterns \u6742\u5fd7\u7684\u8bba\u6587\u201c\u86cb\u767d\u8d28\u7ec4\u4e2d\u7684\u56e0\u679c\u76f8\u4e92\u4f5c\u7528\uff1a\u5206\u5b50\u6570\u636e\u9047\u89c1\u901a\u8def\u77e5\u8bc6\u201d\uff0c\u4ecb\u7ecd\u4e86\u4e00\u6b3e\u540d\u4e3a CausalPath \u7684\u56e0\u679c\u63a8\u65ad\u5de5\u5177\uff0c\u80fd\u591f\u7ed3\u5408\u65b0\u7684\u6d4b\u91cf\u7ed3\u679c\u4e0e\u5148\u9a8c\u77e5\u8bc6\uff0c\u63a8\u65ad\u86cb\u767d\u8d28\u7ec4\u6570\u636e\u4e2d\u56e0\u679c\u4fe1\u53f7\u7684\u76f8\u4e92\u4f5c\u7528\u3002\u8fd9\u79cd\u65b9\u6cd5\u6a21\u4eff\u4e86\u751f\u7269\u5b66\u5bb6\u7528\u5148\u9a8c\u77e5\u8bc6\u89e3\u91ca\u65b0\u7684\u5b9e\u9a8c\u6570\u636e\u7684\u4f20\u7edf\u65b9\u6cd5\uff0c\u4f46\u53ef\u4ee5\u5728\u6570\u5341\u4e07\u53cd\u5e94\u7684\u89c4\u6a21\u4e0a\u8fdb\u884c\u3002
"},{"location":"issue-17/#_4","title":"\u5de5\u5177","text":"1\u3001PyWebIO - \u50cf\u6570\u636e\u5206\u6790\u4e00\u6837\u5199 Web \u9875\u9762
2\u3001Omni - \u4e00\u6b3e Chrome \u5feb\u6377\u952e\u7ba1\u7406\u5de5\u5177
\u5b83\u62e5\u6709 50 \u591a\u9879\u7279\u6027\uff0c\u4e3a\u63d0\u9ad8\u751f\u4ea7\u529b\u800c\u751f\u3002\u4e3b\u8981\u76ee\u7684\uff0c\u662f\u8ba9\u4f60\u53ef\u4ee5\u50cf\u6781\u5ba2\u4e00\u6837\uff0c\u901a\u8fc7\u952e\u76d8\u5feb\u6377\u952e\u6765\u4f7f\u7528 Chrome\u3002
3\u3001emayili - \u53d1\u90ae\u4ef6\u7684R\u5305
"},{"location":"issue-17/#_5","title":"\u8d44\u6e90","text":"1\u3001GitHub Repo: \u6559\u5e08\u7684\u4e16\u754c
\u4e00\u4e9b\u6559\u804c\u76f8\u5173\u7684\u8d44\u6599\u3002
2\u3001\u672c\u6587\u8fd1\u671f\u6574\u7406\u5206\u4eab\u7684\u56fe\u4e66\u8d44\u6599\uff0c\u9002\u5408\u7cfb\u7edf\u5b66\u4e60
"},{"location":"issue-17/#_6","title":"\u8d5e\u8d4f","text":"\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
\u611f\u8c22\u4ee5\u4e0b\u8bfb\u8005\u5f80\u671f\u7684\u8d5e\u8d4f\uff1a
\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-18/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 18 \u671f\uff09\uff1a\u8fc7\u53bb50\u5e74\u6700\u91cd\u8981\u7684\u7edf\u8ba1\u5b66\u601d\u60f3\u662f\u4ec0\u4e48\uff1f","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
GitHub \u7c89\u4eec\u53ef\u4ee5\u901a\u8fc7 Watch \u4ed3\u5e93\u7684 Release\uff08\u63d0\u524d\uff09\u5173\u6ce8\u53d1\u5e03\u5185\u5bb9\u3002
\u8ba8\u8bba\u533a\u7684\u5e16\u5b50\u300a\u8c01\u5728\u62db\u4eba\uff1f\u300b\uff0c\u63d0\u4f9b\u751f\u4fe1\u6df1\u9020\u548c\u5c31\u4e1a\u4fe1\u606f\uff0c\u6b22\u8fce\u8bbf\u95ee\u6216\u53d1\u5e03\u5b66\u4f4d\u653b\u8bfb/\u5de5\u4f5c/\u5b9e\u4e60\u7b49\u5c97\u4f4d\u3002
\u300c\u672c\u671f\u4e13\u7528\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-18/#_1","title":"\u5c01\u9762\u56fe","text":"\uff08via\uff09
"},{"location":"issue-18/#50","title":"\u672c\u5468\u8bdd\u9898\uff1a\u8fc7\u53bb50\u5e74\u6700\u91cd\u8981\u7684\u7edf\u8ba1\u5b66\u601d\u60f3\u662f\u4ec0\u4e48\uff1f","text":"\u56fe\u7075\u5956\u5f97\u4e3b\u3001\u201c\u8d1d\u53f6\u65af\u7f51\u7edc\u4e4b\u7236\u201dJudea Pearl\u5728Twitter\u4e0a\u5206\u4eab\u4e86\u4e00\u7bc7\u65b0\u8bba\u6587\u201cWhat are the most important statistical ideas of the past 50 years?\u201d\uff08\u8fc7\u53bb50\u5e74\u4e2d\u6700\u91cd\u8981\u7684\u7edf\u8ba1\u601d\u60f3\u662f\u4ec0\u4e48\uff1f\uff09
\u8fd9\u7bc7\u8bba\u6587\u7531\u54e5\u4f26\u6bd4\u4e9a\u5927\u5b66\u7edf\u8ba1\u5b66\u6559\u6388Andrew Gelman\u548c\u963f\u5c14\u6258\u5927\u5b66\u8ba1\u7b97\u673a\u79d1\u5b66\u7cfb\u526f\u6559\u6388Aki Vehtari\u6240\u8457\uff0c\u4ed6\u4eec\u6839\u636e\u81ea\u5df1\u7684\u7814\u7a76\u548c\u6587\u732e\u9605\u8bfb\u7ecf\u9a8c\u603b\u7ed3\u51fa\u4e86\u8fc7\u53bb\u534a\u4e2a\u4e16\u7eaa\u4ee5\u6765\u6700\u91cd\u8981\u76848\u4e2a\u7edf\u8ba1\u601d\u60f3\uff0c\u5e76\u8868\u793a\uff1a\u201c\u5b83\u4eec\u662f\u72ec\u7acb\u7684\u6982\u5ff5\uff0c\u6db5\u76d6\u4e86\u7edf\u8ba1\u65b9\u9762\u4e0d\u540c\u7684\u53d1\u5c55\u3002\u8fd9\u4e9b\u601d\u60f3\u90fd\u57281970\u5e74\u524d\u7684\u7406\u8bba\u7edf\u8ba1\u6587\u732e\u548c\u5404\u4e2a\u5e94\u7528\u9886\u57df\u7684\u5b9e\u8df5\u4e2d\u5c31\u5df2\u7ecf\u51fa\u73b0\u3002\u4f46\u662f\u5728\u8fc7\u53bb\u7684\u4e94\u5341\u5e74\u4e2d\uff0c\u5b83\u4eec\u5404\u81ea\u5df2\u7ecf\u53d1\u5c55\u5230\u8db3\u4ee5\u6210\u4e3a\u65b0\u4e8b\u7269\u7684\u7a0b\u5ea6\u3002\u201d
\u4ed6\u4eec\u8ba4\u4e3a\uff0c\u8fc7\u53bb\u534a\u4e2a\u4e16\u7eaa\u4e2d\u6700\u91cd\u8981\u7684\u7edf\u8ba1\u601d\u60f3\u662f\uff1a\u53cd\u4e8b\u5b9e\u56e0\u679c\u63a8\u7406\uff0c\u57fa\u4e8ebootstrapping\uff08\u81ea\u52a9\u62bd\u6837\u6cd5\uff09\u548c\u57fa\u4e8e\u6a21\u62df\u7684\u63a8\u7406\uff0c\u8d85\u53c2\u6570\u5316\u6a21\u578b\u548c\u6b63\u5219\u5316\uff0c\u591a\u5c42\u6a21\u578b\uff0c\u6cdb\u578b\u8ba1\u7b97\u7b97\u6cd5\uff08generic computation algorithms\uff09\uff0c\u81ea\u9002\u5e94\u51b3\u7b56\u5206\u6790\uff0c\u9c81\u68d2\u63a8\u7406\u548c\u63a2\u7d22\u6027\u6570\u636e\u5206\u6790\uff08\u672a\u6309\u65f6\u95f4\u987a\u5e8f\uff0c\u6392\u5e8f\u4e0d\u5206\u5148\u540e\uff09\u3002
"},{"location":"issue-18/#_2","title":"\u751f\u4fe1\u79d1\u6280\u52a8\u6001","text":"1\u30012021\u5e74\u5ea6\u201c\u4e2d\u56fd\u751f\u7269\u4fe1\u606f\u5b66\u5341\u5927\u8fdb\u5c55\u201d\u516c\u5e03
2\u3001\u7b2c\u516b\u5c4a\u5168\u56fd\u8ba1\u7b97\u751f\u7269\u5b66\u4e0e\u751f\u7269\u4fe1\u606f\u5b66\u5b66\u672f\u4f1a\u8bae\u66a8\u751f\u7269\u533b\u5b66\u5927\u6570\u636e\u4e0e\u4eba\u5de5\u667a\u80fd\u5927\u4f1a
\u65f6\u95f4\u548c\u4f1a\u8bae\u5f62\u5f0f
\u7ec4\u7ec7\u673a\u6784
3\u3001Nature Communications | \u8d85\u4f4e\u9891\u53d8\u5f02\u4f4e\u6df1\u5ea6\u68c0\u6d4b\u6280\u672f\u2014\u2014QBDA\uff0c\u52a9\u529bMRD\u6db2\u4f53\u6d3b\u68c0\u5b9e\u73b0\u7cbe\u51c6\u5b9a\u91cf
\u9605\u5c14\u57fa\u56e0\u7684\u79d1\u5b66\u5bb6\u548cMD Anderson\u764c\u75c7\u7814\u7a76\u4e2d\u5fc3\u5408\u4f5c\u5728\u77e5\u540d\u671f\u520aNature Communications\u4e0a\u53d1\u5e03\u4e86\u4e00\u9879\u53ef\u5bf9\u4f4e\u4e8e0.01%VAF\u7684\u4f53\u7ec6\u80de\u7a81\u53d8\u8fdb\u884c\u7cbe\u786e\u5b9a\u91cf\u7684\u7814\u7a76\u3002\u56e2\u961f\u901a\u8fc7\u5c06\u5206\u5b50\u6807\u7b7e\u6280\u672f\u4e0e\u6291\u5236\u63a2\u9488\u7f6e\u6362\u6269\u589e\uff08BDA\uff09\u7b49\u4f4d\u57fa\u56e0\u5bcc\u96c6\u6280\u672f\u76f8\u7ed3\u5408\uff0c\u53d1\u660e\u4e86\u65b0\u7684\u5b9a\u91cfBDA\uff08QBDA\uff09\u65b9\u6cd5\uff0c\u514b\u670d\u4e86BDA\u7684\u6f5c\u5728\u504f\u5dee\uff0c\u5b9e\u73b0\u4e86\u66f4\u4e3a\u7cbe\u51c6\u7684VAF\u5b9a\u91cf\u3002\u4e0e\u540c\u7c7b\u6280\u672f\u76f8\u6bd4\uff0cQBDA\u4ec5\u97006~20ng\u7684DNA\u8d77\u59cb\u91cf\uff0c\u540c\u65f6\u6d4b\u5e8f\u6df1\u5ea6\u964d\u4f4e\u4e8610\u500d\u4ee5\u4e0a\u3002
4\u3001Nature Communications | \u5355\u7ec6\u80de\u5dee\u5f02\u5206\u6790\u65b9\u6cd5\u8bc4\u6d4b
\u672c\u7814\u7a76\u4f7f\u752818\u4e2a\u5df2\u53d1\u8868\u7684\u201c\u91d1\u6807\u51c6\u201d\u6570\u636e\u96c6\uff0c\u8bc4\u6d4b\u4e8614\u4e2a\u76ee\u524d\u5e38\u7528\u7684\u5dee\u5f02\u5206\u6790\u65b9\u6cd5\uff0cpseudobulks\u65b9\u6cd5\u8981\u4f18\u4e8esingle-cell\u5206\u6790\u65b9\u6cd5\uff0c\u6307\u51fa\u73b0\u5728\u7684\u5f88\u591a\u53d1\u8868\u7684\u5dee\u5f02\u5206\u6790\u65b9\u6cd5\u662f\u9519\u8bef\u7684\uff0c\u4f1a\u6709\u592a\u591a\u7684\u5047\u9633\u6027\u3002
"},{"location":"issue-18/#_3","title":"\u6587\u7ae0","text":"1\u3001cnetplot\u62ff\u6765\u753b\u5173\u7cfb\u578b\u6570\u636e\u600e\u4e48\u6837\uff1f
\u672c\u6587\u4ecb\u7ecd\u4e86\u4f7f\u7528\u81ea\u5b9a\u4e49\u7684\u6570\u636e\u7ed8\u5236cnet\u56fe\u5f62\u3002
2\u3001Quicker\u52a8\u4f5c\u63a8\u8350
\u6700\u8fd1\u63a5\u89e6\u5230\u7684\u4e00\u4e2aWindows\u6548\u7387\u5de5\u5177\uff0c\u5927\u5bb6\u611f\u5174\u8da3\u53ef\u4ee5\u770b\u770b\u3002\u4ece\u8bbe\u8ba1\u548c\u4e00\u4e9b\u63d2\u4ef6\u5e94\u7528\u6765\u770b\u8fd8\u662f\u86ee\u597d\u73a9\u7684\u3002
3\u3001\u53cc\u9762IFN-\u03b3\uff1a\u6297\u764c\u53c8\u4fc3\u764c
IFN-\u03b3\u81f4\u764c\u548c\u6297\u764c\u4e24\u9762\u6027\uff0c\u53d6\u51b3\u4e8e\u73af\u5883\u548c\u4ed6\u4f5c\u7528\u7684\u9776\u7ec6\u80de\u3002
"},{"location":"issue-18/#_4","title":"\u5de5\u5177","text":"1\u3001factoextra : Extract and Visualize the Results of Multivariate Data Analyses
\u4e00\u4e2a\u5e38\u89c1\u7684\u591a\u7ef4\u5206\u6790\u4e00\u7ad9R\u5305\u3002\u7f51\u4e0a\u4ecb\u7ecd\u7684\u63a8\u6587\u5f88\u591a\u3002
2\u3001rTorch: PyTorch\u7684R\u63a5\u53e3
\u8be5\u5305\u63d0\u4f9bPyTorch\u7279\u6027\u5e76\u9644\u52a0\u4e00\u4e9bR\u7684\u652f\u6301\u7279\u6027\u3002
3\u3001distant - remotely edit files and run programs
4\u3001pbapply: adding progress bar to \u2018*apply\u2019 functions in R
\u4f7f\u7528\u65b9\u5f0f\u5f88\u7b80\u5355\uff1a
out <- if (requireNamespace(\"pbapply\", quietly = TRUE)) {\n pbapply::pblapply(X, FUN, ...)\n} else {\n lapply(X, FUN, ...)\n}\n1\u3001\u547d\u4ee4\u884c\u5e38\u7528\u5de5\u5177\u7684\u66ff\u4ee3\u54c1
\u7a0b\u5e8f\u5458\u79bb\u4e0d\u5f00\u547d\u4ee4\u884c\uff0c\u8bb8\u591a\u7ecf\u5178\u547d\u4ee4\u662f\u6bcf\u5929\u5fc5\u7528\u7684\uff0c\u6bd4\u5982ls\u548ccd\u3002
\u867d\u7136\u5b83\u4eec\u5f88\u597d\u7528\uff0c\u4f46\u662f\u7531\u4e8e\u5386\u53f2\u539f\u56e0\uff0c\u5f80\u5f80\u4e5f\u6709\u4e00\u4e9b\u7f3a\u70b9\uff0c\u6bd4\u5982\u7528\u6cd5\u4e0d\u7b26\u5408\u76f4\u89c9\u3001\u96be\u4ee5\u914d\u7f6e\uff0c\u6709\u4e9b\u901f\u5ea6\u4e5f\u4e0d\u5feb\u3002
\u8fd9\u4e9b\u5e74\uff0c\u5b83\u4eec\u7684\u66ff\u4ee3\u54c1\u5f00\u59cb\u51fa\u73b0\uff0c\u800c\u4e14\u8d8a\u6765\u8d8a\u591a\uff0c\u5927\u5bb6\u5f00\u59cb\u5c1d\u8bd5\u4f7f\u7528\u73b0\u4ee3\u8bed\u8a00\uff0c\u91cd\u65b0\u5b9e\u73b0\u8fd9\u4e9b\u7ecf\u5178\u547d\u4ee4\u3002\u672c\u6587\u603b\u7ed3\u4e00\u4e0b\u8fd9\u4e9b\u66ff\u4ee3\u54c1\uff0c\u5176\u4e2d\u6709\u4e9b\u771f\u7684\u5f88\u4e0d\u9519\uff0c\u503c\u5f97\u4f60\u5728\u81ea\u5df1\u7684\u8ba1\u7b97\u673a\u4e0a\u5b89\u88c5\u3002
2\u3001\u8001\u7a0b\u7684\u8f6c\u5f55\u7ec4
\u8fd9\u662f\u4e00\u7cfb\u5217\u57fa\u4e8e\u5e38\u7528\u8f6f\u4ef6\u4ee5\u53ca\u4e00\u4e9b\u65b0\u5f00\u53d1\u7684\u8f6f\u4ef6\u8fdb\u884cRNA-seq\u6570\u636e\u5206\u6790\u7684\u63a8\u6587\uff0c\u5e0c\u671b\u4e0d\u4ec5\u80fd\u4e3a\u5927\u5bb6\u5165\u95e8RNA-seq\u6570\u636e\u5206\u6790\u6709\u6240\u5e2e\u52a9\uff0c\u66f4\u80fd\u591f\u4ece\u4e2d\u6316\u6398\u5230\u4e0e\u4f17\u4e0d\u540c\u7684\u4fe1\u606f\u3002
"},{"location":"issue-18/#_6","title":"\u8d5e\u8d4f","text":"\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
"},{"location":"issue-18/#_7","title":"\u8ba2\u9605","text":"\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-19/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 19 \u671f\uff09\uff1a2022\u5e74\u503c\u5f97\u5173\u6ce8\u76847\u5927\u524d\u6cbf\u6280\u672f","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
GitHub \u7c89\u4eec\u53ef\u4ee5\u901a\u8fc7 Watch \u4ed3\u5e93\u7684 Release\uff08\u63d0\u524d\uff09\u5173\u6ce8\u53d1\u5e03\u5185\u5bb9\u3002
\u8ba8\u8bba\u533a\u7684\u5e16\u5b50\u300a\u8c01\u5728\u62db\u4eba\uff1f\u300b\uff0c\u63d0\u4f9b\u751f\u4fe1\u6df1\u9020\u548c\u5c31\u4e1a\u4fe1\u606f\uff0c\u6b22\u8fce\u8bbf\u95ee\u6216\u53d1\u5e03\u5b66\u4f4d\u653b\u8bfb/\u5de5\u4f5c/\u5b9e\u4e60\u7b49\u5c97\u4f4d\u3002
\u300c\u672c\u671f\u4e13\u7528\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-19/#_1","title":"\u5c01\u9762\u56fe","text":"\u7aef\u7c92\u5230\u7aef\u7c92\uff08T2T\uff09\u5408\u4f5c\u7ec4\u6b63\u5728\u5bf9\u6240\u6709\u67d3\u8272\u4f53\u8fdb\u884c\u6d4b\u5e8f\u3002\u6765\u6e90\uff1aAdrian T. Sumner/SPL
"},{"location":"issue-19/#20227","title":"\u672c\u5468\u8bdd\u9898\uff1a2022\u5e74\u503c\u5f97\u5173\u6ce8\u76847\u5927\u524d\u6cbf\u6280\u672f","text":"\u4ece\u57fa\u56e0\u7f16\u8f91\u5230\u86cb\u767d\u8d28\u7ed3\u6784\u89e3\u6790\uff0c\u518d\u5230\u91cf\u5b50\u8ba1\u7b97\uff0c\u4ee5\u4e0b\u4e03\u9879\u6280\u672f\u6216\u5728\u79d1\u5b66\u754c\u4ea7\u751f\u91cd\u5927\u5f71\u54cd\u3002
\u53ef\u4ee5\u770b\u5230\u51e0\u4e4e\u90fd\u4e0e\u751f\u547d\u79d1\u5b66\u6709\u5173\u7cfb\u3002\u4f46\u672a\u6765\u56fd\u5185\u5982\u679c\u60f3\u8981\u6df1\u5165\u548c\u5feb\u901f\u53d1\u5c55\u548c\u5e94\u7528\u76f8\u5173\u6280\u672f\uff0c\u79d1\u6280\u5de5\u4f5c\u8005\u9700\u8981\u88ab\u66f4\u597d\u5730\u7ba1\u7406\u548c\u57f9\u517b\u3002
"},{"location":"issue-19/#_2","title":"\u751f\u4fe1\u79d1\u6280\u52a8\u6001","text":"1\u3001Briefings in Bioinformatics | SGANRDA - \u9884\u6d4bcircRNA\u4e0e\u75be\u75c5\u5173\u8054\u7684\u534a\u76d1\u7763\u751f\u6210\u5bf9\u6297\u7f51\u7edc
\u73af\u72b6RNA\uff08circRNA\uff09\u5728\u590d\u6742\u4eba\u7c7b\u75be\u75c5\u7684\u8bca\u65ad\u3001\u53d1\u751f\u548c\u9884\u540e\u4e2d\u8d77\u7740\u81f3\u5173\u91cd\u8981\u7684\u4f5c\u7528\u3002\u4e0e\u4f20\u7edf\u7684\u751f\u7269\u5b9e\u9a8c\u76f8\u6bd4\uff0c\u878d\u5408\u591a\u6e90\u751f\u7269\u6570\u636e\u4ee5\u8bc6\u522bcircRNA\u4e0e\u75be\u75c5\u4e4b\u95f4\u7684\u5173\u8054\u7684\u8ba1\u7b97\u65b9\u6cd5\u53ef\u4ee5\u6709\u6548\u5730\u964d\u4f4e\u6210\u672c\u548c\u8282\u7701\u65f6\u95f4\u3002\u8003\u8651\u5230\u73b0\u6709\u8ba1\u7b97\u6a21\u578b\u7684\u5c40\u9650\u6027\uff0c\u4f5c\u8005\u63d0\u51fa\u4e86\u4e00\u79cd\u534a\u76d1\u7763\u751f\u6210\u5bf9\u6297\u7f51\u7edc\u6a21\u578bSGANRDA\uff0c\u7528\u4e8e\u9884\u6d4b\u5faa\u73afRNA-\u75be\u75c5\u5173\u8054\u3002
2\u3001NAR | RiboDetector - \u9ad8\u901a\u91cf\u6d4b\u5e8f\u6570\u636e\u9274\u522b\u548c\u53bb\u9664rRNA\u5e8f\u5217\u5229\u5668
RiboDetector\u662f\u4e00\u6b3e\u7528\u4e8e\u4ece\u5b8f\u57fa\u56e0\u7ec4\u3001\u5b8f\u8f6c\u5f55\u7ec4\u3001ncRNA\u548c\u6838\u7cd6\u4f53\u6d4b\u5e8f\u6570\u636e\u4e2d\u51c6\u786e\u800c\u5feb\u901f\u5730\u68c0\u6d4b\u548c\u53bb\u9664rRNA\u5e8f\u5217\u7684\u8f6f\u4ef6\uff08https://github.com/hzi-bifo/RiboDetector\uff09\u3002\u5b83\u662f\u57fa\u4e8e\u6df1\u5ea6\u5b66\u4e60\u7684BiLSTM\uff08\u4e00\u6b3e\u53cc\u5411\u7684\u5faa\u73af\u795e\u7ecf\u7f51\u7edc\u67b6\u6784\uff09\u5f00\u53d1\u7684\u8f6f\u4ef6\u3002\u8ddf\u57fa\u4e8e\u6bd4\u5bf9\u548c\u9690\u9a6c\u5c14\u79d1\u592b\u6a21\u578b\u7684\u65b9\u6cd5\u76f8\u6bd4RiboDetector\u80fd\u6293\u53d6\u66f4\u957f\u8ddd\u79bb\u7684\u5e8f\u5217\u7279\u5f81\uff0c\u4ece\u800c\u5177\u6709\u66f4\u597d\u7684\u51c6\u786e\u6027\u3002\u6587\u7ae0\u4e2d\u5bf9\u6bd4\u4e86\u76ee\u524d\u5e38\u7528\u7684\u5176\u4ed65\u6b3e\u5de5\u5177\u3002\u5728\u6d4b\u8bd5\u6570\u636e\u4e0a\uff0cRiboDetector\u6bd4\u5176\u4ed6\u8f6f\u4ef6\u7684\u9519\u8bef\u9884\u6d4b\u7387\u4f4e6\u52302000\u500d\u3002\u53e6\u5916\u5b83\u7684CPU\u6a21\u5f0f\u8fd0\u884c\u6bd4\u76ee\u524d\u6700\u5e38\u7528\u7684\u8f6f\u4ef6\u670910\u500d\u5de6\u53f3\u7684\u901f\u5ea6\u63d0\u5347\uff0c\u800c\u5728GPU\u6a21\u5f0f\u4e0a\u5b9e\u73b0\u4e8650\u500d\u5de6\u53f3\u7684\u8fd0\u884c\u901f\u5ea6\u63d0\u5347\uff08\u89c1\u4e0b\u56feB-C\uff09\u3002\u6587\u7ae0\u4e2d\u5206\u6790\u8868\u660eRiboDetector\u6709\u5f88\u597d\u7684\u6cdb\u5316\u80fd\u529b\uff0c\u80fd\u9884\u6d4b\u53d1\u73b0\u65b0\u7684rRNA\uff08\u548c\u6570\u636e\u5e93\u4e2d\u5df2\u77e5rRNA\u76f8\u4f3c\u6027\u4f4e\u4e8e90%\uff09\u5e8f\u5217\u3002\u6700\u540e\uff0c\u5728\u6d4b\u8bd5\u6570\u636e\u4e0a\u5b83\u7684\u5047\u9633\u6027\u9884\u6d4b\u5e8f\u5217\u6ca1\u6709\u663e\u8457\u7684\u5bf9\u67d0\u4e9b\u529f\u80fd\u7684\u504f\u5411\u6027\uff08\u6ca1\u6709GO term\u663e\u8457\u5bcc\u96c6\u5728\u5047\u9633\u6027\u9884\u6d4b\u7684\u5e8f\u5217\u4e2d\uff09
3\u3001Neuron | \u5927\u8111\u7684\u5b66\u4e60\u65b9\u5f0f\u5982\u4f55\uff0c\u673a\u5668\u5b66\u4e60\u4e0e\u751f\u7269\u5b66\u4e60\u7684\u8054\u7cfb\u5c06\u63d0\u4f9b\u300c\u7b54\u6848\u300d
\u5927\u8111\u7684\u53d8\u5316\u5982\u4f55\u5bfc\u81f4\u5b66\u4e60\uff1f\u8981\u56de\u7b54\u8fd9\u4e2a\u95ee\u9898\uff0c\u8bf7\u8003\u8651\u4eba\u5de5\u795e\u7ecf\u7f51\u7edc (ANN)\uff0c\u901a\u8fc7\u4f18\u5316\u7ed9\u5b9a\u7684\u76ee\u6807\u6216\u6210\u672c\u51fd\u6570\u6765\u8fdb\u884c\u5b66\u4e60\u3002\u8fd9\u79cd\u4f18\u5316\u6846\u67b6\u53ef\u80fd\u4f1a\u63d0\u4f9b\u6709\u5173\u5927\u8111\u5982\u4f55\u5b66\u4e60\u7684\u65b0\u89c1\u89e3\uff0c\u56e0\u4e3a\u795e\u7ecf\u6d3b\u52a8\u7684\u8bb8\u591a\u7279\u6b8a\u7279\u5f81\u53ef\u4ee5\u901a\u8fc7\u7ecf\u8fc7\u8bad\u7ec3\uff0c\u4ee5\u6267\u884c\u76f8\u540c\u4efb\u52a1\u7684 ANN \u6765\u6982\u62ec\u3002
\u7136\u800c\uff0c\u5728\u6574\u4e2a\u5b66\u4e60\u8fc7\u7a0b\u4e2d\u795e\u7ecf\u7fa4\u4f53\u6d3b\u52a8\u5982\u4f55\u53d8\u5316\u7684\u5173\u952e\u7279\u5f81\u65e0\u6cd5\u7528\u4f18\u5316\u6765\u89e3\u91ca\uff0c\u4e5f\u4e0d\u662f ANN \u7684\u5178\u578b\u7279\u5f81\u3002\u5728\u8fd9\u91cc\uff0c\u8be6\u7ec6\u4ecb\u7ecd\u4e86\u5176\u4e2d\u7684\u4e09\u4e2a\u7279\u5f81\uff1a
\uff081\uff09\u6574\u4e2a\u5b66\u4e60\u8fc7\u7a0b\u4e2d\u795e\u7ecf\u53ef\u53d8\u6027\u7684\u4e0d\u7075\u6d3b\u6027\uff1b
\uff082\uff09\u5373\u4f7f\u5728\u7b80\u5355\u4efb\u52a1\u4e2d\u4e5f\u4f7f\u7528\u591a\u4e2a\u5b66\u4e60\u8fc7\u7a0b\uff1b
\uff083\uff09\u5b58\u5728\u4e0e\u4efb\u52a1\u65e0\u5173\u7684\u5927\u578b\u6d3b\u52a8\u53d8\u5316\u3002
\u79d1\u5b66\u5bb6\u8ba4\u4e3a\uff0c\u7406\u89e3\u8fd9\u4e9b\u7279\u5f81\u5728\u5927\u8111\u4e2d\u7684\u4f5c\u7528\u5c06\u662f\u4f7f\u7528\u4f18\u5316\u6846\u67b6\u63cf\u8ff0\u751f\u7269\u5b66\u4e60\u7684\u5173\u952e\u3002
"},{"location":"issue-19/#_3","title":"\u6587\u7ae0","text":"1\u3001eXtreme Gradient Boosting (XGBoost): Better than random forest or gradient boosting
\u672c\u6587\u901a\u8fc7\u5b9e\u4f8b\u4ecb\u7ecd\u548c\u5bf9\u6bd4\u4e86XGBoost, Gradient Boosting (GBM), Random Forest, Lasso, Best Subset\u51e0\u79cd\u7b97\u6cd5\u3002
2\u3001Sankey Diagram in R
\u672c\u6587\u4ecb\u7ecd\u4f7f\u7528plotly\u7ed8\u5236\u6851\u57fa\u56fe\u3002
3\u3001Tabby\uff1a\u8fd9\u4e2a\u5f00\u6e90\u7684\u7ec8\u7aef\u5de5\u5177\u66f4\u9177\u70ab
\u672c\u6587\u4ecb\u7ecdTabby\u7684\u5b89\u88c5\u548c\u4f7f\u7528\u3002
4\u3001\u4e00\u6587\u8bfb\u61c2\u57fa\u56e0\u7ec4\u6d4f\u89c8\u5668\u7ed8\u5236\u6587\u4ef6 bigwig
bigwig\u662f\u4e00\u79cd\u5e38\u89c1\u7684\u57fa\u56e0\u7ec4\u6587\u4ef6\u683c\u5f0f\uff0c\u672c\u6587\u4ecb\u7ecd\u5b83\u7684\u7279\u70b9\u3001\u5e94\u7528\u573a\u666f\u548c\u76f8\u5173\u5de5\u5177\u3002
"},{"location":"issue-19/#_4","title":"\u5de5\u5177","text":"1\u3001pybedtools: Python wrapper \u2013 and more \u2013 for Aaron Quinlan\u2019s BEDTools (bioinformatics tools)
\u745e\u58eb\u519b\u5200bedtools\u662f\u57fa\u56e0\u7ec4\u533a\u95f4\u6570\u636e\u5904\u7406\u7684\u6807\u6746\uff0cpybedtools\u63d0\u4f9b\u4e86\u4e00\u4e2apython\u63a5\u53e3\u3002
from pybedtools import BedTool\n\nsnps = BedTool('snps.bed.gz') # [1]\ngenes = BedTool('hg19.gff') # [1]\n\nintergenic_snps = snps.subtract(genes) # [2]\nnearby = genes.closest(intergenic_snps, d=True, stream=True) # [2, 3]\n\nfor gene in nearby: # [4]\n if int(gene[-1]) < 5000: # [4]\n print gene.name # [4]\n2\u3001rawgraphs - \u8868\u683c\u6570\u636e\u5206\u6790\u548c\u53ef\u89c6\u5316\u5e73\u53f0
2013 \u5e74\uff0c\u6765\u81ea\u7c73\u5170\u7406\u5de5\u5927\u5b66\u7684\u4e00\u4e2a\u7814\u7a76\u5ba4 DensityDesign\uff0c\u6b63\u5f0f\u53d1\u5e03\u4e86 RAWGraphs\u3002
\u9879\u76ee\u8bde\u751f\u7684\u521d\u8877\uff0c\u4e3b\u8981\u662f\u5728\u4e8e\u5e2e\u52a9\u8bbe\u8ba1\u5e08\u4e0e\u5f00\u53d1\u8005\uff0c\u6253\u901a\u7535\u5b50\u8868\u683c\u5e94\u7528\u4e0e\u77e2\u91cf\u56fe\u5f62\u7f16\u8f91\u5668\u4e4b\u95f4\u7684\u6865\u6881\uff0c\u8ba9\u6570\u636e\u4e0e\u56fe\u5f62\u7684\u5bf9\u63a5\uff0c\u53d8\u5f97\u66f4\u52a0\u6d41\u7545\u4e1d\u6ed1\u3002
3\u3001multicolor - \u4e30\u5bcc\u4f60\u7684\u4fe1\u606f\u8f93\u51fa\u7684R\u5305
4\u3001edgebundle - edge bundling\u7b97\u6cd5\u5b9e\u73b0R\u5305
\u5305\u542b\u7684\u7b97\u6cd5\u5b9e\u73b0\uff1a
1\u3001Machine-Learning-From-Scratch
\u6bcf\u592930\u5206\u949f\uff0c\u7cfb\u7edf\u68b3\u7406\u673a\u5668\u5b66\u4e60\u7684\u5404\u4e2a\u77e5\u8bc6\u70b9\uff0c\u6982\u5ff5+\u539f\u7406+\u4ee3\u7801\u3002
2\u3001Bioinformatics-training-collection
\u8fd9\u662f\u4e00\u4e2a\u5b66\u4e60\u751f\u7269\u4fe1\u606f\u5b66\u76f8\u5173\u5de5\u5177\u548c\u8bed\u8a00\u7684\u8d44\u6e90\u96c6\u5408\u3002
2\u3001Gene set enrichment analysis for genome-wide DNA methylation data
\u5305\u542b\u4e00\u7cfb\u5217\u7532\u57fa\u5316\u5206\u6790\u7684\u6587\u6863\u3002
"},{"location":"issue-19/#_6","title":"\u8d5e\u8d4f","text":"\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
\u611f\u8c22\u4ee5\u4e0b\u8bfb\u8005\u5f80\u671f\u7684\u8d5e\u8d4f\uff1a
\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-2/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 2 \u671f\uff09\uff1a\u751f\u4fe1\u7684\u5883\u754c\u4e0e\u9053\u8def","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u8ba8\u8bba\u533a\u7684\u5e16\u5b50\u300a\u8c01\u5728\u62db\u4eba\uff1f\u300b\uff0c\u63d0\u4f9b\u751f\u4fe1\u6df1\u9020\u548c\u5c31\u4e1a\u4fe1\u606f\uff0c\u6b22\u8fce\u8bbf\u95ee\u6216\u53d1\u5e03\u5b66\u4f4d\u653b\u8bfb/\u5de5\u4f5c/\u5b9e\u4e60\u7b49\u5c97\u4f4d\u3002
\u300c\u672c\u671f\u4e13\u7528\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-2/#_1","title":"\u5c01\u9762\u56fe","text":"\u5982\u679c\u5148\u505a\u4e00\u4e2a\u83dc\u9e1f\u3002\uff08via\uff09
\u8ba9\u522b\u4eba\u770b\u5230\u4f60\u5728\u5b66\u4e60\uff5e\u3002
"},{"location":"issue-2/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u751f\u4fe1\u7684\u5883\u754c\u4e0e\u9053\u8def","text":"\u534e\u4e2d\u79d1\u6280\u5927\u5b66\u6559\u6388\u859b\u5b87\u7ffb\u8bd1\u751f\u7269\u4fe1\u606f\u5b66\u7814\u7a76\u76845\u4e2a\u5c42\u6b21\u6c34\u5e73\u5e76\u52a0\u5165\u81ea\u5df1\u7684\u7406\u89e3\uff1a
0\u7ea7\uff08Level 0\uff09\uff1a\u4e3a\u5efa\u6a21\u3001\u800c\u5efa\u6a21\uff08modeling for modeling\u2019s sake\uff09\u3002\u7b80\u79f0\uff1a\u6e23\u7ea7\u3002
1\u7ea7\uff08Level 1\uff09\uff1a\u7ed9\u6570\u636e\u3001\u80fd\u5206\u6790\u3002\u7b80\u79f0\uff1a\u83dc\u9e1f\u7ea7\u3002
2\u7ea7\uff08Level 2\uff09\uff1a\u60f3\u65b0\u62db\u3001\u73a9\u6570\u636e\u3002\u7b80\u79f0\uff1a\u8089\u9e1f\u7ea7\u3002
3\u7ea7\uff08Level 3\uff09\uff1a\u73a9\u6570\u636e\u3001\u4f5c\u53d1\u73b0\u3002\u7b80\u79f0\uff1a\u9876\u7ea7\u3002
X\u7ea7\uff08Level X\uff09\uff1a\u73a9\u79d1\u5b66\u3001\u8bb2\u653f\u6cbb\u3002\u7b80\u79f0\uff1a\u795e\u7ea7\u3002
\u5e0c\u671b\u6bcf\u4e00\u4f4d\u751f\u4fe1\u5b66\u4e60\u8005\u90fd\u80fd\u4ece\u6e23\u6253\u5230\u795e\u7ea7\u3002
\u5982\u679c\u8bfb\u8005\u5bf9\u672c\u671f\u8bdd\u9898\u611f\u5174\u8da3\uff0c\u6b22\u8fce\u5230\u8ba8\u8bba\u533a\u8bc4\u8bba\u4ea4\u6d41\u3002
"},{"location":"issue-2/#_3","title":"\u751f\u4fe1\u79d1\u6280\u52a8\u6001","text":"1\u3001\u7b2c\u5341\u5c4a\u5168\u56fd\u751f\u7269\u4fe1\u606f\u5b66\u4e0e\u7cfb\u7edf\u751f\u7269\u5b66\u5b66\u672f\u5927\u4f1a
\u5168\u56fd\u751f\u7269\u4fe1\u606f\u5b66\u4e0e\u7cfb\u7edf\u751f\u7269\u5b66\u5b66\u672f\u5927\u4f1a\u81ea1998\u5e74\u9996\u5c4a\u53ec\u5f00\u4ee5\u6765\uff0c\u5df2\u6210\u529f\u4e3e\u529e\u4e5d\u5c4a\uff0c\u662f\u4e2d\u56fd\u751f\u7269\u4fe1\u606f\u5b66\u7814\u7a76\u9886\u57df\u5b66\u672f\u6c34\u5e73\u6700\u9ad8\u3001\u5f71\u54cd\u6700\u5927\u7684\u5168\u56fd\u76db\u4f1a\u3002\u7b2c\u5341\u5c4a\u5168\u56fd\u751f\u7269\u4fe1\u606f\u5b66\u4e0e\u7cfb\u7edf\u751f\u7269\u5b66\u5b66\u672f\u5927\u4f1a\u5c06\u4e8e2021\u5e7410\u670825\u65e5\u81f328\u65e5\u5728\u56db\u5ddd\u7701\u6210\u90fd\u5e02\u53ec\u5f00\u3002\u6b64\u6b21\u4f1a\u8bae\u7531\u4e2d\u56fd\u751f\u7269\u4fe1\u606f\u5b66\u5b66\u4f1a\uff08\u7b79\uff09\u4e3b\u529e\uff0c\u56db\u5ddd\u7701\u751f\u7269\u4fe1\u606f\u5b66\u5b66\u4f1a\u627f\u529e\uff0c\u5927\u4f1a\u4e3b\u9898\u4e3a\u201c\u751f\u7269\u4fe1\u606f\u5b66\u524d\u6cbf\u2014\u2014\u4eba\u5de5\u667a\u80fd\u5927\u6570\u636e\u7cfb\u7edf\u751f\u7269\u5b66\u4e0e\u4eba\u7c7b\u5065\u5eb7\u201d\u3002
2\u3001\u672a\u6765\u79d1\u5b66\u5927\u5956\u516c\u5e03\uff1a\u9999\u6e2f\u5927\u5b66\u8881\u56fd\u52c7/\u88f4\u4f1f\u58eb\u56e0SARS\u83b7\u751f\u547d\u79d1\u5b66\u5956
\u672a\u6765\u79d1\u5b66\u5927\u5956\uff08Future Science Prize\uff09\u662f\u7531\u534e\u88d4\u79d1\u5b66\u5bb6\u3001\u4f01\u4e1a\u5bb6\u7fa4\u4f53\u5171\u540c\u53d1\u8d77\u7684\u6c11\u95f4\u79d1\u5b66\u5956\u9879\uff0c\u8bbe\u7f6e\u201c\u751f\u547d\u79d1\u5b66\u201d\u548c\u201c\u7269\u8d28\u79d1\u5b66\u201d\u3001\u201c\u6570\u5b66\u4e0e\u8ba1\u7b97\u673a\u79d1\u5b66\u5956\u201d\u4e09\u5927\u5956\u9879\uff0c\u5355\u9879\u5956\u91d1100\u4e07\u7f8e\u5143\uff0c\u4e8e2016\u5e74\u9996\u6b21\u9881\u53d1\u3002\u65e8\u5728\u5956\u52b1\u5728\u5927\u4e2d\u534e\u5730\u533a\uff08\u5305\u542b\u4e2d\u56fd\u5927\u9646\u5730\u533a\u3001\u9999\u6e2f\u3001\u6fb3\u95e8\u53ca\u53f0\u6e7e\uff09\u53d6\u5f97\u6770\u51fa\u79d1\u6280\u6210\u679c\u7684\u79d1\u5b66\u5bb6\u3002
2021\u5e74\u672a\u6765\u79d1\u5b66\u5927\u5956\u751f\u547d\u79d1\u5b66\u5956\u83b7\u5956\u8005\u4e3a\uff1a\u8881\u56fd\u52c7\uff08\u9999\u6e2f\u5927\u5b66\uff09\u3001\u88f4\u4f1f\u58eb\uff08\u9999\u6e2f\u5927\u5b66\uff09\u3002
\u83b7\u5956\u539f\u56e0\uff1a\u4ed6\u4eec\u53d1\u73b0\u4e86\u51a0\u72b6\u75c5\u6bd2\uff08SARS-CoV-1\uff09\u662f\u5bfc\u81f42003\u5e74\u5168\u7403\u91cd\u75c7\u6025\u6027\u547c\u5438\u7efc\u5408\u5f81\uff08SARS\uff09\u7684\u75c5\u539f\uff0c\u4ee5\u53ca\u7531\u52a8\u7269\u5230\u4eba\u7684\u4f20\u67d3\u94fe\uff0c\u4e3a\u4eba\u7c7b\u5e94\u5bf9MERS\u548cCOVID-19\u51a0\u72b6\u75c5\u6bd2\u5f15\u8d77\u7684\u4f20\u67d3\u75c5\u4ea7\u751f\u4e86\u91cd\u5927\u5f71\u54cd\u3002
3\u3001\u805a\u7126\u4e94\u5927\u9886\u57df\uff1a\u6d59\u6c5f\u5927\u5b66\u53d1\u5e03\u300a\u91cd\u5927\u9886\u57df\u4ea4\u53c9\u524d\u6cbf\u65b9\u54112021\u300b\u62a5\u544a
\u4ee5\u667a\u80fd\u5316\u4e3a\u7279\u5f81\u7684\u7b2c\u56db\u6b21\u5de5\u4e1a\u9769\u547d\u5df2\u7ecf\u5168\u9762\u5f00\u542f\uff0c\u4f1a\u805a\u6280\u672f\u7684\u4e0d\u65ad\u6d8c\u73b0\uff0c\u6b63\u5f15\u9886\u5404\u9886\u57df\u521b\u65b0\u7a81\u7834\u6027\u8dc3\u8fc1\u3002\u5b66\u79d1\u4ea4\u53c9\u662f\u8fd9\u573a\u53d8\u9769\u7684\u6838\u5fc3\u9a71\u52a8\u529b\uff0c\u4e3b\u8981\u8868\u73b0\u4e3a\u4fe1\u606f\u3001\u751f\u547d\u3001\u7269\u8d28\u4e09\u5927\u5b66\u79d1\u677f\u5757\u95f4\u7684\u6df1\u5ea6\u878d\u5408\uff0c\u6700\u7ec8\u5c06\u63a8\u52a8\u4eba\u7c7b\u751f\u4ea7\u751f\u6d3b\u53d1\u751f\u6df1\u523b\u53d8\u5316\u3002\u628a\u63e1\u5168\u7403\u79d1\u6280\u53d1\u5c55\u8d8b\u52bf\uff0c\u7784\u51c6\u4ea4\u53c9\u524d\u6cbf\u9886\u57df\u52a0\u5feb\u5e03\u5c40\uff0c\u5bf9\u4e8e\u62a2\u6293\u521b\u65b0\u7ade\u4e89\u672a\u6765\u5236\u9ad8\u70b9\u5177\u6709\u91cd\u8981\u610f\u4e49\u3002
\u5f88\u591a\u5185\u5bb9\u5e94\u8be5\u53ef\u4ee5\u66f4\u751f\u4fe1\u5173\u8054\u8d77\u6765\u3002
4\u3001Nat. Comput. Sci. | \u6df1\u5ea6\u5b66\u4e60\u5efa\u6a21\u57fa\u56e0\u8c03\u63a7\u7f51\u7edc
\u3010drugAI\u3011\u5355\u7ec6\u80de\u6d4b\u5e8f\u6280\u672f\u7684\u5feb\u901f\u53d1\u5c55\u4e3a\u751f\u7269\u5b66\u5bb6\u7814\u7a76\u7ec6\u80de\u72b6\u6001\u63d0\u4f9b\u4e86\u524d\u6240\u672a\u6709\u7684\u673a\u4f1a\u3002\u800c\u5728\u6279\u91cf\u6d4b\u5e8f\u6570\u636e\u4e2d\u672a\u53d1\u73b0\u7684\u5b9e\u9a8c\u566a\u58f0\u4f1a\u663e\u7740\u964d\u4f4e\u4e0b\u6e38\u751f\u7269\u4fe1\u606f\u5b66\u5206\u6790\u7ed3\u679c\u7684\u51c6\u786e\u6027\u3002\u4e3a\u4e86\u89e3\u51b3\u8fd9\u4e2a\u95ee\u9898\uff0c\u4eba\u4eec\u5229\u7528\u6df1\u5ea6\u5b66\u4e60\u901a\u8fc7\u6a21\u62df\u57fa\u56e0\u4e4b\u95f4\u590d\u6742\u7684\u76f8\u4e92\u4f5c\u7528\u6a21\u5f0f\u6765\u8fc7\u6ee4\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u6570\u636e\u4e2d\u7684\u566a\u58f0\u3002\u5148\u524d\u7684\u57fa\u4e8e\u6df1\u5ea6\u5b66\u4e60\u7684\u65b9\u6cd5\u867d\u7136\u80fd\u66f4\u6e05\u6670\u7684\u63ed\u793a\u7ec6\u80de\u5f02\u8d28\u6027\uff0c\u6355\u6349\u8f6c\u5f55\u7ec4\u5b66\u76f8\u4f3c\u6027\u548c\u7ec6\u80de\u4e4b\u95f4\u7684\u5dee\u5f02\uff0c\u4f46\u5f88\u96be\u8bc4\u4f30\u57fa\u56e0\u8c03\u63a7\u7f51\u7edc\uff08GRN\uff09\u7ed3\u6784\u6216\u6570\u636e\u5176\u4ed6\u5185\u90e8\u7ed3\u6784\u3002\u800c\u8bb8\u591a\u8ba1\u7b97\u6a21\u578b\u662f\u5c06GRN\u63a8\u65ad\u548c\u5355\u7ec6\u80de\u6570\u636e\u5206\u6790\u6a21\u578b\u8fdb\u884c\u7ed3\u5408\u3002\u7136\u800c\uff0c\u901a\u5e38\u9700\u8981\u8bbe\u8ba1\u590d\u6742\u7684\u5b9e\u9a8c\uff0c\u5e76\u4e14\u8fd8\u53ef\u80fd\u5f15\u5165\u989d\u5916\u7684\u566a\u58f0\u3002\u6b64\u5916\uff0c\u57fa\u4e8e\u5355\u7ec6\u80deRNA\u6d4b\u5e8f\uff08scRNA-seq\uff09\u6570\u636e\u7684\u65b9\u6cd5\u4e5f\u6709\u660e\u663e\u7684\u5c40\u9650\u6027\u3002
\u9488\u5bf9\u4e0a\u8ff0\u95ee\u9898\uff0c\u672c\u6587\u4f5c\u8005\u63d0\u51fa\u57fa\u4e8e\u03b2-VAE\u6846\u67b6\u7684DeepSEM\u6a21\u578b\uff0c\u53ef\u4ee5\u8054\u5408\u5d4c\u5165\u57fa\u56e0\u8868\u8fbe\u6570\u636e\uff0c\u540c\u65f6\u6784\u5efaGRNs\u53cd\u6620\u5355\u7ec6\u80de\u5185\u57fa\u56e0\u76f8\u4e92\u4f5c\u7528\u7684\u5185\u90e8\u7ed3\u6784\uff0c\u800c\u65e0\u9700\u4f9d\u8d56\u4efb\u4f55\u989d\u5916\u4fe1\u606f\uff0c\u4f8b\u5982TF\u7ed3\u5408motif\u6216\u5355\u7ec6\u80deATAC\u6d4b\u5e8f\uff08scATAC-seq\uff09\u6570\u636e\u3002\u4f5c\u8005\u5728\u591a\u4e2a\u57fa\u51c6\u6570\u636e\u96c6\u4e0a\u8bc4\u4f30DeepSEM\u5728\u5404\u79cd\u5355\u7ec6\u80de\u4efb\u52a1\u4e2d\u7684\u6027\u80fd\u90fd\u83b7\u5f97\u4e86\u4e0d\u9519\u7684\u7ed3\u679c\uff0c\u5e76\u4e14\u7531\u4e8eVAE\u6a21\u578b\u672c\u8eab\u53ef\u4ee5\u5bf9\u6f5c\u5728\u5411\u91cf\u7a7a\u95f4\u8fdb\u884c\u6270\u52a8\u6765\u751f\u6210\u65b0\u7684\u6570\u636e\uff0c\u56e0\u6b64\u5728\u8bad\u7ec3\u6837\u672c\u6570\u636e\u6709\u9650\u7684\u60c5\u51b5\u4e0b\uff0c\u4ecd\u80fd\u4fdd\u8bc1\u7ec6\u80de\u7c7b\u578b\u5206\u7c7b\u7684\u51c6\u786e\u6027\u3002
5\u3001\u5403\u4e0b\u53bb\u7684\u836f\u88ab\u80a0\u9053\u7ec6\u83cc\u5438\u6536\u4e86\uff1f\u53ef\u80fd\u4f1a\u964d\u4f4e\u836f\u6548\u5e76\u6539\u53d8\u80a0\u9053\u83cc\u7fa4
\u4eba\u4f53\u80a0\u9053\u81ea\u7136\u5305\u542b\u8bb8\u591a\u4e0d\u540c\u79cd\u7c7b\u7684\u7ec6\u83cc\u7fa4\u843d\uff0c\u8fd9\u4e9b\u7ec6\u83cc\u5bf9\u5065\u5eb7\u548c\u75be\u75c5\u90fd\u5f88\u91cd\u8981\uff0c\u5b83\u4eec\u88ab\u79f0\u4e3a\u80a0\u9053\u5fae\u751f\u7269\u7fa4\u3002\u4eba\u4e0e\u4eba\u4e4b\u95f4\u7684\u7ec6\u83cc\u79cd\u7c7b\u7ec4\u6210\u5dee\u5f02\u5f88\u5927\uff0c\u6b64\u524d\u5df2\u6709\u7814\u7a76\u8868\u660e\uff0c\u80a0\u9053\u7ec6\u83cc\u7684\u79cd\u7c7b\u4e0e\u80a5\u80d6\u3001\u514d\u75ab\u53cd\u5e94\u548c\u5fc3\u7406\u5065\u5eb7\u7b49\u591a\u79cd\u75be\u75c5\u6709\u5173\u3002
\u4e0d\u4ec5\u5982\u6b64\uff0c\u80a0\u9053\u7ec6\u83cc\u8fd8\u53ef\u4ee5\u901a\u8fc7\u751f\u5316\u53cd\u5e94\u6765\u6539\u53d8\u67d0\u4e9b\u836f\u7269\u7684\u7279\u6027\uff0c\u8fd9\u4e00\u8fc7\u7a0b\u88ab\u79f0\u4e3a\u751f\u7269\u8f6c\u5316\u3002\u90a3\u4e48\uff0c\u4e0e\u4e4b\u76f8\u53cd\uff0c\u67d0\u4e9b\u5e38\u7528\u836f\u7269\u5728\u80a0\u9053\u7684\u7d2f\u79ef\u662f\u5426\u4f1a\u6539\u53d8\u4eba\u4f53\u7684\u80a0\u9053\u5fae\u751f\u7269\u7fa4\u5462\uff1f
2021\u5e749\u67088\u65e5\uff0c\u5251\u6865\u5927\u5b66\u533b\u5b66\u7814\u7a76\u59d4\u5458\u4f1a\u6bd2\u7406\u5b66\u90e8\u95e8\u548c\u5fb7\u56fd\u6b27\u6d32\u5206\u5b50\u751f\u7269\u5b66\u5b9e\u9a8c\u5ba4\u7684\u7814\u7a76\u4eba\u5458\u5728Nature\u4e0a\u53d1\u8868\u9898\u4e3a\uff1aBioaccumulation of therapeutic drugs by human gut bacteria\u7684\u7814\u7a76\u8bba\u6587\u3002
\u8fd9\u9879\u7814\u7a76\u9996\u6b21\u8868\u660e\uff0c\u67d0\u4e9b\u79cd\u7c7b\u7684\u80a0\u9053\u7ec6\u83cc\u4f1a\u79ef\u7d2f\u4eba\u4f53\u836f\u7269\uff0c\u5e76\u6539\u53d8\u7ec6\u83cc\u7684\u7c7b\u578b\u53ca\u5176\u6d3b\u52a8\u3002\u8fd9\u53ef\u80fd\u4f1a\u76f4\u63a5\u6539\u53d8\u836f\u7269\u7684\u6709\u6548\u6027\uff0c\u56e0\u4e3a\u79ef\u7d2f\u53ef\u80fd\u4f1a\u51cf\u5c11\u836f\u7269\u5bf9\u8eab\u4f53\u7684\u53ef\u7528\u6027\uff0c\u540c\u65f6\u4e5f\u53ef\u80fd\u95f4\u63a5\u5730\u6539\u53d8\u7ec6\u83cc\u7684\u529f\u80fd\u548c\u6210\u5206\uff0c\u56e0\u4e3a\u53ef\u80fd\u4f1a\u4ea7\u751f\u526f\u4f5c\u7528\u3002
6\u3001\u4e0a\u6d77\u4ea4\u901a\u5927\u5b66\u738b\u536b\u5e86/\u66f9\u4e9a\u5357\u56e2\u961f\u53d1\u8868\u7528\u4e8e\u4e2d\u56fd\u4eba\u7fa4\u51c6\u786e\u57fa\u56e0\u578b\u63d2\u8865\u7684ChinaMAP\u53c2\u8003Panel
\u7814\u7a76\u56e2\u961f\u57fa\u4e8e\u4e2d\u56fd\u4ee3\u8c22\u5206\u6790\u9879\u76ee\uff08ChinaMAP\uff09\u7684WGS\u6570\u636e\u6784\u5efa\u4e86\u8be5\u9ad8\u5206\u8fa8\u7387\u548c\u7fa4\u4f53\u7279\u5f02\u6027\u53c2\u8003panel\u3002\u4e0e\u6b64\u524d\u7684\u4e2d\u56fd\u6837\u672c\u7684\u53c2\u8003panel\u76f8\u6bd4\uff0cChinaMAP\u53c2\u8003panel\u5728\u6837\u672c\u91cf\u3001\u6d4b\u5e8f\u6df1\u5ea6\u3001\u63d2\u8865\u51c6\u786e\u6027\u3001\u7cbe\u786e\u5ea6\u548c\u7075\u654f\u5ea6\u65b9\u9762\u8868\u73b0\u51fa\u663e\u8457\u4f18\u52bf\u3002ChinaMAP\u63d2\u8865\u670d\u52a1\u5668\uff08www.mbiobank.com\uff09\u53ef\u4ee5\u4e3a\u4e2d\u56fd\u548c\u4e1c\u4e9a\u4eba\u7fa4\u7684\u9057\u4f20\u7814\u7a76\u63d0\u4f9b\u6700\u4f73\u63d2\u8865\u65b9\u6cd5\uff0c\u6709\u52a9\u4e8e\u4e2d\u56fd\u4eba\u7fa4\u9057\u4f20\u7814\u7a76\u4e2d\u66f4\u5168\u9762\u7684\u63d2\u8865\u548c\u66f4\u65b0\u9896\u7684\u53d1\u73b0\u3002
7\u3001\u901a\u8fc7\u8fc1\u79fb\u5b66\u4e60\u5c06\u5355\u7ec6\u80de\u6570\u636e\u6620\u5c04\u5230\u53c2\u8003\u56fe\u8c31
\u5927\u7684\u5355\u7ec6\u80de\u5730\u56fe\u96c6\u73b0\u5728\u7ecf\u5e38\u88ab\u751f\u6210\uff0c\u4f5c\u4e3a\u5c0f\u8303\u56f4\u7814\u7a76\u5206\u6790\u7684\u53c2\u8003\u3002\u7136\u800c\uff0c\u7531\u4e8e\u6570\u636e\u96c6\u4e4b\u95f4\u7684\u6279\u5904\u7406\u6548\u5e94\u3001\u6709\u9650\u7684\u8ba1\u7b97\u8d44\u6e90\u53ef\u7528\u6027\u4ee5\u53ca\u539f\u59cb\u6570\u636e\u7684\u5171\u4eab\u9650\u5236\uff0c\u4ece\u53c2\u8003\u6570\u636e\u4e2d\u5b66\u4e60\u53d8\u5f97\u590d\u6742\u3002\u5728\u8fd9\u91cc\uff0c\u6211\u4eec\u4ecb\u7ecd\u4e86\u4e00\u79cd\u6df1\u5ea6\u5b66\u4e60\u7b56\u7565\uff0c\u7528\u4e8e\u5728\u5f15\u7528\u4e4b\u4e0a\u6620\u5c04\u67e5\u8be2\u6570\u636e\u96c6\uff0c\u79f0\u4e3a\u5355\u7ec6\u80de\u67b6\u6784\u624b\u672f\uff08scArches\uff09\u3002scArches\u4f7f\u7528\u8fc1\u79fb\u5b66\u4e60\u548c\u53c2\u6570\u4f18\u5316\u6765\u5b9e\u73b0\u9ad8\u6548\u3001\u5206\u6563\u3001\u8fed\u4ee3\u7684\u53c2\u8003\u6784\u5efa\u548c\u65b0\u6570\u636e\u96c6\u7684\u4e0a\u4e0b\u6587\u5316\uff0c\u800c\u65e0\u9700\u5171\u4eab\u539f\u59cb\u6570\u636e\u3002\u4f7f\u7528\u6765\u81ea\u5c0f\u9f20\u5927\u8111\u3001\u80f0\u817a\u3001\u514d\u75ab\u548c\u5168\u751f\u7269\u5730\u56fe\u96c6\u7684\u4f8b\u5b50\uff0c\u6211\u4eec\u8868\u660e\uff0c\u5c3d\u7ba1\u4f7f\u7528\u7684\u53c2\u6570\u6bd4\u4ece\u5934\u6574\u5408\u5c11\u56db\u4e2a\u6570\u91cf\u7ea7\uff0c\u4f46\u80fd\u4fdd\u7559\u751f\u7269\u72b6\u6001\u4fe1\u606f\uff0c\u540c\u65f6\u6d88\u9664\u6279\u6548\u5e94\u3002scArches\u53ef\u63a8\u5e7f\u5230\u591a\u6a21\u6001\u53c2\u8003\u6620\u5c04\uff0c\u5141\u8bb8\u5bf9\u7f3a\u5931\u7684\u6a21\u6001\u8fdb\u884c\u5f52\u56e0\u3002\u6700\u540e\uff0cscArches\u4fdd\u7559\u4e862019\u51a0\u72b6\u75c5\u6bd2\u75c5\uff08COVID-19\uff09\u7684\u75be\u75c5\u53d8\u5f02\uff0c\u5f53\u6620\u5c04\u5230\u5065\u5eb7\u53c2\u8003\u65f6\uff0c\u53ef\u4ee5\u53d1\u73b0\u7279\u5b9a\u75be\u75c5\u7684\u7ec6\u80de\u72b6\u6001\u3002scArches\u5c06\u901a\u8fc7\u8fed\u4ee3\u6784\u5efa\u3001\u66f4\u65b0\u3001\u5171\u4eab\u548c\u6709\u6548\u4f7f\u7528\u53c2\u8003\u5730\u56fe\u96c6\u6765\u4fc3\u8fdb\u5408\u4f5c\u9879\u76ee\u3002
8\u3001\u57fa\u4e8e\u673a\u5668\u5b66\u4e60\u7684\u513f\u7ae5\u9057\u4f20\u7efc\u5408\u5f81\u8bc4\u4f30\u6a21\u578b
\u76ee\u524d\uff0c\u673a\u5668\u5b66\u4e60\u6280\u672f\u5728\u89e3\u91ca\u56fe\u50cf\u4ee5\u8bca\u65ad\u5404\u79cd\u75be\u75c5\u65b9\u9762\u663e\u793a\u51fa\u6f5c\u529b\u3002\u867d\u7136\u9762\u90e8\u7279\u5f81\u7684\u8ba1\u7b97\u5206\u6790\u5df2\u5e7f\u6cdb\u7528\u4e8e\u4e00\u822c\u7684\u5b89\u5168\u5e94\u7528\uff0c\u4f46\u5c1a\u672a\u88ab\u7528\u4e8e\u533b\u7597\u8bca\u65ad\u3002\u524d\u671f\u7684\u521d\u6b65\u7814\u7a76\u7ed3\u679c\u8868\u660e\uff0c\u4f7f\u7528\u9762\u90e8\u5206\u6790\u548c\u673a\u5668\u5b66\u4e60\u6280\u672f\u8bc6\u522b\u4e0e\u9057\u4f20\u7efc\u5408\u5f81\u76f8\u5173\u7684\u9762\u90e8\u7578\u5f62\u662f\u53ef\u884c\u7684\u3002\u4f46\u90a3\u4e9b\u7814\u7a76\u53ea\u662f\u4e3a\u4e86\u652f\u6301\u4e13\u4e1a\u533b\u7597\u673a\u6784\u5bf9\u9884\u5148\u7b5b\u67e5\u7684\u60a3\u8005\u8fdb\u884c\u4e34\u5e8a\u8bca\u65ad\uff0c\u6ca1\u6709\u89e3\u51b3\u786e\u5b9a\u54ea\u4e9b\u513f\u7ae5\u6709\u51fa\u73b0\u9057\u4f20\u7efc\u5408\u5f81\u7684\u98ce\u9669\u5e76\u5e94\u5bfb\u6c42\u4e13\u4e1a\u6cbb\u7597\u7684\u5173\u952e\u9700\u6c42\uff0c\u4e14\u5176\u7eb3\u5165\u7684\u7814\u7a76\u4eba\u7fa4\u8f83\u4e3a\u5c40\u9650\u3002
\u8fd1\u65e5\uff0c\u7f8e\u56fd\u534e\u76db\u987f\u56fd\u7acb\u513f\u7ae5\u533b\u9662\u7684\u7814\u7a76\u56e2\u961f\u5728The Lancet Digital Health\u671f\u520a\u5728\u7ebf\u53d1\u8868\u4e86\u9898\u4e3aDevelopment and evaluation of a machine learning-based point-of-care screening tool for genetic syndromes in children: a multinational retrospective study\u7684\u6587\u7ae0\u3002\u7814\u7a76\u56e2\u961f\u5f00\u53d1\u51fa\u4e00\u79cd\u57fa\u4e8e\u6df1\u5ea6\u795e\u7ecf\u7f51\u7edc\u548c\u9762\u90e8\u7edf\u8ba1\u6a21\u578b\u7684\u9057\u4f20\u75c5\u7b5b\u67e5\u6280\u672f\uff0c\u5e76\u8bc4\u4f30\u4e86\u5176\u5728\u513f\u7ae5\u9057\u4f20\u7efc\u5408\u5f81\u9884\u6d4b\u5c42\u9762\u7684\u6027\u80fd\u3002\u6839\u636e\u591a\u4e2a\u56fd\u5bb6\u7684\u591a\u4e2d\u5fc3\u6570\u636e\u5206\u6790\u8868\u660e\uff0c\u8be5\u6df1\u5ea6\u795e\u7ecf\u7f51\u7edc\u5b66\u4e60\u6a21\u578b\u80fd\u591f\u5728\u4e00\u822c\u7684\u513f\u79d1\u4eba\u7fa4\u4e2d\u8bc6\u522b\u4efb\u4f55\u9057\u4f20\u7578\u5f62\uff0c\u89e3\u91ca\u4e0e\u79cd\u65cf\u3001\u5e74\u9f84\u548c\u6027\u522b\u76f8\u5173\u7684\u8868\u578b\u53d8\u5f02\u6027\u3002
"},{"location":"issue-2/#_4","title":"\u6587\u7ae0","text":"1\u3001\u5728ggplot2\u6563\u70b9\u56fe\u4e2d\u81ea\u52a8\u6dfb\u52a0\u56de\u5f52\u7cfb\u6570\u6216\u56de\u5f52\u65b9\u7a0b\u3001R2\u3001P\u503c\u7b49
\u6709\u65f6\u5019\u4f7f\u7528ggplot2\u7ed8\u5236\u6563\u70b9\u56fe\u5c55\u793a\u4e24\u7ec4\u53d8\u91cf\u7684\u5173\u7cfb\u65f6\uff0c\u540c\u65f6\u4e5f\u505a\u4e86\u4e00\u4e9b\u63cf\u8ff0\u4e8c\u8005\u5173\u7cfb\u7684\u7edf\u8ba1\uff0c\u5982\u76f8\u5173\u6027\u5206\u6790\u3001\u56de\u5f52\u5206\u6790\u7b49\uff0c\u5e76\u671f\u671b\u5c06\u76f8\u5173\u7cfb\u6570\u6216\u56de\u5f52\u65b9\u7a0b\u3001R2\u3001P\u503c\u7b49\u4e5f\u6dfb\u52a0\u5728ggplot2\u7684\u6563\u70b9\u56fe\u4e2d\uff0c\u8be5\u5982\u4f55\u5b9e\u73b0\u5462\uff1f
2\u3001\u5b66\u4e60\u5982\u4f55\u5206\u6790\u80bf\u7624\u7a7a\u95f4\u5f02\u8d28\u6027
\u5206\u6790\u80bf\u7624\u7a7a\u95f4\u5f02\u8d28\u6027\u662f\u5386\u6765\u7814\u7a76\u7684\u70ed\u70b9\uff0c\u4f46\u4e5f\u662f\u96be\u70b9\u3002\u56e0\u6b64\uff0c\u4eca\u5929\u4e3a\u5927\u5bb6\u6df1\u5ea6\u89e3\u8bfb\u4e00\u7bc72021\u5e746\u6708\u53d1\u8868\u5728\u300aCancer Discovery\u300b(IF=39.397\uff1b\u4e2d\u79d1\u96621\u533a)\u4e0a\u7684\u6587\u7ae0\uff0c\u5b66\u4e60\u4f5c\u8005\u5982\u4f55\u5229\u7528\u516c\u5171\u6570\u636e\u63a2\u7d22\u7a7a\u95f4\u5f02\u8d28\u6027\u7684\u5206\u5b50\u7279\u5f81\u3002
3\u3001\u751f\u7269\u7f51\u7edc\u4e2d\u7684\u5c0f\u4e16\u754c\u7cfb\u6570\uff08small-world coefficient\uff09\u53caR\u8bed\u8a00\u8ba1\u7b97
\u672c\u6587\u7b80\u4ecb\u4e00\u79cd\u7f51\u7edc\u62d3\u6251\u5c5e\u6027\uff0c\u5c0f\u4e16\u754c\u7cfb\u6570\uff08small-world coefficient\uff09\u3002
4\u3001\u6784\u5efa\u57fa\u672cshell\u811a\u672c
\u672c\u6587\u4ecb\u7ecd\u5982\u4f55\u6784\u5efa\u57fa\u672c\u7684Shell\u811a\u672c\uff0c\u638c\u63e1Linux\u7ec8\u7aef\u7f16\u7a0b\u3002
\u5185\u5bb9\uff1a
5\u3001Linux\u6570\u636e\u5904\u7406\u547d\u4ee4\u5de5\u5177
step1 input.txt | less\nstep1 input.txt | step2 | less\nstep1 input.txt | step2 | step3 | less\nLinux\u7ba1\u9053
\u672c\u6587\u53c2\u8003\u5b66\u4e60\u300aBioinformatics. Data. Skills\u300b\uff0c\u8fd9\u91cc\u7b80\u8981\u5730\u6574\u7406\u4e0bLinux\u7528\u6765\u5904\u7406\u6570\u636e\u6587\u672c\u7684\u5de5\u5177\u3002
\u8be5\u4e66\u7684\u83b7\u53d6\u65b9\u5f0f\u89c1\u4e0a\u671f\u3002
6\u3001\u4f7f\u7528dplyr\u8fdb\u884c\u6570\u636e\u5904\u7406
delays <- flights %>%\n group_by(dest) %>%\n summarize(\n count = n(),\n dist = mean(distance, na.rm = TRUE),\n delay = mean(arr_delay, na.rm = TRUE)\n ) %>%\n filter(count > 20, dest != \"HNL\")\ndplyr\u7ba1\u9053\u4e0e\u6570\u636e\u64cd\u4f5c
\u672c\u6587\u53c2\u8003\u5b66\u4e60\u300aR for Data Science\u300b\uff0c\u8fd9\u91cc\u4ecb\u7ecddplyr\u6570\u636e\u5904\u7406\u548c\u7f16\u7a0b\u57fa\u7840\u3002
7\u3001\u5355\u7ec6\u80deRNAseq\u6570\u636e\u7684\u77e9\u9635\u5206\u89e3
\u6211\u6709\u5174\u8da3\u5b66\u4e60\u66f4\u591a\u5173\u4e8e\u77e9\u9635\u5206\u89e3\u53ca\u5176\u5728scRNAseq\u6570\u636e\u4e2d\u7684\u5e94\u7528\u3002\u6211\u60f3\u5bf9Elana J. Fertig\u7814\u7a76\u7ec4\u7684\u8bba\u6587Enter the Matrix: Factorization Uncovers Knowledge from Omics\u8fdb\u884c\u6df1\u5165\u5b66\u4e60\u3002
"},{"location":"issue-2/#_5","title":"\u5de5\u5177","text":"1\u3001datar: dplyr in python
\u5728\u751f\u4fe1\u5206\u6790\u4e2d\uff0cR\u662f\u5f88\u5e38\u7528\u7684\u8bed\u8a00\uff0cR\u4e2d\u6570\u636e\u5904\u7406\u7684\u5305\uff0c\u7279\u522b\u662ftidyverse\u5f00\u53d1\u7684\u5305\uff0c\u5305\u62ecdplyr\u3001tidyr\u3001 forcats\u7b49\uff0c\u5f88\u53d7\u6b22\u8fce\u3002\u4ed6\u4eec\u7684API\u8bbe\u8ba1\u7b80\u5355\u6613\u8bb0\uff0c\u914d\u5408ggplot2\uff0c\u7b80\u76f4\u6570\u636e\u5206\u6790+\u4f5c\u56fe\u7684\u795e\u7ec4\u5408\u3002\u800cpython\u4e2d\uff0cpandas\u867d\u7136\u5f3a\u5927\uff0c\u4f46API\u7e41\u591a\u4e14\u4e0d\u5bb9\u6613\u8bb0\u4f4f\u3002datar\u5c06R\u4e2d\u76f8\u5173\u7684\u5305\u5728python\u4e2d\u8fdb\u884c\u4e86\u5b9e\u73b0\uff0c\u4f7f\u5f97python\u4e2d\u7684\u6570\u636e\u5206\u6790\u4e5f\u53ef\u4ee5\u7528\u4e0adplyr\u7684\u8bed\u6cd5\u3002datar\u4e0d\u4ec5\u5b9e\u73b0\u4e86\u7ba1\u9053\u64cd\u4f5c\uff0c\u5e76\u4e14\u5c3d\u91cf\u9075\u5faa\u539f\u5305\u7684API\u8bbe\u8ba1\uff0c\u5bf9R\u719f\u6089\u7684\u540c\u5b66\u5f88\u5bb9\u6613\u4e0a\u624b\u3002
\u672c\u5de5\u5177\u662f\u4f5c\u8005\u672c\u4eba\u5206\u4eab\uff0c\u6211\u7b80\u5355\u7684\u770b\u4e86\u4e0b\u9879\u76ee\u4ed3\u5e93\u4ee5\u53ca\u4e0e\u4f5c\u8005\u4ea4\u6d41\uff0c\u4e0d\u4ec5\u53d1\u73b0tidyverse\u4e2d\u6781\u591a\u6709\u7528\u529f\u80fd\u88ab\u7eb3\u5165\uff0c\u800c\u4e14\u662f\u7eafPython\u5b9e\u73b0\u7684\uff08\u4e0e\u7b80\u5355\u63d0\u4f9bR\u63a5\u53e3\u4e0d\u540c\uff09\u3002\u975e\u5e38\u5389\u5bb3\u7684\u5de5\u5177\uff0c\u79f0\u5f97\u4e0aPython\u4e2d\u7684tidyverse\uff0c\u63a8\u8350\u5927\u5bb6\u5c1d\u8bd5\u4f7f\u7528\uff01
from datar import f\nfrom datar.dplyr import mutate, filter, if_else\nfrom datar.tibble import tibble\n# or\n# from datar.all import f, mutate, filter, if_else, tibble\n\ndf = tibble(\n x=range(4),\n y=['zero', 'one', 'two', 'three']\n)\ndf >> mutate(z=f.x)\n\"\"\"# output\n x y z\n <int64> <object> <int64>\n0 0 zero 0\n1 1 one 1\n2 2 two 2\n3 3 three 3\n\"\"\"\n\ndf >> mutate(z=if_else(f.x>1, 1, 0))\n\"\"\"# output:\n x y z\n <int64> <object> <int64>\n0 0 zero 0\n1 1 one 0\n2 2 two 1\n3 3 three 1\n\"\"\"\n\ndf >> filter(f.x>1)\n\"\"\"# output:\n x y\n <int64> <object>\n0 2 two\n1 3 three\n\"\"\"\n\ndf >> mutate(z=if_else(f.x>1, 1, 0)) >> filter(f.z==1)\n\"\"\"# output:\n x y z\n <int64> <object> <int64>\n0 2 two 1\n1 3 three 1\n\"\"\"\n2\u3001eulerr
eulerr\u751f\u6210\u9762\u79ef\u6bd4\u4f8b\u6b27\u62c9\u56fe\uff0c\u663e\u793a\u4e0e\u5706\u6216\u692d\u5706\u7684\u96c6\u5408\u5173\u7cfb(\u4ea4\u3001\u5e76\u3001\u89e3)\u3002\u6b27\u62c9\u56fe\u662f\u7ef4\u6069\u56fe\uff0c\u4e0d\u8981\u6c42\u6240\u6709\u96c6\u5408\u7684\u76f8\u4e92\u4f5c\u7528\u90fd\u5b58\u5728\uff08\u65e0\u8bba\u5b83\u4eec\u662f\u7a7a\u7684\u8fd8\u662f\u7a7a\u7684\uff09\uff0c\u8fd9\u610f\u5473\u7740\uff0c\u6839\u636e\u8f93\u5165\uff0c\u6b27\u62c9\u6709\u65f6\u4f1a\u4ea7\u751f\u7ef4\u6069\u56fe\uff0c\u6709\u65f6\u4e0d\u4f1a\u3002
3\u3001gt - \u8868\u683c\u5236\u4f5c\u795e\u5668
\u4f7f\u7528gt\u5305\uff0c\u4efb\u4f55\u4eba\u90fd\u53ef\u4ee5\u4f7f\u7528R\u7f16\u7a0b\u8bed\u8a00\u5236\u4f5c\u597d\u770b\u7684\u8868\u3002gt\u7684\u54f2\u5b66\u662f\uff1a\u6211\u4eec\u53ef\u4ee5\u7528\u4e00\u7ec4\u5185\u805a\u7684\u8868\u90e8\u4ef6\u6765\u6784\u9020\u5404\u79cd\u5404\u6837\u7684\u6709\u7528\u7684\u8868\u3002\u8fd9\u5305\u62ec\u8868\u5934\u3001\u5b58\u6839\u3001\u5217\u6807\u7b7e\u548c\u8de8\u7ec4\u5217\u6807\u7b7e\u3001\u8868\u4e3b\u4f53\u548c\u8868\u811a\u3002
4\u3001gtExtras
gtExtras\u7684\u76ee\u6807\u662f\u63d0\u4f9b\u4e00\u4e9b\u989d\u5916\u7684\u8f85\u52a9\u51fd\u6570\u6765\u5e2e\u52a9\u4f7f\u7528gt\u521b\u5efa\u6f02\u4eae\u7684\u8868\u3002\u8fd9\u4e9b\u51fd\u6570\u901a\u5e38\u662f\u5bf9\u6837\u677f\u6587\u4ef6\u7684\u5305\u88c5\uff0c\u6216\u8005\u6dfb\u52a0\u4e86gt\u4e2d\u5c1a\u672a\u5185\u7f6e\u7684\u529f\u80fd\u3002gt\u5305\u662f\u60ca\u4eba\u7684\uff0c\u786e\u4fdd\u53bb\u9605\u8bfb\u5b98\u65b9\u6587\u6863\u3002
\u4e3b\u9898
\u6570\u636e\u9ad8\u4eae
5\u3001gtsummary - \u51c6\u5907\u597d\u7684\u6f14\u793a\u6570\u636e\u603b\u7ed3\u548c\u5206\u6790\u7ed3\u679c\u8868
gtsummary\u5305\u63d0\u4f9b\u4e86\u4e00\u79cd\u4f18\u96c5\u800c\u7075\u6d3b\u7684\u65b9\u6cd5\u6765\u4f7f\u7528R\u7f16\u7a0b\u8bed\u8a00\u521b\u5efa\u53ef\u53d1\u5e03\u7684\u5206\u6790\u548c\u6c47\u603b\u8868\u3002gtsummary\u5305\u603b\u7ed3\u4e86\u6570\u636e\u96c6\u3001\u56de\u5f52\u6a21\u578b\u7b49\u7b49\uff0c\u4f7f\u7528\u4e86\u5177\u6709\u9ad8\u5ea6\u53ef\u5b9a\u5236\u529f\u80fd\u7684\u5408\u7406\u9ed8\u8ba4\u503c\u3002
6\u3001mathpix - \u56fe\u7247\u8f6c\u516c\u5f0f\u795e\u5668
\u597d\u7528\u7684\u516c\u5f0f\u63d0\u53d6\u5de5\u5177\u3002\u652f\u6301\u62f7\u8d1d\u5230Word\u548cLaTex\u3002
"},{"location":"issue-2/#_6","title":"\u8d44\u6e90","text":"1\u3001Cookbook for R \u4e2d\u6587\u7248
Cookbook for R \u4e2d\u6587\u7248 \u662f\u7531 Openbiox \u5c0f\u7ec4\u7b2c\u4e00\u6279\u521b\u5efa\u548c\u7ef4\u62a4\u7684Cookbook for R\u4e2d\u6587\u7ffb\u8bd1\u9879\u76ee\u3002\u8fd9\u91cc\u4ee5\u76f4\u89c2\u660e\u4e86\u7684\u95ee\u9898/\u9700\u6c42\u548c\u65b9\u6848\u4e3a\u57fa\u672c\u5185\u5bb9\u5411\u8bfb\u8005\u4ecb\u7ecd R \u7684\u57fa\u7840\u548c\u5982\u4f55\u89e3\u51b3\u5e38\u89c1\u7684\u5206\u6790\u95ee\u9898\u3002\u4ece\u9605\u8bfb\u4e2d\u8bfb\u8005\u53ef\u4ee5\u5b66\u4e60\u5b89\u88c5\u548c\u4f7f\u7528\u4e09\u65b9\u5305\u3001\u64cd\u4f5c\u57fa\u7840\u7684\u6570\u636e\u7c7b\u578b\uff0c\u5b66\u4e60\u6570\u636e\u7684\u5bfc\u5165\u3001\u64cd\u4f5c\u548c\u53ef\u89c6\u5316\uff0c\u5b66\u4e60\u7edf\u8ba1\u5206\u6790\u548c\u7f16\u5199\u811a\u672c\u7b49\u5185\u5bb9\u3002
2\u3001free self-taught education in Bioinformatics - \u5f00\u6e90\u793e\u4f1a\u5927\u5b66\u751f\u4fe1\u4e4b\u8def\u8bfe\u7a0b
\u5bf9\u4e8e\u90a3\u4e9b\u60f3\u8981\u5728\u81ea\u5df1\u7684\u65f6\u95f4\u514d\u8d39\u5b8c\u6210\u751f\u7269\u4fe1\u606f\u5b66\u8bfe\u7a0b\u7684\u4eba\u6765\u8bf4\uff0c\u8fd9\u662f\u4e00\u6761\u575a\u5b9e\u7684\u9053\u8def\uff0c\u8bfe\u7a0b\u6765\u81ea\u4e16\u754c\u4e0a\u6700\u597d\u7684\u5927\u5b66\u3002
\u5728\u6211\u4eec\u7684\u8bfe\u7a0b\u4e2d\uff0c\u6211\u4eec\u4f18\u5148\u9009\u62e9MOOC\uff08\u5927\u89c4\u6a21\u5f00\u653e\u5728\u7ebf\u8bfe\u7a0b\uff09\u98ce\u683c\u7684\u8bfe\u7a0b\uff0c\u56e0\u4e3a\u8fd9\u4e9b\u8bfe\u7a0b\u662f\u6839\u636e\u6211\u4eec\u7684\u5b66\u4e60\u98ce\u683c\u521b\u5efa\u7684\u3002
\u8981\u6210\u4e3a\u4e00\u540d\u751f\u7269\u4fe1\u606f\u5b66\u5bb6\uff0c\u4f60\u5fc5\u987b\u5b66\u4e60\u5927\u91cf\u7684\u79d1\u5b66\u77e5\u8bc6\uff0c\u6240\u4ee5\u8981\u505a\u597d\u51c6\u5907\uff0c\u6bd4\u5982\u751f\u7269\u3001\u5316\u5b66\u7b49\u3002
3\u3001getting-started-with-genomics-tools-and-resources
Ming Tang\u591a\u5e74\u6574\u7406\u7684\u7ef4\u62a4\u7684\u57fa\u56e0\u7ec4\u5206\u6790\u5b66\u4e60\u548c\u4f7f\u7528\u8d44\u6e90\u3002
"},{"location":"issue-2/#_7","title":"\u8d5e\u8d4f","text":"\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
"},{"location":"issue-2/#_8","title":"\u8ba2\u9605","text":"\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-20/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 20 \u671f\uff09\uff1a\u79d1\u7814\u82e6\u884c","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
GitHub \u7c89\u4eec\u53ef\u4ee5\u901a\u8fc7 Watch \u4ed3\u5e93\u7684 Release\uff08\u63d0\u524d\uff09\u5173\u6ce8\u53d1\u5e03\u5185\u5bb9\u3002
\u8ba8\u8bba\u533a\u7684\u5e16\u5b50\u300a\u8c01\u5728\u62db\u4eba\uff1f\u300b\uff0c\u63d0\u4f9b\u751f\u4fe1\u6df1\u9020\u548c\u5c31\u4e1a\u4fe1\u606f\uff0c\u6b22\u8fce\u8bbf\u95ee\u6216\u53d1\u5e03\u5b66\u4f4d\u653b\u8bfb/\u5de5\u4f5c/\u5b9e\u4e60\u7b49\u5c97\u4f4d\u3002
\u300c\u672c\u671f\u4e13\u7528\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-20/#_1","title":"\u5c01\u9762\u56fe","text":"\u73b0\u4ee3\u4e0e\u81ea\u7136\u7684\u8bbe\u8ba1\u7ed3\u5408\uff1a\u88c2\u5f00\u7684\u5927\u697c\uff08via\uff09\u3002
"},{"location":"issue-20/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u79d1\u7814\u82e6\u884c","text":"\u201c\u53cc\u6599\u201d\u9662\u58eb\u738b\u6653\u4e1c\u80cc\u7740\u4e00\u888b\u5c3f\u7d20\u8981\u8fdb\u7814\u7a76\u6240\u5927\u697c\uff0c\u5374\u88ab\u62d2\u4e4b\u95e8\u5916\uff1b\u540c\u5b66\u5728\u8ba4\u771f\u505a\u5b66\u672f\u62a5\u544a\uff0c\u53f0\u4e0b\u7684\u738b\u6653\u4e1c\u5374\u60ca\u5f97\u5927\u8dcc\u773c\u955c\uff1b\u5929\u53f0\u4e0a\uff0c\u738b\u6653\u4e1c\u8eab\u7a7f\u5b9e\u9a8c\u670d\uff0c\u62b1\u7740\u7535\u5409\u4ed6\uff0c\u524d\u4ef0\u540e\u5408\u5730\u5fd8\u60c5\u5f39\u594f\u3002
\u8fd9\u4e9b\u573a\u666f\u90fd\u51fa\u81ea\u8fd1\u65e5\u7206\u706b\u7684\u4e00\u6bb5\u89c6\u9891\uff0c\u7531\u5317\u4eac\u751f\u547d\u79d1\u5b66\u7814\u7a76\u6240\uff08NIBS\uff09\u6240\u957f\u3001\u767e\u6d4e\u795e\u5dde\u521b\u59cb\u4eba\u738b\u6653\u4e1c\u5e26\u9886\u4ed6\u7684\u5b66\u751f\u201c\u6574\u70b9\u513f\u5947\u6d3b\u201d\uff0c\u6700\u7ec8\u5236\u6210\u8d3a\u5c81\u5927\u7247\u300a\u82e6\u884c\u50e7\u300b\u79d1\u7814\u7248\u548c\u738b\u6653\u4e1csolo\u5927\u4f5c\u300a\u6653\u4e1cRAP\u300b\uff01
\u8fd9\u662f\u8bfe\u9898\u7ec4\u7b2c\u4e03\u6b21\u653e\u9001\u8d3a\u5c81\u89c6\u9891\uff0c\u878d\u5408\u4e86\u6447\u6eda\u548cRAP\uff0c\u5e76\u7528\u9ed1\u8272\u5e7d\u9ed8\u7684\u5f62\u5f0f\u5c06\u65f6\u4e0b\u7684\u70ed\u6897\u878d\u5165\u79d1\u7814\uff0c\u5c55\u73b0\u4e86\u79d1\u7814\u201c\u82e6\u884c\u50e7\u201d\u5728\u68a6\u60f3\u4e0e\u73b0\u5b9e\uff0c\u6742\u5ff5\u548c\u521d\u5fc3\u4e4b\u95f4\u7684\u201c\u6597\u4e89\u201d\u548c\u201c\u4fee\u884c\u201d\u3002
\u79d1\u7814\u662f\u82e6\u662f\u4e50\uff0c\u79d1\u7814\u4eba\u5fc3\u4e2d\u8bc4\u8bf4\uff5e\u4f60\u662f\u5426\u4e5f\u4f1a\u7528\u7c7b\u4f3c\u7684\u65b9\u5f0f\u8868\u8fbe\u4e0e\u79d1\u7814\u201c\u6b32\u7f62\u4e0d\u80fd\u201d\u7684\u60c5\u611f\uff1f
"},{"location":"issue-20/#_3","title":"\u751f\u4fe1\u79d1\u6280\u52a8\u6001","text":"1\u3001Briefings in Bioinformatics | \u9ad8\u6b4c\u8bfe\u9898\u7ec4\u5efa\u7acb\u4eba\u7c7bRNA\u8f6c\u5f55\u672c\u7f16\u7801\u80fd\u529b\u5b9a\u91cf
\u9ad8\u6b4c\u8bfe\u9898\u7ec4\u6536\u96c6\u4e86\u53d1\u8868\u4e8e\u516c\u5171\u6570\u636e\u5e9322\u4e2a\u4e0d\u540c\u7ec6\u80de\u7c7b\u578b\u7684\u4eba\u7c7bRibo-seq/RNA-seq\u914d\u5bf9\u6570\u636e\uff0c\u5e76\u8fdb\u884c\u7cfb\u7edf\u6316\u6398\u5206\u6790\uff0c\u5bf9\u6570\u636e\u4e2d101,170\u6761\u8f6c\u5f55\u672c\u7684\u7ffb\u8bd1\u72b6\u6001\u8fdb\u884c\u4e86\u4e25\u683c\u5224\u5b9a\u3002\u5176\u4e2d\uff0c46%\u7684\u8f6c\u5f55\u672c\u4e3a\u7f16\u7801\uff0c43%\u4e3a\u975e\u7f16\u7801\u3002\u503c\u5f97\u6ce8\u610f\u7684\u662f\uff0c\u7814\u7a76\u56e2\u961f\u53d1\u73b011%\u7684\u8f6c\u5f55\u672c\uff0c\u5728\u4e0d\u540c\u7ec6\u80de\u4e2d\u5448\u73b0\u4e0d\u540c\u7684\u7ffb\u8bd1\u72b6\u6001\uff0c\u5373\u5728\u90e8\u5206\u7ec6\u80de\u4e2d\u7f16\u7801\uff0c\u800c\u5728\u53e6\u4e00\u90e8\u5206\u7ec6\u80de\u4e2d\u975e\u7f16\u7801\u3002\u7814\u7a76\u56e2\u961f\u5c06\u5176\u547d\u540d\u4e3a\u201c\u73af\u5883\u4f9d\u8d56\u7f16\u7801\u8f6c\u5f55\u672c\u201d(context-dependent coding transcripts, CDCTs)\u3002
\u5728\u6b64\u57fa\u7840\u4e0a\uff0c\u9ad8\u6b4c\u8bfe\u9898\u7ec4\u5e94\u7528\u6570\u636e\u9a71\u52a8\u7684\u7279\u5f81\u9009\u62e9\u7b97\u6cd5\uff0c\u7efc\u5408\u8fd0\u7528\u5e8f\u5217\u5185\u751f\u548c\u7ec6\u80de\u73af\u5883\u7279\u5f81\uff0c\u5efa\u7acb\u4e86\u4eba\u7c7bRNA\u8f6c\u5f55\u672c\u7f16\u7801\u80fd\u529b\u8de8\u7ec6\u80de\u5b9a\u91cf\u6a21\u578bRiboCalc\uff0c\u5b9e\u73b0\u4e86\u5bf9\u4eba\u7c7b\u8f6c\u5f55\u672c\u5728\u591a\u79cd\u7ec6\u80de\u73af\u5883\u4e0b\u7684\u7f16\u7801\u80fd\u529b\u7684\u9ad8\u7cbe\u5ea6\u9884\u6d4b(r = 0.81)\u3002\u6a21\u578b\u5206\u6790\u663e\u793a\uff0c\u8f6c\u5f55\u672c\u7684\u5e8f\u5217\u548c\u6240\u5728\u7ec6\u80de\u73af\u5883\u90fd\u5bf9\u7f16\u7801\u80fd\u529b\u7684\u51b3\u5b9a\u8d77\u5230\u4e86\u91cd\u8981\u4f5c\u7528\uff0c\u63d0\u793a\u8f6c\u5f55\u672c\u7684\u7f16\u7801\u80fd\u529b\u4e0d\u5e94\u88ab\u7b80\u5316\u4e3a\u5355\u7eaf\u7684\u7f16\u7801/\u975e\u7f16\u7801\u4e8c\u5206\u5206\u7c7b\uff0c\u800c\u662f\u4e00\u4e2a\u4f9d\u8d56\u4e8e\u73af\u5883\u7684\u8fde\u7eed\u5b9a\u91cf\u6307\u6807\u3002\u503c\u5f97\u6ce8\u610f\u7684\u662f\uff0c\u81ea14\u5e74\u4ee5\u6765\u5373\u6709\u82e5\u5e72\u5de5\u4f5c\u62a5\u5bfc\u4e00\u4e9b\u975e\u7f16\u7801RNA\u53ef\u4ee5\u5728\u7279\u5b9a\u6761\u4ef6\u4e0b\u7ed3\u5408\u6838\u7cd6\u4f53\u751a\u81f3\u4ea7\u751f\u80bd\u6bb5(\u5982[1])\uff0cRiboCalc\u5206\u6790\u663e\u793a\u8fd9\u4e9bRNA\u8f6c\u5f55\u672c\u4e0e\u4e0d\u7ed3\u5408\u6838\u7cd6\u4f53\u7684RNA\u76f8\u6bd4\u7f16\u7801\u80fd\u529b\u5206\u6570\u663e\u8457\u9ad8\uff0c\u4e3a\u7406\u89e3\u76f8\u5173\u73b0\u8c61\u63d0\u4f9b\u4e86\u65b0\u7684\u7ebf\u7d22\u3002
2\u3001Bioinformatics | HPODNets: \u9884\u6d4b\u4eba\u7c7b\u86cb\u767d\u8d28-\u8868\u578b\u5173\u8054\u7684\u6df1\u5ea6\u56fe\u5377\u79ef\u7f51\u7edc
\u7834\u89e3\u4eba\u7c7b\u57fa\u56e0/\u86cb\u767d\u8d28\u4e0e\u5f02\u5e38\u8868\u578b\u4e4b\u95f4\u7684\u5173\u7cfb\uff0c\u5bf9\u75be\u75c5\u7684\u9884\u9632\u3001\u8bca\u65ad\u548c\u6cbb\u7597\u5177\u6709\u91cd\u8981\u610f\u4e49\u3002\u4eba\u7c7b\u8868\u578b\u672c\u4f53 (HPO)\u662f\u63cf\u8ff0\u4eba\u7c7b\u75be\u75c5\u4e2d\u9047\u5230\u7684\u8868\u578b\u5f02\u5e38\u7684\u6807\u51c6\u5316\u8bcd\u6c47\u8868\u3002\u4f46\u662f\u76ee\u524d\u7684HPO\u6ce8\u91ca\u662f\u4e0d\u5b8c\u6574\u7684\u3002\u56e0\u6b64\u6709\u5fc5\u8981\u9884\u6d4b\u4eba\u7c7b\u86cb\u767d\u8d28-\u8868\u578b\u5173\u8054\u3002\u5c31\u76ee\u524d\u7684\u86cb\u767d\u8d28\u6807\u6ce8\u8ba1\u7b97\u65b9\u6cd5\u800c\u8a00 (\u5982\u529f\u80fd\u6ce8\u91ca)\uff0c\u6709\u4e09\u4e2a\u91cd\u8981\u7279\u5f81\uff1a1)\u591a\u91cd\u7f51\u7edc\u8f93\u5165\uff0c2)\u534a\u76d1\u7763\u5b66\u4e60\uff0c3)\u6df1\u5ea6\u56fe\u5377\u79ef\u7f51\u7edc (GCN)\uff0c\u800c\u76ee\u524d\u8fd8\u6ca1\u6709\u5305\u542b\u6240\u6709\u8fd9\u4e9b\u7279\u5f81\u7684\u65b9\u6cd5\u6765\u9884\u6d4b\u4eba\u7c7b\u86cb\u767d\u8d28\u7684HPO\u6ce8\u91ca\u3002
\u4f5c\u8005\u5f00\u53d1\u4e86\u5177\u6709\u4e0a\u8ff0\u4e09\u4e2a\u7279\u5f81\u7684\u9884\u6d4b\u6a21\u578b\uff1aHPODNets\uff0c\u7528\u4e8e\u9884\u6d4b\u4eba\u7c7b\u86cb\u767d\u8d28-\u8868\u578b\u5173\u8054\u3002HPODNets\u91c7\u75288\u5c42GCN\u4ece\u591a\u4e2a\u86cb\u767d\u8d28\u76f8\u4e92\u4f5c\u7528\u7f51\u7edc\u4e2d\u83b7\u53d6\u9ad8\u9636\u62d3\u6251\u4fe1\u606f\u3002\u5b9e\u9a8c\u7ed3\u679c\u8868\u660eHPODNets\u7684\u6709\u6548\u6027\uff0c\u5728\u86cb\u767d\u8d28\u529f\u80fd\u9884\u6d4b\u65b9\u9762\u4f18\u4e8e7\u79cd\u6700\u5148\u8fdb\u7684\u65b9\u6cd5\u3002
3\u3001Nature Machine Intelligence | \u5728\u5b9e\u9a8c\u4e2d\u6062\u590d\u8f6c\u5f55\u7ec4\u8303\u56f4\u5185RNA\u7ed3\u6784\u8c31\u4e22\u5931\u4fe1\u53f7\u7684\u65b9\u6cd5
\u57fa\u4e8e\u6d4b\u5e8f\u7684 RNA \u7ed3\u6784\u63a2\u6d4b\u53ef\u4ee5\u751f\u6210 RNA \u4e8c\u7ea7\u7ed3\u6784\u7684\u5168\u8f6c\u5f55\u7ec4\u8c31\u3002\u9700\u8981\u8db3\u591f\u7684\u7ed3\u6784\u8986\u76d6\u624d\u80fd\u83b7\u5f97\u5173\u4e8e RNA \u7ed3\u6784\u548c\u529f\u80fd\u7684\u5ba2\u89c2\u89c1\u89e3\uff0c\u4f46\u63a2\u6d4b\u65b9\u6cd5\u901a\u5e38\u4f1a\u4ea7\u751f\u4e0d\u5747\u5300\u7684\u8986\u76d6\uff0c\u5728\u8bb8\u591a\u8f6c\u5f55\u672c\u4e2d\u7f3a\u5c11\u7ed3\u6784\u5206\u6570\u3002
\u4e3a\u4e86\u514b\u670d\u8fd9\u4e00\u969c\u788d\uff0c\u6e05\u534e\u5927\u5b66\u7684\u7814\u7a76\u4eba\u5458\u5f00\u53d1\u4e86 StructureImpute\uff0c\u8fd9\u662f\u4e00\u79cd\u53d7\u8ba1\u7b97\u673a\u89c6\u89c9\u6df1\u5ea6\u8865\u5168\u542f\u53d1\u7684\u6df1\u5ea6\u5b66\u4e60\u6846\u67b6\uff0c\u5b83\u5c06 RNA \u5e8f\u5217\u4e0e\u76f8\u90bb\u6838\u82f7\u9178\u7684\u53ef\u7528 RNA \u7ed3\u6784\u4fe1\u606f\u76f8\u7ed3\u5408\uff0c\u4ee5\u63a8\u65ad\u7f3a\u5931\u7684\u7ed3\u6784\u5206\u6570\u3002
"},{"location":"issue-20/#_4","title":"\u6587\u7ae0","text":"1\u3001\u6bd4\u8f83\u5fae\u751f\u7269\u7ec4\u4e2d\u7684\u5dee\u5f02\u5206\u6790\u65b9\u6cd5
2\u3001\u80bf\u7624\u4e2d\u7684\u7a81\u53d8\u8868\u4f4d
3\u3001\u8c01\u662fPython/R\u4e2d\u6700\u5f3aDashboard APP\u5f00\u53d1\u5de5\u5177\uff1f
"},{"location":"issue-20/#_5","title":"\u5de5\u5177","text":"1\u3001R\u5305sessioninfo - \u66f4\u597d\u5730\u6253\u5370\u4f60\u7684\u4f1a\u8bdd\u4fe1\u606f
2\u3001wifi-password - Get the password of the wifi you\u2019re on (bash)
3\u3001croc - Easily and securely send things from one computer to another
\u547d\u4ee4\u884c\u5b89\u88c5\uff1a
curl https://getcroc.schollz.com | bash\n1\u3001UCR\u57fa\u56e0\u7ec4\u7814\u7a76\u6240\u624b\u518c
2\u3001\u56fe\u4e66 - Modern Statistics with R\uff1aFrom wrangling and exploring data to inference and predictive modelling
"},{"location":"issue-20/#_7","title":"\u8d5e\u8d4f","text":"\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
\u611f\u8c22\u4ee5\u4e0b\u8bfb\u8005\u5f80\u671f\u7684\u8d5e\u8d4f\uff1a
\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-21/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 21 \u671f\uff09\uff1a\u79d1\u7814\u4e0e\u7231\u597d","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
GitHub \u7c89\u4eec\u53ef\u4ee5\u901a\u8fc7 Watch \u4ed3\u5e93\u7684 Release\uff08\u63d0\u524d\uff09\u5173\u6ce8\u53d1\u5e03\u5185\u5bb9\u3002
\u8ba8\u8bba\u533a\u7684\u5e16\u5b50\u300a\u8c01\u5728\u62db\u4eba\uff1f\u300b\uff0c\u63d0\u4f9b\u751f\u4fe1\u6df1\u9020\u548c\u5c31\u4e1a\u4fe1\u606f\uff0c\u6b22\u8fce\u8bbf\u95ee\u6216\u53d1\u5e03\u5b66\u4f4d\u653b\u8bfb/\u5de5\u4f5c/\u5b9e\u4e60\u7b49\u5c97\u4f4d\u3002
\u300c\u672c\u671f\u4e13\u7528\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-21/#_1","title":"\u5c01\u9762\u56fe","text":"\u957f\u5bff\u4e4b\u9053\uff0c\u6b8a\u9014\u540c\u5f52\u3002\u8f9f\u8c37\u7684\u9053\u58eb\uff08\u6697\u793a\u9965\u997f\uff09\u548c\u5bf9\u9762\u662f\u70bc\u4e39\u7089\uff08\u6697\u793a\u4e8c\u7532\u53cc\u80cd\uff09\u90fd\u662f\u901a\u8fc7\u6eb6\u9176\u4f53-AMPK\u901a\u8def\uff08\u4e0a\u5c71\u7684\u9636\u68af\uff09\u8fbe\u5230\u8425\u517b\u7684\u9634\u9633\u5e73\u8861\u6700\u7ec8\u957f\u5bff\uff08\u4e39\u9876\u9e64\uff0c\u4ed9\u4eba\uff09\u3002\uff08\u6765\u6e90\uff1a\u6797\u5723\u5f69\u56e2\u961f\u7834\u89e3\u4e8c\u7532\u53cc\u80cd\u9776\u70b9\uff09
"},{"location":"issue-21/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u79d1\u7814\u4e0e\u7231\u597d","text":"\u5728\u6765\u81ea\u793e\u4f1a\u7684\u523b\u677f\u5370\u8c61\u4e2d\uff0c\u79d1\u7814\u4eba\u4f3c\u4e4e\u5c31\u662f\u4e25\u8083\u5446\u677f\u4e0d\u82df\u8a00\u7b11\uff0c\u4e00\u8eab\u767d\u5927\u8902\u6ce1\u5728\u5b9e\u9a8c\u5ba4\uff0c\u9664\u4e86\u505a\u5b9e\u9a8c\u8fd8\u662f\u505a\u5b9e\u9a8c\u3002
\uff08\u76ee\u524d\u5728\u54c8\u4f5b\u4efb\u6559\u7684\u91cf\u5b50\u529b\u5b66\u535a\u58eb Merritt Moore \uff0c\u4e1a\u4f59\u4e5f\u662f\u4e00\u4f4d\u82ad\u857e\u821e\u6f14\u5458\u3002\uff09
\u79d1\u7814\u4eba\u51ed\u4ec0\u4e48\u4e0d\u53ef\u4ee5\u8ffd\u6c42\u81ea\u5df1\u7684\u5174\u8da3\u7231\u597d\uff0c\u4e0d\u53ef\u4ee5\u5bf9\u79d1\u7814\u4e4b\u5916\u5176\u4ed6\u300c\u526f\u4e1a\u300d\u5145\u6ee1\u70ed\u60c5\uff1f\u79d1\u7814\u4e0e\u7231\u597d\u4e24\u8005\u4ece\u6765\u5c31\u4e0d\u662f\u4e5f\u4e0d\u5e94\u5f53\u662f\u6c34\u706b\u4e0d\u76f8\u5bb9\u7684\u5173\u7cfb\u3002\uff08\u539f\u6587\u4e2d\u4e3e\u4e86\u5f88\u591a\u7684\u4f8b\u5b50\uff0c\u611f\u5174\u8da3\u7684\u8bfb\u8005\u4e0d\u59a8\u770b\u770b\uff09
\u4f60\u662f\u5982\u4f55\u770b\u5f85\u79d1\u7814\u4e0e\u5174\u8da3\u7231\u597d\uff08\u526f\u4e1a\uff09\u7684\u5462\uff1f\u540e\u8005\u5bf9\u4e8e\u4f60\u7684\u751f\u6d3b\u5e78\u798f\u611f\u53c8\u662f\u5426\u91cd\u8981\uff1f
"},{"location":"issue-21/#_3","title":"\u751f\u4fe1\u79d1\u6280\u52a8\u6001","text":"1\u3001iMeta\uff1a\u5fae\u751f\u7269\u7ec4&\u751f\u7269\u4fe1\u606f\u65b0\u671f\u520a
\u201ciMeta\u201d \u662f\u7531\u5a01\u7acb\u3001\u80a0\u83cc\u5206\u4f1a\u548c\u672c\u9886\u57df\u6570\u767e\u4f4d\u534e\u4eba\u79d1\u5b66\u5bb6\u5408\u4f5c\u51fa\u7248\u7684\u5f00\u653e\u83b7\u53d6\u671f\u520a\uff0c\u4e3b\u7f16\u7531\u4e2d\u79d1\u9662\u5fae\u751f\u7269\u6240\u5218\u53cc\u6c5f\u548c\u8377\u5170\u683c\u7f57\u5b81\u6839\u5927\u5b66\u5085\u9759\u8fdc\u6559\u6388\u62c5\u4efb\u3002\u76ee\u7684\u662f\u53d1\u8868\u539f\u521b\u7814\u7a76\u3001\u65b9\u6cd5\u548c\u7efc\u8ff0\u4ee5\u4fc3\u8fdb\u5b8f\u57fa\u56e0\u7ec4\u5b66\u3001\u5fae\u751f\u7269\u7ec4\u548c\u751f\u7269\u4fe1\u606f\u5b66\u53d1\u5c55\u3002\u76ee\u6807\u662f\u53d1\u8868\u524d10%(IF>15)\u7684\u9ad8\u5f71\u54cd\u529b\u8bba\u6587\u3002\u671f\u520a\u7279\u8272\u5305\u62ec\u89c6\u9891\u6295\u7a3f\u3001\u53ef\u91cd\u590d\u5206\u6790\u3001\u56fe\u7247\u6253\u78e8\u3001\u9752\u5e74\u7f16\u59d4\u3001\u524d3\u5e74\u514d\u51fa\u7248\u8d39\u300150\u4e07\u7528\u6237\u7684\u793e\u4ea4\u5a92\u4f53\u5ba3\u4f20\u7b49\u3002\u7b2c\u4e00\u671f\u4e8e2022\u5e742\u6708\u6b63\u5f0f\u53d1\u5e03\u3002
2\u3001Cell\uff1a\u764c\u524d\u75c5\u53d8\u56fe\u8c31\u2014\u2014\u7ed3\u76f4\u80a0\u606f\u8089\u6076\u6027\u6f14\u53d8\u8def\u5f84
\u7f8e\u56fd\u56fd\u5bb6\u764c\u75c7\u7814\u7a76\u6240\u53d1\u8d77\u4e00\u9879\u540d\u4e3a\u764c\u524d\u56fe\u8c31PreCancer atlas\uff08PCA\uff09\u8ba1\u5212\uff0c\u63a8\u52a8\u81f4\u764c\u56e0\u7d20\u5728\u80bf\u7624\u5f62\u6210\u524d\u5206\u5b50\u673a\u5236\u7684\u89e3\u6790\u3002\u8d85\u8fc790%\u4ee5\u4e0a\u7684\u7ed3\u76f4\u80a0\u764c\u8d77\u6e90\u4e8e\u817a\u7624\uff0c\u4f46\u8fd9\u7c7b\u764c\u524d\u75c5\u53d8\u4e2d\u4ec5\u6709\u5f88\u5c11\u4e00\u90e8\u5206\u8fdb\u5c55\u4e3a\u80bf\u7624\uff0c\u51c6\u786e\u5224\u65ad\u51fa\u6709\u6076\u53d8\u6f5c\u529b\u7684\u817a\u7624\u662f\u4e00\u4e2a\u4e0d\u5c0f\u7684\u6311\u6218\u3002\u4e3a\u6b64\uff0c\u8303\u5fb7\u5821\u5927\u5b66\u7ec6\u80de\u751f\u7269\u5b66\u6559\u6388Robert Coffey, \u7cfb\u7edf\u751f\u7269\u5b66\u5bb6Ken Lau\u535a\u58eb\u4ee5\u53ca\u80bf\u7624\u6d41\u884c\u75c5\u5b66\u5bb6Martha Shrubsole\u535a\u58eb\u53d1\u8d77\u7ed3\u80a0\u56fe\u8c31\u8ba1\u5212\uff08COLON Map\uff09\uff0c\u96b6\u5c5ePCA\uff0c\u6700\u65b0\u8fdb\u5c55\u6587\u7ae0\u4e8e12\u670814\u65e5\u53d1\u8868\u5728Cell \u6742\u5fd7\u3002\u7814\u7a76\u56e2\u961f\u5bf9\u60a3\u8005\u540c\u4e00\u606f\u8089\u6837\u672c\u5b8c\u6210scRNA-seq\u3001\u5916\u663e\u5b50\u7ec4\uff08Exome-seq\uff09\u3001\u591a\u91cd\u514d\u75ab\u8367\u5149\uff08MxIF\uff09\u53ca\u591a\u91cd\u514d\u75ab\u7ec4\u5316\uff08MxIHC\uff09\u5206\u6790\uff0c\u53d1\u73b0\u4f20\u7edf\u817a\u7624\u8d77\u6e90\u4e8e\u5e72\u7ec6\u80de\u6269\u589e\uff0c\u800c\u952f\u9f7f\u72b6\u606f\u8089\u6e90\u4e8e\u7ec6\u80de\u5316\u751f\u3002\u8fd9\u4e24\u79cd\u8def\u5f84\u5f62\u6210\u7684\u75c5\u53d8\u7ec4\u7ec7\u5177\u5907\u4e0d\u540c\u7684\u514d\u75ab\u5fae\u73af\u5883\u7279\u5f81\uff0c\u5176\u4e2d\u5316\u751f\u8d77\u6e90\u7684\u952f\u9f7f\u72b6\u606f\u8089\u5c55\u73b0\u51fa\u4ee5CD8+T\u7ec6\u80de\u589e\u591a\u4e3a\u7279\u5f81\u7684\u7ec6\u80de\u6bd2\u6027\u514d\u75ab\u5fae\u73af\u5883\uff0c\u4e14\u8fd9\u79cd\u514d\u75ab\u6539\u53d8\u65e9\u4e8e\u80bf\u7624\u57fa\u56e0\u7ec4\u8d85\u7a81\u53d8\uff08hypermutation\uff09\u7684\u5f62\u6210\u3002\u8be5\u7814\u7a76\u4e0d\u4f46\u4e3a\u7ed3\u76f4\u80a0\u764c\u53d1\u751f\u53d1\u5c55\u7684\u5206\u5b50\u673a\u5236\u63d0\u4f9b\u65b0\u89c1\u89e3\uff0c\u66f4\u53ef\u4f5c\u4e3a\u6574\u5408\u57fa\u56e0\u7ec4\u5b66\u3001\u7ec4\u7ec7\u75c5\u7406\u3001\u52a8\u7269\u6a21\u578b\u591a\u7ef4\u5ea6\u89e3\u6790scRNA-seq\u6570\u636e\u751f\u7269\u5b66\u610f\u4e49\u7684\u5b8c\u6574\u65b0\u8def\u7ebf\u3002
3\u3001Cancer Cell \u8bc4\u8ff0 | \u901a\u8fc7\u5355\u7ec6\u80de\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u7ed8\u5236\u80bf\u7624\u6297\u539f\u56fe\u8c31
\u5355\u7ec6\u80de\u5168\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u8fd9\u4e00\u65b9\u6cd5\uff0c\u4e0d\u4f46\u53ef\u4ee5\u9884\u6d4b\u514d\u75ab\u6cbb\u7597\u7684\u8131\u9776\u6548\u5e94\uff0c\u8fd8\u53ef\u4ee5\u4ee5\u6570\u636e\u4e3a\u57fa\u7840\u5206\u6790\u51fa\u7279\u5f02\u7684\u9776\u6807\u3002\u5728\u6982\u5ff5\u4e0a\uff0c\u4f5c\u8005\u8ba4\u4e3a\uff0c\u5bfb\u627e\u548c\u786e\u5b9a\u514d\u75ab\u6cbb\u7597\u7684\u9776\u70b9\u5e94\u8be5\u57fa\u4e8e\u6570\u636e\u3002\u56fe\u5c55\u793a\u4e86\u901a\u8fc7\u7ed3\u5408\u5927\u5c3a\u5ea6\u5355\u7ec6\u80de\u56fe\u8c31\u548c\u7279\u5b9a\u80bf\u7624\u5206\u6790\u6765\u786e\u5b9a\u6297\u539f\u9776\u70b9\u3002\u9ad8\u901a\u91cf\u7684\u5355\u7ec6\u80de\u5168\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u6570\u636e\u5e93\u53ef\u4ee5\u63d0\u4f9b\u80bf\u7624\u7ec6\u80de\u6297\u539f\u7684\u6f5c\u5728\u9776\u70b9\u4ee5\u53ca\u8fd9\u4e9b\u9776\u70b9\u662f\u5426\u5b58\u5728\u4e8e\u5176\u4ed6\u7ec6\u80de\u4e0a\u3002
\u4f5c\u8005\u63d0\u51fa\u4e86\u5355\u7ec6\u80de\u5168\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u6240\u9762\u4e34\u7684\u6311\u6218\uff1a\u4e00\u662f\u5982\u4f55\u754c\u5b9a\u67d0\u4e00\u7c7b\u578b\u7ec6\u80de\u91cd\u8981\u4e0e\u5426\uff0c\u5e76\u4e14\uff0c\u968f\u5e74\u9f84\u3001\u6027\u522b\u7b49\u5f71\u54cd\uff0c\u5176\u91cd\u8981\u6027\u662f\u5426\u6709\u6240\u533a\u522b\u3002\u4e8c\u662f\u5982\u4f55\u786e\u5b9a\u4e00\u6807\u51c6\uff0c\u4f7f\u5f97\u67d0\u5206\u5b50\u5728\u80bf\u7624\u7ec6\u80de\u4e0e\u4f53\u7ec6\u80de\u7684\u8868\u8fbe\u91cf\u8d85\u8fc7\u8fd9\u4e00\u6807\u51c6\uff0c\u624d\u53ef\u4ee5\u8ba4\u5b9a\u4e3a\u662f\u6f5c\u5728\u9776\u6807\u3002\u4e09\u662f\u5f71\u54cd\u6297\u539f\u8868\u8fbe\u6c34\u5e73\u7684\u56e0\u7d20\u90fd\u6709\u4ec0\u4e48\u3002\u6700\u540e\uff0c\u7406\u8bba\u4e0a\u53ef\u884c\u7684\u9776\u6807\u5728\u4e34\u5e8a\u4e0a\u4e5f\u53ef\u80fd\u51fa\u73b0\u5404\u7c7b\u672a\u77e5\u95ee\u9898\u3002
"},{"location":"issue-21/#_4","title":"\u6587\u7ae0","text":"1\u30012021\u5e74\u6700\u53d7\u6b22\u8fce\u768415\u4e2aVS Code\u4e3b\u9898\u6392\u884c\u699c
2\u3001Python collections\u6a21\u5757\u4e2d\u7684\u6570\u636e\u7ed3\u6784
python\u4e2d\u7684\u6570\u636e\u7ed3\u6784\u9664\u4e86\u5185\u7f6e\u7684\u6570\u636e\u7ed3\u6784\u5982\u5217\u8868\u3001\u5b57\u5178\u3001\u5143\u7ec4\u3001\u96c6\u5408\u7b49\u4e4b\u5916\uff0cpython\u7684colletions\u5185\u7f6e\u6a21\u5757\u4e2d\u8fd8\u6709\u4e00\u4e9b\u9ad8\u7ea7\u7684\u6570\u636e\u7ed3\u6784\uff0c\u53ef\u4ee5\u5728\u7279\u5b9a\u573a\u666f\u4e0b\u63d0\u9ad8\u4fbf\u5229\u6027\uff0c\u7f29\u51cf\u4ee3\u7801\u91cf\u3002
3\u3001\u6570\u4ee5\u4ebf\u8ba1\u7684\u8bba\u6587\uff0c\u6b63\u5728\u6210\u4e3a\u79d1\u5b66\u521b\u65b0\u7684\u963b\u529b
\u8bba\u6587\u53d1\u8868\u91cf\u8d8a\u591a\uff0c\u5e76\u4e0d\u4ee3\u8868\u8be5\u9886\u57df\u7684\u521b\u65b0\u53d1\u5c55\u7a0b\u5ea6\u3002\u6765\u81ea\u7f8e\u56fd\u897f\u5317\u5927\u5b66\u51ef\u6d1b\u683c\u5546\u5b66\u9662\u7684 Johan S. G. Chu \u548c\u829d\u52a0\u54e5\u5927\u5b66\u793e\u4f1a\u5b66\u7cfb\u7684 James A. Evans \u5408\u4f5c\uff0c\u7814\u7a76\u4e86 241 \u4e2a\u5b66\u79d1 9000 \u4e07\u7bc7\u8bba\u6587\u7684 18 \u4ebf\u6b21\u5f15\u7528\u6570\u636e\uff0c\u53d1\u73b0\u5927\u89c4\u6a21\u7684\u8bba\u6587\u53d1\u8868\u4e0d\u4f1a\u5bfc\u81f4\u67d0\u4e2a\u9886\u57df\u7684\u4e2d\u5fc3\u601d\u60f3\u66f4\u66ff\uff0c\u800c\u662f\u4f1a\u5bfc\u81f4\u7ecf\u5178\u601d\u60f3\u8303\u5f0f\u7684\u50f5\u5316\u3002\u8be5\u7814\u7a76\u6307\u51fa\u5f53\u524d\u79d1\u7814\u521b\u65b0\u9700\u8981\u98a0\u8986\u5f0f\u7684\u5b66\u672f\u521b\u65b0\u548c\u5bf9\u65b0\u601d\u60f3\u7684\u5173\u6ce8\u3002
"},{"location":"issue-21/#_5","title":"\u5de5\u5177","text":"1\u3001zellkonverter - scRNAseq\u5bf9\u8c61\u76f8\u4e92\u8f6c\u6362R\u5305
2\u3001colorscale - \u4ece\u5355\u4e2a\u989c\u8272\u4e2d\u521b\u5efa\u989c\u8272\u6807\u5c3a
3\u3001reactable - R\u4e2d\u521b\u5efa\u4ea4\u4e92\u5f0f\u8868\u683c
4\u3001esquisse - \u4ea4\u4e92\u5f0f\u521b\u5efaggplot2\u7684RStudio\u63d2\u4ef6
"},{"location":"issue-21/#_6","title":"\u8d44\u6e90","text":"1\u3001\u89c6\u9891\uff1aThe Innovation | Promotion\u2013Science Writing
2\u3001\u5b66\u4e60Python\u768411\u4e2a\u9876\u7ea7Github\u5e93
\u5bf9\u4e8e\u60f3\u5b66\u4e60\u7f16\u7a0b\u8bed\u8a00\u7684\u4eba\u6765\u8bf4\uff0cGitHub\u662f\u4e00\u4e2a\u4e0d\u9519\u7684\u8d77\u70b9\u3002\u672c\u6587\u5c06\u4ecb\u7ecd\u5b66\u4e60Python\u7684GitHub\u5b58\u50a8\u5e93\u3002
3\u3001Appsilon\u2019s Shiny Demo Gallery
\u4e00\u7cfb\u5217R Shiny Demo\u5e93\uff0c\u5f00\u53d1\u65f6\u53ef\u4ee5\u7528\u4f5c\u53c2\u8003\u3002
"},{"location":"issue-21/#_7","title":"\u8d5e\u8d4f","text":"\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
"},{"location":"issue-21/#_8","title":"\u8ba2\u9605","text":"\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-22/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 22 \u671f\uff09\uff1a\u4e3a\u4ec0\u4e48\u751f\u4ea7\u7387\u5728\u63d0\u9ad8\u800c\u6211\u4eec\u5374\u8d8a\u6765\u8d8a\u5fd9","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u8ba8\u8bba\u533a\u7684\u5e16\u5b50\u300a\u8c01\u5728\u62db\u4eba\uff1f\u300b\uff0c\u63d0\u4f9b\u751f\u4fe1\u6df1\u9020\u548c\u5c31\u4e1a\u4fe1\u606f\uff0c\u6b22\u8fce\u8bbf\u95ee\u6216\u53d1\u5e03\u5b66\u4f4d\u653b\u8bfb/\u5de5\u4f5c/\u5b9e\u4e60\u7b49\u5c97\u4f4d\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d\uff08\u5f88\u5c11\u6709\u8bfb\u8005\u5728GitHub\u56de\u590d\uff0c\u6362\u6210\u56fd\u5185\u7684\u4f1a\u4e0d\u4f1a\u66f4\u597d\u70b9\u5462\uff1f\uff09
"},{"location":"issue-22/#_1","title":"\u5c01\u9762\u56fe","text":"\u7f8e\u56fd\u4e00\u5bb6\u795e\u7ecf\u6280\u672f\u65b0\u521b\u516c\u53f8 Kernel \u7684\u7814\u7a76\u4eba\u5458\uff0c\u5f00\u53d1\u4e86\u4e00\u79cd\u540d\u4e3a\u300cKernel Flow\u300d\u7684\u53ef\u7a7f\u6234\u8bbe\u5907\uff0c\u8fd9\u4e2a\u5f62\u4f3c\u5934\u76d4\u7684\u8bbe\u5907\uff0c\u91c7\u7528 TD-fNIRS\uff08\u65f6\u57df\u529f\u80fd\u6027\u8fd1\u7ea2\u5916\u5149\u8c31\uff09\u6280\u672f\uff0c\u53ef\u901a\u8fc7\u8bb0\u5f55\u5c40\u90e8\u8840\u6c27\u53d8\u5316\u6765\u6d4b\u91cf\u5927\u8111\u6d3b\u52a8\u3002\uff08via\uff09
"},{"location":"issue-22/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u4e3a\u4ec0\u4e48\u751f\u4ea7\u7387\u5728\u63d0\u9ad8\u800c\u6211\u4eec\u5374\u8d8a\u6765\u8d8a\u5fd9","text":"\u672c\u5468\u7684\u8bdd\u9898\u6765\u81ea\u9605\u8bfb\u8c22\u76ca\u8f89\uff08@yihui\uff09\u7684\u8fd9\u7bc7\u6587\u7ae0\uff0c\u8fd9\u7bc7\u6587\u7ae0\u91cc\u9762\u900f\u9732\u51fa\u7684\u601d\u8003\u662f\u53d1\u4eba\u6df1\u7701\u7684\uff0c\u6211\u4eec\u751f\u6d3b\u5728\u4e00\u4e2a\u79d1\u6280\u9a71\u52a8\u53d1\u5c55\u7684\u65f6\u4ee3\uff0c\u4f46\u8fd9\u4e2a\u79d1\u6280\u53d1\u5c55\u5927\u591a\u6570\u65f6\u95f4\u5e76\u6ca1\u6709\u89e3\u653e\u6211\u4eec\u81ea\u8eab\uff0c\u53cd\u800c\u8ba9\u6211\u4eec\u6df1\u9677\u6548\u7387\u4e4b\u6e0a\u3002
\u5927\u534a\u5e74\u524d\u770b\u5230\u4e00\u7bc7\u6587\u7ae0\u8bf4\u4eba\u7c7b\u793e\u4f1a\u751f\u4ea7\u7387\u4e00\u76f4\u5728\u663e\u8457\u63d0\u9ad8\uff0c\u4f46\u5b83\u5e26\u6765\u7684\u7ed3\u679c\u4f3c\u4e4e\u53ea\u662f\u6211\u4eec\u5728\u8d2d\u4e70\u8d8a\u6765\u8d8a\u591a\u7684\u4e1c\u897f\uff0c\u5e76\u540c\u65f6\u5931\u53bb\u8d8a\u6765\u8d8a\u591a\u7684\u81ea\u7531\u65f6\u95f4\u3002\u5728\u524d\u5de5\u4e1a\u65f6\u4ee3\uff0c\u4eba\u4eec\u6bcf\u5468\u7684\u5de5\u4f5c\u65f6\u95f4\u6bd4\u73b0\u5728\u66f4\u77ed\u3002\u6309\u7406\u8bf4\uff0c\u5982\u679c\u6211\u4eec\u5bf9\u5f53\u524d\uff08\u7269\u8d28\uff09\u751f\u6d3b\u6c34\u5e73\u611f\u5230\u6ee1\u8db3\u7684\u8bdd\uff0c\u751f\u4ea7\u7387\u63d0\u9ad8\u5e94\u8be5\u662f\u8ba9\u6211\u4eec\u5728\u66f4\u77ed\u7684\u65f6\u95f4\u5185\u5b8c\u6210\u751f\u4ea7\u5de5\u4f5c\uff0c\u7136\u540e\u53ef\u4ee5\u4eab\u53d7\u66f4\u591a\u95f2\u6687\u65f6\u95f4\u3002\u4e3a\u4ec0\u4e48\u7ed3\u679c\u662f\u53cd\u8fc7\u6765\u7684\u5462\uff1f
\u4fe1\u606f\u5728\u4eba\u4e0e\u4eba\u4e4b\u95f4\u6beb\u65e0\u963b\u788d\u5730\u5feb\u901f\u6d41\u901a\uff0c\u8868\u9762\u4e0a\u8ba9\u6211\u4eec\u53ef\u4ee5\u66f4\u9ad8\u6548\u5730\u83b7\u53d6\u4fe1\u606f\u3001\u8282\u7701\u7b49\u5f85\u65f6\u95f4\uff0c\u7136\u800c\u8fd9\u6837\u8ba9\u6211\u4eec\u4e5f\u66b4\u9732\u5728\u592a\u591a\u4f4e\u4ef7\u503c\u7684\u4fe1\u606f\u4e2d\uff0c\u4ece\u800c\u8981\u82b1\u6389\u66f4\u591a\u7684\u7cbe\u529b\u6216\u5fc3\u7406\u80fd\u91cf\u3002\u6bd4\u5982\u4efb\u4f55\u4eba\u90fd\u53ef\u4ee5\u8f7b\u677e\u5728 Github \u4e0a\u62a5\u544a\u8f6f\u4ef6\u95ee\u9898\uff1b\u5c3d\u7ba1\u516c\u5e73\u5730\u8bf4\uff0c\u591a\u6570\u62a5\u544a\u7684\u8d28\u91cf\u90fd\u8fd8\u4ee4\u4eba\u6ee1\u610f\uff0c\u4f46\u603b\u6709\u90a3\u4e48\u4e9b\u4f4e\u8d28\u7684\u62a5\u544a\u8ba9\u4eba\u611f\u5230\u9700\u8981\u63a7\u5236\u60c5\u7eea\u53bb\u56de\u590d\u3002\u6216\u6bd4\u5982\u793e\u4ea4\u5a92\u4f53\u5bf9\u4eba\u7684\u8bad\u7ec3\uff0c\u5c31\u7b97\u6ca1\u6709\u76f4\u63a5\u4e0e\u81ea\u5df1\u6709\u5173\u7684\u65b0\u6d88\u606f\uff0c\u4e5f\u96be\u514d\u53bb\u5237\u4e00\u904d\uff0c\u770b\u770b\u6709\u6ca1\u6709\u5176\u5b83\u5438\u5f15\u773c\u775b\u7684\u65b0\u4e8b\u60c5\uff0c\u800c\u5237\u7740\u5237\u7740\uff0c\u5c31\u82b1\u4e86\u8ba1\u5212\u5916\u7684\u4e00\u5c0f\u65f6\u5728\u4e0a\u9762\u3002
\u5c3d\u7ba1\u751f\u4ea7\u7387\u5728\u63d0\u9ad8\uff0c\u4f46\u751f\u4ea7\u76ee\u6807\u8d8a\u6765\u8d8a\u9ad8\uff08\u5939\u6742\u7740\u7410\u788e\u7684\u76ee\u6807\uff09\uff0c\u6211\u4eec\u5e76\u6ca1\u6709\u56e0\u4e3a\u8d8a\u6765\u8d8a\u6709\u6548\u7387\u800c\u53d8\u5f97\u80fd\u8d8a\u6765\u8d8a\u5feb\u5904\u7406\u5b8c\u6211\u4eec\u7684\u4e8b\u60c5\u3002\u5206\u5b50\u5206\u6bcd\u90fd\u5728\u6da8\uff0c\u4f46\u5206\u5b50\u53ef\u80fd\u6da8\u5f97\u66f4\u5feb\u3002\u4f55\u89e3\uff1f\u6211\u4e5f\u4e0d\u77e5\uff0c\u611f\u89c9\u8fd9\u662f\u4e00\u9879\u8270\u96be\u7684\u5e73\u8861\u827a\u672f\u3002
\u62d3\u5c55\u8fd9\u4e2a\u8bdd\u9898\uff0c\u6211\u4eec\u601d\u8003\u66f4\u591a\u3002\u4f8b\u5982\uff0c\u5f53\u4ee3\u4fe1\u606f\u7684\u805a\u96c6\u8ba9\u6211\u4eec\u6709\u4e86\u66f4\u591a\u9009\u62e9\uff08\u7684\u673a\u4f1a\uff09\uff0c\u4f46\u6211\u4eec\u6700\u7ec8\u505a\u51fa\u6765\u6700\u6ee1\u610f\u7684\u7ed3\u679c\u4e86\u5417\uff1f
\u4e0d\u77e5\u9053\u8bfb\u8005\u4eec\u9488\u5bf9\u8be5\u8bdd\u9898\u6709\u54ea\u4e9b\u60f3\u6cd5\uff0c\u6b22\u8fce\u5728\u300c\u8bed\u96c0\u8ba8\u8bba\u533a\u300d\u4ea4\u6d41\u3002\uff08\u8f93\u5165\u9080\u8bf7\u7801\u300cZIXONZ\u300d\u83b7\u5f973\u4e2a\u6708\u4f1a\u5458\uff09
"},{"location":"issue-22/#_3","title":"\u751f\u4fe1\u79d1\u6280\u52a8\u6001","text":"1\u3001Science | \u5f20\u6cfd\u6c11/\u5b63\u52a0\u5b5a/\u6b65\u53ec\u5fb7\u7b49\u56e2\u961f\u53d1\u8868\u6cdb\u764cT\u7ec6\u80de\u5355\u7ec6\u80de\u56fe\u8c31
\u4e3a\u66f4\u597d\u5730\u4e86\u89e3\u80bf\u7624\u6d78\u6da6T\u7ec6\u80de\u7684\u5168\u8c8c\uff0c\u63ed\u793a\u764c\u79cd\u95f4\u7684\u5171\u6027\u548c\u7279\u6b8a\u6027\uff0c\u7814\u7a76\u56e2\u961f\u5bf9\u6765\u81ea21\u79cd\u764c\u75c7\u7c7b\u578b316\u540d\u60a3\u8005\u7684\u80bf\u7624\u3001\u764c\u65c1\u7ec4\u7ec7\u548c\u8840\u6db2\u6837\u672c\u8fdb\u884c\u4e86scRNA\u6d4b\u5e8f\uff0c\u83b7\u5f97\u4e86\u66f4\u591a\u764c\u79cd\u7684T\u7ec6\u80de\u6570\u636e\uff0c\u5305\u62ec\u9aa8\u9ad3\u7624\u3001\u6dcb\u5df4\u7624\u3001\u80be\u764c\u3001\u5375\u5de2\u764c\u3001\u5b50\u5bab\u5185\u819c\u764c\u3001\u98df\u9053\u764c\u3001\u7532\u72b6\u817a\u764c\u3001\u4e73\u817a\u764c\u3001\u80c3\u764c\u548c\u80f0\u817a\u764c\u7b49\u3002\u540c\u65f6\uff0c\u7814\u7a76\u56e2\u961f\u901a\u8fc7\u521b\u65b0\u751f\u7269\u4fe1\u606f\u65b9\u6cd5\u6574\u5408\u4e86\u5df2\u53d1\u8868\u7684scRNA-seq T\u7ec6\u80de\u6570\u636e\uff0c\u6784\u5efa\u4e86\u7cfb\u7edf\u7684\u5355\u7ec6\u80de\u6c34\u5e73\u6cdb\u764cT\u7ec6\u80de\u56fe\u8c31\uff08\u56fe1\uff09\uff0c\u6db5\u76d6\u4e86397,810\u4e2a\u9ad8\u8d28\u91cfT\u7ec6\u80de\u6570\u636e\u3002
2\u3001Nat. Biotechnol | \u57fa\u4e8e\u591a\u7ef4\u6570\u636e\u7684\u6df1\u5ea6\u878d\u5408\uff0c\u5927\u5e45\u63d0\u5347\u7a7a\u95f4\u8f6c\u5f55\u7ec4\u5206\u8fa8\u7387
\u7a7a\u95f4\u8f6c\u5f55\u7ec4\u53ef\u5e2e\u52a9\u79d1\u7814\u5de5\u4f5c\u8005\u5728\u4e0d\u7834\u574f\u7ec4\u7ec7\u539f\u6709\u7a7a\u95f4\u5f62\u6001\u7684\u524d\u63d0\u4e0b\uff0c\u4ece\u5206\u5b50\u6c34\u5e73\u4e86\u89e3\u751f\u7269\u7ec4\u7ec7\u4e4b\u95f4\u590d\u6742\u7684\u4ea4\u4e92\u7f51\u7edc\u5173\u7cfb\uff0c\u63a2\u7d22\u5173\u952e\u56e0\u7d20\u4e0e\u73af\u5883\u4e4b\u95f4\u7684\u54cd\u5e94\u548c\u53d8\u5316\u3002\u4e3a\u79d1\u7814\u5de5\u4f5c\u8005\u63d0\u4f9b\u4e86\u7814\u7a76\u590d\u6742\u591a\u7ec6\u80de\u751f\u7269\u5728\u7ec4\u7ec7\u7cfb\u7edf\u548c\u7ec4\u7ec7\u4e92\u4f5c\u7684\u5de5\u5177\uff0c\u4f7f\u5f97\u5168\u9762\u4e86\u89e3\u7ec4\u7ec7\u6c34\u5e73\u7684\u57fa\u56e0\u8868\u8fbe\u56fe\u8c31\u6210\u4e3a\u53ef\u80fd\u3002
\u76ee\u524d\uff0c\u7a7a\u95f4\u8f6c\u5f55\u7ec4\u7814\u7a76\u7684\u5e38\u7528\u65b9\u6cd5\u90fd\u5b58\u5728\u5c40\u9650\u6027\uff1a\u57fa\u4e8e\u539f\u4f4d\u6d4b\u5e8f\uff08ISS\uff09\u6216\u6742\u4ea4\uff08ISH\uff09\u7684\u65b9\u6cd5\u5177\u6709\u8f83\u9ad8\u7684\u5206\u8fa8\u7387\u548c\u7075\u654f\u5ea6\uff0c\u4f46\u901a\u91cf\u6709\u9650\uff0c\u5355\u6b21\u53ea\u80fd\u68c0\u6d4b\u5c11\u6570\u7684\u57fa\u56e0\uff0c\u9650\u5236\u4e86\u5176\u5728\u63a2\u7d22\u5168\u8f6c\u5f55\u7269\u76f8\u4e92\u4f5c\u7528\u65f6\u7684\u901a\u7528\u6027\uff1b\u57fa\u4e8e\u539f\u4f4d\u6355\u83b7\uff08ISC\uff09\u7684\u65b9\u6cd5\u53ef\u4ee5\u540c\u65f6\u9776\u5411\u6240\u6709\u5e26\u6709poly\uff08A\uff09\u5c3e\u7684\u8f6c\u5f55\u672c\uff0c\u4f46\u7531\u4e8e\u5728\u7ec4\u7ec7\u6c34\u5e73\u7684\u5206\u8fa8\u7387\u548c\u7075\u654f\u5ea6\u8f83\u4f4e\uff0c\u5bf9\u5176\u5e94\u7528\u548c\u53d1\u5c55\u9020\u6210\u4e86\u9650\u5236\u3002\u6765\u81ea\u745e\u5178\u7687\u5bb6\u7406\u5de5\u5b66\u9662\uff08KTH\uff09\u7684Joakim Lundeberg\u6559\u6388\u7814\u7a76\u56e2\u961f\u63d0\u51fa\u4e86\u4e00\u79cd\u7a7a\u95f4\u8868\u8fbe\u6570\u636e\u7684\u6df1\u5ea6\u751f\u6210\u6a21\u578b\uff0c\u80fd\u591f\u5c06ISC\u6570\u636e\u4e0e\u9ad8\u5206\u8fa8\u7387\u7ec4\u7ec7\u5b66\u56fe\u50cf\u7ed3\u5408\uff0c\u63d0\u5347\u7a7a\u95f4\u8f6c\u5f55\u7ec4\u7684\u5206\u8fa8\u7387\u3002
3\u3001Briefings in Bioinformatics | SMNN: batch effect correction for single-cell RNA-seq data via supervised mutual nearest neighbor detection
\u5f53\u6574\u5408\u6765\u81ea\u591a\u4e2a\u6279\u6b21\u7684\u5355\u7ec6\u80deRNA\u6d4b\u5e8f(scRNA-seq)\u6570\u636e\u65f6\uff0c\u6279\u6548\u5e94\u6821\u6b63\u88ab\u8ba4\u4e3a\u662f\u5fc5\u4e0d\u53ef\u5c11\u7684\u3002\u6700\u5148\u8fdb\u7684\u65b9\u6cd5\u5ffd\u7565\u4e86\u5355\u7ec6\u80de\u805a\u7c7b\u6807\u7b7e\u4fe1\u606f\uff0c\u4f46\u8fd9\u4e9b\u4fe1\u606f\u53ef\u4ee5\u63d0\u9ad8\u6279\u6b21\u6548\u5e94\u6821\u6b63\u7684\u6709\u6548\u6027\uff0c\u7279\u522b\u662f\u5728\u751f\u7269\u5dee\u5f02\u4e0e\u6279\u6b21\u6548\u5e94\u4e0d\u6b63\u4ea4\u7684\u73b0\u5b9e\u60c5\u51b5\u4e0b\u3002\u4e3a\u4e86\u89e3\u51b3\u8fd9\u4e2a\u95ee\u9898\uff0c\u6211\u4eec\u63d0\u51fa\u4e86SMNN\uff0c\u901a\u8fc7\u76d1\u7763\u4e92\u6700\u8fd1\u90bb\u68c0\u6d4b\u5bf9\u5355\u7ec6\u80deRNA\u6d4b\u5e8f\u6570\u636e\u8fdb\u884c\u6279\u91cf\u6548\u5e94\u6821\u6b63\u3002\u6211\u4eec\u5728\u4eff\u771f\u548c\u771f\u5b9e\u6570\u636e\u96c6\u7684\u5e7f\u6cdb\u8bc4\u4f30\u8868\u660e\uff0cSMNN\u63d0\u4f9b\u4e86\u8de8\u6279\u6b21\u76f8\u5e94\u7ec6\u80de\u7c7b\u578b\u7684\u6539\u8fdb\u5408\u5e76\uff0c\u4f7fMNN\u3001Seurat v3\u548cLIGER\u5728\u8de8\u6279\u6b21\u5206\u5316\u51cf\u5c11\u3002\u6b64\u5916\uff0cSMNN\u4fdd\u7559\u4e86\u66f4\u591a\u7684\u7ec6\u80de\u7c7b\u578b\u7279\u5f02\u6027\u7279\u5f81\uff0c\u90e8\u5206\u8868\u73b0\u4e3a\u7ecf\u8fc7SMNN\u6821\u6b63\u540e\u53d1\u73b0\u7684\u7ec6\u80de\u7c7b\u578b\u4e4b\u95f4\u7684\u5dee\u5f02\u8868\u8fbe\u57fa\u56e0\u5728\u751f\u7269\u5b66\u4e0a\u66f4\u76f8\u5173\uff0c\u7cbe\u5ea6\u63d0\u9ad8\u4e86\u9ad8\u8fbe841.0%\u3002
"},{"location":"issue-22/#_4","title":"\u6587\u7ae0","text":"1\u3001R\u4e2d\u7684\u805a\u7c7b\u5206\u6790\uff1a\u786e\u5b9a\u6700\u4f18\u7684\u805a\u7c7b\u4e2a\u6570
\u8fd9\u662fStackOverflow\u7684\u4e00\u4e2a\u5e16\u5b50\uff0c\u8ba8\u8bba\u5982\u4f55\u786e\u5b9a\u6700\u4f18\u805a\u7c7b\u4e2a\u6570\u7684\u65b9\u6cd5\u3002
2\u3001\u5229\u7528R\u4ecb\u7ecd\u529f\u6548\u5206\u6790
3\u3001\u300a\u7ec6\u80de\u300b2021\u6df1\u5ea6\u89e3\u8bfb\u514d\u75ab\u6cbb\u7597
"},{"location":"issue-22/#_5","title":"\u5de5\u5177","text":"1\u3001dittoSeq - \u5355\u7ec6\u80de\u548c\u5927\u91cfRNA\u6d4b\u5e8f\u6570\u636e\u7684\u8272\u76f2\u53cb\u597d\u53ef\u89c6\u5316 R\u5305
2\u3001datapasta - \u52a9\u529b\u4f60\u7c98\u8d34\u6570\u636e\u7684R\u5305
datapasta\u7684\u4f5c\u7528\u662f\u51cf\u5c11\u5411R\u590d\u5236\u548c\u7c98\u8d34\u6570\u636e\u7684\u963b\u529b\u3002\u8fd9\u662f\u5bf9\u6211\u7ecf\u5e38\u4f7f\u7528\u50cfSublime\u8fd9\u6837\u7684\u4e2d\u95f4\u7a0b\u5e8f\u5c06\u6587\u672c\u8f6c\u6362\u6210\u5408\u9002\u683c\u5f0f\u8fd9\u4e00\u8ba4\u8bc6\u7684\u4e00\u79cd\u56de\u5e94\u3002
\u4f8b\u5982\uff0c\u8868\u683c\u590d\u5236\u7c98\u8d34\u4e3aTibble\uff1a
3\u3001ISO - helloSystem Live and installation ISO
4\u3001Playwright - Web\u6d4b\u8bd5\u548c\u81ea\u52a8\u5316\u7684\u6846\u67b6\u3002\u5b83\u5141\u8bb8\u7528\u4e00\u4e2aAPI\u6d4b\u8bd5Chromium\u3001Firefox\u548cWebKit
# Run from your project's root directory\nnpm init playwright@latest\n# Or create a new project\nnpm init playwright@latest new-project\n5\u3001JuliaConnectoR - \u4eceR\u8c03\u7528Julia\u7684\u9762\u5411\u51fd\u6570\u7684\u63a5\u53e3
6\u3001tidygate - \u5728\u7528\u6237\u7ed8\u5236\u7684\u7a97\u53e3\u6807\u8bb0\u5143\u7d20
\u901a\u8fc7Tidygate\uff0c\u4f60\u80fd\u591f\u4f7f\u7528\u9f20\u6807\u6846\u9009\u5143\u7d20\u5e76\u8fd4\u56de\u5bf9\u5e94\u6570\u636e\u3002
"},{"location":"issue-22/#_6","title":"\u8d44\u6e90","text":"1\u3001\u56fe\u4e66 - Scientific Visualization: Python + Matplotlib
2\u3001VannoPortal | SNP\u7efc\u5408\u6027\u67e5\u8be2\u6570\u636e\u5e93
3\u3001Python resources for everybody
"},{"location":"issue-22/#_7","title":"\u8d5e\u8d4f","text":"\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
"},{"location":"issue-22/#_8","title":"\u8ba2\u9605","text":"\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-23/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 23 \u671f\uff09\uff1a\u4ece\u7f8e\u56fd\u535a\u5fb7\u7814\u7a76\u6240\u6210\u529f\u4e4b\u9053\u770b\u751f\u547d\u79d1\u5b66\u524d\u6cbf\u521b\u65b0","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d
"},{"location":"issue-23/#_1","title":"\u5c01\u9762\u56fe","text":"\u7f8e\u56fd\u535a\u5fb7\u7814\u7a76\u6240\uff08via\uff09\u3002
"},{"location":"issue-23/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u4ece\u7f8e\u56fd\u535a\u5fb7\u7814\u7a76\u6240\u6210\u529f\u4e4b\u9053\u770b\u751f\u547d\u79d1\u5b66\u524d\u6cbf\u521b\u65b0","text":"\u8fd1\u5e74\u6765\uff0c\u535a\u5fb7\u7814\u7a76\u6240\u53d6\u5f97\u4e86\u7cfb\u5217\u91cd\u8981\u4ee3\u8868\u6027\u6210\u5c31\uff1a\u5f00\u53d1\u51fa\u65b0\u578b\u201c\u78b1\u57fa\u7f16\u8f91\u5668\u201d\uff082017\u2006\u5e74\uff09\u2014\u2014\u80fd\u591f\u5728\u4eba\u7c7b\u7ec6\u80de\u4e2d\u8fdb\u884c\u7cbe\u51c6\u2006DNA\u2006\u78b1\u57fa\u66ff\u6362\u4e0e\u4fee\u6539\uff0c\u7f16\u8f91\u6548\u7387\u8fbe\u200650%\uff0c\u6709\u671b\u7528\u4e8e\u9776\u5411\u6cbb\u7597\u4eba\u7c7b\u5355\u57fa\u56e0\u9057\u4f20\u75be\u75c5\uff1b\u6210\u529f\u7814\u53d1\u2006DNA\u2006\u663e\u5fae\u955c\uff082019\u2006\u5e74\uff09\u2014\u2014\u80fd\u591f\u901a\u8fc7\u7ec6\u80de\u81ea\u8eab\u2006DNA\u2006\u53d8\u5316\u60c5\u51b5\uff0c\u83b7\u53d6\u7ec6\u80de\u5185\u751f\u7269\u5206\u5b50\u7684\u57fa\u56e0\u5e8f\u5217\u548c\u76f8\u5bf9\u4f4d\u7f6e\uff0c\u5b9e\u73b0\u4e86\u5728\u57fa\u56e0\u7ec4\u6c34\u5e73\u5bf9\u7ec6\u80de\u4ee3\u8c22\u89c4\u5f8b\u7684\u63ed\u793a\uff1b\u7ed8\u5236\u4eba\u7c7b\u7b2c\u4e00\u4ee3\u764c\u7ec6\u80de\u7cfb\u8f6c\u79fb\u56fe\u8c31MetMap\uff082020\u2006\u5e74\uff09\u2014\u2014\u80fd\u591f\u63ed\u793a\u764c\u75c7\u8f6c\u79fb\u7684\u5668\u5b98\u7279\u5f02\u6027\u6a21\u5f0f\uff0c\u6709\u671b\u9610\u660e\u764c\u75c7\u8f6c\u79fb\u673a\u5236\u5e76\u5f00\u53d1\u51fa\u9884\u9632\u764c\u75c7\u8f6c\u79fb\u7684\u65b0\u7597\u6cd5\uff1b\u5efa\u7acb\u5168\u65b0\u2006RNA\u2006\u9012\u9001\u5e73\u53f0\u2006SEND\uff082021\u5e74\uff09\u2014\u2014\u5229\u7528\u9006\u8f6c\u5f55\u75c5\u6bd2\u6837\u86cb\u767d\u5b9e\u73b0\u2006RNA\u2006\u5305\u88c5\u548c\u9012\u9001\uff0c\u4e3a\u57fa\u56e0\u6cbb\u7597\u63d0\u4f9b\u4e86\u5168\u65b0\u7684\u9012\u9001\u8f7d\u4f53\u3002\u901a\u8fc7\u4e0d\u65ad\u53d6\u5f97\u8fd9\u4e9b\u98a0\u8986\u6027\u7814\u7a76\u6210\u679c\uff0c\u7814\u7a76\u6240\u8fdb\u4e00\u6b65\u7a33\u56fa\u4e86\u5168\u7403\u751f\u547d\u79d1\u5b66\u524d\u6cbf\u521b\u65b0\u9886\u5934\u7f8a\u7684\u5730\u4f4d\u3002
\u7f8e\u56fd\u535a\u5fb7\u7814\u7a76\u6240\u81ea\u20062004\u2006\u5e74\u6210\u7acb\u8d77\uff0c\u575a\u6301\u79d1\u6280\u521b\u65b0\u4e0e\u7ba1\u7406\u521b\u65b0\u5e76\u91cd\uff1b\u4e0d\u5230\u200610\u2006\u5e74\uff0c\u5373\u8fc8\u5165\u4e16\u754c\u4e00\u6d41\u751f\u547d\u79d1\u5b66\u7814\u7a76\u673a\u6784\u884c\u5217\uff0c\u6210\u4e3a\u751f\u547d\u79d1\u5b66\u524d\u6cbf\u521b\u65b0\u7684\u201c\u9886\u5934\u7f8a\u201d\u201c\u98ce\u5411\u6807\u201d\uff0c\u5176\u72ec\u7279\u7684\u53d1\u5c55\u6a21\u5f0f\u503c\u5f97\u501f\u9274\u3002\u7814\u7a76\u8868\u660e\uff0c\u805a\u7126\u91cd\u5927\u75be\u75c5\u8bca\u6cbb\u9700\u6c42\u7275\u5f15\u79d1\u7814\u653b\u5173\uff0c\u6253\u901a\u4ece\u57fa\u7840\u7814\u7a76\u5230\u8f6c\u5316\u5e94\u7528\u7684\u901a\u8def\uff0c\u6784\u5efa\u8de8\u5b66\u79d1\u3001\u591a\u5c42\u6b21\u6574\u5408\u7814\u7a76\u6a21\u5f0f\uff0c\u53d1\u6325\u6218\u7565\u79d1\u5b66\u5bb6\u7684\u9886\u822a\u9886\u519b\u4f5c\u7528\uff0c\u96c6\u805a\u5c0f\u800c\u7cbe\u7684\u6770\u51fa\u79d1\u5b66\u5bb6\u56e2\u961f\uff0c\u5b9e\u65bd\u9ad8\u5ea6\u7075\u6d3b\u7684\u9879\u76ee\u7ec4\u7ec7\u7ba1\u7406\uff0c\u4ee5\u53ca\u6253\u9020\u80cc\u9760\u4e00\u6d41\u3001\u8f90\u5c04\u5168\u7f8e\u3001\u62d3\u5c55\u5168\u7403\u7684\u521b\u65b0\u7f51\u7edc\uff0c\u6709\u6548\u652f\u6491\u4e86\u535a\u5fb7\u7814\u7a76\u6240\u9ad8\u8d28\u91cf\u521b\u65b0\u53d1\u5c55\u3002\u6211\u56fd\u53ef\u501f\u9274\u5176\u7ecf\u9a8c\uff0c\u4ece\u5c06\u751f\u547d\u79d1\u5b66\u4f5c\u4e3a\u5efa\u8bbe\u79d1\u6280\u5f3a\u56fd\u7684\u7a81\u7834\u53e3\u3001\u9762\u5411\u4eba\u6c11\u751f\u547d\u5065\u5eb7\u52a0\u5f3a\u9876\u5c42\u8bbe\u8ba1\u3001\u592f\u5b9e\u751f\u547d\u79d1\u5b66\u4eba\u529b\u8d44\u6e90\u6839\u57fa\u3001\u6df1\u5ea6\u878d\u5165\u751f\u547d\u79d1\u5b66\u5168\u7403\u521b\u65b0\u7f51\u7edc\u20064\u2006\u4e2a\u65b9\u9762\uff0c\u63a8\u8fdb\u751f\u547d\u79d1\u5b66\u524d\u6cbf\u521b\u65b0\u3002
"},{"location":"issue-23/#_3","title":"\u751f\u4fe1\u79d1\u6280\u52a8\u6001","text":"1\u3001\u5355\u7ec6\u80de\u4e0e\u7a7a\u95f4\u57fa\u56e0\u7ec4\u5b662022\u5e74\u5ea6\u6700\u65b0\u6280\u672f\u8fdb\u5c55\u53ca\u672a\u6765\u8d8b\u52bf
2\u3001Journal of Experimental & Clinical Cancer Research | scRNA-seq\u5728\u764c\u75c7\u7814\u7a76\u4e2d\u7684\u5e94\u7528
\uff08scRNA-seq\u5728\u8bc4\u4f30\u80bf\u7624\u514d\u75ab\u9003\u9038\u4e2d\u7684\u5e94\u7528\uff09
\u8fd9\u7bc7\u7efc\u8ff0\u7684\u4e3b\u8981\u5185\u5bb9\u5305\u62ec\u4ee5\u4e0b\u51e0\u4e2a\u65b9\u9762\uff1a \uff081\uff09scRNA-seq\u6982\u8ff0\uff1b \uff082\uff09scRNA-seq\u5728\u80bf\u7624\u5f02\u8d28\u6027\u4e2d\u7684\u5e94\u7528\uff1b \uff083\uff09scRNA-seq\u5728\u514d\u75ab\u7ec6\u80de\u5206\u578b\u4e2d\u7684\u5e94\u7528\uff1b \uff084\uff09scRNA-seq\u5728\u514d\u75ab\u9003\u9038\u4e2d\u7684\u5e94\u7528\uff1b \uff085\uff09scRNA-seq\u5728\u7ec6\u80de\u901a\u8baf\u4e2d\u7684\u5e94\u7528\u3002
3\u3001Nature Biotechnology | \u590f\u94ee\u56e2\u961f\u5f00\u53d1Scissor\u7b97\u6cd5\uff0c\u6574\u5408bulk+\u5355\u7ec6\u80deRNA\u6d4b\u5e8f\u9274\u5b9a\u8868\u578b\u76f8\u5173\u7ec6\u80de\u4e9a\u7fa4
\u76ee\u524d\u5927\u591a\u6570\u5355\u7ec6\u80de\u7814\u7a76\u53ea\u9488\u5bf9\u7279\u5b9a\u5355\u4e2a\u8868\u578b\uff0c\u6d89\u53ca\u51e0\u5341\u4f8b\u6837\u672c\uff0c\u7f3a\u4e4f\u8db3\u591f\u7684\u7edf\u8ba1\u80fd\u529b\u6765\u8bc6\u522b\u9a71\u52a8\u8868\u578b\u7684\u7ec6\u80de\u4e9a\u7fa4\u3002\u901a\u8fc7\u957f\u8fbe\u5341\u5e74\u7684\u4e34\u5e8a\u75c5\u7406\u6ce8\u91ca\u6536\u96c6\uff0c\u4eba\u4eec\u80fd\u591f\u4ece\u764c\u75c7\u57fa\u56e0\u7ec4\u56fe\u8c31 (TCGA) \u8fd9\u6837\u7684\u516c\u5171\u5927\u6570\u636e\u96c6\u4e0a\u83b7\u5f97\u6279\u91cf\u6d4b\u5e8f\u6570\u636e\u53ca\u5176\u5bf9\u5e94\u7684\u8868\u578b\u6570\u636e\u3002\u5229\u7528\u8fd9\u79cd\u5e7f\u6cdb\u53ef\u53ca\u4e14\u6709\u8868\u578b\u6ce8\u91ca\u4fe1\u606f\u4ef7\u503c\u7684\u6279\u91cf\u6d4b\u5e8f\u6570\u636e\uff0c\u6765\u6307\u5bfc\u57fa\u4e8e\u5355\u7ec6\u80de\u6570\u636e\u8fdb\u884c\u7ec6\u80de\u4e9a\u7fa4\u9274\u5b9a\u5177\u6709\u91cd\u5927\u610f\u4e49\uff0c\u4f46\u8fd8\u6ca1\u6709\u751f\u7269\u4fe1\u606f\u5b66\u5de5\u5177\u53ef\u4ee5\u5728\u5355\u7ec6\u80de\u6570\u636e\u5206\u6790\u4e2d\u5229\u7528\u5927\u91cf\u8868\u578b\u4fe1\u606f\u6765\u6307\u5bfc\u5173\u952e\u7ec6\u80de\u4e9a\u7fa4\u7684\u8bc6\u522b\u3002
\u672c\u7814\u7a76\u56e2\u961f\u5f00\u53d1\u4e86Scissor\u7b97\u6cd5\uff0c\u53ef\u5229\u7528\u5927\u91cf\u5355\u7ec6\u80de\u6570\u636e\u548c\u8868\u578b\u4fe1\u606f\u8bc6\u522b\u4e0e\u75be\u75c5\u9ad8\u5ea6\u76f8\u5173\u7684\u7ec6\u80de\u4e9a\u7fa4\uff0c\u4ece\u4e00\u4e2a\u65b0\u7684\u89d2\u5ea6\u6765\u63a2\u7d22\u548c\u89e3\u91ca\u4e86\u5355\u7ec6\u80de\u6570\u636e\uff0c\u5bf9\u63ed\u793a\u75be\u75c5\u7684\u673a\u5236\uff0c\u63d0\u9ad8\u75be\u75c5\u7684\u8bca\u65ad\u548c\u6cbb\u7597\u5177\u6709\u91cd\u8981\u610f\u4e49\u3002
"},{"location":"issue-23/#_4","title":"\u6587\u7ae0","text":"1\u3001Shiny 1.6
\u672c\u6587\u4ecb\u7ecdShiny\u57281.6\u7248\u672c\u5f15\u5165\u7684\u4e00\u4e9b\u65b0\u7279\u6027\uff0c\u5982\u66f4\u5f3a\u5927\u7684\u4e3b\u9898\u652f\u6301\u3001\u7f13\u5b58\u4f18\u5316\u3001\u5f00\u53d1\u8005\u6a21\u5f0f\u3002
2\u3001Encrypt and host a knitted R Markdown file
\u672c\u6587\u4ecb\u7ecd\u5982\u4f55\u5bf9R Markdown\u8f93\u51fa\u7684\u6587\u6863\u8fdb\u884c\u52a0\u5bc6\u3002https://github.com/matt-dray/encrypt-rmd-test\u63d0\u4f9b\u4e86\u4e00\u4e2a\u793a\u4f8b\uff0c\u4e3b\u8981\u662f\u6709\u5de5\u5177https://github.com/dirkschumacher/encryptedRmd\u3002
3\u3001\u718a\u8bfb\u6587\u732e\uff5c\u522b\u518d\u7528DEseq2\u548cedgeR\u8fdb\u884c\u5927\u6837\u672c\u5dee\u5f02\u8868\u8fbe\u57fa\u56e0\u5206\u6790\u4e86
\u672c\u6587\u7cfb\u7edf\u89e3\u8bfb\u4e86\u6700\u65b0\u53d1\u8868\u5728GB\u4e0a\u7814\u7a76\u5dee\u5f02\u5206\u6790\u5de5\u5177\u548c\u5047\u9633\u6027\u95ee\u9898\u7684\u6587\u7ae0\u3002
4\u3001\u201c\u4e2a\u6027\u5316\u63a8\u8350\u201d\u53ef\u4ee5\u5173\u4e86\uff01\u4e00\u6587\u4e86\u89e3\u5e38\u7528 App \u600e\u4e48\u5173\u3001\u6709\u4ec0\u4e48\u5f71\u54cd
\u4eca\u5e74 1 \u6708\uff0c\u300a\u4e92\u8054\u7f51\u4fe1\u606f\u670d\u52a1\u7b97\u6cd5\u63a8\u8350\u7ba1\u7406\u89c4\u5b9a\u300b\u51fa\u53f0\uff0c\u660e\u786e\u4e86\u7b97\u6cd5\u63a8\u8350\u670d\u52a1\u63d0\u4f9b\u8005\u5e94\u5f53\u4ee5\u663e\u8457\u65b9\u5f0f\u544a\u77e5\u7528\u6237\u5176\u63d0\u4f9b\u7b97\u6cd5\u63a8\u8350\u670d\u52a1\u7684\u60c5\u51b5\uff1b\u5411\u7528\u6237\u63d0\u4f9b\u4e0d\u9488\u5bf9\u5176\u4e2a\u4eba\u7279\u5f81\u7684\u9009\u9879\uff0c\u6216\u8005\u5411\u7528\u6237\u63d0\u4f9b\u4fbf\u6377\u7684\u5173\u95ed\u7b97\u6cd5\u63a8\u8350\u670d\u52a1\u7684\u9009\u9879\u3002
\u672c\u6587\u4ecb\u7ecd\u4e86\u5e38\u89c1\u793e\u4ea4\u5e73\u53f0\u5173\u95ed\u63a8\u8350\u7684\u65b9\u6cd5\u3002
"},{"location":"issue-23/#_5","title":"\u5de5\u5177","text":"1\u3001smoove - structural variant calling and genotyping with existing tools, but, smoothly
smoove\u5bf9\u4f7f\u7528short reads\u8fdb\u884cSV\u68c0\u6d4b\u8fdb\u884c\u4e86\u7b80\u5316\u548c\u63d0\u901f\u3002\u5b83\u8fd8\u901a\u8fc7\u53bb\u9664\u8bb8\u591a\u6307\u793a\u4f4e\u566a\u58f0\u548c\u7ecf\u5e38\u5bfc\u81f4\u865a\u5047\u547c\u53eb\u7684\u865a\u5047\u5bf9\u51c6\u4fe1\u53f7\u6765\u63d0\u9ad8\u7279\u5f02\u6027\u3002
smoove call -x --genotype --name $name --outdir . \\\n -f $fasta --processes 12 --exclude $bed *.bam\n\u4ecb\u7ecd\u6587\u7ae0\uff1ahttps://brentp.github.io/post/smoove/
2\u3001coloc - R\u5305
coloc\u8f6f\u4ef6\u5305\u53ef\u7528\u4e8e\u5bf9\u4e24\u4e2a\u6f5c\u5728\u76f8\u5173\u7684\u8868\u578b\u8fdb\u884c\u57fa\u56e0\u5171\u5b9a\u4f4d\u5206\u6790\uff0c\u4ee5\u8be2\u95ee\u5b83\u4eec\u5728\u7ed9\u5b9a\u533a\u57df\u662f\u5426\u5171\u4eab\u5171\u540c\u7684\u9057\u4f20\u56e0\u679c\u53d8\u5f02\u3002
3\u3001geomtextpath - \u5728ggplot2\u4e2d\u521b\u5efa\u66f2\u7ebf\u6587\u672c\u8def\u5f84
library(geomtextpath)\n#> Loading required package: ggplot2\n\n# Set a consistent theme for the plots here\ntheme_set(theme_minimal() + \n theme(axis.line = element_line(size = 0.25, colour = \"gray75\")))\n\nt <- seq(5, -1, length.out = 1000) * pi\n\nspiral <- data.frame(x = sin(t) * 1:1000, \n y = cos(t) * 1:1000,\n text = paste(\"Like a circle in a spiral,\",\n \"like a wheel within a wheel,\",\n \"never ending or beginning,\",\n \"on an ever spinning reel\")\n )\n\nggplot(spiral, aes(x, y, label = text)) +\n geom_textpath(size = 7, vjust = 2, text_only = TRUE) +\n coord_equal(xlim = c(-1500, 1500), ylim = c(-1500, 1500))\n4\u3001scico - \u57fa\u4e8eScientific Colour-Maps\u7684R\u8c03\u8272\u677f
library(scico)\n\nscico_palette_show()\n5\u3001act - \u672c\u5730\u8fd0\u884c GitHub Actions
\u4f7f\u7528\u5b83\u7684\u4e24\u79cd\u539f\u56e0\uff1a
"},{"location":"issue-23/#_6","title":"\u8d44\u6e90","text":"1\u3001Data School
\u63d0\u4f9b\u4e86\u4e00\u7cfb\u5217\u6570\u636e\u79d1\u5b66\u7684\u6559\u7a0b\u3002
2\u3001gt cookbook
\u4ecb\u7ecd\u8868\u683c\u5236\u4f5c\u795e\u5305gt\u7684\u4f7f\u7528\u6559\u7a0b\u3002
"},{"location":"issue-23/#_7","title":"\u8d5e\u8d4f","text":"\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
\u611f\u8c22\u4ee5\u4e0b\u8bfb\u8005\u5f80\u671f\u7684\u8d5e\u8d4f\uff1a
\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-24/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 24 \u671f\uff09\uff1a\u4ece\u6709\u9699\u5230\u65e0\u95f4\uff0c\u9996\u4e2a\u4eba\u7c7b\u5b8c\u6574\u57fa\u56e0\u7ec4\u53d1\u5e03","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d
"},{"location":"issue-24/#_1","title":"\u5c01\u9762\u56fe","text":"Science\u4eba\u7c7b\u57fa\u56e0\u7ec4\u7279\u520a
"},{"location":"issue-24/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u4ece\u6709\u9699\u5230\u65e0\u95f4\uff0c\u9996\u4e2a\u4eba\u7c7b\u5b8c\u6574\u57fa\u56e0\u7ec4\u53d1\u5e03","text":"\u4eba\u7c7b\u57fa\u56e0\u7ec4\u8ba1\u5212 (HGP) \u88ab\u8a89\u4e3a\u5386\u53f2\u4e0a\u6700\u4f1f\u5927\u7684\u79d1\u5b66\u6210\u5c31\u4e4b\u4e00\u3002\u8be5\u9879\u76ee\u7684\u76ee\u6807\u662f\u53d1\u73b0\u548c\u7ed8\u5236\u4eba\u7c7b\u57fa\u56e0\u7ec4\u7684\u5b8c\u6574\u84dd\u56fe\uff0c\u5305\u62ec\u4f30\u8ba1\u7684\u7ea625,000\u4e2a\u57fa\u56e0\uff0c\u4ee5\u4fc3\u8fdb\u8fdb\u4e00\u6b65\u7684\u751f\u7269\u533b\u5b66\u7814\u7a76\u3002HGP\u9879\u76ee\u4e8e1990\u5e74\u6b63\u5f0f\u542f\u52a8\uff0c\u5728\u82b1\u8d3910\u5e74\u65f6\u95f4\u540e\uff0c\u4e5f\u5c31\u662f\u57282000\u5e74\uff0c\u7b2c\u4e00\u7248\u4eba\u7c7b\u57fa\u56e0\u7ec4\u9996\u6b21\u53d1\u5e03\u3002\u867d\u7136\u5f53\u65f6\u5b83\u88ab\u8ba4\u4e3a\u662f\u201c\u5b8c\u6574\u7684\u201d\uff0c\u4f46\u662f\u53d7\u9650\u4e8eSanger\u6d4b\u5e8f\u548cNGS\u7684\u6280\u672f\u80fd\u529b\uff0c\u5b9e\u9645\u4e0a\u7b2c\u4e00\u7248\u4eba\u7c7b\u57fa\u56e0\u7ec4\u8ddd\u79bb\u771f\u6b63\u7684\u5b8c\u6574\u4ecd\u7136\u5b58\u5728\u8bb8\u591a\u5dee\u8ddd\u3002\u5728\u968f\u540e\u768420\u5e74\u4e2d\uff0c\u867d\u7136\u79d1\u5b66\u5bb6\u4eec\u4e0d\u65ad\u4f7f\u7528\u65b0\u7684\u6280\u672f\u586b\u8865\u4e86\u4e00\u4e9b\u7a7a\u767d\uff0c\u4f46\u76f4\u52302020\u5e74\uff0c\u4ecd\u7136\u67098%\u5de6\u53f3\u7684\u4eba\u7c7b\u57fa\u56e0\u7ec4\u5e8f\u5217\u672a\u88ab\u7ed8\u5236\u51fa\u6765\u3002
GRCh38\u7f3a\u5931\u4e86\u4eba\u7c7b\u57fa\u56e0\u7ec4\u7ea68%\u7684\u5e8f\u5217\uff0c\u6709\u4e0a\u767e\u4e07\u78b1\u57fa\u672a\u77e5\uff0c\u88ab\u5b57\u6bcd\u201cN\u201d\u8868\u793a\uff1b\u6709169\u6bb5\u91cd\u8981\u7684\u91cd\u590d\u5e8f\u5217\u672a\u80fd\u6210\u529f\u62fc\u63a5\uff1b\u8fd8\u6709\u76f8\u5f53\u4e00\u90e8\u5206\u5e8f\u5217\u96be\u4ee5\u5206\u6790\u7ec4\u88c5\u3002\u5177\u6709\u91cd\u8981\u751f\u7269\u529f\u80fd\u7684\u67d3\u8272\u4f53\u8fd1\u7aef\u7740\u4e1d\u7c92\u7684\u77ed\u81c2\u3001\u7740\u4e1d\u7c92\u548c\u6570\u4e2a\u91cd\u590d\u7684\u5e38\u67d3\u8272\u8d28\u533a\u57df\u4e5f\u672a\u80fd\u89e3\u6790\uff0c\u53ea\u80fd\u4ee5\u6a21\u5f0f\u5e8f\u5217\u4ee3\u8868\u3002\u8fd9\u4e9b\u4fe1\u606f\u548c\u4eba\u7c7b\u4f17\u591a\u75be\u75c5\u606f\u606f\u76f8\u5173\uff0c\u53d7\u9650\u4e8e\u6d4b\u5e8f\u6280\u672f\uff0c\u8fd9\u4e9b\u91cd\u8981\u5e8f\u5217\u7684\u89e3\u8bfb\u7ec4\u88c5\u672a\u80fd\u5b9e\u73b0\u3002
\u8fd9\u6b21\u7684 T2T-CHM13 \u7ec4\u88c5\u589e\u52a0\u4e86\u4e94\u4e2a\u5b8c\u6574\u7684\u67d3\u8272\u4f53\u81c2\u3002\u4e0e\u8fc7\u53bb 20 \u5e74\u4efb\u4f55\u53c2\u8003\u57fa\u56e0\u7ec4\u7248\u672c\u76f8\u6bd4\uff0c\u66f4\u65b0\u4e86\u66f4\u591a\u7684\u672a\u77e5\u5e8f\u5217\u3002
"},{"location":"issue-24/#_3","title":"\u751f\u4fe1\u79d1\u6280\u52a8\u6001","text":"1\u3001\u7f8e\u56fdAll of Us\u9879\u76ee\u53d1\u5e03\u9996\u6279\u4eba\u7fa4\u961f\u5217\u6570\u636e
\u8fd1\u65e5\uff0c\u7f8e\u56fd\u201cAll of Us\u201d\u7814\u7a76\u9879\u76ee\u516c\u5e03\u4e86\u7b2c\u4e00\u6279\u8fd110\u4e07\u4eba\u7684\u5168\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u6570\u636e\uff0c\u540c\u65f6\u5305\u62ec\u8eab\u9ad8\u3001\u4f53\u91cd\u548c\u8840\u538b\u7b49\u8eab\u4f53\u76f8\u5173\u6570\u636e\uff0c\u4ee5\u53ca\u8c03\u67e5\u6570\u636e\uff0c\u4f8b\u5982\u5173\u4e8e\u53c2\u4e0e\u8005\u7684\u4eba\u53e3\u7edf\u8ba1\u6570\u636e\u3001\u751f\u6d3b\u65b9\u5f0f\u548c\u603b\u4f53\u5065\u5eb7\u72b6\u51b5\u7684\u6570\u636e\u3002\u8fd9\u4e9b\u57fa\u56e0\u7ec4\u6570\u636e\u53ef\u4ee5\u901a\u8fc7\u4e00\u4e2a\u57fa\u4e8e\u4e91\u7684\u5e73\u53f0All of Us\u7814\u7a76\u5458\u5de5\u4f5c\u53f0\u83b7\u5f97\u3002\u968f\u7740All of Us\u9996\u6279\u57fa\u56e0\u6570\u636e\u7684\u53d1\u5e03\uff0c\u5c06\u6709\u52a9\u4e8e\u7814\u7a76\u4eba\u5458\u89e3\u51b3\u5065\u5eb7\u548c\u75be\u75c5\u76f8\u5173\u5c1a\u672a\u56de\u7b54\u7684\u95ee\u9898\uff0c\u8fdb\u800c\u63a8\u52a8\u65b0\u7684\u7a81\u7834\u548c\u53d1\u73b0\uff0c\u4ee5\u51cf\u5c11\u6301\u7eed\u5b58\u7684\u79cd\u65cf\u548c\u65cf\u88d4\u4eba\u53e3\u4e4b\u95f4\u6570\u636e\u5dee\u5f02\u548c\u533b\u7597\u5dee\u5f02\u95ee\u9898\u3002
2\u3001Nature | \u57fa\u4e8e66\u79cd\u764c\u75c7\u7c7b\u578b\u8bad\u7ec3\u673a\u5668\u5b66\u4e60\u6a21\u578b\uff0c\u7ed8\u5236\u764c\u75c7\u57fa\u56e0\u6f5c\u5728\u9a71\u52a8\u7a81\u53d8\u56fe\u8c31
\u5df4\u585e\u7f57\u90a3\u751f\u7269\u533b\u5b66\u7814\u7a76\u6240\u7814\u7a76\u56e2\u961f\u901a\u8fc7\u6a21\u62df\u4e2d\u6027\u7a81\u53d8\uff0c\u7528\u673a\u5668\u5408\u6210\u4e00\u7ec4\u63a8\u6d4b\u7684\u4ece\u52a8\u764c\u57fa\u56e0\u7a81\u53d8\uff0c\u4ee5\u6b64\u6765\u6a21\u62df\u5728\u4eba\u4f53\u5185\u764c\u75c7\u76f8\u5173\u57fa\u56e0\u7684\u591a\u7c73\u8bfa\u9aa8\u724c\u5f0f\u7a81\u53d8\u3002\u7814\u7a76\u56e2\u961f\u57fa\u4e8e\u673a\u5668\u5b66\u4e60\u7684\u65b9\u6cd5\u5f00\u53d1\u51fa\u4e00\u79cd\u7b97\u6cd5\u201cboostDM\u201d\uff0c\u7528\u4e8e\u8bc4\u4f30\u7ed9\u5b9a\u57fa\u56e0\u6240\u6709\u53ef\u80fd\u7684\u8bf1\u53d8\uff0c\u5e76\u8bc4\u4f30\u5b83\u4eec\u5bf9\u764c\u75c7\u53d1\u5c55\u5f71\u54cd\u7684\u53ef\u80fd\u6027\u3002\u8be5\u7b97\u6cd5\u53ef\u5e2e\u52a9\u4e34\u5e8a\u533b\u751f\u5bf9\u4e8e\u75c5\u4eba\u7684\u764c\u75c7\u53d1\u5c55\u505a\u51fa\u66f4\u51c6\u786e\u7684\u89e3\u91ca\u3002
3\u3001Nucleic Acid Research | \u5355\u7ec6\u80de\u5168\u57fa\u56e0\u7ec4\u7532\u57fa\u5316\u6570\u636e\u5e93scMethBank
scMethBank \u662f\u4e00\u4e2a\u5f00\u653e\u8bbf\u95ee\u548c\u7efc\u5408\u6027\u7684\u5168\u57fa\u56e0\u7ec4\u5355\u7ec6\u80deDNA\u7532\u57fa\u5316\u6570\u636e\u5e93\uff0c\u6536\u96c6\u57fa\u4e8e\u91cd\u4e9a\u786b\u9178\u6c22\u76d0\u8f6c\u6362\u7684\u5355\u7ec6\u80de\u539f\u59cb\u6d4b\u5e8f\u6570\u636e\uff0c\u4ee5\u6807\u51c6\u5316\u7684\u5de5\u4f5c\u6d41\u7a0b\u5728\u5355\u78b1\u57fa\u5206\u8fa8\u7387\u4e0b\u68c0\u6d4b\u7532\u57fa\u5316\u72b6\u6001\u5e76\u6784\u5efa\u591a\u79cd\u72b6\u6001\u4e0b\u7684\u5355\u7ec6\u80de\u7532\u57fa\u5316\u56fe\u8c31\u3002\u6570\u636e\u5e93\u76ee\u524d\u6536\u5f55\u4e86\u6765\u81ea\u4e8e15\u4e2a\u516c\u5f00\u7684\u5355\u7ec6\u80de\u6570\u636e\u96c6\u76848328\u4e2a\u5355\u7ec6\u80de\u5168\u57fa\u56e0\u7ec4\u91cd\u4e9a\u786b\u9178\u6c22\u76d0\u6d4b\u5e8f\u6570\u636e\u548c\u4eba\u5de5\u5ba1\u7f16\u7684\u5143\u6570\u636e\uff0c\u6d89\u53ca\u4eba\u548c\u5c0f\u9f20\u4e24\u4e2a\u7269\u79cd\u300129\u79cd\u7ec6\u80de\u7c7b\u578b\u548c\u4e24\u79cd\u75be\u75c5\u72b6\u6001\u3002
"},{"location":"issue-24/#_4","title":"\u6587\u7ae0","text":"1\u3001forestploter: \u5206\u7ec4\u521b\u5efa\u5177\u6709\u7f6e\u4fe1\u533a\u95f4\u7684\u591a\u5217\u68ee\u6797\u56fe
\u672c\u6587\u4ecb\u7ecd\u5982\u4f55\u7ed8\u5236\u7f8e\u4e3d\u7684\u68ee\u6797\u56fe\u3002
2\u3001\u4f7f\u7528linkET\u5305\u7ed8\u5236\u76f8\u5173\u5206\u6790\u7ec4\u5408\u56fe
\u6709\u5f88\u591a\u4eba\u5bf9\u4e0b\u9762\u8fd9\u79cd\u56fe\u5f62\u6bd4\u8f83\u611f\u5174\u8da3\uff0c\u672c\u6587\u4ecb\u7ecd\u5982\u4f55\u7ed8\u5236\u5b83\u4eec\u3002
3\u3001\uff08\u82f1\u6587\uff09Academic writing in R Markdown I
\u672c\u6587\u4ecb\u7ecd\u5982\u4f55\u4f7f\u7528RMarkdown\u8fdb\u884c\u5b66\u672f\u5199\u4f5c\u548c\u5206\u4eab\u3002
"},{"location":"issue-24/#_5","title":"\u5de5\u5177","text":"1\u3001GitHub action - Hub Mirror Action
\u4e00\u4e2aGithub Action\uff0c\u7528\u4e8e\u5728Github\u548cGitee\u4e4b\u95f4\u540c\u6b65\u4ee3\u7801\u3002
2\u3001Repobeats - Stunning insights for your GitHub Repo
\u5c55\u793a\u4f60GitHub\u8be6\u7ec6\u4fe1\u606f\u7684\u6781\u4f73\u5de5\u5177\u3002
3\u3001MLmetrics - Machine Learning Evaluation Metrics
\u4e00\u4e2aR\u5305\uff0c\u7528\u4e8e\u63d0\u4f9b\u8bc4\u4f30\u673a\u5668\u5b66\u4e60\u7684\u6a21\u578b\u6027\u80fd\u6307\u6807\u7684\u5404\u79cd\u8ba1\u7b97\u51fd\u6570\u3002
"},{"location":"issue-24/#_6","title":"\u8d44\u6e90","text":"1\u3001\u751f\u7269\u673a\u5236\u56fe\u8d44\u6e90\u5e93
\u8be6\u60c5\u770bY\u53d4\u63a8\u6587\u3002
2\u3001\u534e\u4eba\u4eba\u7fa4\u9057\u4f20\u8d44\u6e90\u6570\u636e\u5e93\u5408\u96c6
3\u3001\u751f\u7269\u4fe1\u606f\u9886\u57df\u5927\u725b\u5bfc\u5e08\u63a8\u8350\uff08\u7b2c\u4e00\u5b63\uff09
"},{"location":"issue-24/#_7","title":"\u8d5e\u8d4f","text":"\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
\u611f\u8c22\u4ee5\u4e0b\u8bfb\u8005/\u7ec4\u7ec7\u5f80\u671f\u7684\u8d5e\u8d4f\u548c\u8d5e\u52a9\uff1a
\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-25/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 25 \u671f\uff09\uff1a\u4ece\u4e8b\u751f\u4fe1\u5de5\u4f5c\uff0c\u7a76\u7adf\u662f\u8fdc\u89c1\u8005\uff0c\u8fd8\u662f\u5de5\u5177\u4eba\uff1f","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d
"},{"location":"issue-25/#_1","title":"\u5c01\u9762\u56fe","text":"via
"},{"location":"issue-25/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u4ece\u4e8b\u751f\u4fe1\u5de5\u4f5c\uff0c\u7a76\u7adf\u662f\u8fdc\u89c1\u8005\uff0c\u8fd8\u662f\u5de5\u5177\u4eba\uff1f","text":"\u5728\u5bf9\u7814\u7a76\u5bf9\u8c61\u51e0\u4e4e\u4e00\u65e0\u6240\u77e5\u7684\u5b66\u79d1\u53d1\u5c55\u65e9\u671f\uff0c\u9057\u4f20\u5b66\u80fd\u591f\u5e2e\u52a9\u5efa\u7acb\u5927\u6846\u67b6\uff0c\u4ece\u529f\u80fd\u4e0a\u8fdb\u884c\u7406\u89e3\u548c\u7a81\u7834\uff1b\u5f53\u6846\u67b6\u57fa\u672c\u5efa\u7acb\u5b8c\u5584\u540e\uff0c\u751f\u5316\u7b49\u65b9\u6cd5\u624d\u80fd\u53d1\u6325\u7528\u6b66\u4e4b\u5904\uff0c\u5bf9\u7ec6\u8282\u8fdb\u884c\u4fee\u8865\u5b8c\u5584\uff1b\u8fd9\u79cd\u65f6\u95f4\u4e0a\u7684\u4ea4\u9519\uff0c\u8ba9\u5b66\u79d1\u80fd\u591f\u5f7c\u6b64\u53d6\u957f\u8865\u77ed\u3002
\u76f8\u5bf9\u4e8e\u9057\u4f20\u5b66\u7684\u6846\u67b6\u5efa\u7acb\u80fd\u529b\uff0c\u751f\u7269\u4fe1\u606f\u5b66\u5176\u5b9e\u66f4\u8fdb\u4e00\u6b65\uff0c\u9ad8\u901a\u91cf\u6280\u672f\u7684\u7a81\u98de\u731b\u8fdb\uff0c\u4fc3\u8fdb\u4e86\u751f\u4fe1\u7406\u8bba\u548c\u6280\u672f\u7684\u76f8\u5e94\u8fc5\u901f\u53d1\u5c55\uff0c\u63d0\u4f9b\u6d77\u91cf\u6570\u636e\u7684\u5904\u7406\u65b9\u6cd5\u53ca\u80fd\u529b\u7684\u540c\u65f6\uff0c\u4e5f\u52a0\u901f\u4e86\u751f\u7269\u5b66\u7814\u7a76\u6846\u67b6\u5efa\u7acb\u7684\u80fd\u529b\u3002\u7684\u786e\uff0c\u751f\u7269\u4fe1\u606f\u5b66\u4e0e\u9057\u4f20\u5b66\uff0c\u6216\u8005\u8bf4\u5206\u5b50\u9057\u4f20\u5b66\uff0c\u662f\u6709\u66f4\u7d27\u5bc6\u7684\u8054\u7cfb\u7684\u3002
\u5982\u4eca\uff0c\u751f\u4fe1\u5de5\u4f5c\u7ecf\u5e38\u88ab\u4eba\u8bef\u89e3\u4e3a\u8dd1\u8dd1\u6d41\u7a0b\uff0c\u753b\u753b\u56fe\u3002\u4f46\u5176\u5b9e\u751f\u4fe1\u7684\u5f88\u5927\u90e8\u5206\u5185\u5bb9\uff0c\u662f\u57fa\u56e0\u7ec4\u5b66\u548c\u540e\u57fa\u56e0\u7ec4\u65f6\u4ee3\u7684\u591a\u7ec4\u5b66\uff0c\u4ee5\u53ca\u7531\u8fd9\u4e9b\u7ec4\u5b66\u6240\u4ee3\u8868\u5e76\u8574\u6db5\u7684\u80cc\u540e\u751f\u7269\u5b66\u673a\u5236\u548c\u903b\u8f91\u3002\u5982\u4eca\u53c8\u6df1\u5165\u5230\u5355\u7ec6\u80de\u591a\u7ec4\u5b66\uff0c\u751a\u81f3\u4e9a\u7ec6\u80de\u6c34\u5e73\u3002\u52a0\u4e0a\u4eba\u5de5\u667a\u80fd\u6280\u672f\u7684\u6e17\u900f\u548c\u5e94\u7528\u3002\u751f\u4fe1\u80fd\u591f\u6210\u4e3a\u6574\u5408\u8fd9\u79cd\u79cd\u5b66\u79d1\uff0c\u5e76\u5728\u72ec\u7279\u7684\u66f4\u5168\u9762\u7684\u89c6\u89d2\u4e0b\uff0c\u63d0\u4f9b\u5353\u8d8a\u8fdc\u89c1\u7684\u89c1\u5730\u548c\u8ba4\u8bc6\uff0c\u5e2e\u52a9\u5176\u4ed6\u5206\u652f\u5b66\u79d1\u524d\u884c\u3002\u8981\u505a\u5230\u8fd9\u4e9b\uff0c\u9700\u8981\u6211\u4eec\u8fd9\u4e9b\u505a\u751f\u4fe1\u7684\uff0c\u9996\u5148\u4e0d\u5c40\u9650\u81ea\u5df1\u89c6\u91ce\uff0c\u522b\u4e3a\u4e86\u5b8c\u6210\u4efb\u52a1\u800c\u5b8c\u6210\u4efb\u52a1\uff0c\u9700\u8981\u591a\u601d\u8003\uff0c\u5e76\u5c3d\u53ef\u80fd\u56de\u5f52\u521d\u5fc3\uff0c\u5faa\u7740\u524d\u4eba\u4eec\u7684\u65b9\u5411\uff0c\u4e0d\u65ad\u8ffd\u5bfb\u3002
\u6765\u6e90\uff1a\u516c\u4f17\u53f7\u300a\u4e0d\u9760\u8c31\u989c\u8bba\u300b
"},{"location":"issue-25/#_3","title":"\u751f\u4fe1\u79d1\u6280\u52a8\u6001","text":"1\u3001Nat. Biotechnol\u7efc\u8ff0 | \u7eb3\u7c73\u5b54\u6d4b\u5e8f\u6280\u672f\u3001\u751f\u7269\u4fe1\u606f\u5b66\u53ca\u5e94\u7528
\u81ea2014\u5e74\u725b\u6d25\u7eb3\u7c73\u5b54\u79d1\u6280\u6709\u9650\u516c\u53f8\uff08Oxford Nanopore Technologies, ONT\uff09\u53d1\u5e03\u7b2c\u4e00\u53f0\u7eb3\u7c73\u5b54\u6d4b\u5e8f\u4eeaMinION\u4ee5\u6765\uff0c\u7eb3\u7c73\u5b54\u6d4b\u5e8f\u6280\u672f\u53ca\u5176\u5e94\u7528\u7814\u7a76\u98de\u901f\u589e\u957f\u3002\u8be5\u6280\u672f\u5229\u7528\u7eb3\u7c73\u7ea7\u86cb\u767d\u8d28\u5b54\uff08\u7eb3\u7c73\u5b54\uff09\u4f5c\u4e3a\u751f\u7269\u4f20\u611f\u5668\uff0c\u5d4c\u5165\u7535\u963b\u6027\u805a\u5408\u7269\u819c\u4e2d\uff0c\u5728\u7535\u89e3\u6db2\u4e2d\u65bd\u52a0\u6052\u5b9a\u7535\u538b\uff0c\u4ee5\u4ea7\u751f\u901a\u8fc7\u7eb3\u7c73\u5b54\u7684\u79bb\u5b50\u7535\u6d41\uff0cDNA\u94fe\u5728\u9a6c\u8fbe\u86cb\u767d\uff08phi29 DNA\u805a\u5408\u9176\uff09\u7684\u7275\u5f15\u4e0b\u7a7f\u8fc7\u7eb3\u7c73\u5b54\uff0c\u6613\u4f4d\u671f\u95f4\u79bb\u5b50\u7535\u6d41\u7684\u53d8\u5316\u5bf9\u5e94\u4e8e\u4f20\u611f\u533a\u57df\u4e2d\u7684\u6838\u82f7\u9178\u5e8f\u5217\uff0c\u4e4b\u540e\u4f7f\u7528\u7b97\u6cd5\u8fdb\u884c\u89e3\u7801\uff0c\u5b9e\u73b0\u5bf9\u5355\u5206\u5b50\u7684\u5b9e\u65f6\u6d4b\u5e8f\u3002
\u4fc4\u4ea5\u4fc4\u5dde\u7acb\u5927\u5b66Kin Fai Au\u56e2\u961f\u5728Nature Biotechnology\u53d1\u8868\u7efc\u8ff0\u6587\u7ae0\u201cNanopore sequencing technology, bioinformatics and applications\u201d\uff0c\u7cfb\u7edf\u4ecb\u7ecd\u4e86\u7eb3\u7c73\u5b54\u6d4b\u5e8f\u6280\u672f\u7684\u53d1\u5c55\uff0c\u8ba8\u8bba\u4e86ONT\u6570\u636e\u5728\u51c6\u786e\u6027\u3001\u8bfb\u957f\u548c\u901a\u91cf\u65b9\u9762\u7684\u6539\u8fdb\uff0c\u5e76\u63cf\u8ff0\u4e86\u5e94\u7528\u4e8eONT\u6570\u636e\u7684\u4e3b\u8981\u751f\u7269\u4fe1\u606f\u5b66\u65b9\u6cd5\u4ee5\u53ca\u7eb3\u7c73\u5b54\u6d4b\u5e8f\u5f53\u524d\u7684\u4e3b\u8981\u5e94\u7528\u3002
2\u3001Nature Protocols | \u57fa\u4e8e\u673a\u5668\u5b66\u4e60\u548c\u5e76\u884c\u8ba1\u7b97\u7684\u4ee3\u8c22\u7ec4\u5b66\u6570\u636e\u5904\u7406\u65b0\u65b9\u6cd5
\u4ee3\u8c22\u7ec4\u5b66\u662f\u5bf9\u67d0\u4e00\u751f\u7269\u6216\u7ec6\u80de\u5728\u4e00\u7279\u5b9a\u751f\u7406\u65f6\u671f\u5185\u6240\u6709\u4ee3\u8c22\u4ea7\u7269\u540c\u65f6\u8fdb\u884c\u5b9a\u6027\u5b9a\u91cf\u5206\u6790\u7684\u5b66\u79d1\uff0c\u88ab\u5e7f\u6cdb\u7528\u4e8e\u63ed\u793a\u5c0f\u5206\u5b50\u4e0e\u751f\u7406\u75c5\u7406\u6548\u5e94\u95f4\u7684\u5173\u7cfb\u3002\u76ee\u524d\uff0c\u4ee3\u8c22\u7ec4\u5b66\u5df2\u7ecf\u88ab\u5e94\u7528\u4e8e\u836f\u7269\u5f00\u53d1\u7684\u5404\u4e2a\u9636\u6bb5\uff08\u5982\u836f\u7269\u9776\u6807\u8bc6\u522b\u3001\u5148\u5bfc\u5316\u5408\u7269\u53d1\u73b0\u3001\u836f\u7269\u4ee3\u8c22\u5206\u6790\u3001\u836f\u7269\u54cd\u5e94\u548c\u8010\u836f\u7814\u7a76\u7b49\uff09\u3002\u57fa\u4e8e\u4ee3\u8c22\u7ec4\u5b66\u7684\u9ad8\u6027\u4ef7\u6bd4\u7279\u6027\uff0c\u5b83\u88ab\u836f\u5b66\u9886\u57df\u7684\u7814\u7a76\u8005\u7ed9\u4e88\u4e86\u539a\u671b\uff0c\u6709\u671b\u52a0\u901f\u65b0\u836f\u5f00\u53d1\u7684\u8fdb\u7a0b\u3002\u7136\u800c\uff0c\u4ee3\u8c22\u7ec4\u9886\u57df\u8fd8\u9762\u4e34\u7740\u4e25\u91cd\u7684\u4fe1\u53f7\u5904\u7406\u4e0e\u6570\u636e\u5206\u6790\u95ee\u9898\uff0c\u5bf9\u5176\u5728\u65b0\u836f\u7814\u53d1\u4e2d\u7684\u5e94\u7528\u6784\u6210\u4e86\u5de8\u5927\u6311\u6218\u3002\u4e3a\u4e86\u6709\u6548\u6d88\u9664\u7531\u73af\u5883\u3001\u4eea\u5668\u548c\u751f\u7269\u56e0\u7d20\u6240\u5f15\u5165\u7684\u4e0d\u826f\u4fe1\u53f7\u6ce2\u52a8\uff0c\u5c31\u9700\u8981\u5f00\u53d1\u9488\u5bf9\u4ee3\u8c22\u7ec4\u4fe1\u53f7\u7cfb\u7edf\u4f18\u5316\u7684\u65b0\u65b9\u6cd5\uff0c\u4e3a\u4e0d\u540c\u7ec4\u5b66\u7814\u7a76\u91cf\u8eab\u5b9a\u5236\u6700\u4f18\u7684\u6570\u636e\u5206\u6790\u7b56\u7565\u3002
\u8be5\u5de5\u4f5c\u62a5\u9053\u4e86\u4e00\u5957\u57fa\u4e8e\u673a\u5668\u5b66\u4e60\u548c\u5e76\u884c\u8ba1\u7b97\u7684\u4f18\u5316\u7ec4\u5b66\u4fe1\u53f7\u5904\u7406\u7b56\u7565\u7684\u65b0\u65b9\u6cd5\u3002\u8be5\u65b9\u6cd5\u901a\u8fc7\u5927\u89c4\u6a21\u626b\u63cf\u73b0\u6709\u7684\u6d77\u91cf\u4fe1\u53f7\u5904\u7406\u6d41\u7a0b\uff0c\u9488\u5bf9\u7528\u6237\u7ed9\u5b9a\u7684\u4ee3\u8c22\u7ec4\u5b66\u539f\u59cb\u6570\u636e\uff0c\u53ef\u4ee5\u5feb\u901f\u5730\u4f18\u5316\u51fa\u6027\u80fd\u6700\u4f73\u7684\u7ec4\u5b66\u6570\u636e\u5904\u7406\u6d41\u7a0b\u3002\u8fd9\u4e00\u65b9\u6cd5\u5b9e\u73b0\u4e86\u5bf9\u836f\u5b66\u9886\u57df\u5e38\u89c1\u7684\u201c\u65f6\u95f4\u5e8f\u5217\u201d\u548c\u201c\u591a\u5206\u7c7b\u201d\u4ee3\u8c22\u7ec4\u5b66\u95ee\u9898\u7684\u6570\u636e\u5904\u7406\uff0c\u5bf9\u836f\u7269\u9776\u6807\u53d1\u73b0\u3001\u836f\u7269\u4ee3\u8c22\u3001\u836f\u7269\u54cd\u5e94\u4e0e\u75be\u75c5\u53d1\u751f\u53d1\u5c55\u7684\u75c5\u7406\u5b66\u673a\u5236\u7814\u7a76\u90fd\u5177\u6709\u91cd\u8981\u7684\u4ef7\u503c\u3002
3\u3001Nature Genetics | GWAS\u5206\u6790\u63ed\u793aDNA\u7532\u57fa\u5316\u4e0e\u9057\u4f20\u53d8\u5f02\u5173\u8054\uff0c\u63d0\u4f9b\u57fa\u56e0\u7ec4\u8c03\u63a7\u5206\u5b50\u673a\u5236\u65b0\u89c1\u89e3
DNA\u7532\u57fa\u5316\u5728\u51b3\u5b9a\u57fa\u56e0\u7ec4\u7ed3\u6784\u548c\u529f\u80fd\u65b9\u9762\u8d77\u7740\u5173\u952e\u4f5c\u7528\uff0c\u5305\u62ec\u7ec6\u80de\u5206\u5316\u548c\u57fa\u56e0\u8868\u8fbe\u7684\u8c03\u63a7\u3002\u5df2\u6709\u7814\u7a76\u8bc1\u660e\uff0cDNA\u7532\u57fa\u5316\u7d0a\u4e71\u4e0e\u52a8\u8109\u7ca5\u6837\u786c\u5316\u3001\u764c\u75c7\u3001\u80a5\u80d6\u30012\u578b\u7cd6\u5c3f\u75c5\u3001\u795e\u7ecf\u7cbe\u795e\u75be\u75c5\u4ee5\u53ca\u5176\u4ed6\u590d\u6742\u7684\u591a\u56e0\u7d20\u75be\u75c5\u7684\u53d1\u751f\u53d1\u5c55\u6709\u5173\uff0c\u53ef\u4f5c\u4e3a\u72ec\u7acb\u56e0\u7d20\u9884\u6d4b\u5168\u56e0\u6b7b\u4ea1\u7387\u3002\u56e0\u6b64\uff0c\u8fdb\u4e00\u6b65\u4e86\u89e3\u5f71\u54cdDNA\u7532\u57fa\u5316\u7684\u673a\u5236\uff0c\u6709\u671b\u4e3a\u9274\u5b9a\u57fa\u56e0\u7ec4\u8c03\u63a7\u56e0\u5b50\u3001\u5206\u5b50\u8868\u578b\u548c\u75be\u75c5\u53d1\u5c55\u7684\u751f\u7269\u5b66\u9014\u5f84\u63d0\u4f9b\u65b0\u7684\u89c1\u89e3\u3002
\u65e0\u8bba\u662f\u987a\u5f0f\uff08\u540c\u4e00\u67d3\u8272\u4f53\uff09\u8fd8\u662f\u53cd\u5f0f\uff08\u8de8\u67d3\u8272\u4f53\u95f4\uff09\uff0cDNA\u7532\u57fa\u5316\u5747\u53ef\u53d7\u5230\u6f5c\u5728\u9057\u4f20\u53d8\u5f02\u7684\u5f71\u54cd\u3002\u5176\u4e2d\uff0c\u7531\u4e8e\u53cd\u5f0fDNA\u7532\u57fa\u5316\u5728\u8c03\u63a7\u57fa\u56e0\u7ec4\u529f\u80fd\u548c\u5f71\u54cd\u591a\u79cd\u751f\u7269\u8fc7\u7a0b\u4e2d\u53d1\u6325\u5173\u952e\u7684\u8c03\u63a7\u4f5c\u7528\uff0c\u5bf9\u5176\u6709\u5f71\u54cd\u7684\u9057\u4f20\u53d8\u5f02\u503c\u5f97\u7279\u522b\u5173\u6ce8\u3002\u672c\u7814\u7a76\u5728\u4e4b\u524d\u5de5\u4f5c\u7684\u57fa\u7840\u4e0a\uff0c\u8fdb\u4e00\u6b65\u89e3\u6790\u4e86\u8c03\u63a7\u57fa\u56e0\u53d8\u5f02\u4e0e\u57fa\u56e0\u8868\u8fbe\u3001\u5206\u5b50\u76f8\u4e92\u4f5c\u7528\u3001\u8868\u578b\u53d8\u5f02\u548c\u75be\u75c5\u6613\u611f\u6027\u4e4b\u95f4\u7684\u5206\u5b50\u673a\u5236\uff0c\u4fc3\u8fdb\u4e86\u4eba\u4eec\u5bf9\u57fa\u56e0\u53d8\u5f02\u4e0e\u4eba\u7c7b\u8868\u578b\u4e4b\u95f4\u6f5c\u5728\u8054\u7cfb\u9014\u5f84\u7684\u7406\u89e3\u3002
"},{"location":"issue-25/#_4","title":"\u6587\u7ae0","text":"1\u3001\u5982\u4f55\u5728Windows\u73af\u5883\u4e2d\u4f7f\u7528Linux\uff1f
\u5b66\u4e60\u751f\u4fe1\uff0c\u603b\u7ed5\u4e0d\u5f00\u9700\u8981\u5b66\u4e60\u4f7f\u7528Linux\u7cfb\u7edf\u3002
\u5728\u8fc7\u53bb\uff0c\u5bf9\u4e8e\u91cd\u5ea6\u4f9d\u8d56Windows\u7cfb\u7edf\u7684\u4eba\u6765\u8bf4\uff0c\u5f80\u5f80\u53ea\u80fd\u901a\u8fc7\u865a\u62df\u673a\u7684\u65b9\u5f0f\uff0c\u6765\u5c1d\u8bd5\u5b89\u88c5\u548c\u4f7f\u7528Linux\u3002\u800c\u73b0\u5728\uff0c\u201c\u9002\u7528\u4e8eLinux\u7684Windows\u5b50\u7cfb\u7edf\uff08Windows Subsystem for Linux\uff0c\u7b80\u79f0\u4e3aWSL\uff09\u201d\u8ba9\u8fd9\u4e2a\u8fc7\u7a0b\u53d8\u5f97\u5bb9\u6613\u8bb8\u591a\u3002
2\u3001Installing the R kernel in Jupyter Lab
\u5bf9\u4e8e\u559c\u6b22Jupyter Lab\u7684\u670b\u53cb\u53ef\u4ee5\u8bd5\u8bd5\u3002\u4e4b\u524d\u6298\u817e\u8fc7\uff0c\u4f46\u8fd8\u662f\u4e0d\u559c\u6b22Jupyter\u7684\u7f16\u7801\u65b9\u5f0f\uff0c\u6ca1\u6709RStudio\u8212\u9002\u81ea\u7136\u3002
3\u3001\u795e\u5668 Nginx \u7684\u5b66\u4e60\u624b\u518c
Nginx \u662f\u4e00\u4e2a\u9ad8\u6027\u80fd\u7684 HTTP \u548c\u53cd\u5411\u4ee3\u7406\u670d\u52a1\u5668\uff0c\u7279\u70b9\u662f\u5360\u7528\u5185\u5b58\u5c11\uff0c\u5e76\u53d1\u80fd\u529b\u5f3a\uff0c\u4e8b\u5b9e\u4e0a Nginx \u7684\u5e76\u53d1\u80fd\u529b\u786e\u5b9e\u5728\u540c\u7c7b\u578b\u7684\u7f51\u9875\u670d\u52a1\u5668\u4e2d\u8868\u73b0\u8f83\u597d\u3002
"},{"location":"issue-25/#_5","title":"\u5de5\u5177","text":"1\u3001skimr - A frictionless, pipeable approach to dealing with summary statistics
\u901a\u8fc7\u5b57\u7b26\u53ef\u89c6\u5316\u6570\u636e\u6c47\u603b\u4fe1\u606f\u3002
skim(iris)\n\n## \u2500\u2500 Data Summary \u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\n## Values\n## Name iris \n## Number of rows 150 \n## Number of columns 5 \n## _______________________ \n## Column type frequency: \n## factor 1 \n## numeric 4 \n## ________________________ \n## Group variables None \n## \n## \u2500\u2500 Variable type: factor \u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\n## skim_variable n_missing complete_rate ordered n_unique top_counts \n## 1 Species 0 1 FALSE 3 set: 50, ver: 50, vir: 50\n## \n## \u2500\u2500 Variable type: numeric \u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\n## skim_variable n_missing complete_rate mean sd p0 p25 p50 p75 p100 hist \n## 1 Sepal.Length 0 1 5.84 0.828 4.3 5.1 5.8 6.4 7.9 \u2586\u2587\u2587\u2585\u2582\n## 2 Sepal.Width 0 1 3.06 0.436 2 2.8 3 3.3 4.4 \u2581\u2586\u2587\u2582\u2581\n## 3 Petal.Length 0 1 3.76 1.77 1 1.6 4.35 5.1 6.9 \u2587\u2581\u2586\u2587\u2582\n## 4 Petal.Width 0 1 1.20 0.762 0.1 0.3 1.3 1.8 2.5 \u2587\u2581\u2587\u2585\u2583\n2\u3001flow - View and Browse Code Using Flow Diagrams
\u8f93\u5165\u4f60\u7684R\u4ee3\u7801\uff0c\u5b83\u7ed9\u4f60\u8fd4\u56de\u6d41\u7a0b\u56fe\u3002
3\u3001openCyto - An R package that providing an automated data analysis pipeline for flow cytometry
\u4e00\u4e2aR\u5305\uff0c\u4e3a\u6d41\u5f0f\u7ec6\u80de\u672f\u63d0\u4f9b\u4e00\u4e2a\u81ea\u52a8\u5316\u7684\u6570\u636e\u5206\u6790\u7ba1\u9053\u3002
4\u3001pkgndep - Analyzing Dependency Heaviness of R Packages
\u5206\u6790\u548c\u53ef\u89c6\u5316R\u5305\u7684\u4f9d\u8d56\u60c5\u51b5\uff0c\u5bf9\u4e8e\u5f00\u53d1\u548c\u6253\u5305\u6709\u7528\u3002
"},{"location":"issue-25/#_6","title":"\u8d44\u6e90","text":"1\u3001Biology 723: Statistical Computing for Biologists
\u8fd9\u662f\u4e00\u4e2a\u675c\u514b\u5927\u5b66\u7684\u751f\u7269\u5b66\u8bfe\u7a0b\u3002
2\u3001Python Standard Libraries Cheatsheet
e.g.,
>>> import re\n>>> strcmp = \"www.baidu.com\"\n>>> re.match(\"www\", strcmp).span() # span function to get index\n(0, 3)\n>>> re.match(\"baidu\", strcmp) # re.match only match from the beginning of the string\n>>> re.search(\"baidu\", strcmp).span() # re.search search from all string and return the first\n(4, 9)\n>>> strcmp = \"baidu.com/runoob.com\"\n>>> re.findall(\"com\", strcmp) # re.findall find all results and return\n['com', 'com']\n>>> re.findall(\"b(.*?).\", strcmp)\n['', '']\n>>> re.findall(\"b(.*?)c\", strcmp)\n['aidu.', '.']\n\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
\u611f\u8c22\u4ee5\u4e0b\u8bfb\u8005\u5f80\u671f\u7684\u8d5e\u8d4f\uff1a
\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-26/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 26 \u671f\uff09\uff1aCRISPR\u7684\u4e13\u5229\u6743","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d
"},{"location":"issue-26/#_1","title":"\u5c01\u9762\u56fe","text":"via
"},{"location":"issue-26/#crispr","title":"\u672c\u5468\u8bdd\u9898\uff1aCRISPR\u7684\u4e13\u5229\u6743","text":"\u5728\u56f4\u7ed5CRISPR\u57fa\u56e0\u7f16\u8f91\u6280\u672f\u7684\u4e13\u5229\u7ea0\u7eb7\u4e2d\uff0c\u7f8e\u56fd\u4e13\u5229\u5546\u6807\u5c40\u5df2\u7ecf\u786e\u5b9a\u535a\u5fb7\u7814\u7a76\u6240\u56e2\u961f\u662f\u7b2c\u4e00\u4e2a\u53d1\u660eCRISPR-Cas9\u6765\u7f16\u8f91\u4eba\u7c7b\u7ec6\u80de\u5e76\u7528\u4e8e\u5236\u9020\u836f\u7269\u7684\u56e2\u961f\uff0c\u800c\u4e0d\u662f\u8bfa\u5956\u5f97\u4e3b Jennifer Doudna \u548c Emmanuelle Charpentier \u6240\u5c5e\u7684CVC\u56e2\u961f\u3002
\u8fd9\u4e00\u88c1\u51b3\u610f\u5473\u7740\uff0c\u5728\u7f8e\u56fd\u8fd0\u8425\u7684\u505aCRISPR\u57fa\u56e0\u7f16\u8f91\u76f8\u5173\u7684\u516c\u53f8\uff0c\u5982\u679c\u4e4b\u524d\u4ec5\u83b7\u5f97CVC\u56e2\u961f\u7684\u4e13\u5229\u6388\u6743\uff0c\u5305\u62ecCVC\u56e2\u961f\u81ea\u5df1\u7684 Intellia Therapeutics\u3001CRISPR Therapeutics \u7b49\u7b49\uff0c\u5c06\u4e0d\u5f97\u4e0d\u4e0e\u535a\u5fb7\u7814\u7a76\u6240\u56e2\u961f\u8fdb\u884c\u4e13\u5229\u8c08\u5224\u3002
"},{"location":"issue-26/#_2","title":"\u751f\u4fe1\u79d1\u6280\u52a8\u6001","text":"1\u3001Nature Methods | Micro-Meta App: \u57fa\u4e8e\u793e\u533a\u89c4\u8303\u6536\u96c6\u663e\u5fae\u955c\u5143\u6570\u636e\u7684\u4ea4\u4e92\u5f0f\u5de5\u5177
\u4e3a\u4e86\u8d28\u91cf\u3001\u89e3\u91ca\u3001\u518d\u73b0\u6027\u548c\u5171\u4eab\u4ef7\u503c\uff0c\u663e\u5fae\u955c\u56fe\u50cf\u5e94\u9644\u6709\u7528\u4e8e\u4ea7\u751f\u5b83\u4eec\u7684\u6761\u4ef6\u7684\u8be6\u7ec6\u63cf\u8ff0\u3002Micro-Meta App\u662f\u4e00\u6b3e\u76f4\u89c2\u3001\u9ad8\u4e92\u64cd\u4f5c\u6027\u7684\u5f00\u6e90\u8f6f\u4ef6\u5de5\u5177\uff0c\u662f\u57284D\u6838\u7ec4(4DN)\u8054\u76df\u7684\u80cc\u666f\u4e0b\u5f00\u53d1\u7684\uff0c\u65e8\u5728\u4fc3\u8fdb\u76f8\u5173\u663e\u5fae\u955c\u5143\u6570\u636e\u7684\u63d0\u53d6\u548c\u6536\u96c6\uff0c\u9664\u4e86\u5927\u5927\u51cf\u8f7b\u8d28\u91cf\u4fdd\u8bc1\u7684\u8d1f\u62c5\uff0c\u8be5\u5e94\u7528\u7a0b\u5e8f\u7684\u89c6\u89c9\u7279\u6027\u4f7f\u5176\u7279\u522b\u9002\u5408\u4e8e\u57f9\u8bad\u76ee\u7684\u3002
2\u3001Cancer Cell | \u591a\u7ec4\u5b66\u63ed\u793a\u9ed1\u8272\u7d20\u7624\u514d\u75ab\u6cbb\u7597\u54cd\u5e94\u56e0\u7d20\u2014IFN\u03b3\u548c\u80bf\u7624\u7a81\u53d8\u8d1f\u8377TMB
\u8fd9\u9879\u7814\u7a76\u5229\u7528\u591a\u7ec4\u5b66\u4ee5\u53ca\u4e34\u5e8a\u6837\u672c\u4fe1\u606f\u63ed\u793a\u80bf\u7624\u7a81\u53d8\u8d1f\u8377\u4e0eIFN\u03b3\u901a\u8def\u53ef\u4f5c\u4e3a\u9884\u6d4b\u9ed1\u8272\u7d20\u7624\u60a3\u8005\u63a5\u53d7\u514d\u75ab\u6cbb\u7597\u6536\u76ca\u7684\u5173\u952e\u56e0\u7d20\uff0c\u4e5f\u63d0\u793a\u5bf9\u4e8e\u4e0d\u54cd\u5e94\u60a3\u8005\u4ecd\u9700\u8fdb\u4e00\u6b65\u7814\u7a76\u3002
3\u3001Nature Cancer | \u5f20\u6cfd\u6c11/\u97e9\u4e3a\u4e1c\u5408\u4f5c\u63ed\u793aanti-PD-1\u514d\u75ab\u6cbb\u7597\u5728\u80ba\u764c\u4e2d\u7684\u4f5c\u7528\u673a\u5236
\u4e4b\u524d\u65af\u5766\u798f\u5927\u5b66Howard Chang\u7814\u7a76\u7ec4\u63d0\u51fa\u4e86\u514b\u9686\u66ff\u4ee3\uff08clonal replacement\uff09\u7684\u6982\u5ff5\uff0c\u8ba4\u4e3a\u6cbb\u7597\u540e\u80bf\u7624\u4e2d\u7684\u80bf\u7624\u7279\u5f02T\u7ec6\u80de\u7684\u514b\u9686\u578b\u90fd\u662f\u65b0\u51fa\u73b0\u7684\u3002\u800c\u8be5\u7814\u7a76\u53d1\u73b0\uff0c\u5728\u80ba\u764c\u6cbb\u7597\u7684\u8fc7\u7a0b\u4e2d\uff0c\u65b0\u7684\u514b\u9686\u548c\u4e4b\u524d\u5b58\u5728\u7684\u514b\u9686\u90fd\u4f1a\u88ab\u62db\u52df\u5230\u80bf\u7624\u4e2d\u8fdb\u800c\u53d1\u6325\u529f\u80fd\u3002\u9488\u5bf9\u8fd9\u4e00\u73b0\u8c61\uff0c\u7814\u7a76\u4eba\u5458\u63d0\u51fa\u4e86\u514b\u9686\u590d\u5174\uff08clonal revival\uff09\u7684\u6982\u5ff5\uff0c\u62d3\u5c55\u4e86clonal replacement\u7684\u6a21\u5f0f\u3002\u8be5\u7814\u7a76\u7684\u79d1\u5b66\u53d1\u73b0\u63ed\u793a\u4e86anti-PD-1\u7597\u6cd5\u5728\u80ba\u764c\u4e2d\u7684\u4f5c\u7528\u673a\u5236\uff0c\u4e3a\u5f00\u53d1\u65b0\u7684\u4e34\u5e8a\u68c0\u6d4b\u4e0e\u6cbb\u7597\u624b\u6bb5\u63d0\u4f9b\u4e86\u65b0\u7684\u601d\u8def\u3002
"},{"location":"issue-26/#_3","title":"\u6587\u7ae0","text":"1\u3001\u89e3\u8bfb Julia \u7684 2021\uff1a\u9010\u6b65\u8fc8\u5411\u4e3b\u6d41\u7f16\u7a0b\u8bed\u8a00
\u5728\u8fc7\u53bb\u7684 2021 \u5e74\uff0cJulia \u7f16\u7a0b\u8bed\u8a00\u793e\u533a\u4f9d\u7136\u4fdd\u6301\u4e86\u9ad8\u901f\u53d1\u5c55\u3002\u636e\u7edf\u8ba1\uff0c\u76ee\u524d Julia \u7684\u5168\u7403\u603b\u7528\u6237\u91cf\u5df2\u8d85\u8fc7\u4e00\u767e\u4e07\uff0c\u6709\u4e00\u4e07\u591a\u5bb6\u516c\u53f8\u548c\u4e00\u5343\u4e94\u767e\u591a\u6240\u9ad8\u6821\u4e0b\u8f7d\u548c\u4f7f\u7528\u4e86 Julia\u3002\u6b64\u5916\uff0c\u4e00\u4e9b\u4e16\u754c\u540d\u6821\uff0c\u5982\u5317\u4eac\u5927\u5b66\uff0cMIT\u3001Stanford \u548c Berkeley \u7b49\uff0c\u5df2\u7ecf\u5728\u6559\u5b66\u4e2d\u4f7f\u7528 Julia \u8bed\u8a00\u3002
\u4f5c\u4e3a\u4e00\u95e8\u52a8\u6001\u7f16\u8bd1\u578b\u8bed\u8a00\uff0cJulia \u4e00\u65b9\u9762\u7ed9\u4e88\u6211\u4eec\u50cf Python \u4e00\u6837\u7684\u5f00\u53d1\u6548\u7387\uff0c\u53e6\u4e00\u65b9\u9762\u53c8\u7ed9\u4e88\u6211\u4eec\u50cf C/C++ \u4e00\u6837\u7684\u6267\u884c\u6548\u7387\uff0c\u56e0\u6b64\u5438\u5f15\u4e86\u5927\u91cf\u4f18\u5316\u7b97\u6cd5\u3001\u5fae\u5206\u65b9\u7a0b\u3001\u81ea\u52a8\u5fae\u5206\u3001\u91cf\u5b50\u8ba1\u7b97\u3001\u673a\u5668\u5b66\u4e60\u7b49\u8ba1\u7b97\u9886\u57df\u7684\u7814\u7a76\u8005\u3002\u76ee\u524d Julia \u8bed\u8a00\u5df2\u7ecf\u9010\u6e10\u6210\u719f\u548c\u7a33\u5b9a\uff0c\u6211\u4eec\u6709\u7406\u7531\u76f8\u4fe1\u672a\u6765\u968f\u7740 Julia \u751f\u6001\u7684\u8fdb\u4e00\u6b65\u6210\u719f\uff0cJulia \u7684\u4f18\u52bf\u80fd\u591f\u66f4\u8fdb\u4e00\u6b65\u5730\u53d1\u6325\u51fa\u6765\u3002
2\u3001PyCaret | \u51e0\u884c\u4ee3\u7801\u641e\u5b9a\u673a\u5668\u5b66\u4e60\u5efa\u6a21
\u4ece\u672c\u8d28\u4e0a\u6765\u770b\uff0cPyCaret \u662f\u4e00\u4e2a Python \u5e93\uff0c\u5c01\u88c5\u4e86\u591a\u4e2a\u673a\u5668\u5b66\u4e60\u5e93\u548c\u6846\u67b6\uff0c\u5982 sci-kit-learn\u3001XGBoost\u3001Microsoft LightGBM\u3001spaCy \u7b49\u7b49\u3002\u5305\u62ec 6 \u4e2a\u6a21\u5757\uff0c\u652f\u6301\u6709\u76d1\u7763\u548c\u65e0\u76d1\u7763\u6a21\u578b\u7684\u8bad\u7ec3\u548c\u90e8\u7f72\uff0c\u5206\u522b\u662f\u5206\u7c7b\u3001\u56de\u5f52\u3001\u805a\u7c7b\u3001\u5f02\u5e38\u68c0\u6d4b\u3001\u81ea\u7136\u8bed\u8a00\u5904\u7406\u548c\u5173\u8054\u89c4\u5219\u6316\u6398\u3002\u6bcf\u4e2a\u6a21\u5757\u5c01\u88c5\u7279\u5b9a\u7684\u673a\u5668\u5b66\u4e60\u7b97\u6cd5\u548c\u4e0d\u540c\u6a21\u5757\u5747\u53ef\u4ee5\u4f7f\u7528\u7684\u51fd\u6570\u3002\u7528\u6237\u53ef\u4ee5\u6839\u636e\u5b9e\u9a8c\u7c7b\u578b\uff0c\u5c06\u6a21\u5757\u5bfc\u5165\u73af\u5883\u4e2d\u3002
3\u3001\u673a\u5668\u5b66\u4e60\u7b97\u6cd5\u4f18\u7f3a\u70b9\u5bf9\u6bd4\uff08\u6c47\u603b\u7bc7\uff09
\u672c\u6587\u7684\u76ee\u7684\uff0c\u662f\u52a1\u5b9e\u3001\u7b80\u6d01\u5730\u76d8\u70b9\u4e00\u756a\u5f53\u524d\u673a\u5668\u5b66\u4e60\u7b97\u6cd5\u3002
"},{"location":"issue-26/#_4","title":"\u5de5\u5177","text":"1\u3001abess: Fast Best-Subset Selection in Python and R
abess \u5e93\u7684\u76ee\u6807\u662f\u89e3\u51b3\u4e00\u822c\u7684\u6700\u4f73\u5b50\u96c6\u9009\u62e9\uff0c\u5373\u627e\u5230\u9884\u6d4b\u5668\u7684\u4e00\u4e2a\u5c0f\u5b50\u96c6\uff0c\u8fd9\u6837\u5f97\u5230\u7684\u6a21\u578b\u9884\u671f\u5177\u6709\u6700\u9ad8\u7684\u51c6\u786e\u6027\u3002\u6700\u4f73\u5b50\u96c6\u7684\u9009\u53d6\u5177\u6709\u91cd\u8981\u7684\u79d1\u5b66\u7814\u7a76\u548c\u5b9e\u9645\u5e94\u7528\u4ef7\u503c\u3002\u4f8b\u5982\uff0c\u4e34\u5e8a\u533b\u751f\u60f3\u8981\u6839\u636e\u4e00\u4e9b\u91cd\u8981\u57fa\u56e0\u7684\u8868\u8fbe\u6c34\u5e73\u6765\u4e86\u89e3\u75c5\u4eba\u662f\u5426\u5065\u5eb7\u3002
2\u3001citr: RStudio Addin to Insert Markdown Citations
citr\u63d0\u4f9b\u4e86\u51fd\u6570\u548cRStudio\u63d2\u4ef6\u6765\u641c\u7d22bibtex\u6587\u4ef6\uff0c\u4ee5\u521b\u5efa\u548c\u63d2\u5165\u683c\u5f0f\u5316\u7684Markdown\u5f15\u7528\u5230\u5f53\u524d\u6587\u6863\u4e2d\u3002
3\u3001causal-learn\uff1a\u57fa\u4e8ePython\u7684\u56e0\u679c\u53d1\u73b0\u7b97\u6cd5\u5e73\u53f0
Causal-learn\u7528Python\u5b9e\u73b0\u4e86CMU\u5f00\u53d1\u7684\u57fa\u4e8eJava\u7684Tetrad\u56e0\u679c\u53d1\u73b0\u5e73\u53f0\uff08WAIC2020 SAIL \u4e4b L\u5956\uff09\uff0c\u5e76\u8fdb\u4e00\u6b65\u52a0\u5165\u65b0\u7684\u7b97\u6cd5\u548c\u529f\u80fd\u3002\u5176\u4e2d\u5305\u542b\u4e86\u56e0\u679c\u53d1\u73b0\u7684\u7ecf\u5178\u7b97\u6cd5\u4e0eAPI\uff0c\u5e76\u4e14\u63d0\u4f9b\u4e86\u6a21\u5757\u5316\u7684\u4ee3\u7801\uff0c\u4ee5\u65b9\u4fbf\u7814\u7a76\u8005\u5b9e\u73b0\u81ea\u5df1\u7684\u7b97\u6cd5\u3002Causal-learn\u6240\u6709\u6a21\u5757\u5747\u57fa\u4e8ePython\u5b9e\u73b0\uff0c\u4ece\u800c\u907f\u514d\u4e86\u4f20\u7edf\u56e0\u679c\u53d1\u73b0\u5e93\u5bf9R/Java\u7684\u4f9d\u8d56\uff0c\u4e3aPython\u5f00\u53d1\u8005\u63d0\u4f9b\u4fbf\u5229\u3002
4\u3001{statsExpressions}: Tidy dataframes and expressions with statistical details
statsexpression\u5305\u6709\u4e24\u4e2a\u5173\u952e\u76ee\u6807:
5\u3001broadinstitute/gistic2 - \u8f6f\u4ef6\u5b98\u65b9\u4ed3\u5e93
"},{"location":"issue-26/#_5","title":"\u8d44\u6e90","text":"1\u3001LitVar | \u7a81\u53d8\u76f8\u5173\u6587\u7ae0\u68c0\u7d22\u5de5\u5177
2\u3001coding-for-economists
3\u3001Current best-practices in single-cell RNA-seq: a tutorial
"},{"location":"issue-26/#_6","title":"\u8d5e\u8d4f","text":"\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
\u611f\u8c22\u4ee5\u4e0b\u8bfb\u8005\u5f80\u671f\u7684\u8d5e\u8d4f\uff1a
\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-27/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 27 \u671f\uff09\uff1a\u771f\u4e0e\u5047\u7684\u754c\u9650\u5728\u54ea\u91cc","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d
"},{"location":"issue-27/#_1","title":"\u5c01\u9762\u56fe","text":"via
"},{"location":"issue-27/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u771f\u4e0e\u5047\u7684\u754c\u9650\u5728\u54ea\u91cc","text":"\u6709\u4e00\u5b9a\u7684\u6a21\u7cca\u662f\u6b63\u5e38\u7684\uff0c\u4f46\u592a\u8fc7\u6a21\u7cca\u4e5f\u53ef\u80fd\u8ba9\u4eba\u56f0\u60d1\uff0c\u751a\u81f3\u5934\u7834\u8840\u6d41\u3002
"},{"location":"issue-27/#_3","title":"\u751f\u4fe1\u79d1\u6280\u52a8\u6001","text":"1\u3001\u7b2c\u5341\u4e00\u5c4a\u80bf\u7624\u7cfb\u7edf\u751f\u7269\u5b66\u56fd\u9645\u7814\u8ba8\u4f1a ICSB2022
\u4f1a\u8bae\u8be6\u60c5\u53ca\u6ce8\u518c \uff1a\u8bf7\u626b\u63cf\u4e0b\u65b9\u4e8c\u7ef4\u7801\uff01
ICSB\u4f1a\u8bae\u5b98\u7f51\u5730\u5740\uff1ahttp://csbc.org.cn/ICSB2022/index.html
2\u3001Cell | \u7ed3\u76f4\u80a0\u764c\u524d\u75c5\u53d8\u591a\u7ec4\u5b66\u56fe\u8c31\uff0c\u63ed\u793a\u4e24\u79cd\u5e38\u89c1\u7ed3\u76f4\u80a0\u606f\u8089\u7684\u4e0d\u540c\u764c\u53d8\u8def\u5f84
\u7ed3\u76f4\u80a0\u764c \uff08CRC\uff09\u901a\u5e38\u7531\u606f\u8089\u5f15\u8d77\uff0c\u5176\u4e3b\u8981\u4f9d\u636e\u80bf\u7624\u7ec6\u80de\u7684\u5185\u5728\u7279\u5f81\uff0c\u5982\u67d3\u8272\u4f53\u4e0d\u7a33\u5b9a\u6027 \uff08CIN\uff09\u3001\u5fae\u536b\u661f\u4e0d\u7a33\u5b9a\u6027\uff08MSI\uff09\u7b49\u8fdb\u884c\u5206\u7c7b\u3002\u5982\u679c\u80fd\u591f\u5728\u9ad8\u5ea6\u5fae\u536b\u661f\u4e0d\u7a33\u5b9a\u6027\uff08MSI-H\uff09\u548c\u5fae\u536b\u661f\u7a33\u5b9a\u578b\uff08MSS\uff09CRC\u524d\u4f53\u4e2d\u7ed8\u5236\u51fa\u80bf\u7624\u53d1\u751f\u7684\u8def\u5f84\uff0c\u5c31\u80fd\u63ed\u793a\u5b9a\u4e49CRC\u7ec6\u80de\u56fe\u8c31\u7684\u673a\u5236\uff0c\u786e\u5b9a\u5177\u6709\u8bca\u65ad\u6216\u6cbb\u7597\u6548\u7528\u7684\u9776\u70b9\u3002
\u6765\u81ea\u7f8e\u56fd\u8303\u5fb7\u5821\u5927\u5b66\u533b\u5b66\u9662\u7684Ken S. Lau\u7814\u7a76\u56e2\u961f\u8054\u5408Robert J. Coffey\u3001Martha J. Shrubsole\u7814\u7a76\u56e2\u961f\uff0c\u5171\u540c\u7ed8\u5236\u4e86\u4e00\u4efd\u6574\u5408\u4e86\u5355\u7ec6\u80de\u8f6c\u5f55\u5b66\u3001\u57fa\u56e0\u7ec4\u5b66\u548c\u514d\u75ab\u7ec4\u7ec7\u75c5\u7406\u5b66\u7684\u591a\u7ec4\u5b66\u4eba\u7c7b\u7ed3\u76f4\u80a0\u764c\u524d\u75c5\u53d8\u56fe\u8c31\uff0c\u63cf\u8ff0\u4e86\u4e24\u79cd\u6700\u5e38\u89c1\u4eba\u7c7b\u7ed3\u76f4\u80a0\u606f\u8089ADs\u3001SSLs\u53ca\u5176\u884d\u5316\u7684CRC\uff0c\u5e76\u5728\u529f\u80fd\u4e0a\u9a8c\u8bc1\u4e86\u4e0d\u540c\u7ed3\u76f4\u80a0\u606f\u8089\u7684\u8d77\u6e90\u548c\u764c\u53d8\u5206\u5b50\u8fc7\u7a0b\u3002
3\u3001\u4e24\u9879\u7814\u7a76\u63ed\u793a\u76d1\u6d4b\u4eba\u7c7b\u80a0\u9053\u5fae\u751f\u7269\u7ec4\u7684\u79cd\u7c7b\u4e0e\u53d8\u5316\uff0c\u6709\u52a9\u4e8e\u4e2a\u4f53\u75be\u75c5\u7684\u8bca\u65ad\u548c\u6cbb\u7597
\u7f8e\u56fd\u683c\u62c9\u5fb7\u65af\u901a\u6570\u636e\u79d1\u5b66\u4e0e\u751f\u7269\u6280\u672f\u7814\u7a76\u6240\u957fKatie Pollard\u535a\u58eb\u9886\u5bfc\u7684\u7814\u7a76\u56e2\u961f\u8fd1\u671f\u53d1\u8868\u4e86\u4e24\u9879\u65b0\u7684\u7814\u7a76\u6210\u679c\uff0c\u8bc1\u660e\u4e86\u76d1\u6d4b\u7ec6\u83cc\u79cd\u7c7b\u7684\u91cd\u8981\u6027\uff0c\u5e76\u8bf4\u660e\u4e86\u5728\u7814\u7a76\u5fae\u751f\u7269\u7fa4\u65f6\u76d1\u6d4b\u4e0d\u540c\u7ec6\u83cc\u83cc\u682a\u7684\u91cd\u8981\u6027\u3002Pollard\u535a\u58eb\u8868\u793a\uff1a\u201c\u4ec5\u4ec5\u5173\u6ce8\u5fae\u751f\u7269\u7684\u79cd\u7c7b\u9519\u8fc7\u4e86\u5f88\u591a\u4fe1\u606f\u3002\u5982\u679c\u91c7\u53d6\u66f4\u7ec6\u5206\u6c34\u5e73\u7684\u65b9\u6cd5\u89c2\u5bdf\u7ec6\u83cc\u83cc\u682a\uff0c\u5c06\u6709\u52a9\u4e8e\u53d1\u73b0\u5fae\u751f\u7269\u7fa4\u4e0e\u75be\u75c5\u4e4b\u95f4\u7684\u56e0\u679c\u5173\u7cfb\u3002\u201d
"},{"location":"issue-27/#_4","title":"\u6587\u7ae0","text":"1\u3001\u8bed\u4e49\u5316\u7248\u672c 2.0.0
\u60f3\u641e\u8f6f\u4ef6\u5305\u5f00\u53d1\u7684\u8981\u61c2\u4e00\u70b9\u3002
2\u3001An introduction to R Leaflet
\u4ecb\u7ecd\u8fd9\u4e2a\u5305\u600e\u4e48\u7ed8\u5236\u5730\u56fe\u3002
3\u3001\u4f7f\u7528\u9057\u4f20\u7b97\u6cd5\u8fdb\u884c\u53d8\u91cf\u9009\u62e9
\u5bf9\u7b97\u6cd5\u548c\u7279\u5f81\u7b5b\u9009\u611f\u5174\u8da3\u7684\u8bfb\u8005\u53ef\u4ee5\u770b\u770b\u3002
"},{"location":"issue-27/#_5","title":"\u5de5\u5177","text":"1\u3001dlookr - \u8bca\u65ad\u548c\u63a2\u7d22\u6027\u6570\u636e\u5206\u6790
2\u3001graphlayouts
This package implements some graph layout algorithms that are not available in igraph.
3\u3001shinyML - Compare Supervised Machine Learning Models Using Shiny App
\u7528Shiny\u641e\u673a\u5668\u5b66\u4e60\u3002
4\u3001mkdocs-jupyter - Use Jupyter Notebooks in mkdocs
\u901a\u8fc7Jupyter Notebook\u751f\u6210\u6587\u6863\u7f51\u7ad9\u3002
5\u3001gm - \u97f3\u4e50\u5305
\u8f7b\u677e\u521b\u5efa\u97f3\u4e50\uff0c\u5e76\u5728R Markdown\u6587\u4ef6\uff0cR Jupyter\u7b14\u8bb0\u672c\u548cRStudio\u4e2d\u663e\u793a\u4e50\u8c31\u548c\u97f3\u9891\u6587\u4ef6\u3002
"},{"location":"issue-27/#_6","title":"\u8d44\u6e90","text":"1\u3001MIT\u9762\u5411\u751f\u547d\u79d1\u5b66\u7684\u6df1\u5ea6\u5b66\u4e60\u8bfe\u7a0b
MIT6871\u8bfe\u7a0b\u4e3b\u9875\uff1ahttps://mit6874.github.io/
2\u30012022NAR\u6570\u636e\u5e93\u7279\u520a\uff1a\u5355\u7ec6\u80de\u6570\u636e\u5e93\u5408\u8f91
"},{"location":"issue-27/#_7","title":"\u8d5e\u8d4f","text":"\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
\u611f\u8c22\u4ee5\u4e0b\u8bfb\u8005\u5f80\u671f\u7684\u8d5e\u8d4f\uff1a
\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-28/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 28 \u671f\uff09\uff1a\u534e\u5927Stereo-seq\u7cfb\u5217\u6210\u679c\u63ed\u79d8\u8d85\u9ad8\u5206\u8fa8\u7387\u751f\u547d\u5168\u666f\u65f6\u7a7a\u56fe\u8c31","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d
Stereo-seq\u82af\u7247\u5de5\u4f5c\u539f\u7406\u53ca\u5c0f\u9f20\u80da\u80ce\u53d1\u80b2\u65f6\u7a7a\u8f6c\u5f55\u7ec4\u56fe\u8c31\u3002\uff08via\uff09
"},{"location":"issue-28/#_1","title":"\u5c01\u9762\u56fe","text":""},{"location":"issue-28/#stereo-seq","title":"\u672c\u5468\u8bdd\u9898\uff1a\u534e\u5927Stereo-seq\u7cfb\u5217\u6210\u679c\u63ed\u79d8\u8d85\u9ad8\u5206\u8fa8\u7387\u751f\u547d\u5168\u666f\u65f6\u7a7a\u56fe\u8c31","text":"\u56fd\u9645\u9876\u7ea7\u671f\u520aCell\u548c\u5b50\u520aDevelopmental Cell\uff0c\u4e0a\u7ebf\u4e864\u7bc7\u5e94\u7528Stereo-seq\u6280\u672f\u7684\u7814\u7a76\u6587\u7ae0\uff0c\u63ed\u793a\u5176\u5728\u5c0f\u9f20\u3001\u6591\u9a6c\u9c7c\u3001\u679c\u8747\u3001\u62df\u5357\u82a5\u7b49\u6a21\u5f0f\u751f\u7269\u4e2d\u7684\u5e94\u7528\u6210\u679c\uff0c\u5176\u4e2dCell\u6587\u7ae0\u8be6\u7ec6\u4ecb\u7ecd\u4e86Stereo-seq\u6280\u672f\u539f\u7406\u548c\u7ec6\u8282\u3002\u6b64\u5916\uff0cCell\u51fa\u7248\u793e\u5b98\u7f51\u8fd8\u7279\u8bbe\u4e13\u9898\u7f51\u9875\uff08https://www.cell.com/consortium/spatiotemporal-omics\uff09\uff0c\u5c55\u793a\u4e86\u4ee5\u4e0a4\u7bc7\u6587\u7ae0\u53ca4\u7bc7\u5e94\u7528Stereo-seq\u6280\u672f\u7684BioRxiv\u9884\u5370\u6210\u679c\uff0c\u5305\u62ec\u98df\u87f9\u7334\u8111\u65f6\u7a7a\u7ec4\u56fe\u8c31\u3001\u877e\u8788\u8111\u518d\u751f\u65f6\u7a7a\u56fe\u8c31\u3001\u5b9e\u4f53\u7624\u65f6\u7a7a\u7ec4\u56fe\u8c31\u7b49\u3002
\u76f8\u8f83\u56fd\u9645\u540c\u7c7b\u6280\u672f\uff0cStereo-seq\u901a\u8fc7\u65f6\u7a7a\u6355\u83b7\u82af\u7247\uff0c\u7ed3\u5408\u539f\u4f4dRNA\u6355\u83b7\uff0c\u5b9e\u73b0\u4e86500 nm\u7684\u5206\u8fa8\u7387\uff0c\u540c\u65f6\u6355\u83b7\u9762\u79ef\u53ef\u8fbe13cm x 13cm\uff0c\u6210\u4e3a\u5168\u7403\u9996\u4e2a\u540c\u65f6\u5b9e\u73b0\u201c\u7eb3\u7c73\u7ea7\u5206\u8fa8\u7387\u201d\u548c\u201c\u5398\u7c73\u7ea7\u5168\u666f\u89c6\u573a\u201d\u7684\u6280\u672f\uff0c\u4e14\u5b9e\u73b0\u4e86\u57fa\u56e0\u4e0e\u5f71\u50cf\u540c\u65f6\u5206\u6790\u3002\u4e0e\u5f53\u524d\u5176\u4ed6\u6280\u672f\u76f8\u6bd4\uff0c\u5728\u76f8\u540c\u7684\u7cbe\u5ea6\u4e0b\uff0cStereo-seq\u5177\u5907\u66f4\u7075\u654f\u548c\u66f4\u5f3a\u7684mRNA\u6355\u83b7\u80fd\u529b\u3002\u8be5\u6280\u672f\u4f5c\u4e3a\u65b0\u65f6\u4ee3\u7684\u5206\u5b50 \u201c\u663e\u5fae\u955c\u201d\uff0c\u4e3a\u91cd\u65b0\u8ba4\u77e5\u5668\u5b98\u7ed3\u6784\u3001\u751f\u547d\u53d1\u80b2\u3001\u7269\u79cd\u6f14\u5316\u548c\u5b9a\u4e49\u4eba\u7c7b\u75be\u75c5\u63d0\u4f9b\u4e86\u5e95\u5c42\u5de5\u5177\uff0c\u5c06\u63a8\u52a8\u7ee7\u663e\u5fae\u955c\u548cDNA\u6d4b\u5e8f\u6280\u672f\u4ee5\u6765\u7684\u751f\u547d\u79d1\u5b66\u9886\u57df\u7b2c\u4e09\u6b21\u79d1\u6280\u9769\u547d\u3002
"},{"location":"issue-28/#_2","title":"\u751f\u4fe1\u79d1\u6280\u52a8\u6001","text":"1\u3001Nature | \u57fa\u56e0\u7a81\u53d8\u4e0d\u662f\u968f\u673a\u7684
\u81ea20\u4e16\u7eaa\u4e0a\u534a\u53f6\u8d77\uff0c\u7a81\u53d8\u7684\u968f\u673a\u6027\u5c31\u4e00\u76f4\u662f\u751f\u7269\u6f14\u5316\u7406\u8bba\u7684\u91cd\u8981\u57fa\u7840\u3002\u8fd9\u4e2a\u89c2\u70b9\u5982\u540c\u751f\u7269\u5b66\u9886\u57df\u7684\u516c\u7406\uff0c\u5bf9\u4e8e\u751f\u7269\u5b66\u5bb6\u5efa\u7acb\u6f14\u5316\u6a21\u578b\u3001\u7406\u89e3\u9057\u4f20\u591a\u6837\u6027\u4ea7\u751f\u4e86\u6df1\u523b\u5f71\u54cd\u3002\u73b0\u5728\uff0c\u8fd9\u4e2a\u7ecf\u5178\u7684\u89c2\u70b9\u53d7\u5230\u4e00\u9879\u5168\u65b0\u7814\u7a76\u7684\u6709\u529b\u6311\u6218\u3002
\u5728\u4e00\u7bc7\u53d1\u8868\u4e8e\u300a\u81ea\u7136\u300b\u6742\u5fd7\u7684\u8bba\u6587\u4e2d\uff0c\u4e00\u652f\u56fd\u9645\u7814\u7a76\u56e2\u961f\u901a\u8fc7\u5bf9\u6a21\u5f0f\u690d\u7269\u62df\u5357\u82a5\u7684\u7814\u7a76\u63d0\u51fa\uff0c\u7a81\u53d8\u7684\u8bde\u751f\u4e0d\u662f\u5b8c\u5168\u968f\u673a\u7684\uff0c\u76f8\u53cd\uff0c\u7a81\u53d8\u51fa\u73b0\u7684\u533a\u57df\u6709\u7740\u660e\u663e\u7684\u89c4\u5f8b\u6027\u3002\u8fd9\u4e2a\u53d1\u73b0\u4ece\u6839\u672c\u4e0a\u6539\u53d8\u4e86\u6211\u4eec\u5bf9\u4e8e\u751f\u547d\u6f14\u5316\u7684\u7406\u89e3\uff0c\u5e76\u4e14\u6709\u671b\u5e2e\u52a9\u79d1\u5b66\u5bb6\u57f9\u80b2\u5177\u6709\u66f4\u4f18\u826f\u6027\u72b6\u7684\u4f5c\u7269\uff0c\u751a\u81f3\u5e2e\u52a9\u4eba\u7c7b\u5bf9\u6297\u764c\u75c7\u3002
2\u3001Nature Communication\uff5c\u57fa\u4e8e2\u4e07\u4f59\u4e2a\u80bf\u7624\u4f53\u7ec6\u80de\u7a81\u53d8\u8c31\uff0c\u63ed\u793a\u5e74\u9f84\u5bf9\u80bf\u7624\u7a81\u53d8\u6570\u91cf\u53ca\u8fdb\u5316\u65f6\u95f4\u7684\u5f71\u54cd
\u8be5\u7814\u7a76\u901a\u8fc7\u5206\u6790\u6765\u81eaTCGA\u3001AACR GENIE\u548cPCAWG\u4e09\u4e2a\u9879\u76ee\u4e2d\u7684\u6570\u636e\uff0c\u63ed\u793a\u4e86\u5e74\u9f84\u5bf9\u80bf\u7624\u4e2d\u7684\u7a81\u53d8\u6570\u91cf\uff08\u6bcf\u5e74\u6bcf\u5146\u78b1\u57fa0.077\u4e2a\u7a81\u53d8\uff09\u53ca\u5176\u8fdb\u5316\u65f6\u95f4\u7684\u5f71\u54cd\uff0c\u7ed8\u5236\u4e86\u5177\u6709\u4e34\u5e8a\u610f\u4e49\u7684\u4e0e\u5e74\u9f84\u76f8\u5173\u764c\u75c7\u4f53\u7ec6\u80de\u7a81\u53d8\u56fe\u8c31\u3002
3\u3001Nature | slide-DNA-seq - \u81ea\u5e26GPS\u7684\u6d4b\u5e8f\u6280\u672f
\u8be5\u7814\u7a76\u63a8\u51fa\u7684slide-seq\uff0c\u53ef\u4ee5\u5728\u4e00\u4e2a\u76f4\u5f843\u6beb\u7c73\u7684\u89c6\u91ce\u5185\uff0c\u4ee510\u5fae\u7c73\u7684\u5206\u8fa8\u7387\uff0c\u5bf9\u6bcf\u4e0d\u540c\u4f4d\u7f6e\u7684\u805a\u82ef\u4e59\u70ef\u73e0\u5b50\uff0c\u6dfb\u52a0\u5bf9\u5e94\u7a7a\u95f4\u4f4d\u7f6e\u7684\u6761\u5f62\u7801\uff0c\u6807\u8bb0\u7a7a\u95f4\u4f4d\u7f6e\uff0c\u4e4b\u540e\u901a\u8fc7PCR\u6269\u589e\uff0c\u5b9e\u73b0DNA\u539f\u4f4d\u6d4b\u5e8f\u3002\u5728\u6bcf\u4e2a\u9635\u5217\u4e2d\uff0c\u5305\u542b2\u4e07\u52304\u4e07\u4e2a\u67f1\u5b50\uff0c\u6bcf\u4e2a\u73e0\u5b50\u4e2d\uff0c\u53ef\u4ee5\u68c0\u6d4b\u5230\u7684DNA\u5e8f\u5217\uff0c\u7ea6\u4e3a165-421\u4e2a\u3002
4\u30012021\u5e74\u4eba\u5de5\u667a\u80fd\u7814\u7a76\u6210\u679c\u76d8\u70b9
"},{"location":"issue-28/#_3","title":"\u6587\u7ae0","text":"1\u3001GitHub\uff0c\u7248\u672c\u63a7\u5236\u4e0e\u534f\u4f5c
\u672c\u6587\u4ecb\u7ecd\u5982\u4f55\u4f7f\u7528GitHub\u8fdb\u884c\u7248\u672c\u63a7\u5236\u4e0e\u534f\u4f5c\u3002
2\u3001\u901a\u4fd7\u79d1\u666e\u6587\uff1a\u8d1d\u53f6\u65af\u4f18\u5316\u4e0eSMBO\u3001\u9ad8\u65af\u8fc7\u7a0b\u56de\u5f52\u3001TPE
\u8d1d\u53f6\u65af\u4f18\u5316\u662fAutoML\u4e2d\u7684\u91cd\u8981\u6982\u5ff5\uff0c\u8fd1\u5e74\u6765\u53d8\u5f97\u5f88\u706b\u70ed\u3002\u4f5c\u4e3a\u4e00\u79cd\u91cd\u8981\u7684\u57fa\u4e8e\u5148\u9a8c\u7684\u8c03\u53c2/\u7b56\u7565\u9009\u62e9\u6280\u672f\uff0c\u8d1d\u53f6\u65af\u7684\u5e94\u7528\u8303\u56f4\u4e5f\u5f88\u5e7f\u3002\u4f46\u8fd9\u4e2a\u6982\u5ff5\u5bf9\u4e8e\u521d\u6b21\u63a5\u89e6\u7684\u540c\u5b66\u53ef\u80fd\u8f83\u96be\u7406\u89e3\uff0c\u7ecf\u8fc7\u6570\u5929\u7684\u8bba\u6587\u7814\u8bfb\u3001\u535a\u5ba2/\u6559\u7a0b/\u4ee3\u7801\u67e5\u9605\uff0c\u6709\u4e86\u8fd9\u7bc7\u79d1\u666e\u6587\uff0c\u4e5f\u624b\u7ed8\u4e86\u4e00\u4e9b\u793a\u610f\u56fe\uff0c\u5e0c\u671b\u5c3d\u91cf\u5728\u4e00\u7bc7\u6587\u7ae0\u5185\u3001\u901a\u4fd7\u6613\u61c2\u5730\u8bb2\u6e05\u695a\u4ec0\u4e48\u662f\u8d1d\u53f6\u65af\u4f18\u5316\u3002
3\u3001Nature\u7efc\u8ff0 | \u514d\u75ab\u68c0\u67e5\u70b9\u7684\u5341\u5e74\u4e4b\u65c5
"},{"location":"issue-28/#_4","title":"\u5de5\u5177","text":"1\u3001conflicted - An alternative conflict resolution strategy for R
R\u7ecf\u5e38\u5b58\u5728\u540c\u540d\u51fd\u6570\uff0c\u4f1a\u9020\u6210\u8ba1\u7b97\u95ee\u9898\uff0c\u6700\u5e38\u89c1\u7684\u5c31\u662ffilter()\u548cselect()\u51fd\u6570\u3002conflicted\u5305\u63d0\u4f9b\u4e86\u4e00\u79cd\u89e3\u51b3\u7b56\u7565\uff0c\u4e00\u65e6\u51fa\u73b0\u91cd\u540d\u5c31\u62a5\u9519\uff0c\u8fd9\u6837\u63d0\u793a\u4f60\u4e00\u5b9a\u8981\u6307\u5b9a\u51fd\u6570\u7684\u5305\u540d\u3002
library(conflicted)\nlibrary(dplyr)\n\nfilter(mtcars, cyl == 8)\n#> Error: [conflicted] `filter` found in 2 packages.\n#> Either pick the one you want with `::` \n#> * dplyr::filter\n#> * stats::filter\n#> Or declare a preference with `conflict_prefer()`\n#> * conflict_prefer(\"filter\", \"dplyr\")\n#> * conflict_prefer(\"filter\", \"stats\")\n2\u3001report - bridge the gap between R\u2019s output and the formatted results contained in your manuscript
report\u6839\u636e\u6700\u4f73\u5b9e\u8df5\u6307\u5357(\u5982APA\u7684\u98ce\u683c)\u81ea\u52a8\u751f\u6210\u6a21\u578b\u548c\u6570\u636e\u6846\u67b6\u7684\u62a5\u544a\uff0c\u786e\u4fdd\u7ed3\u679c\u62a5\u544a\u7684\u6807\u51c6\u5316\u548c\u8d28\u91cf\u3002
3\u3001pdfcpu - a Go PDF processor
\u4e00\u4e2a\u5904\u7406PDF\u6587\u4ef6\u7684\u547d\u4ee4\u5de5\u5177\u3002
4\u3001gtreg - Regulatory Tables For Clinical Research with \u2018gtsummary\u2019
library(gtreg)\ngtsummary::theme_gtsummary_compact()\n#> Setting theme `Compact`\n\ntbl_ae <- \n df_adverse_events %>%\n tbl_ae(\n id_df = df_patient_characteristics,\n id = patient_id,\n ae = adverse_event,\n soc = system_organ_class, \n by = grade, \n strata = trt\n ) %>%\n modify_header(all_ae_cols() ~ \"**Grade {by}**\") %>% \n bold_labels()\n5\u3001parsermd - R Markdown \u63d0\u53d6\u5668
\u65b9\u4fbf\u5bf9R Markdown\u6587\u4ef6\u8fdb\u884c\u7f16\u7a0b\u63a7\u5236\u3002
(rmd = parsermd::parse_rmd(system.file(\"minimal.Rmd\", package = \"parsermd\")))\n#> \u251c\u2500\u2500 YAML [4 lines]\n#> \u251c\u2500\u2500 Heading [h1] - Setup\n#> \u2502 \u2514\u2500\u2500 Chunk [r, 1 opt, 1 lines] - setup\n#> \u2514\u2500\u2500 Heading [h1] - Content\n#> \u251c\u2500\u2500 Heading [h2] - R Markdown\n#> \u2502 \u251c\u2500\u2500 Markdown [6 lines]\n#> \u2502 \u251c\u2500\u2500 Chunk [r, 1 lines] - cars\n#> \u2502 \u2514\u2500\u2500 Chunk [r, 1 lines] - <unnamed>\n#> \u2514\u2500\u2500 Heading [h2] - Including Plots\n#> \u251c\u2500\u2500 Markdown [2 lines]\n#> \u251c\u2500\u2500 Chunk [r, 1 opt, 1 lines] - pressure\n#> \u2514\u2500\u2500 Markdown [2 lines]\n\nas_tibble(rmd)\n#> # A tibble: 12 x 5\n#> sec_h1 sec_h2 type label ast \n#> <chr> <chr> <chr> <chr> <rmd_ast> \n#> 1 <NA> <NA> rmd_yaml_list <NA> <yaml> \n#> 2 Setup <NA> rmd_heading <NA> <heading [h1]>\n#> 3 Setup <NA> rmd_chunk \"setup\" <chunk [r]> \n#> 4 Content <NA> rmd_heading <NA> <heading [h1]>\n#> 5 Content R Markdown rmd_heading <NA> <heading [h2]>\n#> 6 Content R Markdown rmd_markdown <NA> <rmd_mrkd [6]>\n#> 7 Content R Markdown rmd_chunk \"cars\" <chunk [r]> \n#> 8 Content R Markdown rmd_chunk \"\" <chunk [r]> \n#> 9 Content Including Plots rmd_heading <NA> <heading [h2]>\n#> 10 Content Including Plots rmd_markdown <NA> <rmd_mrkd [2]>\n#> 11 Content Including Plots rmd_chunk \"pressure\" <chunk [r]> \n#> 12 Content Including Plots rmd_markdown <NA> <rmd_mrkd [2]>\n\nrmd_select(rmd, by_section(\"Content\"))\n#> \u2514\u2500\u2500 Heading [h1] - Content\n#> \u251c\u2500\u2500 Heading [h2] - R Markdown\n#> \u2502 \u251c\u2500\u2500 Markdown [6 lines]\n#> \u2502 \u251c\u2500\u2500 Chunk [r, 1 lines] - cars\n#> \u2502 \u2514\u2500\u2500 Chunk [r, 1 lines] - <unnamed>\n#> \u2514\u2500\u2500 Heading [h2] - Including Plots\n#> \u251c\u2500\u2500 Markdown [2 lines]\n#> \u251c\u2500\u2500 Chunk [r, 1 opt, 1 lines] - pressure\n#> \u2514\u2500\u2500 Markdown [2 lines]\n\nrmd_select(rmd, by_section(c(\"Content\", \"*\"))) %>%\n rmd_select(has_type(c(\"rmd_chunk\", \"rmd_heading\")))\n#> \u2514\u2500\u2500 Heading [h1] - Content\n#> \u251c\u2500\u2500 Heading [h2] - R Markdown\n#> \u2502 \u251c\u2500\u2500 Chunk [r, 1 lines] - cars\n#> \u2502 \u2514\u2500\u2500 Chunk [r, 1 lines] - <unnamed>\n#> \u2514\u2500\u2500 Heading [h2] - Including Plots\n#> \u2514\u2500\u2500 Chunk [r, 1 opt, 1 lines] - pressure\n\nrmd_select(rmd, \"pressure\")\n#> \u2514\u2500\u2500 Chunk [r, 1 opt, 1 lines] - pressure\n\nrmd_select(rmd, 1:3)\n#> \u251c\u2500\u2500 YAML [4 lines]\n#> \u2514\u2500\u2500 Heading [h1] - Setup\n#> \u2514\u2500\u2500 Chunk [r, 1 opt, 1 lines] - setup\n6\u3001ggdistribute - A ggplot2 Extension for Plotting Unimodal Distributions
ggdistribute\u5305\u662f\u7ed8\u5236\u540e\u5411\u6216\u5176\u4ed6\u7c7b\u578b\u7684\u5355\u5cf0\u5206\u5e03\u7684\u6269\u5c55\uff0c\u8fd9\u4e9b\u5355\u5cf0\u5206\u5e03\u9700\u8981\u8986\u76d6\u5173\u4e8e\u5206\u5e03\u95f4\u9694\u7684\u4fe1\u606f\u3002\u5b83\u5229\u7528ggproto\u7cfb\u7edf\u6269\u5c55ggplot2\uff0c\u63d0\u4f9b\u989d\u5916\u7684\u201cgeoms\u201d\u3001\u201cstats\u201d\u548c\u201cposition\u201d\u3002\u6269\u5c55\u4e0e\u73b0\u6709\u7684ggplot2\u5c42\u5143\u7d20\u96c6\u6210\u3002
7\u3001cannonball - \u5b9a\u91cf\u65b9\u6cd5\u8bba\u548c\u7edf\u8ba1\u5b66\u76f8\u5173\u51fd\u6570\u5de5\u5177
plot_r(): Draw different scatterplots with the same correlation coefficient
1\u3001Shiny\u5f00\u53d1\u8005\u7cfb\u5217\u8bbf\u8c08
2\u300121\u5e74\u7814\u7a76\u80bf\u7624\u7684\u8fd9\u5341\u7bc7\u9ad8\u5206\u7efc\u8ff0
"},{"location":"issue-28/#_6","title":"\u8d5e\u8d4f","text":"\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
\u611f\u8c22\u4ee5\u4e0b\u8bfb\u8005\u5f80\u671f\u7684\u8d5e\u8d4f\uff1a
\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-29/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 29 \u671f\uff09\uff1aHiplot\u5f00\u53d1\u5e93\u5f00\u6e90","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d | \u300c\u751f\u4fe1\u8ba8\u8bba\u533a\uff08Gitter\uff09\u300d
"},{"location":"issue-29/#_1","title":"\u5c01\u9762\u56fe","text":"Hiplot Gallery\u3002via
"},{"location":"issue-29/#hiplot","title":"\u672c\u5468\u8bdd\u9898\uff1aHiplot\u5f00\u53d1\u5e93\u5f00\u6e90","text":"Hiplot \u9879\u76ee\u53d1\u8d77\u4e8e 2019 \u5e74\uff0c\u662f\u7531\u56fd\u5185\u751f\u7269\u4fe1\u606f\u5b66\u5f00\u6e90\u793e\u533a Openbiox \u548c\u591a\u5bb6\u5355\u4f4d\u548c\u673a\u6784\u5171\u540c\u5efa\u8bbe\u7684\u4e00\u4e2a\u514d\u8d39\u3001\u6613\u7528\u3001\u90e8\u5206\u5f00\u6e90\u7684\u7efc\u5408\u5728\u7ebf\u7ed8\u56fe\u7cfb\u7edf\uff08\u751f\u7269\u533b\u5b66\u4e3a\u4e3b\uff09\u3002\u622a\u81f3\u76ee\u524d\uff0c\u8be5\u7f51\u7ad9\u5df2\u63d0\u4f9b\u8d85\u8fc7 230+\u4f59\u4e2a\u5728\u7ebf\u53ef\u89c6\u5316\u5206\u6790\u529f\u80fd\uff0c\u6db5\u76d6\u4e86\u57fa\u7840\u79d1\u7814\u7ed8\u56fe\u3001\u7ec4\u5b66\u53ef\u89c6\u5316\u548c\u90e8\u5206\u4e34\u5e8a\u6a21\u578b\u53ef\u89c6\u5316\u529f\u80fd\u3002\u603b\u7684\u6ce8\u518c\u7528\u6237\u5df2\u8d85\u8fc7 2 \u4e07 5 \u5343\u4eba\uff0c\u603b\u8bbf\u95ee\u91cf\u8d85\u8fc7 300 \u4e07\u6b21\uff0c\u6bcf\u65e5\u4efb\u52a1\u6570\u5df2\u8d85 4000 \u4f59\u6b21\u3002
\u8fd1\u65e5\uff0c\u4e3a\u4e86\u8ba9\u66f4\u591a\u751f\u7269\u4fe1\u606f\u5b66\u9886\u57df\u5185\u7684\u540c\u9053\u53ef\u4ee5\u65b9\u4fbf\u5730\u5728\u672c\u5730\u8fd0\u884c\u6211\u4eec\u5df2\u5f00\u6e90\u7684\u53ef\u89c6\u5316\u5de5\u5177\uff08https://github.com/hiplot/plugins-open\uff09\u4ee5\u53ca\u4e3a Hiplot \u7f51\u7ad9\u8d21\u732e\u63d2\u4ef6\uff0c\u6211\u4eec\u5f00\u6e90\u4e86 Hiplot \u7f51\u7ad9\u5e94\u7528\u7684\u672c\u5730\u8fd0\u884c\u548c\u5f00\u53d1\u5e93\uff1ahttps://github.com/hiplot/hiplotlib\u3002\u5982\u679c\u4f60\u60f3\u4e3a Hiplot \u7f51\u7ad9\u6dfb\u52a0\u989c\u8272\u3001\u4e3b\u9898\u6216\u8005\u90e8\u5206\u65b0\u57fa\u7840\u7279\u6027\uff0c\u90fd\u53ef\u4ee5\u5411\u8fd9\u4e2a\u4ed3\u5e93\u53d1\u8d77 Pull request \u8bf7\u6c42\u3002
"},{"location":"issue-29/#_2","title":"\u751f\u4fe1\u79d1\u6280\u52a8\u6001","text":"1\u3001Nat Biotechnol\uff5c\u57fa\u4e8e\u591a\u4e2d\u5fc3\u3001\u591a\u5e73\u53f0\u3001\u9ad8\u6df1\u5ea6WGS\u7684\u53c2\u8003\u8c03\u7528\u96c6\uff0c\u4e3a\u764c\u75c7\u7a81\u53d8\u68c0\u6d4b\u63d0\u4f9b\u66f4\u9ad8\u53c2\u7167\u6807\u51c6
\u7814\u7a76\u56e2\u961f\u9009\u53d6\u4e09\u9634\u6027\u4e73\u817a\u764c\uff08TNBC\uff09\u7ec6\u80de\u7cfb \uff08HCC1395\uff09\u548cB\u6dcb\u5df4\u7ec6\u80de\u884d\u751f\u7684\u6b63\u5e38\u7ec6\u80de\u7cfb\uff08HCC1395BL\uff09\uff0c\u5229\u7528WGS\u8de8\u8d8a7\u4e2a\u6d4b\u5e8f\u4e2d\u5fc3\u5bf9\u914d\u5bf9\u80bf\u7624-\u6b63\u5e38\u7ec6\u80de\u7cfb\u7684\u5168\u57fa\u56e0\u7ec4\u8fdb\u884c\u4e86\u6df1\u5ea6\u6d4b\u5e8f\uff081500X\uff09\uff0c\u6700\u5927\u9650\u5ea6\u5730\u51cf\u5c11\u4e86\u7279\u5b9a\u6d4b\u5e8f\u5e73\u53f0\u3001\u68c0\u6d4b\u4e2d\u5fc3\u6216\u751f\u7269\u4fe1\u606f\u5b66\u7b97\u6cd5\u7684\u504f\u5dee\uff0c\u6700\u7ec8\u5728HCC1395\u7ec6\u80de\u7cfb\u7684\u6574\u4e2a\u57fa\u56e0\u7ec4\u4e2d\u521b\u5efa\u4e86\u9ad8\u53ef\u4fe1\u5ea6\u7684\u7a81\u53d8\u8c03\u7528\u6570\u636e\uff0c\u5373\u201c\u53c2\u8003\u8c03\u7528\u96c6\u201d\u3002\u6b64\u5916\uff0c\u7814\u7a76\u56e2\u961f\u8fd8\u901a\u8fc7\u9776\u5411\u6d4b\u5e8f\u3001\u5355\u7ec6\u80deDNA\u6d4b\u5e8f\u5206\u6790\u7b49\u65b9\u6cd5\u5bf9\u7a81\u53d8\u8c03\u7528\u96c6\u8fdb\u884c\u4e86\u9a8c\u8bc1\uff0c\u63d0\u4f9b\u4e86\u5177\u6709\u4e34\u5e8a\u76f8\u5173\u6ce8\u91ca\u7684\u9ad8\u53ef\u4fe1\u5ea6\u79cd\u7cfb\u548c\u4f53\u7ec6\u80de\u8c03\u7528\u96c6\u3002
2\u3001Signal Transduction and Targeted Therapy | \u764c\u75c7\u514d\u75ab\u7814\u7a76\u7684\u6280\u672f\u8fdb\u6b65\uff1a\u4ece\u514d\u75ab\u57fa\u56e0\u7ec4\u5b66\u5230\u5355\u7ec6\u80de\u5206\u6790\u548c\u4eba\u5de5\u667a\u80fd
\u3010\u7efc\u8ff0\u3011\u80bf\u7624\u7ec6\u80de\u4e0e\u9644\u8fd1\u7684\u7ec6\u80de\u4e00\u8d77\u5b58\u5728\u4e8e\u590d\u6742\u7684\u7ec6\u80de\u7fa4\u843d\u4e2d\uff0c\u8fd9\u5f3a\u70c8\u5f71\u54cd\u80bf\u7624\u7ec6\u80de\u7684\u751f\u957f\u3001\u884c\u4e3a\u548c\u4e0e\u5176\u4ed6\u7ec6\u80de\u7684\u4ea4\u6d41\u3002\u5728\u8fd9\u4e9b\u7ec6\u80de\u4e2d\uff0c\u514d\u75ab\u7ec6\u80de\u662f\u5173\u952e\u7684\u53c2\u4e0e\u8005\uff0c\u8bb8\u591a\u7814\u7a76\u8bc1\u660e\u80bf\u7624\u7ec6\u80de\u548c\u514d\u75ab\u7ec6\u80de\u4e4b\u95f4\u7684\u4ea4\u6d41\u662f\u53cc\u5411\u7684\u3002\u4e8b\u5b9e\u4e0a\uff0c\u514d\u75ab\u7ec6\u80de\u65e2\u80fd\u4fc3\u8fdb\u4e5f\u80fd\u6291\u5236\u764c\u53d8\u3001\u80bf\u7624\u8fdb\u5c55\u3001\u8f6c\u79fb\u548c\u590d\u53d1\u3002\u56e0\u6b64\uff0c\u6587\u7ae0\u4e3b\u8981\u5173\u6ce8\u80bf\u7624\u514d\u75ab\u5fae\u73af\u5883\uff08TIME\uff09\u3002
3\u3001Nature Communication | \u5317\u4eac\u5927\u5b66\u5e2d\u745e\u658c\u7ec4\u5f00\u53d1\u5355\u7ec6\u80de\u57fa\u56e0\u878d\u5408\u63a2\u6d4b\u7b97\u6cd5scFusion
scFusion\u6574\u5408\u6765\u81ea\u6bcf\u4e2a\u7ec6\u80de\u7684\u5d4c\u5408\u5e8f\u5217\u5f97\u5230\u5019\u9009\u57fa\u56e0\u878d\u5408\uff0c\u518d\u5229\u7528\u7edf\u8ba1\u6a21\u578b\u548c\u6df1\u5ea6\u5b66\u4e60\u6a21\u578b\u4ece\u4e2d\u7b5b\u9009\u51fa\u8f83\u4e3a\u53ef\u9760\u7684\u7ed3\u679c\u3002scFusion\u9996\u5148\u5229\u7528STAR\u8fdb\u884c\u5e8f\u5217\u6620\u5c04\uff0c\u63d0\u53d6\u51fa\u5d4c\u5408\u5e8f\u5217\u5e76\u5f97\u5230\u521d\u59cb\u5019\u9009\u57fa\u56e0\u878d\u5408\uff08\u51e0\u4e07\u4e2a\u5230\u51e0\u5341\u4e07\u4e2a\uff09\u3002\u7531\u4e8e\u771f\u5b9e\u7684\u57fa\u56e0\u878d\u5408\u4e8b\u4ef6\u5e76\u4e0d\u4f1a\u592a\u591a\uff0c\u7edd\u5927\u90e8\u5206\u5019\u9009\u57fa\u56e0\u878d\u5408\u90fd\u662f\u6280\u672f\u539f\u56e0\u9020\u6210\u7684\u5047\u9633\u6027\u3002\u5e2d\u745e\u658c\u56e2\u961f\u57fa\u4e8e\u5e7f\u4e49\u53ef\u52a0\u6a21\u578b\uff08generalized additive model\uff09\u5bf9\u878d\u5408\u7684\u652f\u6301\u5e8f\u5217\u6570\u8fdb\u884c\u5efa\u6a21\uff0c\u4ece\u4e2d\u4f30\u8ba1\u51fa\u80cc\u666f\u566a\u58f0\u7684\u5206\u5e03\uff1b\u518d\u7528\u7edf\u8ba1\u5047\u8bbe\u68c0\u9a8c\u65b9\u6cd5\uff0c\u4ece\u4e2d\u6311\u9009\u51fa\u5d4c\u5408\u5e8f\u5217\u652f\u6301\u6570\u663e\u8457\u9ad8\u4e8e\u80cc\u666f\u566a\u58f0\u7684\u57fa\u56e0\u878d\u5408\u3002\u53e6\u4e00\u65b9\u9762\uff0c\u90e8\u5206\u6280\u672f\u539f\u56e0\u9020\u6210\u7684\u5047\u9633\u6027\u4e5f\u4f1a\u53cd\u590d\u51fa\u73b0\uff0c\u4e14\u6709\u975e\u5e38\u9ad8\u7684\u5d4c\u5408\u5e8f\u5217\u652f\u6301\u6570\uff0c\u7edf\u8ba1\u6a21\u578b\u4e2d\u5f88\u96be\u53bb\u9664\u8fd9\u4e9b\u5047\u9633\u6027\u3002\u4e3a\u4e86\u8fdb\u4e00\u6b65\u53bb\u9664\u8fd9\u4e9b\u5047\u9633\u6027\uff0cscFusion\u901a\u8fc7\u6784\u5efabi-LSTM\u795e\u7ecf\u7f51\u7edc\uff0c\u5b66\u4e60\u7531\u6280\u672f\u539f\u56e0\u9020\u6210\u7684\u5d4c\u5408\u5e8f\u5217\u7684\u7279\u5f81\uff0c\u4ece\u800c\u53bb\u9664\u76f8\u5e94\u7684\u5047\u9633\u6027\u3002\u7ecf\u8fc7\u4e24\u4e2a\u6a21\u578b\u7684\u8fc7\u6ee4\uff0cscFusion\u63a2\u6d4b\u57fa\u56e0\u878d\u5408\u5177\u6709\u5f88\u9ad8\u7684\u7075\u654f\u5ea6\u548c\u7279\u5f02\u5ea6\u3002
4\u3001Genome Biology | \u57fa\u4e8e\u957f\u8bfb\u957f\u8f6c\u5f55\u7ec4\u6d4b\u5e8f\u68c0\u6d4b\u878d\u5408\u57fa\u56e0\u7684\u65b0\u65b9\u6cd5\u2014\u2014JAFFAL
\u76ee\u524d\uff0c\u53ea\u6709\u4e09\u79cd\u878d\u5408\u57fa\u56e0\u68c0\u6d4b\u65b9\u6cd5\u53ef\u7528\u4e8e\u957f\u8bfb\u957f\u8f6c\u5f55\u7ec4\u6d4b\u5e8f\u6570\u636e\uff1aJAFFA\u3001Aeron\u3001LongGF\u3002JAFFA\u867d\u7136\u53ef\u4ee5\u5904\u7406\u4efb\u4f55\u957f\u5ea6\u7684\u8f6c\u5f55\u7ec4\u6d4b\u5e8f\u6570\u636e\uff0c\u4f46\u6d4b\u5e8f\u9519\u8bef\u7387\u8f83\u9ad8\u65f6\uff0c\u5176\u7075\u654f\u5ea6\u5f88\u4f4e\uff1bAeron\u662f\u57fa\u4e8e\u53c2\u8003\u8f6c\u5f55\u7ec4\u5c06\u957f\u5e8f\u5217\u7247\u6bb5\u6bd4\u5bf9\u56fe\u5f62\u4e0a\u6765\u68c0\u6d4b\u878d\u5408\u57fa\u56e0\u3002LongGF\u53ef\u5206\u6790\u57fa\u56e0\u7ec4\u957f\u8bfb\u957f\u6d4b\u5e8f\u6570\u636e\uff0c\u5e76\u901a\u8fc7\u8bc6\u522b\u4e0e\u591a\u4e2a\u57fa\u56e0\u6bd4\u5bf9\u7684reads\u6765\u68c0\u6d4b\u878d\u5408\u3002
\u4e3a\u4e86\u5229\u7528\u65b0\u7684\u957f\u8bfb\u957f\u6d4b\u5e8f\u6280\u672f\u8fdb\u884c\u878d\u5408\u57fa\u56e0\u53d1\u73b0\u548c\u8868\u5f81\uff0c\u7814\u7a76\u56e2\u961f\u57fa\u4e8e\u6b64\u524d\u5f00\u53d1\u7684JAFFA\u7814\u53d1\u4e86\u65b0\u7684\u878d\u5408\u57fa\u56e0\u68c0\u6d4b\u5de5\u5177JAFFAL\u3002JAFFAL\u662f\u4e00\u79cd\u7528 bpipe \u7f16\u5199\u7684\u65b0\u591a\u7ea7\u8ba1\u7b97\u6846\u67b6\u3002\u7814\u7a76\u56e2\u961f\u4f7f\u7528\u6a21\u62df\u6570\u636e\u3001\u7ec6\u80de\u7cfb\u548c\u6765\u81eaONT\u548cPacBio\u7684\u60a3\u8005\u6570\u636e\u5bf9JAFFAL\u8fdb\u884c\u4e86\u9a8c\u8bc1\uff0c\u5e76\u5c06JAFFAL\u5e94\u7528\u5230\u5355\u7ec6\u80de\u6570\u636e\u4e2d\uff0c\u53d1\u73b0\u4e86\u8de8\u8d8a\u4e09\u4e2a\u57fa\u56e0\u7684\u878d\u5408\uff0c\u5c55\u793a\u4e86\u4ece\u590d\u6742\u91cd\u6392\u4e2d\u68c0\u6d4b\u5230\u7684\u8f6c\u5f55\u672c\u3002
"},{"location":"issue-29/#_3","title":"\u6587\u7ae0","text":"1\u3001TCGA\u6539\u7248\u540e\u8f6c\u5f55\u7ec4\u6570\u636e\u7684\u4e0b\u8f7d\u4ee5\u53ca\u6574\u7406
2\u3001\u80bf\u7624\u6cbb\u7597\u4e2dINF\u03b3\u7684\u4f5c\u7528\u8be6\u89e3
3\u3001\u516d\u4e2a\u6df1\u5ea6\u5b66\u4e60\u5e38\u7528\u635f\u5931\u51fd\u6570\u603b\u89c8\uff1a\u57fa\u672c\u5f62\u5f0f\u3001\u539f\u7406\u3001\u7279\u70b9
4\u3001\u7406\u89e3DEseq2\u5dee\u5f02\u5206\u6790\u539f\u7406
"},{"location":"issue-29/#_4","title":"\u5de5\u5177","text":"1\u3001toml-bench: \u5728python\u4e2d\u8be5\u4f7f\u7528\u54ea\u4e2atoml\u5305\u5462\uff1f
\u8fd9\u4e2a\u9879\u76ee\u5bf9python\u4e2d\u4e0d\u540ctoml\u5305\u8fdb\u884c\u4e86\u6d4b\u8bd5\uff0c\u8ba9\u4eba\u66f4\u5168\u9762\u7684\u4e86\u89e3\u4e0d\u540c\u7684toml\u5305\u7684\u4f18\u7f3a\u70b9\u3002\u8ba9\u4eba\u5f88\u5bb9\u6613\u9009\u62e9\u9002\u5f53\u81ea\u5df1\u9879\u76ee\u7684toml\u5305\u3002\u4e5f\u8ba9toml\u5305\u5f00\u53d1\u8005\u6709\u4e86\u4e00\u5957\u57fa\u51c6\u6d4b\u8bd5\uff0c\u8ba9\u4ed6\u4eec\u5bf9\u81ea\u5df1\u7684\u5305\u7684\u4f18\u7f3a\u70b9\u4e86\u5982\u6307\u638c\u5e76\u5728\u540e\u7eed\u8fdb\u884c\u9488\u5bf9\u6027\u6539\u8fdb\u3002
2\u3001PubMed\u8d85\u5f3a\u63d2\u4ef6 sangerbox
\u672c\u6587\u4ecb\u7ecd\u4e00\u6b3e\u5b8c\u5168\u514d\u8d39\u7684\u65e0\u9700\u767b\u5f55\u7684pubmed\u63d2\u4ef6\uff0c\u4ed6\u53ef\u4ee5\u89e3\u51b3pubmed\u672c\u8eab\u4e0d\u663e\u793a\u6742\u5fd7\u5f71\u54cd\u56e0\u5b50\u7684\u95ee\u9898\uff0c\u91cd\u8981\u7684\u662f\u4ed6\u8fd8\u80fd\u663e\u793a\u5373\u65f6\u5f71\u54cd\u56e0\u5b50\uff0c\u4e2d\u79d1\u9662\u5206\u533a\u548c\u6742\u5fd7\u9884\u8b66\u4fe1\u606f\u3002
3\u3001ask - Friendly CLI interaction in R
4\u3001cmd - Code generator to produce CLI from R packages
5\u3001Flux.jl - ML library that doesn\u2019t make you tensor
Flux\u662f\u4e00\u79cd\u4f18\u96c5\u7684\u673a\u5668\u5b66\u4e60\u65b9\u6cd5\u3002\u5b83\u662f\u4e00\u4e2a100%\u7eafJulia\u7684\u6808\uff0c\u5728Julia\u672c\u5730GPU\u548cAD\u652f\u6301\u7684\u57fa\u7840\u4e0a\u63d0\u4f9b\u4e86\u8f7b\u91cf\u7ea7\u7684\u62bd\u8c61\u3002Flux\u8ba9\u7b80\u5355\u7684\u4e8b\u60c5\u53d8\u5f97\u7b80\u5355\uff0c\u540c\u65f6\u4fdd\u6301\u5b8c\u5168\u53ef\u88ab\u9ed1\u5ba2\u653b\u51fb\u3002
6\u3001ffq - A tool to find sequencing data and metadata from public databases
\uff08\u53ef\u4ee5\u7528\u4e8e\u83b7\u53d6\u6570\u636e\u94fe\u63a5\u7136\u540e\u5b9e\u73b0\u53ef\u7f16\u7a0b\u4e0b\u8f7d\uff09
\u4ece\u4ee5\u4e0b\u6570\u636e\u5e93\u4e2d\u83b7\u53d6\u5143\u6570\u636e\u4fe1\u606f\uff1a
1\u3001\u201cAI+\u751f\u547d\u79d1\u5b66\u201d\u4eba\u5de5\u667a\u80fd\u516c\u76ca\u8bad\u7ec3\u8425
DeeCamp2022 \u516c\u76ca\u8bad\u7ec3\u8425\u9762\u5411\u6240\u6709\u8ba1\u7b97\u673a\u3001\u751f\u7269\u3001\u6570\u5b66\u3001\u7269\u7406\u3001\u5316\u5b66\u53ca\u5176\u4ed6\u751f\u547d\u79d1\u5b66\u76f8\u5173\u4ea4\u53c9\u79d1\u5b66\u9886\u57df\u7684\u672c\u3001\u7855\u3001\u535a\u5728\u6821\u751f\u5f00\u653e\u62a5\u540d\uff0c\u5168\u7a0b\u514d\u8d39\u3002
DeeCamp2022 \u5c06\u901a\u8fc7\u7ebf\u4e0a\u65b9\u5f0f\u8fdb\u884c\uff0c\u5206\u4e3a\u5927\u5e08\u8bfe\u548c\u521b\u65b0\u6311\u6218\u8d5b\u4e24\u90e8\u5206\u3002\u6210\u529f\u52a0\u5165 DeeCamp \u7684\u5b66\u5458\uff0c\u5c06\u83b7\u5f97\u591a\u4f4d AI \u53ca\u751f\u547d\u79d1\u5b66\u9886\u57df\u7684\u79d1\u7814\u53ca\u4ea7\u4e1a\u9876\u7ea7\u5927\u5e08\u5728\u7ebf\u6388\u8bfe\u3002
2\u3001\u5168\u7f51\u75be\u75c5\u5355\u7ec6\u80de\u6570\u636e\u5e93\u6c47\u603b
3\u3001Digital | \u5927\u578b\u4e8c\u4ee3\u6d4b\u5e8f\u91cd\u5206\u6790\u6570\u636e\u96c6
"},{"location":"issue-29/#_6","title":"\u8d21\u732e\u8005","text":"\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
\u611f\u8c22\u4ee5\u4e0b\u8bfb\u8005\u5f80\u671f\u7684\u8d5e\u8d4f\uff1a
\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-3/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 3 \u671f\uff09\uff1a\u767e\u5e74\u6768\u632f\u5b81","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
GitHub \u7c89\u4eec\u53ef\u4ee5\u901a\u8fc7 Watch \u4ed3\u5e93\u7684 Release\uff08\u63d0\u524d\uff09\u5173\u6ce8\u53d1\u5e03\u5185\u5bb9\u3002
\u8ba8\u8bba\u533a\u7684\u5e16\u5b50\u300a\u8c01\u5728\u62db\u4eba\uff1f\u300b\uff0c\u63d0\u4f9b\u751f\u4fe1\u6df1\u9020\u548c\u5c31\u4e1a\u4fe1\u606f\uff0c\u6b22\u8fce\u8bbf\u95ee\u6216\u53d1\u5e03\u5b66\u4f4d\u653b\u8bfb/\u5de5\u4f5c/\u5b9e\u4e60\u7b49\u5c97\u4f4d\u3002
\u300c\u672c\u671f\u4e13\u7528\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-3/#_1","title":"\u5c01\u9762\u56fe","text":"\u5bf9\u6297\u4e0e\u5bf9\u6d41\u3002\uff08via\uff09
"},{"location":"issue-3/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u767e\u5e74\u6768\u632f\u5b81","text":"2021\u5e7410\u67081\u65e5\uff0c\u6768\u632f\u5b81\u5148\u751f\u5c06\u8fce\u6765\u519c\u5386100\u5468\u5c81\u751f\u65e5\uff0c\u5b66\u672f\u754c\u7eb7\u7eb7\u63a8\u51fa\u6d3b\u52a8\u6216\u6587\u96c6\u795d\u8d3a\u6768\u5148\u751f\u767e\u5c81\u8bde\u8fb0\u3002\u300a\u8d5b\u5148\u751f\u300b\u81ea8\u6708\u8d77\u9646\u7eed\u520a\u53d1\u7cfb\u5217\u91cd\u6e29\u6768\u632f\u5b81\u5148\u751f\u91cd\u8981\u8d21\u732e\u7684\u7ecf\u5178\u6587\u7ae0\u30029\u670822\u65e5\u8d77\u4e0e\u300a\u77e5\u8bc6\u5206\u5b50\u300b\u8054\u5408\u63a8\u51fa \u201c\u767e\u5e74\u98ce\u534e\u6768\u632f\u5b81\u201d \u7cfb\u5217\u6587\u7ae0\u3002\u9080\u8bf7\u6731\u90a6\u82ac\u3001\u6f58\u5efa\u4f1f\u3001\u65bd\u4e00\u516c\u3001\u9976\u6bc5\u7b49\u79d1\u5b66\u5bb6\u53ca\u6768\u632f\u5b81\u5148\u751f\u5b66\u751f\u4e3a\u6768\u5148\u751f\u767e\u5c81\u8bde\u8fb0\u9001\u4e0a\u795d\u798f\u3002
\u4f60\u8ba4\u8bc6\u6768\u632f\u5b81\u5417\uff1f\u77e5\u9053\u4ed6\u6709\u54ea\u4e9b\u6210\u679c\uff1f\u54ea\u4e9b\u6210\u679c\u548c\u54c1\u5fb7\u8ba9\u4f60\u94a6\u4f69\uff1f\u4ed6\u7684\u7ecf\u5386\u662f\u5426\u4fc3\u8fdb\u4f60\u5bf9\u79d1\u5b66\u548c\u751f\u4fe1\u79d1\u7814\u7684\u601d\u8003\uff1f\ud83e\udd14
\u6b22\u8fce\u8bfb\u8005\u5728\u7559\u8a00\u8ba8\u8bba\u533a\u8fdb\u884c\u8bc4\u8bba\u4ea4\u6d41\u3002
\u613f\u6211\u4eec\u90fd\u80fd\u4e3a\u56fd\u5bb6\u3001\u4e3a\u751f\u4fe1\u3001\u4e3a\u81ea\u5df1\u594b\u6597\u767e\u5e74\uff01
"},{"location":"issue-3/#_3","title":"\u751f\u4fe1\u79d1\u6280\u52a8\u6001","text":"1\u3001Science\u518d\u6b21\u53d1\u5e03\u201c\u5168\u4e16\u754c\u6700\u524d\u6cbf\u7684125\u4e2a\u79d1\u5b66\u95ee\u9898\u201d
\u5176\u4e2d\u751f\u547d\u79d1\u5b66\u9886\u57df\u7684\u95ee\u9898\u53ef\u4ee5\u4f5c\u4e3a\u5404\u4f4d\u8bfb\u8005\u601d\u8003\u548c\u4ee5\u540e\u653b\u514b\u7684\u65b9\u5411\u3002
2\u3001\u5355\u7ec6\u80de\u5206\u6790\u8fc8\u5165\u591a\u7ec4\u5b66\u65f6\u4ee3
\u4e00\u7cfb\u5217\u8fc5\u901f\u53d1\u5c55\u7684\u8f6f\u4ef6\u5de5\u5177\u6b63\u5728\u5e2e\u52a9\u7814\u7a76\u4eba\u5458\u5206\u6790\u591a\u4e2a\u5e9e\u5927\u7684\u7ec4\u5b66\u6570\u636e\u96c6\u3002\u8fc7\u53bb\u5341\u5e74\u89c1\u8bc1\u4e86\u5355\u7ec6\u80de\u57fa\u56e0\u7ec4\u5b66\u7684\u7206\u70b8\u5f0f\u589e\u957f\u3002\u63cf\u8ff0\u57fa\u56e0\u8868\u8fbe\u7684\u5355\u7ec6\u80deRNA\u6d4b\u5e8f (RNA-seq)\u662f\u6700\u5e38\u7528\u7684\u6280\u672f\u3002\u5176\u4ed6\u65b9\u6cd5\u5219\u8be6\u7ec6\u63cf\u8ff0\u4e86\u7532\u57fa\u5316\u3001\u9057\u4f20\u53d8\u5f02\u3001\u86cb\u767d\u8d28\u4e30\u5ea6\u548c\u67d3\u8272\u8d28\u53ef\u53ca\u6027\u7b49\u8fc7\u7a0b\u3002
3\u3001Robust haplotype-resolved assembly of diploid individuals without parental data
\u5e38\u89c4\u5355\u6837\u672c\u5355\u500d\u578b\u89e3\u6790\u7ec4\u88c5\u4ecd\u7136\u662f\u4e00\u4e2a\u672a\u89e3\u51b3\u7684\u95ee\u9898\u3002\u5728\u8fd9\u91cc\uff0c\u6211\u4eec\u63cf\u8ff0\u4e86\u4e00\u79cd\u65b0\u7b97\u6cd5\uff0c\u8be5\u7b97\u6cd5\u7ed3\u5408\u4e86 PacBio HiFi \u8bfb\u6570\u548c Hi-C \u67d3\u8272\u8d28\u76f8\u4e92\u4f5c\u7528\u6570\u636e\uff0c\u4ee5\u751f\u6210\u5355\u500d\u578b\u89e3\u6790\u7684\u7ec4\u88c5\uff0c\u800c\u65e0\u9700\u5bf9\u4eb2\u672c\u8fdb\u884c\u6d4b\u5e8f\u3002\u5e94\u7528\u4e8e\u4eba\u7c7b\u548c\u5176\u4ed6\u810a\u690e\u52a8\u7269\u6837\u672c\uff0c\u6211\u4eec\u7684\u7b97\u6cd5\u59cb\u7ec8\u4f18\u4e8e\u73b0\u6709\u7684\u5355\u6837\u672c\u7ec4\u88c5\u7ba1\u9053\uff0c\u5e76\u751f\u6210\u4e0e\u6700\u4f73\u57fa\u4e8e\u8c31\u7cfb\u7684\u7ec4\u88c5\u8d28\u91cf\u76f8\u5f53\u7684\u7ec4\u88c5\u3002
4\u3001\u5229\u7528\u957f\u8bfb\u957f\u6d4b\u5e8f\u6570\u636e\u89e3\u6790\u9057\u4f20\u53d8\u5f02\u7684\u6df1\u5ea6\u5b66\u4e60\u7b97\u6cd5NanoCaller
\u4e0e\u77ed\u8bfb\u957f\u6d4b\u5e8f\u6280\u672f\u76f8\u6bd4\uff0c\u957f\u8bfb\u957f\u6d4b\u5e8f\u6280\u672f\u6210\u672c\u66f4\u4f4e\uff0creads\u957f\u5ea6\u66f4\u957f\uff0c\u53ef\u4ee5\u514b\u670d\u77ed\u8bfb\u957f\u6d4b\u5e8f\u65e0\u6cd5\u89e3\u51b3\u7684\u591a\u4e2a\u6311\u6218\u6027\u95ee\u9898\uff0c\u5df2\u6210\u529f\u7528\u4e8e\u5bf9\u4e0d\u540c\u7269\u79cd\u7684\u57fa\u56e0\u7ec4\u8fdb\u884c\u6d4b\u5e8f\u3002\u4f46\u4e0e\u77ed\u8bfb\u957f\u6d4b\u5e8f\u6570\u636e\u76f8\u6bd4\uff0c\u957f\u8bfb\u957f\u6d4b\u5e8f\u7684\u7cbe\u51c6\u5ea6\u8f83\u4f4e\uff0c\u68c0\u6d4b\u9519\u8bef\u7387\u4e5f\u66f4\u9ad8\u3002\u6709\u7814\u7a76\u8868\u660e\uff0c\u5229\u7528\u57fa\u4e8e\u6df1\u5ea6\u5b66\u4e60\u7684\u7b97\u6cd5\uff0c\u5728\u957f\u8bfb\u957f\u6d4b\u5e8f\u6570\u636e\u4e0a\u53ef\u4ee5\u7cbe\u786e\u68c0\u6d4b\u53d8\u5f02\u3002\u6839\u636e\u5355\u500d\u578b\u6570\u636e\u7684\u5206\u9636\u6bb5\u6bd4\u5bf9\u53ef\u63d0\u9ad8\u53d8\u5f02\u8bc6\u522b\u7684\u51c6\u786e\u6027\uff0c\u73b0\u6709\u7684\u4e09\u79cd\u7b97\u6cd5\uff08DeepVariant\u3001Clairvoyante\u548cClair\uff09\u5728\u77ed\u8bfb\u957f\u548c\u957f\u8bfb\u957f\u6570\u636e\u4e0a\u90fd\u80fd\u5f88\u597d\u5730\u8fd0\u884c\u5355\u500d\u578b\u6570\u636e\u6bd4\u5bf9\uff0c\u4f46\u8fd9\u4e9b\u7b97\u6cd5\u5728SNP\u68c0\u6d4b\u4e2d\u90fd\u5ffd\u7565\u4e86\u6765\u81ea\u8fdc\u7aef\u5355\u500d\u578bSNP\u7684\u91cd\u8981\u4fe1\u606f\u3002
\u8fd1\u65e5\uff0c\u8d39\u57ce\u513f\u7ae5\u533b\u9662\u738b\u51ef\u6559\u6388\u56e2\u961f\u5f00\u53d1\u4e86\u4e00\u79cd\u65b0\u7684\u6df1\u5ea6\u5b66\u4e60\u7b97\u6cd5\u2013NanoCaller\uff0c\u53ef\u5145\u5206\u5229\u7528\u957f\u8bfb\u957f\u6d4b\u5e8f\u5728\u57fa\u56e0\u7ec4\u533a\u57df\u4e2d\u68c0\u6d4b\u53d8\u5f02\uff0c\u5e76\u5728Genome Biology\u4e0a\u53d1\u8868\u4e86\u9898\u4e3aNanoCaller for accurate detection of SNPs and indels in difficult-to-map regions from long-read sequencing by haplotype-aware deep neural networks\u7684\u7814\u7a76\u6587\u7ae0\u3002NanoCaller\u53ef\u5229\u7528\u5355\u500d\u578b\u4fe1\u606f\u68c0\u6d4bSNP\uff0c\u4f7f\u7528\u79f0\u4e3aSNP\u7684\u957freads\u8fdb\u884c\u5b9a\u76f8\uff0c\u5e76\u901a\u8fc7\u5c40\u90e8\u91cd\u65b0\u6392\u5217\u68c0\u6d4bInDel\u3002\u7814\u7a76\u56e2\u961f\u5229\u7528NanoCaller\u68c0\u6d4b\u4e86\u4e00\u4e2a\u88ab\u5e7f\u6cdb\u4f7f\u7528\u7684\u57fa\u51c6\u57fa\u56e0\u7ec4\u4e2d\u768441\u4e2a\u5168\u65b0\u53d8\u4f53\uff0c\u8fd9\u662f\u6b64\u524d\u5176\u4ed6\u65b9\u6cd5\u65e0\u6cd5\u5b9e\u73b0\u53ef\u9760\u68c0\u6d4b\uff0c\u6709\u52a9\u4e8e\u4ece\u957f\u8bfb\u957f\u6d4b\u5e8f\u4e2d\u53d1\u73b0\u590d\u6742\u57fa\u56e0\u7ec4\u533a\u57df\u7684\u65b0\u53d8\u4f53\u3002
5\u3001Subtype-GAN: a deep learning approach for integrative cancer subtyping of multi-omics data
\u764c\u75c7\u4e9a\u578b\u7684\u53d1\u73b0\u6709\u52a9\u4e8e\u63a2\u7d22\u764c\u75c7\u53d1\u75c5\u673a\u5236\uff0c\u786e\u5b9a\u6cbb\u7597\u4e2d\u7684\u4e34\u5e8a\u53ef\u64cd\u4f5c\u6027\uff0c\u5e76\u63d0\u9ad8\u60a3\u8005\u7684\u751f\u5b58\u7387\u3002\u7136\u800c\uff0c\u7531\u4e8e\u591a\u7ec4\u5b66\u6570\u636e\u7684\u591a\u6837\u6027\u548c\u590d\u6742\u6027\uff0c\u5f00\u53d1\u7528\u4e8e\u80bf\u7624\u5206\u5b50\u4e9a\u578b\u7684\u96c6\u6210\u805a\u7c7b\u7b97\u6cd5\u4ecd\u7136\u5177\u6709\u6311\u6218\u6027\u3002\u672c\u6587\u63d0\u51fa\u4e86 Subtype-GAN\uff0c\u8fd9\u662f\u4e00\u79cd\u57fa\u4e8e\u591a\u8f93\u5165\u591a\u8f93\u51fa\u795e\u7ecf\u7f51\u7edc\u7684\u6df1\u5ea6\u5bf9\u6297\u5b66\u4e60\u65b9\u6cd5\uff0c\u53ef\u4ee5\u51c6\u786e\u5730\u5bf9\u590d\u6742\u7684\u7ec4\u5b66\u6570\u636e\u8fdb\u884c\u5efa\u6a21\u3002\u901a\u8fc7\u4ece\u795e\u7ecf\u7f51\u7edc\u4e2d\u63d0\u53d6\u6f5c\u5728\u53d8\u91cf\uff0cSubtype-GAN \u4f7f\u7528\u5171\u8bc6\u805a\u7c7b\u548c\u9ad8\u65af\u6df7\u5408\u6a21\u578b\u6765\u8bc6\u522b\u80bf\u7624\u6837\u672c\u7684\u5206\u5b50\u4e9a\u578b\u3002\u4e0e\u5176\u4ed6\u6700\u5148\u8fdb\u7684\u5b50\u5206\u578b\u65b9\u6cd5\u76f8\u6bd4\uff0cSubtype-GAN \u5728\u7531\u6765\u81ea 10 \u79cd\u764c\u75c7\u7c7b\u578b\u7684 4000 \u4e2a TCGA \u80bf\u7624\u7ec4\u6210\u7684\u57fa\u51c6\u6570\u636e\u96c6\u4e0a\u53d6\u5f97\u4e86\u51fa\u8272\u7684\u8868\u73b0\u3002\u4f5c\u8005\u5c06 Subtype-GAN \u5e94\u7528\u4e8e BRCA \u6570\u636e\u96c6\uff0c\u5e76\u81ea\u52a8\u83b7\u5f97\u4e86 1031 \u4e2a BRCA \u80bf\u7624\u7684\u4e9a\u578b\u6570\u91cf\u548c\u4e9a\u578b\u6807\u7b7e\u3002\u901a\u8fc7\u8be6\u7ec6\u5206\u6790\uff0c\u4f5c\u8005\u53d1\u73b0\u8bc6\u522b\u51fa\u7684\u4e9a\u578b\u5177\u6709\u4e34\u5e8a\u610f\u4e49\uff0c\u5e76\u4e14\u5728\u7279\u5f81\u7a7a\u95f4\u4e2d\u663e\u793a\u51fa\u4e0d\u540c\u7684\u6a21\u5f0f\uff0c\u8bc1\u660e\u4e86 Subtype-GAN \u7684\u5b9e\u7528\u6027\u3002
6\u3001DTI-Voodoo: machine learning over interaction networks and ontology-based background knowledge predicts drug\u2013target interactions
\u9884\u6d4bDTI\u7684\u65b9\u6cd5\u53ef\u4ee5\u5229\u7528\u836f\u7269\u7684\u8868\u578b\u6548\u5e94\u6765\u8bc6\u522b\u6f5c\u5728\u7684\u836f\u7269\u9776\u70b9\u800c\u95f4\u63a5\u8fdb\u884c\uff0c\u4e5f\u53ef\u4ee5\u662f\u76f4\u63a5\u7684\u5229\u7528\u5206\u5b50\u4fe1\u606f\u76f4\u63a5\u9884\u6d4b\u7ed3\u5408\u4eb2\u548c\u529b\u3002\u8fd9\u4e24\u79cd\u65b9\u6cd5\u90fd\u53ef\u4ee5\u4e0e\u6709\u5173\u4ea4\u4e92\u7f51\u7edc\u7684\u4fe1\u606f\u76f8\u7ed3\u5408\u3002\u4f5c\u8005\u5f00\u53d1\u4e86DTI-Voodoo\uff0c\u5c06\u836f\u7269\u7684\u5206\u5b50\u7279\u5f81\u548c\u672c\u4f53\u7f16\u7801\u7684\u8868\u578b\u6548\u5e94\u4e0e\u86cb\u767d\u8d28-\u86cb\u767d\u8d28\u76f8\u4e92\u4f5c\u7528\u7f51\u7edc\u76f8\u7ed3\u5408\uff0c\u5e76\u4f7f\u7528GCN\u6765\u9884\u6d4bDTI\u3002\u4f5c\u8005\u8bc1\u660e\u4e86\u836f\u7269\u6548\u5e94\u7279\u5f81\u53ef\u4ee5\u5229\u7528\u76f8\u4e92\u4f5c\u7528\u7f51\u7edc\u4e2d\u7684\u4fe1\u606f\uff0c\u800c\u5206\u5b50\u7279\u5f81\u5219\u4e0d\u80fd\u3002DTI-Voodoo\u65e8\u5728\u9884\u6d4b\u7ed9\u5b9a\u86cb\u767d\u8d28\u7684\u5019\u9009\u836f\u7269\uff1b\u5b9e\u9a8c\u8bc1\u660e\u4e86DTI-Voodoo\u6bd4\u6700\u5148\u8fdb\u7684DTI\u9884\u6d4b\u65b9\u6cd5\u6709\u663e\u8457\u7684\u6539\u8fdb\u3002
7\u3001Cathy Wu/Shirley Liu \u56e2\u961f\u5efa\u7acb\u591a\u4e2d\u5fc3\u514d\u75ab\u80bf\u7624\u751f\u7269\u6807\u5fd7\u7269\u5f00\u53d1\u5e73\u53f0
\u54c8\u4f5b\u5927\u5b66/\u4e39\u7279-\u6cd5\u535a\u764c\u75c7\u7814\u7a76\u6240Cathy Wu\u53caX.Shirley Liu \u56e2\u961f\u5728Clinical Cancer Research \u671f\u520a\u4e0a\u53d1\u8868\u4e86\u9898\u4e3aCross-Site Concordance Evaluation of Tumor DNA and RNA Sequencing Platforms for the CIMAC-CIDC Network\u7684\u6587\u7ae0\u3002\u8be5\u7814\u7a76\u5efa\u7acb\u5e76\u63cf\u8ff0\u4e86\u514d\u75ab\u6cbb\u7597\u4e34\u5e8a\u8bd5\u9a8c\u4e2d\u4ea7\u751f\u7684\u8de8\u4e2d\u5fc3\u591a\u7ec4\u5b66\u6570\u636e\u7684\u6574\u5408\u5206\u6790\u5e73\u53f0\u53ca\u7b56\u7565\uff0c\u5e76\u63cf\u8ff0\u4e86\u5efa\u7acb\u591a\u4e2d\u5fc3\u7f51\u7edc\u514d\u75ab\u80bf\u7624\u751f\u7269\u6807\u5fd7\u7269\u5f00\u53d1\u7684\u5173\u952e\u8981\u7d20\u3002\u5176\u4e2d\u5305\u62ec\u5e73\u53f0\u5efa\u8bbe\u3001\u514d\u75ab\u5206\u6790\u68c0\u6d4b\u7684\u9a8c\u8bc1\u548c\u534f\u8c03\u3001\u6570\u636e\u8bfb\u53d6\u548c\u96c6\u6210\u5e73\u53f0\u4ee5\u53ca\u591a\u7ec4\u5b66\u6570\u636e\u5206\u6790\u7684\u7b56\u7565\u3002\u8be5\u7814\u7a76\u4e5f\u6307\u51fa\uff0cDNA \u548c RNA \u5e73\u884c\u6d4b\u5e8f\u80fd\u591f\u663e\u8457\u63d0\u9ad8\u80bf\u7624\u514d\u75ab\u6cbb\u7597\u6807\u5fd7\u7269\u7b5b\u9009\u7ed3\u679c\uff0c\u53ef\u4e3a\u7cbe\u51c6\u8bca\u65ad\u3001\u7cbe\u51c6\u6cbb\u7597\u63d0\u4f9b\u91cd\u8981\u7684\u53c2\u8003\u4fe1\u606f\u3002
https://github.com/openbiox/weekly/issues/40
"},{"location":"issue-3/#_4","title":"\u6587\u7ae0","text":"1\u3001\u7ed8\u5236GC\u542b\u91cf\u548c\u6d4b\u5e8f\u6df1\u5ea6\uff08GC-Depth\uff09\u5206\u5e03\u56fe\u8bc4\u4f30\u57fa\u56e0\u7ec4\u8d28\u91cf
\u5bf9\u4e8e\u7ec4\u88c5\u540e\u7684\u57fa\u56e0\u7ec4\u5e8f\u5217\uff0c\u5c06\u7ec4\u88c5\u57fa\u56e0\u7ec4\u7ed3\u679c\u4e2d\u7684contigs/scaffolds\u5e8f\u5217\u5206\u9694\u4e3a\u4e00\u5b9a\u957f\u5ea6\u7684\u6ed1\u7a97\uff0c\u7edf\u8ba1\u6bcf\u6bb5\u6ed1\u7a97\u5185\u7684\u5404\u78b1\u57fa\u5360\u6bd4\uff0c\u6216\u8005GC\u542b\u91cf\u7b49\uff0c\u4ee5\u67e5\u770b\u7ec4\u88c5\u7ed3\u679c\u4e2d\u78b1\u57fa\u5206\u5e03\u662f\u5426\u5747\u5300\uff0c\u57fa\u56e0\u7ec4\u4e2d\u5b58\u5728\u591a\u5c11\u6bd4\u4f8b\u7684\u9ad8GC\u533a\u57df\u7b49\u3002\u636e\u6b64\uff0c\u53ef\u5728\u4e00\u5b9a\u7a0b\u5ea6\u4e0a\u63a8\u6d4b\u7269\u79cd\u57fa\u56e0\u7ec4\u7ed3\u6784\u7279\u5f81\uff0c\u7ec4\u88c5\u4e2d\u662f\u5426\u5b58\u5728\u660e\u663e\u7684\u9519\u914d\uff0c\u6216\u5224\u65ad\u6d4b\u5e8f\u6570\u636e\u4e2d\u662f\u5426\u5b58\u5728\u5176\u4ed6\u7269\u79cd\u6c61\u67d3\u7b49\u3002
2\u3001Lessons learned in writing my first book
\u4f5c\u8005\u4ecb\u7ecd\u4e86\u81ea\u5df1\u5199\u7b2c\u4e00\u672c\u4e66\u7684\u7684\u7ecf\u5386\u611f\u609f\u4ee5\u53ca\u4e00\u4e9b\u6280\u5de7\u5206\u4eab\u3002
3\u3001Visualize the \u2018real\u2019 circular genome
circlize\u5305\u63d0\u4f9b\u4e86\u57fa\u56e0\u7ec4\u7684\u73af\u5f62\u53ef\u89c6\u5316\u65b9\u6cd5\u3002\u73b0\u5728\u7684\u95ee\u9898\u662f\u5982\u4f55\u53ef\u89c6\u5316\u4e00\u4e2a\u201c\u771f\u6b63\u7684\u201d\u73af\u5f62\u57fa\u56e0\u7ec4\uff0c\u5176\u4e2d\u5b8c\u6574\u7684\u5706\u5708\u5bf9\u5e94\u4e8e\u57fa\u56e0\u7ec4\uff0c\u5e76\u4e14\u57fa\u56e0\u7ec4\u7684\u201c\u672b\u7aef\u201d\u5e73\u6ed1\u5730\u8d8a\u8fc7\u57fa\u56e0\u7ec4\u7684\u201c\u8d77\u70b9\u201d\u3002
4\u3001R tips: rlang\u4e2d\u7684expression\u64cd\u4f5c\u7b26
\u751f\u4fe1\u83dc\u9e1f\u56e2\u7684\u8fd9\u7bc7\u63a8\u6587\u7b80\u8981\u4ecb\u7ecd\u4e86rlang\u64cd\u4f5c\u975e\u6807\u51c6\u8ba1\u7b97\u7684\u65b9\u5f0f\u3002
5\u3001ggplot2\u7684\u70ed\u56fe\u73a9\u6cd5
\u753b\u70ed\u56fe\u7684\u4f53\u7cfb\u7528\u7684\u6bd4\u8f83\u591a\u7684\u662fpheatmap\u548cComplexHeatmap\u8fd9\u4e24\u4e2a\u5305\uff0c\u524d\u8005\u80dc\u5728\u4ee3\u7801\u7b80\u5355\uff0c\u529f\u80fd\u5f3a\u5927\uff0c\u800c\u540e\u8005\u80dc\u5728\u7ec6\u8282\u65e0\u7a77\u65e0\u5c3d\uff0c\u53ea\u6709\u4f60\u60f3\u4e0d\u5230\uff0c\u6ca1\u6709\u5b83\u505a\u4e0d\u5230\u3002ggplot2\u5728\u753b\u70ed\u56fe\u8fd9\u4ef6\u4e8b\u4e0a\uff0c\u662f\u5b58\u5728\u611f\u4e0d\u592a\u5f3a\u7684\u3002\u4f46\u6709\u65f6\u5019\u8fd8\u5fc5\u987b\u5f97\u7528\u5b83\u6765\u753b\uff0c\u4ee5\u671f\u548c\u5176\u4ed6ggplot2\u7684\u56fe\u4e25\u4e1d\u5408\u7f1d\u7684\u62fc\u5728\u4e00\u8d77\u3002
\u56e0\u6b64\u6211\u6536\u96c6\u4e86\u4e00\u4e0bggplot2\u7684\u6210\u679c\uff0c\u53d1\u73b0\u53c8\u89e3\u9501\u4e86y\u53d4\u7684\u4e00\u4e2a\u65b0\u5305aplot\uff0c\u4ee5\u53ca\u524d\u6bb5\u65f6\u95f4\u521a\u51fa\u7684ggheatmap\uff08\u5c45\u7136\u662f\u5927\u4e09\u7684\u5b66\u751f\u5199\u7684\uff0c\u540e\u751f\u53ef\u754f\uff09\u3002\u6211\u5199\u4e86\u4e09\u79cd\u65b9\u6cd5\uff0cggheatmap\u6700\u4e3a\u7b80\u5355\uff0c\u53ef\u4ee5\u76f4\u63a5\u53bb\u770b\u65b9\u6cd53\u3002
"},{"location":"issue-3/#_5","title":"\u5de5\u5177","text":"1\u3001typora - \u6700\u597d\u7528\u7684Markdown\u7f16\u8f91\u5668
\u9664\u4e86\u9ed8\u8ba4\u5185\u7f6e\u7684\u51e0\u79cd\u4e3b\u9898\uff0c\u8bfb\u8005\u8fd8\u53ef\u4ee5\u901a\u8fc7https://theme.typora.io/\u4ece\u4e3b\u9898\u5e93\u4e2d\u7b5b\u9009\u81ea\u5df1\u559c\u6b22\u7684\u3002
2\u3001spiralize - \u53ef\u89c6\u5316\u87ba\u65cb\u6570\u636e
\u987e\u795e\u65b0\u51fa\u54c1\u7684\u7cbe\u54c1R\u5305\u3002\u53ef\u4ee5\u87ba\u65cb\u5316\u6cbf\u963f\u57fa\u7c73\u5fb7\u87ba\u7ebf\u53ef\u89c6\u5316\u6570\u636e\u3002\u5b83\u5728\u53ef\u89c6\u5316\u65b9\u9762\u6709\u4e24\u5927\u4f18\u52bf\uff1a
\u4f5c\u8005\u5728https://jokergoo.github.io/spiralize_vignettes/examples.html\u63d0\u4f9b\u4e86\u975e\u5e38\u591a\u7684\u5b9e\u4f8b\uff0c\u611f\u5174\u8da3\u7684\u4e00\u5b9a\u8981\u770b\u770b\uff01
3\u3001jupyverse - \u4e00\u7ec4\u5b9e\u73b0\u4e00\u4e2aJupyter\u670d\u52a1\u5668\u7684FPS\u63d2\u4ef6
4\u3001ggheatmap - ggplot2\u7684\u70ed\u56fe\u5b9e\u73b0
\u672c\u671f\u6587\u7ae0\u6709\u4e00\u7bc7\u76f8\u5173\u63a8\u6587\u3002
5\u3001\u53ef\u89c6\u5316\u4ee3\u7801\u6267\u884c
\u3010\u539f\u8f7d\u4e8e\u300a\u79d1\u6280\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 177 \u671f\uff09\u300b\u3011\u3002
\u8fd9\u4e2a\u7f51\u7ad9\u4f1a\u5c06\u4ee3\u7801\u7684\u6267\u884c\u6d41\u7a0b\uff0c\u8f6c\u6210\u53ef\u89c6\u5316\u56fe\u5f62\uff0c\u5c55\u793a\u4ee3\u7801\u4e00\u6b65\u6b65\u662f\u600e\u4e48\u6267\u884c\u7684\u3002\u76ee\u524d\u652f\u6301 Python\u3001Java\u3001C\u3001C++\u3001JavaScript \u548c Ruby \u4ee3\u7801\u3002
"},{"location":"issue-3/#_6","title":"\u8d44\u6e90","text":"1\u3001\u6570\u636e\u79d1\u5b66\u5c0f\u6284
\u6211\u4e4b\u524d\u6536\u96c6\u5404\u7c7b\u6570\u636e\u79d1\u5b66\u5c0f\u6284\uff0c\u611f\u5174\u8da3\u7684\u8bfb\u8005\u53ef\u4ee5\u901a\u8fc7\u963f\u91cc\u4e91\u76d8https://www.aliyundrive.com/s/688q5eGAKdE\u4e0b\u8f7d\u3002
2\u3001R\u4e2d\u5904\u7406\u56e0\u679c\u63a8\u65ad
\u5305\u542b\u5982\u4e0b\u5185\u5bb9\uff1a
3\u3001Information is beautiful\u7f51\u7ad9 - \u4e00\u4e2a\u975e\u5e38\u591a\u53ef\u89c6\u5316\u6848\u4f8b\u7684\u7f51\u7ad9
\u8be5\u7f51\u7ad9\u91cc\u9762\u5305\u542b\u4e86\u5404\u79cd\u5404\u6837\u597d\u770b\u7684\u53ef\u89c6\u5316\u56fe\u8868\uff0c\u4ee5\u53ca\u76f8\u5173\u7684\u4ecb\u7ecd\u3002
"},{"location":"issue-3/#_7","title":"\u8d5e\u8d4f","text":"\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
\u611f\u8c22\u4ee5\u4e0b\u8bfb\u8005\u5f80\u671f\u8d5e\u8d4f\uff1a
\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-30/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 30 \u671f\uff09\uff1a\u751f\u4fe1\u7684\u6838\u5fc3\u4fee\u70bc\u9053\u8def\u5728\u54ea\u91cc\uff1f","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d | \u300c\u751f\u4fe1\u8ba8\u8bba\u533a\uff08Gitter\uff09\u300d
"},{"location":"issue-30/#_1","title":"\u5c01\u9762\u56fe","text":"via
"},{"location":"issue-30/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u751f\u4fe1\u7684\u6838\u5fc3\u4fee\u70bc\u9053\u8def\u5728\u54ea\u91cc\uff1f","text":"\u751f\u4fe1\u662f\u591a\u5b66\u79d1\uff1a\u7edf\u8ba1\u3001\u8ba1\u7b97\u673a\u3001\u751f\u7269\u5b66\u3002\u3002\u3002
\u751f\u4fe1\u662f\u591a\u9886\u57df\uff1a\u57fa\u56e0\u7ec4\u3001\u8f6c\u5f55\u7ec4\u3001\u86cb\u767d\u7ec4\u3001\u8868\u51a0\u9057\u4f20\u3001\u5b8f\u57fa\u56e0\u7ec4\u3002\u3002\u3002
\u751f\u4fe1\u662f\u591a\u6280\u80fd\uff1aLinux\u3001R/Python\u3001JS/HTML/CSS\u3002\u3002\u3002
\u751f\u4fe1\u662f\u591a\u5e94\u7528\uff1a\u52a8\u7269\u3001\u690d\u7269\u5b66\u3001\u533b\u5b66\u3002\u3002\u3002
\u751f\u4fe1\u662f\u591a\u80cc\u666f\uff1a\u6709\u7684\u641e\u751f\u7269\u7684\u3001\u6709\u7684\u641e\u8ba1\u7b97\u673a\u7684\u3001\u6709\u7684\u641e\u6570\u636e\u5e93\u7684\u3001\u6709\u7684\u641e\u7b97\u6cd5\u3002\u3002\u3002\u3002
\u6709\u4eba\u8bf4\u5b83\u662f\u79d1\u5b66\uff0c\u6709\u4eba\u8bf4\u5b83\u662f\u5e94\u7528\uff0c\u8fd8\u6709\u4eba\u8bf4\u5b83\u53ea\u662f\u670d\u52a1\u3002
\u503c\u5f97\u601d\u8003\u7684\u662f\uff0c\u5982\u679c\u4f60\u4f5c\u4e3a\u4e00\u540d\u7eaf\u5c0f\u767d\uff0c\u4f60\u8ba4\u4e3a\u80fd\u591f\u4e3a\u4f60\u63d0\u4f9b\u7cfb\u7edf\u5b66\u4e60\u7684\u751f\u4fe1\u6838\u5fc3\u4fee\u70bc\u4f53\u7cfb\u662f\u600e\u4e48\u6837\u7684\uff1f
"},{"location":"issue-30/#_3","title":"\u751f\u4fe1\u79d1\u6280\u52a8\u6001","text":"1\u3001Cell | \u6620\u5c04\u5355\u7ec6\u80de\u7684\u8f6c\u5f55\u7ec4\u5411\u91cf\u573a
\u672c\u6587\u4ecb\u7ecd\u7531\u7f8e\u56fd\u9a6c\u8428\u8bf8\u585e\u5dde\u6000\u7279\u9ed1\u5fb7\u751f\u7269\u533b\u5b66\u7814\u7a76\u6240\u7684Xiaojie Xu\u548cJonathan S. Weissman\u4ee5\u53ca\u5339\u5179\u5821\u5927\u5b66\u8ba1\u7b97\u4e0e\u7cfb\u7edf\u751f\u7269\u5b66\u7cfb\u7684Jianhua Xing\u5171\u540c\u53d1\u8868\u5728Cell\u7684\u7814\u7a76\u6210\u679c\uff1a\u57fa\u4e8e\u5355\u7ec6\u80de\u6d4b\u5e8f(scRNA-seq)RNA\u901f\u5ea6\u548c\u4ee3\u8c22\u6807\u8bb0\u9884\u6d4b\u7ec6\u80de\u72b6\u6001\u3002\u4f5c\u8005\u63d0\u51fa\u4e86\u4e00\u4e2a\u5206\u6790\u6846\u67b6dynamo (https://github.com/aristoteleo/dynamo-release)\uff0c\u63a8\u65ad\u7edd\u5bf9RNA\u901f\u5ea6\uff0c\u91cd\u5efa\u9884\u6d4b\u7ec6\u80de\u547d\u8fd0\u7684\u8fde\u7eed\u5411\u91cf\u573a\uff0c\u5229\u7528\u5fae\u5206\u51e0\u4f55\u63d0\u53d6\u6f5c\u5728\u7684\u89c4\u5219\uff0c\u6700\u7ec8\u9884\u6d4b\u51fa\u6700\u4f73\u7684\u91cd\u7f16\u7a0b\u8def\u5f84\u548c\u6270\u52a8\u7ed3\u679c\u3002\u8fdb\u4e00\u6b65\u5206\u6790\u4e86dynamo\u5728\u514b\u670d\u4f20\u7edf\u57fa\u4e8e\u526a\u63a5\u7684RNA\u901f\u5ea6\u5206\u6790\u7684\u57fa\u672c\u9650\u5236\u65b9\u9762\u7684\u80fd\u529b\uff0c\u8868\u660e\u5176\u80fd\u5728\u4ee3\u8c22\u6807\u8bb0\u7684\u4eba\u7c7b\u9020\u8840scRNA-seq\u6570\u636e\u96c6\u4e0a\u7cbe\u786e\u4f30\u8ba1\u901f\u5ea6\u3002\u6b64\u5916\uff0c\u5fae\u5206\u51e0\u4f55\u5206\u6790\u63ed\u793a\u4e86\u9a71\u52a8\u65e9\u671f\u5de8\u6838\u7ec6\u80de\u51fa\u73b0\u7684\u673a\u5236\uff0c\u5e76\u9610\u660e\u4e86PU.1-GATA1\u7535\u8def\u4e2d\u7684\u4e0d\u5bf9\u79f0\u8c03\u8282\u3002\u5229\u7528\u6700\u5c0f\u4f5c\u7528\u8def\u5f84\u65b9\u6cd5\uff0cdynamo\u53ef\u4ee5\u51c6\u786e\u9884\u6d4b\u9a71\u52a8\u65e0\u6570\u9020\u8840\u7cfb\u7edf\u7684\u8f6c\u53d8\uff0c\u5e76\u6700\u7ec8\u7531\u8ba1\u7b97\u673a\u5e72\u6270\u9884\u6d4b\u57fa\u56e0\u5fae\u6270\u5f15\u8d77\u7ec6\u80de\u547d\u8fd0\u7684\u8f6c\u53d8\u3002\u7efc\u4e0a\uff0cDynamo\u6709\u52a9\u4e8e\u5f00\u5c55\u7ec6\u80de\u72b6\u6001\u8f6c\u53d8\u7684\u5b9a\u91cf\u5206\u6790\u548c\u9884\u6d4b\u3002
2\u3001Nature Communication \uff5c\u80bf\u7624\u57fa\u56e0\u7ec4\u6570\u636e\u62a5\u544a\u89e3\u8bfb\u5e73\u53f0\uff0c\u53ef\u6ee1\u8db3\u5546\u4e1a\u62a5\u544a\u89e3\u51b3\u65b9\u6848
\u968f\u7740\u7cbe\u51c6\u533b\u7597\u7684\u4e0d\u65ad\u53d1\u5c55\uff0c\u79d1\u5b66\u7814\u7a76\u548c\u4e34\u5e8a\u5e94\u7528\u4e2d\u5bf9\u764c\u75c7\u57fa\u56e0\u7ec4\u6570\u636e\u7684\u89e3\u8bfb\u9700\u6c42\u4e5f\u5728\u589e\u52a0\u3002\u867d\u7136\u76ee\u524d\u764c\u75c7\u6d4b\u5e8f\u6570\u636e\u5206\u6790\u6d41\u7a0b\u7684\u81ea\u52a8\u5316\u63d0\u9ad8\u4e86\u62a5\u544a\u7684\u901f\u5ea6\u548c\u7ed3\u679c\u7684\u53ef\u91cd\u590d\u6027\uff0c\u901a\u8fc7\u4f7f\u7528\u4ea4\u4e92\u800c\u975e\u9759\u6001\u62a5\u544a\uff0c\u4e34\u5e8a\u5bf9\u590d\u6742\u57fa\u56e0\u7ec4\u6570\u636e\u7684\u7406\u89e3\u6709\u6240\u6539\u5584\u3002\u4f46\u4ecd\u7136\u6709\u90e8\u5206\u7ed3\u679c\u7684\u89e3\u91ca\u96be\u4ee5\u5b9e\u73b0\u81ea\u52a8\u5316\u3002\u56e0\u6b64\uff0c\u57fa\u56e0\u7ec4\u6570\u636e\u89e3\u8bfb\u4ecd\u7136\u662f\u63a8\u5e7f\u7cbe\u51c6\u533b\u5b66\u6700\u5927\u7684\u74f6\u9888\u4e4b\u4e00\u3002
\u52a0\u62ff\u5927Michael Smith\u57fa\u56e0\u7ec4\u79d1\u5b66\u4e2d\u5fc3\u7b49\u5355\u4f4d\u7684\u8054\u5408\u7814\u7a76\u56e2\u961f\u5728Nature Communications\u53d1\u8868\u4e86\u9898\u4e3a\u201cA platform for oncogenomic reporting and interpretation\u201d\u7684\u6587\u7ae0\uff0c\u62a5\u9053\u4e86\u4e00\u4e2a\u81ea\u4e3b\u5f00\u53d1\u7684\u5b8c\u5168\u5f00\u6e90\u7684\u7814\u7a76\u5e73\u53f0\u2014\u2014Platform for Oncogenomic Reporting and Interpretation \uff08PORI\uff09\u3002\u8be5\u5e73\u53f0\u53ef\u4ee5\u901a\u8fc7\u77e5\u8bc6\u5e93\u5339\u914d\u5c06\u4e0d\u540c\u7684\u6ce8\u91ca\u96c6\u6210\u5230\u7cbe\u786e\u7684\u80bf\u7624\u57fa\u56e0\u6d4b\u5e8f\u5de5\u4f5c\u6d41\u7a0b\u4e2d\uff0c\u5e76\u4e3a\u7528\u6237\u63d0\u4f9b\u4e00\u4e2a\u62a5\u544a\u754c\u9762\uff0c\u4ee5\u7ba1\u7406\u3001\u7f16\u8f91\u548c\u4e0e\u7ed3\u679c\u6570\u636e\u4ea4\u4e92\u3002\u7814\u7a76\u56e2\u961f\u8868\u793a\uff0cPORI\u53ef\u4ee5\u66ff\u4ee3\u5546\u4e1a\u62a5\u544a\u89e3\u51b3\u65b9\u6848\uff0c\u9002\u7528\u4e8e\u7cbe\u51c6\u80bf\u7624\u5b66\u7684\u5168\u9762\u57fa\u56e0\u7ec4\u6570\u636e\u89e3\u8bfb\uff0c\u6709\u6548\u4fc3\u8fdb\u7cbe\u51c6\u533b\u5b66\u7684\u666e\u53ca\u548c\u53d1\u5c55\u3002
GitHub\u5730\u5740\uff1ahttps://github.com/bcgsc/pori/
3\u3001iMeta\u671f\u520a\u9752\u5e74\u7f16\u59d4\u62db\u52df
\u201ciMeta\u201d \u662f\u7531\u5a01\u7acb\u3001\u80a0\u83cc\u5206\u4f1a\u548c\u672c\u9886\u57df\u6570\u767e\u4f4d\u534e\u4eba\u79d1\u5b66\u5bb6\u5408\u4f5c\u51fa\u7248\u7684\u5f00\u653e\u83b7\u53d6\u671f\u520a\uff0c\u4e3b\u7f16\u7531\u4e2d\u79d1\u9662\u5fae\u751f\u7269\u6240\u5218\u53cc\u6c5f\u7814\u7a76\u5458\u548c\u8377\u5170\u683c\u7f57\u5b81\u6839\u5927\u5b66\u5085\u9759\u8fdc\u6559\u6388\u62c5\u4efb\u3002\u76ee\u7684\u662f\u53d1\u8868\u539f\u521b\u7814\u7a76\u3001\u65b9\u6cd5\u548c\u7efc\u8ff0\u4ee5\u4fc3\u8fdb\u5b8f\u57fa\u56e0\u7ec4\u5b66\u3001\u5fae\u751f\u7269\u7ec4\u548c\u751f\u7269\u4fe1\u606f\u5b66\u53d1\u5c55\u3002\u76ee\u6807\u662f\u53d1\u8868\u524d10%(IF > 15)\u7684\u9ad8\u5f71\u54cd\u529b\u8bba\u6587\u3002\u671f\u520a\u7279\u8272\u5305\u62ec\u89c6\u9891\u6295\u7a3f\u3001\u53ef\u91cd\u590d\u5206\u6790\u3001\u56fe\u7247\u6253\u78e8\u3001\u9752\u5e74\u7f16\u59d4\u3001\u524d3\u5e74\u514d\u51fa\u7248\u8d39\u300150\u4e07\u7528\u6237\u7684\u793e\u4ea4\u5a92\u4f53\u5ba3\u4f20\u7b49\u30022022\u5e742\u6708\u6b63\u5f0f\u521b\u520a\u53d1\u884c\uff01
\u8ba4\u540c\u529e\u520a\u7406\u5ff5\uff0c\u4e00\u8d77\u6253\u9020\u56fd\u9645\u9876\u520a\uff0c\u89e3\u51b3\u6211\u56fd\u672c\u9886\u57df\u671f\u520a\u51fa\u7248\u5361\u8116\u5b50\u95ee\u9898\uff0c\u613f\u610f\u4e3a\u671f\u520a\u53d1\u5c55\u4f5c\u8d21\u732e\u7684\u4f18\u79c0\u9752\u5e74\u79d1\u5b66\u5bb6\u3002
\u7834\u4e94\u552f\uff0c\u6ee1\u8db3\u4ee5\u4e0b\u6761\u4ef6\u4e2d\u7684\u4efb\u610f\u4e00\u9879\u5373\u53ef\u3002\u5176\u4ed6\u4efb\u4f55\u6709\u52a9\u671f\u520a\u53d1\u5c55\u6709\u5229\u7684\u4e2a\u4eba\u80fd\u529b\u8bf7\u5728\u7533\u8bf7\u8868\u683c\u4e2d\u4e2a\u4eba\u7b80\u4ecb\u90e8\u5206\u8bf4\u660e\u5373\u53ef\u3002
\u25b8 \u5177\u6709\u526f\u9ad8\u7ea7\u4ee5\u4e0a\u804c\u79f0 e \u25b8 \u7b2c\u4e00\u4f5c\u8005\u6216\u901a\u8baf\u4f5c\u8005(\u542b\u5171\u540c)\u8bba\u6587IF > 10
\u25b8 \u5f15\u7528 > 1000
\u25b8 H\u6307\u6570 > 12
\u25b8 \u7f16\u8f91\u80fd\u529b\uff0c\u5982\u6587\u5b57\u6821\u5bf9\u3001\u6da6\u8272\uff0c\u56fe\u7247\u7ed8\u5236\u3001\u7f8e\u5316\u7b49
\u25b8 \u4e2a\u4eba\u5f71\u54cd\u529b\uff0c\u5982\u7ec4\u7ec7\u4f1a\u8bae\u3001\u516c\u4f17\u53f7\u4e3b\u3001\u4e13\u4e1a\u4ea4\u6d41\u7fa4\u4e3b\u7b49
4\u3001Nature Genetics | \u764c\u75c7\u57fa\u56e0\u7ec4\u4e2d\u7684\u53cc\u7b49\u4f4d\u7a81\u53d8\u63ed\u793a\u5173\u952e\u9a71\u52a8\u7a81\u53d8\u673a\u5236
e
\u5728\u5355\u4e2a\u4e8c\u500d\u4f53\u8c31\u7cfb\u4e2d\uff0c\u7531\u4e8e\u53cc\u7b49\u4f4d\u57fa\u56e0\u7a81\u53d8\uff08\u5373\u540c\u4e00\u78b1\u57fa\u5728\u4e24\u4e2a\u4eb2\u672c\u4e0a\u72ec\u7acb\u7a81\u53d8\uff09\u53d1\u751f\u6982\u7387\u8f83\u5c0f\uff0c\u4e00\u76f4\u90fd\u88ab\u5ffd\u89c6\u6216\u88ab\u8ba4\u4e3a\u662f\u201c\u6280\u672f\u9519\u8bef\u201d\uff0c\u4f46\u5176\u786e\u5b9e\u53d1\u751f\u5728\u8d85\u4e94\u5206\u4e4b\u4e00\u7684\u764c\u75c7\u75c5\u4f8b\u4e2d\uff0c\u9700\u8981\u5728\u5206\u6790\u764c\u75c7\u57fa\u56e0\u7ec4\u65f6\u52a0\u4ee5\u8003\u8651\u3002
\u82f1\u56fd\u5f17\u6717\u897f\u65af\u00b7\u514b\u91cc\u514b\u7814\u7a76\u6240\u7684\u7814\u7a76\u56e2\u961f\u53ca\u5176\u5408\u4f5c\u8005\u5728Nature Genetics\u4e0a\u53d1\u8868\u4e86\u6700\u65b0\u7684\u7814\u7a76\u6210\u679c\uff0c\u6587\u7ae0\u9898\u76ee\u4e3a\u201cBiallelic mutations in cancer genomes reveal local mutational determinants\u201d\u3002\u7814\u7a76\u56e2\u961f\u4ece\u5168\u57fa\u56e0\u7ec4\u6cdb\u764c\u75c7\u5206\u6790\u7814\u7a76\uff08PCAWG\uff09\u7684559\u4efd\uff0821%\uff09\u6279\u91cf\u6d4b\u5e8f\u6837\u672c\u4e2d\u9274\u5b9a\u51fa\u4e8618,295\u4e2a\u53cc\u7b49\u4f4d\u57fa\u56e0\u7a81\u53d8\uff0c\u5e76\u5bf9\u5176\u8fdb\u884c\u4e86\u7814\u7a76\u3002\u7814\u7a76\u7ed3\u679c\u663e\u793a\uff0c\u53cc\u7b49\u4f4d\u7a81\u53d8\u63ed\u793a\u4e86E26\u8f6c\u5316\u7279\u5f02\u6027\uff08ETS\uff09\u548c\u6d3b\u5316T\u7ec6\u80de\u6838\u56e0\u5b50\uff08NFAT\uff09\u7ed3\u5408\u4f4d\u70b9\u7684\u7d2b\u5916\u7ebf\u635f\u4f24\u70ed\u70b9\uff0c\u4ee5\u53caPOLE\u7a81\u53d8\u4f53\u548c\u5176\u4ed6\u764c\u75c7\u4e2d\u7684\u8d85\u53ef\u53d8\u57fa\u5e8f\u3002\u6b64\u5916\uff0c\u7814\u7a76\u56e2\u961f\u8fd8\u63d0\u4f9b\u4e86\u5efa\u6a21\u548c\u68c0\u6d4b\u53cc\u7b49\u4f4d\u57fa\u56e0\u7a81\u53d8\u7684\u6846\u67b6\uff0c\u4ee5\u4fbf\u53d8\u4f53\u7684\u8bc6\u522b\u3002
"},{"location":"issue-30/#_4","title":"\u6587\u7ae0","text":"1\u3001WGCNA\u5206\u6790\uff0c\u7b80\u5355\u5168\u9762\u7684\u6700\u65b0\u6559\u7a0b
2\u3001\u4f7f\u7528ggtree\u5305\u7ed8\u5236\u5e26\u805a\u7c7b\u6811\u7684\u7269\u79cd\u4e30\u5ea6\u5806\u53e0\u67f1\u5f62\u56fe
3\u3001\u4ee3\u8c22\u7ec4\u5b66\u6570\u636e\u901a\u5e38\u662fOPLS-DA\u6216\u8005PLS-DA\u6765\u4ee3\u66ffPCA
"},{"location":"issue-30/#_5","title":"\u5de5\u5177","text":"1\u3001AnnoProbe - GEO\u6570\u636e\u4e0b\u8f7d\u4e0e\u5904\u7406
\u751f\u4fe1\u6280\u80fd\u6811\u521b\u59cb\u4ebaJimmy\u4e3a\u65b9\u4fbf\u5927\u5bb6\u4e0b\u8f7dGEO\u6570\u636e\u63d0\u4f9b\u7684\u955c\u50cf\u3001ID\u8f6c\u6362\u7b49\u5de5\u5177\u5305\u3002\u901a\u8fc7\u4ee5\u4e0b\u65b9\u5f0f\u5b89\u88c5\uff1a
library(devtools)\ninstall_github(\"jmzeng1314/AnnoProbe\")\nlibrary(AnnoProbe)\n\u5927\u5bb6\u89c9\u5f97\u6709\u7528\u8bb0\u5f97\u53bbGitHub\u7ed9\u5b83\u70b9\u4e2aStar\uff0c\u76ee\u524d\u7528\u7684\u4eba\u5e94\u8be5\u6bd4\u70b9\u8d5e\u7684\u591a\u5f88\u591a\u3002
2\u3001Cepo
\u5b9a\u4e49\u7ec6\u80de\u7684\u8eab\u4efd\u662f\u7406\u89e3\u7ec6\u80de\u5bf9\u5404\u79cd\u73af\u5883\u4fe1\u53f7\u548c\u6270\u52a8\u7684\u5f02\u8d28\u6027\u7684\u57fa\u7840\u3002\u8be5\u5de5\u5177\u63d0\u51fa\u4e86\u4e00\u79cd\u4ece\u5355\u7ec6\u80derna\u6d4b\u5e8f\u6570\u636e\u4e2d\u63a2\u7d22\u7ec6\u80de\u7279\u6027\u7684\u65b0\u65b9\u6cd5\u2014\u2014Cepo\uff0c\u8be5\u65b9\u6cd5\u4f7f\u7528\u5dee\u5f02\u7a33\u5b9a\u6027\u4f5c\u4e3a\u5b9a\u4e49\u7ec6\u80de\u7279\u6027\u57fa\u56e0\u7684\u65b0\u6307\u6807\u3002Cepo\u8ba1\u7b97\u4e0e\u5dee\u5f02\u7a33\u5b9a\u57fa\u56e0\u8868\u8fbe\u76f8\u5173\u7684\u7ec6\u80de\u7c7b\u578b\u7279\u5f02\u6027\u57fa\u56e0\u7edf\u8ba1\u3002
\u53d1\u8868\u6587\u732e
3\u3001ClearML - Auto-Magical Suite of tools to streamline your ML workflow Experiment Manager, MLOps and Data-Management
4\u3001emmeans - Estimated marginal means
\u4f30\u8ba1\u8fb9\u9645\u5e73\u5747\u503c\uff08\u4ee5\u524d\u5728\u4f20\u7edf\u56de\u5f52\u6a21\u578b\u4e2d\u79f0\u4e3a\u6700\u5c0f\u4e8c\u4e58\u5e73\u5747\u503c)\u662f\u901a\u8fc7\u4f7f\u7528\u4e00\u4e2a\u6a21\u578b\u5728\u9884\u6d4b\u5668\u7ec4\u5408\u7684\u89c4\u5219\u7f51\u683c(\u79f0\u4e3a\u53c2\u8003\u7f51\u683c)\u4e0a\u8fdb\u884c\u9884\u6d4b\u800c\u5f97\u5230\u7684\u3002\u8fd9\u4e9b\u9884\u6d4b\u53ef\u80fd\u88ab\u4e00\u4e2a\u6216\u591a\u4e2a\u9884\u6d4b\u56e0\u5b50\u5e73\u5747(\u901a\u5e38\u5177\u6709\u76f8\u540c\u7684\u6743\u91cd\uff09\u3002\u8fd9\u79cd\u8fb9\u7f18\u5e73\u5747\u9884\u6d4b\u5bf9\u4e8e\u63cf\u8ff0\u62df\u5408\u6a21\u578b\u7684\u7ed3\u679c\u662f\u6709\u7528\u7684\uff0c\u7279\u522b\u662f\u5728\u63d0\u51fa\u56e0\u7d20\u7684\u5f71\u54cd\u65b9\u9762\u3002emmeans\u5305\u53ef\u4ee5\u5f88\u5bb9\u6613\u5730\u751f\u6210\u8fd9\u4e9b\u7ed3\u679c\uff0c\u4ee5\u53ca\u5b83\u4eec\u7684\u5404\u79cd\u56fe\u5f62(\u4ea4\u4e92\u98ce\u683c\u7684\u56fe\u5f62\u548c\u5e76\u6392\u7684\u95f4\u9694)\u3002
"},{"location":"issue-30/#_6","title":"\u8d44\u6e90","text":"1\u30012021 \u5e74\u6700\u4f73\u5f00\u6e90\u8f6f\u4ef6\u699c\u5355
InfoWorld \u662f\u4e00\u5bb6\u4fe1\u606f\u6280\u672f\u5a92\u4f53\u516c\u53f8\uff0c\u6210\u7acb\u4e8e 1978 \u5e74\u76ee\u524d\u96b6\u5c5e\u4e8e IDG\u3002\u6bcf\u5e74 InfoWorld \u90fd\u4f1a\u6839\u636e\u8f6f\u4ef6\u5bf9\u5f00\u6e90\u754c\u7684\u8d21\u732e\uff0c\u4ee5\u53ca\u5728\u4e1a\u754c\u7684\u5f71\u54cd\u529b\u8bc4\u9009\u51fa\u5f53\u5e74\u7684\u201c\u6700\u4f73\u5f00\u6e90\u8f6f\u4ef6\u201d (BOSSIE)\uff0c\u8be5\u5956\u9879\u8bc4\u9009\u5df2\u7ecf\u5ef6\u7eed\u4e86\u5341\u591a\u5e74\u3002\u672c\u6b21\u83b7\u5956\u7684 29 \u4e2a\u5f00\u6e90\u9879\u76ee\u5305\u62ec\uff1a\u8f6f\u4ef6\u5f00\u53d1\u3001\u5f00\u53d1\u3001\u4e91\u539f\u751f\u8ba1\u7b97\u3001\u673a\u5668\u5b66\u4e60\u7b49\u7c7b\u578b\u3002
2\u3001\u7edf\u8ba1\u5b66\u56de\u987e\uff08\u7cbe\u534e\u76ee\u5f55\u6536\u85cf\uff09\uff08statquest+\u534f\u548c\u516b+ NGSHotpot\uff09
"},{"location":"issue-30/#_7","title":"\u8d5e\u8d4f","text":"\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
"},{"location":"issue-30/#_8","title":"\u8ba2\u9605","text":"\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-31/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 31 \u671f\uff09\uff1aOpenbiox \u751f\u7269\u4fe1\u606f\u5b66\u793e\u533a 2022 \u62df\u5f00\u5c55\u9879\u76ee\uff0c\u6b63\u5f0f\u62db\u52df \uff01","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d | \u300c\u751f\u4fe1\u8ba8\u8bba\u533a\uff08Gitter\uff09\u300d
"},{"location":"issue-31/#_1","title":"\u5c01\u9762\u56fe","text":"\u5b98\u7f51\u5730\u5740\uff1ahttps://openbiox.org/
"},{"location":"issue-31/#openbiox-2022","title":"\u672c\u5468\u8bdd\u9898\uff1aOpenbiox \u751f\u7269\u4fe1\u606f\u5b66\u793e\u533a 2022 \u62df\u5f00\u5c55\u9879\u76ee\uff0c\u6b63\u5f0f\u62db\u52df \uff01","text":"Openbiox \u751f\u7269\u4fe1\u606f\u5b66\u5f00\u6e90\u793e\u533a\u7531\u56fd\u5185\u5916\u77e5\u540d\u9ad8\u6821\u5728\u8bfb\u7814\u7a76\u751f\u3001\u535a\u58eb\u540e\u548c\u7814\u7a76\u4eba\u5458\u4e8e 2019 \u5e74\u5171\u540c\u53d1\u8d77\u548c\u5efa\u8bbe\u3002\u5728\u6b64\uff0c\u6211\u4eec\u5411\u79d1\u5b66\u793e\u533a\u53d1\u8d77\u65b0\u4e00\u8f6e\u751f\u7269\u4fe1\u606f\u5b66\u534f\u4f5c\u9879\u76ee\uff0c\u4ee5\u671f\u4e3a\u5927\u5bb6\u63d0\u4f9b\u66f4\u591a\u6709\u7528\u7684\u751f\u7269\u4fe1\u606f\u5b66\u5de5\u5177/\u5185\u5bb9\u548c\u6709\u610f\u4e49\u7684\u7814\u7a76\u6210\u679c\u3002
\u611f\u5174\u8da3\u7684\u8bfb\u8005\u548c\u670b\u53cb\u8bf7\u9605\u8bfb\u539f\u6587\u5e76\u901a\u8fc7lee_jianfeng@openbiox.org\u8054\u7cfb\u5251\u5cf0\u3002
"},{"location":"issue-31/#_2","title":"\u751f\u4fe1\u79d1\u6280\u52a8\u6001","text":"1\u3001Cell | \u57fa\u4e8e50\u79cd\u764c\u75c7\u7c7b\u578b\u7ed8\u5236\u80bf\u7624-\u57fa\u56e0-\u8f6c\u79fb\u8c31\uff0c\u63ed\u793a\u764c\u75c7\u8f6c\u79fb\u6a21\u5f0f\u57fa\u56e0\u7ec4\u7279\u5f81
\u672c\u6587\u7814\u7a76\u56e2\u961f\u5bf9\u7ea625,000\u540d\u60a3\u8005\u7684\u80bf\u7624\u57fa\u56e0\u7ec4\u56fe\u8c31\u548c\u8f6c\u79fb\u7ed3\u679c\u7684\u4e34\u5e8a\u4fe1\u606f\u8fdb\u884c\u4e86\u5206\u6790\uff0c\u5171\u5305\u542b50\u79cd\u4e0d\u540c\u764c\u75c7\u7c7b\u578b\uff0c\u63ed\u793a\u4e86\u4e0d\u540c\u8f6c\u79fb\u6a21\u5f0f\u7684\u57fa\u56e0\u7ec4\u7279\u5f81\uff0c\u7ed8\u5236\u4e86\u80bf\u7624-\u57fa\u56e0-\u8f6c\u79fb\u8c31\u3002\u7814\u7a76\u53d1\u73b0\uff0c\u764c\u75c7\u8f6c\u79fb\u4e0d\u662f\u7531\u57fa\u56e0\u7a81\u53d8\u9a71\u52a8\u7684\uff0c\u800c\u662f\u7531\u764c\u7ec6\u80de\u4e0e\u5468\u56f4\u73af\u5883\u4e2d\u7684\u6b63\u5e38\u7ec6\u80de\u76f8\u4e92\u4f5c\u7528\u53d1\u751f\u7684\u8868\u89c2\u9057\u4f20\u5b66\u53d8\u5316\u9a71\u52a8\u7684\u3002
2\u3001Briefings in Bioinformatics | \u738b\u79c0\u6770/\u88f4\u5c0f\u5175\u5408\u4f5c\u5f00\u53d1\u5355\u7ec6\u80de\u7ec4\u5b66\u7ec6\u80de\u6807\u8bb0\u57fa\u56e0\u9274\u5b9a\u7b97\u6cd5COSG
\u672c\u7814\u7a76\u63d0\u51fa\u4e86\u4e00\u79cd\u57fa\u4e8e\u4f59\u5f26\u76f8\u4f3c\u5ea6\u7684\u65b9\u6cd5COSG\uff0c\u8be5\u65b9\u6cd5\u80fd\u5728\u5355\u7ec6\u80deRNA\u6d4b\u5e8f\u6570\u636e\u3001\u5355\u7ec6\u80deATAC\u6d4b\u5e8f\u6570\u636e\u548c\u7a7a\u95f4\u8f6c\u5f55\u7ec4\u6570\u636e\u4e2d\u66f4\u51c6\u786e\u548c\u5feb\u901f\u5730\u9274\u5b9a\u51fa\u7ec6\u80de\u6807\u8bb0\u57fa\u56e0\u3002
COSG\u7a0b\u5e8f\u7684\u4ee3\u7801\u5df2\u901a\u8fc7GitHub\u7f51\u7ad9\u5f00\u6e90\u53d1\u5e03\u3002COSG\u7a0b\u5e8f\u7684Python\u8bed\u8a00\u7248\u672c\u548cR\u8bed\u8a00\u7248\u672c\u7684\u4ee3\u7801\u94fe\u63a5\u5206\u522b\u4e3ahttps://github.com/genecell/COSG\u548chttps://github.com/genecell/COSGR
3\u3001\u751f\u547d\u79d1\u5b66\u9886\u57df\u9996\u90e8AI\u8f85\u52a9\u521b\u4f5c\u56fe\u4e66\u4eae\u76f8\u4e0a\u79d1\u5927
\u4fe1\u606f\u65f6\u4ee3\uff0c\u6bcf\u5e74\u53d1\u8868\u5b66\u672f\u8bba\u6587\u7684\u6570\u91cf\u5448\u4e95\u55b7\u5f0f\u589e\u957f\u3002\u5982\u4f55\u5e2e\u52a9\u7814\u7a76\u4eba\u5458\u5feb\u901f\u4e86\u89e3\u79d1\u5b66\u8fdb\u5c55\u524d\u6cbf\u3001\u5e2e\u52a9\u9886\u57df\u5185\u7684\u9752\u5e74\u79d1\u7814\u4eba\u5458\u548c\u5b66\u751f\u5feb\u901f\u638c\u63e1\u7814\u7a76\u9886\u57df\u6838\u5fc3\u77e5\u8bc6\u4f53\u7cfb\u9762\u4e34\u7740\u91cd\u5927\u6311\u6218\u3002\u4e3a\u89e3\u51b3\u8fd9\u4e00\u95ee\u9898\uff0c\u5b66\u672f\u51fa\u7248\u673a\u6784\u65bd\u666e\u6797\u683c-\u81ea\u7136\uff08Springer Nature\uff09\u51fa\u7248\u96c6\u56e2\u5728\u8fd1\u51e0\u5e74\u5f00\u53d1\u4e86\u4e00\u5957\u57fa\u4e8e\u4eba\u5de5\u667a\u80fd\u8f85\u52a9\u7684\u6587\u732e\u77e5\u8bc6\u603b\u7ed3\u7cfb\u7edfDimensions Autosummarizer\uff08DA\uff09\uff0c\u4ee5\u8f85\u52a9\u7814\u7a76\u4eba\u5458\u8fdb\u884c\u56fe\u4e66\u51fa\u7248\u3002
"},{"location":"issue-31/#_3","title":"\u6587\u7ae0","text":"1\u3001\u4e00\u6587\u8bb2\u6e05\u80a0\u9053\u83cc\u5bf9\u514d\u75ab\u7684\u5f71\u54cd\u673a\u5236
2\u3001gglmannotate\u5305\u2014\u2014\u6dfb\u52a0\u7ebf\u5f62\u56de\u5f52\u7edf\u8ba1\u6307\u6807
\u8fd9\u79cd\u5de5\u5177\u66f4\u5177\u5907\u7ec4\u5408\u6027\uff08\u76f8\u6bd4ggpubr\uff09\u3002
3\u3001Data Organization in Spreadsheets
\u672c\u6587\u4ecb\u7ecd\u5982\u4f55\u4f7f\u7528Excel\u7684\u8868\u683c\u6574\u7406\u6570\u636e\u7684\u4e00\u4e9b\u539f\u5219\u3001\u5efa\u8bae\u3002
"},{"location":"issue-31/#_4","title":"\u5de5\u5177","text":"1\u3001CBNplot - \u4f60\u7684\u5bcc\u96c6\u5206\u6790\u597d\u52a9\u624b
\u8fd9\u4e2a\u5305\u7684\u8f93\u5165\uff0c\u5c31\u662fclusterProfiler\u7cfb\u5217\u5305\u7684\u8f93\u51fa\uff0c\u5b83\u5185\u90e8\u518d\u8c03\u7528bnlearn\u5305\u6765\u505a\u8d1d\u53f6\u65af\u63a8\u65ad\uff0c\u7136\u540e\u753b\u7f51\u7edc\u56fe\u3002
2\u3001unglue - \u9006\u5411glue\u64cd\u4f5c
library(unglue)\nlibrary(glue)\nlibrary(magrittr)\nlibrary(utils)\nglued_data <- head(mtcars) %>% glue_data(\"{rownames(.)} has {hp} hp\")\nglued_data\n#> Mazda RX4 has 110 hp\n#> Mazda RX4 Wag has 110 hp\n#> Datsun 710 has 93 hp\n#> Hornet 4 Drive has 110 hp\n#> Hornet Sportabout has 175 hp\n#> Valiant has 105 hp\nunglue_data(glued_data, \"{rownames(.)} has {hp} hp\")\n#> rownames... hp\n#> 1 Mazda RX4 110\n#> 2 Mazda RX4 Wag 110\n#> 3 Datsun 710 93\n#> 4 Hornet 4 Drive 110\n#> 5 Hornet Sportabout 175\n#> 6 Valiant 105\n3\u3001escape - Easy single cell analysis platform for enrichment
\u63d0\u4f9b\u4e00\u4e2a\u5355\u7ec6\u80de\u7248\u672c\u7684\u5bcc\u96c6\u5206\u6790\u5de5\u5177\u3002
5\u3001\u8c37\u6b4c\u7b80\u660e\u641c\u7d22\u5bfc\u822a
\u9002\u5408\u6ca1\u6709\u68af\u5b50\u7684\u540c\u5b66\u4eec\u3002
"},{"location":"issue-31/#_5","title":"\u8d44\u6e90","text":"1\u3001\u751f\u4fe1\u57fa\u7840\u77e5\u8bc6100\u8bb2
2\u3001\u8d85\u8fc71000\u672c\u7684\u8ba1\u7b97\u673a\u7ecf\u5178\u4e66\u7c4d\u5206\u4eab
"},{"location":"issue-31/#_6","title":"\u8d5e\u8d4f","text":"\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
\u611f\u8c22\u4ee5\u4e0b\u8bfb\u8005\u5f80\u671f\u7684\u8d5e\u8d4f\uff1a
\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-32/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 32 \u671f\uff09\uff1a\u6709\u5bb3\u7684\u540c\u4e49\u7a81\u53d8","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d | \u300c\u751f\u4fe1\u8ba8\u8bba\u533a\uff08Gitter\uff09\u300d
"},{"location":"issue-32/#_1","title":"\u5c01\u9762\u56fe","text":"\u917f\u9152\u9175\u6bcd\u9175\u6bcd\u3002via
"},{"location":"issue-32/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u6709\u5bb3\u7684\u540c\u4e49\u7a81\u53d8","text":"\u7f16\u7801\u86cb\u767d\u8d28\u7684\u57fa\u56e0\u5e8f\u5217\u5076\u5c14\u4f1a\u53d1\u751f\u5355\u6838\u82f7\u9178\u7684\u70b9\u7a81\u53d8\uff0c\u5176\u4e2d\u4e0d\u4f1a\u6539\u53d8\u5bf9\u5e94\u86cb\u767d\u8d28\u5e8f\u5217\u7684\u7a81\u53d8\u88ab\u79f0\u4e3a\u540c\u4e49\u7a81\u53d8\u3002\u8fd9\u770b\u4f3c\u4e0d\u4f1a\u4ea7\u751f\u4efb\u4f55\u540e\u679c\uff0c\u4f46\u7f8e\u56fd\u65af\u5766\u798f\u5927\u5b66\uff08Stanford University\uff09\u548c\u5bc6\u6b47\u6839\u5927\u5b66\uff08University of Michigan\uff09\u7684\u4e00\u9879\u9488\u5bf9\u917f\u9152\u9175\u6bcd\u7684\u65b0\u7814\u7a76\u53d1\u73b0\uff0c\u5927\u591a\u6570\u540c\u4e49\u7a81\u53d8\u90fd\u662f\u6709\u5bb3\u7684\u3002\u8fd9\u9879\u7814\u7a76 6 \u6708 8 \u65e5\u53d1\u8868\u4e8e\u300a\u81ea\u7136\u300b\uff08Nature\uff09\u3002
\u7814\u7a76\u8005\u4f7f\u7528 CRISPR/Cas9 \u57fa\u56e0\u7ec4\u7f16\u8f91\u6784\u5efa\u4e86 8341 \u4e2a\u9175\u6bcd\u83cc\u7a81\u53d8\u682a\uff0c\u6bcf\u4e2a\u83cc\u682a\u90fd\u5728\u5176 21 \u4e2a\u57fa\u56e0\u4e4b\u4e00\u4e2d\u643a\u5e26\u4e00\u4e2a\u540c\u4e49\u3001\u975e\u540c\u4e49\u6216\u65e0\u4e49\u7a81\u53d8\u3002\u7136\u540e\u4ed6\u4eec\u6d4b\u91cf\u4e86\u6bcf\u4e2a\u7a81\u53d8\u83cc\u682a\u76f8\u5bf9\u4e8e\u975e\u7a81\u53d8\u83cc\u682a\u7684\u7e41\u6b96\u901f\u5ea6\u6765\u91cf\u5316\u6bcf\u4e2a\u7a81\u53d8\u83cc\u682a\u7684\u201c\u9002\u5e94\u5ea6\u201d\uff0c\u4ee5\u6b64\u8861\u91cf\u7a81\u53d8\u662f\u6709\u76ca\u7684\u3001\u6709\u5bb3\u7684\u8fd8\u662f\u4e2d\u6027\u7684\u3002\u7ed3\u679c\u53d1\u73b0\uff0c75.9% \u7684\u540c\u4e49\u7a81\u53d8\u662f\u6709\u5bb3\u7684\uff0c\u4ec5\u6709 1.3% \u662f\u6709\u76ca\u7684\uff1b\u540c\u4e49\u548c\u975e\u540c\u4e49\u7a81\u53d8\u7684\u9002\u5e94\u5ea6\u5206\u5e03\u603b\u4f53\u4e0a\u662f\u76f8\u4f3c\u7684\u3002\u7814\u7a76\u8005\u8868\u793a\uff0c\u5982\u679c\u8fd9\u4e00\u7ed3\u8bba\u5728\u5176\u4ed6\u751f\u7269\u4f53\u4e2d\u6210\u7acb\uff0c\u5c06\u9700\u8981\u91cd\u65b0\u5ba1\u89c6\u5173\u4e8e\u7a81\u53d8\u3001\u9009\u62e9\u3001\u6709\u6548\u79cd\u7fa4\u5927\u5c0f\u3001\u5206\u5316\u65f6\u95f4\u548c\u75be\u75c5\u673a\u5236\u7b49\u8bb8\u591a\u751f\u7269\u5b66\u7ed3\u8bba\uff0c\u4e14\u8fd8\u9700\u8981\u52a0\u5f3a\u9884\u6d4b\u548c\u8bc6\u522b\u540c\u4e49\u7a81\u53d8\u7684\u80fd\u529b\u3002
\u539f\u6587\uff1ahttps://www.nature.com/articles/s41586-022-04823-w
"},{"location":"issue-32/#_3","title":"\u751f\u4fe1\u79d1\u6280\u52a8\u6001","text":"1\u3001Science | \u5c0f\u679c\u8747\uff0c\u7acb\u5927\u529f\uff1a\u674e\u7ea2\u6770/\u9a86\u5229\u7fa4\u7b49\u5b8c\u6210\u679c\u8747\u5168\u8eab\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u56fe\u8c31
\u7814\u7a76\u8005\u901a\u8fc7\u5355\u7ec6\u80de\u6838\u5206\u8fa8\u7387\u7684\u57fa\u56e0\u529f\u80fd\u4ee5\u53ca\u7ec6\u80de\u7c7b\u578b\u5efa\u7acb\u8d77\u4e86\u679c\u8747\u7ec6\u80de\u56fe\u8c31\uff08www.flycellatlas.org\uff09\uff0c\u8fd9\u4e00\u6570\u636e\u5e93\u4e2d\u7684\u6570\u636e\u53ef\u4ee5\u901a\u8fc7\u591a\u4e2a\u95e8\u6237\u7f51\u7ad9\u83b7\u5f97\uff0c\u4ece\u800c\u4fbf\u4e8e\u6574\u4e2a\u79d1\u7814\u793e\u533a\u8fdb\u884c\u5206\u6790\u4e0e\u7814\u7a76\u3002
\u5728\u8be5\u5de5\u4f5c\u4e2d\uff0c\u4f5c\u8005\u4eec\u901a\u8fc7\u7edf\u4e00\u7684\u6d4b\u5e8f\u65b9\u6cd5\u3001\u6d4b\u5e8f\u5e73\u53f0\u4ee5\u53ca\u5206\u6790\u6d41\u7a0b\u5bf9\u6210\u4f53\u679c\u8747\u8eab\u4f53\u4e2d\u7ec6\u80de\u8fdb\u884c\u4e86\u5168\u9762\u8986\u76d6\uff0c\u5bf9\u591a\u79cd\u7ec6\u80de\u8fdb\u884c\u4e86\u8be6\u7ec6\u7684\u57fa\u56e0\u6ce8\u91ca\uff0c\u5e76\u4e14\u5efa\u7acb\u4e86\u7ec6\u80de\u7c7b\u578b\u7279\u5f02\u6027\u7684\u6807\u8bb0\u7269\u4ee5\u53ca\u8f6c\u5f55\u56e0\u5b50\uff0c\u6784\u5efa\u4e86\u5927\u8303\u56f4\u7684\u57fa\u56e0\u8c03\u63a7\u7f51\u7edc\u3002\u53e6\u5916\uff0c\u4f5c\u8005\u4eec\u6240\u5efa\u7acb\u7684\u56fe\u8c31\u5bf9\u4e0e\u679c\u8747\u6027\u522b\u4e8c\u6001\u6027\u8fdb\u884c\u4e86\u5206\u6790\uff0c\u5e76\u5bf9\u6027\u522b\u7279\u5f02\u6027\u7ec6\u80de\u5206\u5316\u8f68\u8ff9\u7684\u7ec4\u7ec7\u52a8\u529b\u5b66\u8fdb\u884c\u4e86\u7814\u7a76\u3002\u8fd9\u4e00\u56fe\u8c31\u5df2\u7ecf\u6574\u5408\u5230\u591a\u4e2a\u5e73\u53f0\u4e4b\u4e2d\uff0c\u5bf9\u4e8e\u79d1\u7814\u793e\u533a\u7684\u7814\u7a76\u4e0e\u53d1\u5c55\u63d0\u4f9b\u4e86\u91cd\u8981\u8d44\u6e90\u3002
2\u3001Nature Communication | \u7a7a\u95f4\u86cb\u767d\u8d28\u7ec4\u5b66\u7814\u7a76\u63ed\u793aBRCA1/2\u7a81\u53d8\u4e0e\u5375\u5de2\u764c\u514d\u75ab\u5fae\u73af\u5883\u53ca\u60a3\u8005\u9884\u540e\u7684\u5173\u7cfb
\u82ac\u5170\u7814\u7a76\u56e2\u961f\u5229\u7528\u591a\u91cd\u514d\u75ab\u8367\u5149\u548c\u56fe\u50cf\u5206\u6790\u6280\u672f\u5206\u6790\u4e86\u6765\u81ea\u4e34\u5e8a\u5375\u5de2\u764c\u6837\u672c\u768412\u4e07\u591a\u4e2a\u5355\u7ec6\u80de\u6570\u636e\u96c6\uff0c\u4ee5\u8868\u5f81\u7ec6\u80de\u529f\u80fd\u72b6\u6001\u53ca\u5176\u7a7a\u95f4\u76f8\u4e92\u4f5c\u7528\u7684\u5173\u8054\uff0c\u5bf9\u9ad8\u7ea7\u522b\u6d46\u6db2\u6027\u5375\u5de2\u764cHGSC\u80bf\u7624\u5fae\u73af\u5883\u4e2d\u590d\u6742\u7684\u764c\u75c7-\u514d\u75ab-\u57fa\u8d28\u76f8\u4e92\u4f5c\u7528\u8fdb\u884c\u4e86\u66f4\u5168\u9762\u7684\u7814\u7a76\u3002\u5355\u7ec6\u80de\u7a7a\u95f4\u56fe\u8c31\u63ed\u793a\u4e86\u4e0d\u540c\u7684\u7a7a\u95f4\u514d\u75ab\u76d1\u89c6\u6a21\u5f0f\uff0c\u6709\u52a9\u4e8e\u5f00\u53d1\u66f4\u6709\u6548\u7684\u514d\u75ab\u6cbb\u7597\u7b56\u7565\uff0c\u5e76\u6539\u5584HGSC\u60a3\u8005\u5206\u5c42\u3002
3\u3001Nature Medicine\uff1a\u5168\u7403\u9996\u4e2a\u76ca\u751f\u83cc\u8054\u5408\u514d\u75ab\u6cbb\u75971\u671f\u4e34\u5e8a\u7ed3\u679c\u516c\u5e03\uff0c\u60a3\u8005\u4e2d\u4f4dPFS\u63d0\u5347\u8d85400%
\u76ee\u524d\uff0c\u5df2\u6709\u7814\u7a76\u8868\u660e\uff0cAkkermansia spp.\uff08\u7b80\u79f0Akk\u83cc\uff09\u7684\u4e30\u5ea6\u4e0emRCC\u60a3\u8005\u5728\u63a5\u53d7\u514d\u75ab\u6cbb\u7597\u65f6\u7684\u5ba2\u89c2\u7f13\u89e3\u7387\u63d0\u9ad8\u3001\u4e2d\u4f4dPFS\u5ef6\u957f\u663e\u8457\u76f8\u5173\u3002\u5728\u5c0f\u9f20\u4f53\u5185\u8bd5\u9a8c\u4e2d\u4e5f\u8bc1\u660e\uff0c\u80a0\u9053\u79fb\u690dAkk\u83cc\u80fd\u591f\u5ef6\u7f13\u5c0f\u9f20\u80bf\u7624\u751f\u957f\u3002
\u7ed3\u679c\u663e\u793a\uff0cO\u836f+Y\u836f\u7ec4\u60a3\u8005\u7684\u4e2d\u4f4dPFS\u4e3a2.5\u4e2a\u6708\uff0c20%\u7684\u4eba\u8fbe\u5230\u90e8\u5206\u7f13\u89e3\u3002\u76f8\u6bd4\u4e4b\u4e0b\uff0cCBM588+O\u836f+Y\u836f\u7ec4\u60a3\u8005\u7684\u4e2d\u4f4dPFS\u5f97\u5230\u663e\u8457\u6539\u5584\uff08P\uff1c0.001\uff09\uff0c\u53ef\u8fbe12.7\u4e2a\u6708\uff0c\u4e14\u670958%\u7684\u4eba\u8fbe\u5230\u90e8\u5206\u7f13\u89e3\u3002
4\u3001Frontiers 5\u5206\u671f\u520a\u5f81\u7a3f | \u4eba\u5de5\u667a\u80fd\u5728\u63d0\u9ad8\u514d\u75ab\u6cbb\u7597\u6548\u679c\u4e2d\u7684\u5e94\u7528
\u6295\u7a3f\u94fe\u63a5\uff1ahttps://www.frontiersin.org/research-topics/34142/application-of-artificial-intelligence-in-improving-immunotherapeutic-efficacy
\u5f81\u7a3f\u4fe1\u606f\uff1a
\u672c\u4e13\u520a\u6587\u7a3f\u5e94\u5177\u6709\u79d1\u5b66\u6027\u3001\u521b\u65b0\u6027\uff0c\u901a\u8fc7\u5b8c\u5168\u516c\u5f00\u3001\u516c\u6b63\u3001\u4e25\u683c\u7684\u540c\u884c\u8bc4\u5ba1\u540e\u5728\u7ebf\u8868\u3002\u6587\u7ae0\u4e00\u7ecf\u4e0a\u7ebf\uff0c\u5373\u53ef\u88ab\u5f15\u7528\u3002
"},{"location":"issue-32/#_4","title":"\u6587\u7ae0","text":"1\u3001\u4e00\u81f4\u6027\u805a\u7c7b\uff08Consensus Clustering\uff09\u53ca\u5176\u5728R\u4e2d\u5b9e\u73b0
\u4e00\u81f4\u6027\u805a\u7c7b\uff08Consensus Clustering\uff0cCC\uff09\u6216\u79f0\u5171\u8bc6\u805a\u7c7b\uff0c\u662f\u4e00\u79cd\u5c06\u591a\u4e2a\u805a\u7c7b\u5408\u5e76\u4e3a\u4e00\u4e2a\u66f4\u7a33\u5b9a\u805a\u7c7b\u7684\u6280\u672f\u3002\u5176\u601d\u8def\u662f\uff0c\u91c7\u7528\u91cd\u62bd\u6837\u65b9\u6cd5\u62bd\u53d6\u4e00\u5b9a\u6837\u672c\u7684\u5b50\u6570\u636e\u96c6\uff0c\u7136\u540e\u901a\u8fc7\u6307\u5b9a\u7684\u805a\u7c7b\u7b97\u6cd5\u5c06\u6bcf\u7ec4\u5b50\u6837\u672c\u5212\u5206\u4e3a\u6700\u591ak\u4e2a\u7ec4\uff0c\u6700\u540e\u518d\u7efc\u5408\u591a\u6b21\u91cd\u91c7\u6837\u540e\u7684\u805a\u7c7b\u5206\u6790\u7ed3\u679c\u7ed9\u51fa\u4e00\u81f4\u6027\u7684\u8bc4\u4f30\u3002\u7531\u4e8e\u6240\u5f97\u5230\u7684\u805a\u7c7b\u76f8\u5bf9\u4e8e\u62bd\u6837\u53d8\u5f02\u8d8a\u7a33\u5b9a\uff0c\u53ef\u4ee5\u76f8\u4fe1\u8fd9\u4e00\u81f4\u7684\u805a\u7c7b\u7ed3\u679c\u4ee3\u8868\u4e86\u4e00\u4e2a\u771f\u5b9e\u7684\u5b50\u7c7b\u7ed3\u6784\u3002
2\u3001R\u8bed\u8a00\u7ed8\u5236\u5bc6\u5ea6\u6563\u70b9\u56fe
3\u3001\u5229\u7528zotero\u6279\u91cf\u6293\u53d6\u6587\u732e
4\u3001\u7528research_rabbit\u8054\u52a8zotero\u6253\u9020\u6587\u732e\u53ef\u89c6\u5316\u4e00\u6761\u9f99
5\u30012021\u5e74\uff0c\u5168\u7403\u80bf\u7624\u836f\u5de8\u5934\u6392\u540dTOP10
"},{"location":"issue-32/#_5","title":"\u5de5\u5177","text":"1\u3001ggpp - ggplot2\u56fe\u5f62\u8bed\u6cd5\u62d3\u5c55
\u63d0\u4f9b\u4e86\u4e00\u7cfb\u5217\u62d3\u5c55\u51fd\u6570\u3002
\u793a\u4f8b\uff1a
2\u3001ArchR - Analysis of Regulatory Chromatin in R (www.ArchRProject.com)
ArchR \u662f\u4e00\u4e2a\u529f\u80fd\u9f50\u5168\u7684 R \u5305\uff0c\u7528\u4e8e\u5904\u7406\u548c\u5206\u6790\u5355\u7ec6\u80de ATAC-seq \u6570\u636e\u3002 ArchR \u63d0\u4f9b\u4e86\u6240\u6709\u53ef\u7528\u8f6f\u4ef6\u4e2d\u6700\u5e7f\u6cdb\u7684 scATAC-seq \u5206\u6790\u5de5\u5177\u5957\u4ef6\u3002\u6b64\u5916\uff0cArchR \u5728\u901f\u5ea6\u548c\u8d44\u6e90\u4f7f\u7528\u65b9\u9762\u90fd\u8868\u73b0\u51fa\u8272\uff0c\u53ef\u4ee5\u5728 MacBook Pro \u7b14\u8bb0\u672c\u7535\u8111\u4e0a\u5728 8 \u5c0f\u65f6\u5185\u5206\u6790 100 \u4e07\u4e2a\u7ec6\u80de\u3002
3\u3001pkgsearch - Search and Query CRAN R Packages
\u7528\u4e8e\u68c0\u6d4bCRAN\u8f6f\u4ef6\u5305\u7684\u5de5\u5177\u3002
4\u3001ggSankeyGrad - \u521b\u5efa\u4e00\u4e2a\u57fa\u4e8eggplot\u7684Sankey\u56fe\u5f62
5\u3001bayesplot - \u7ed8\u5236\u8d1d\u53f6\u65af\u6a21\u578b
bayesplot\u662f\u4e00\u4e2aR\u5305\uff0c\u63d0\u4f9b\u4e86\u4e00\u4e2a\u6269\u5c55\u7684\u7ed8\u56fe\u51fd\u6570\u5e93\uff0c\u4f9b\u62df\u5408\u8d1d\u53f6\u65af\u6a21\u578b\u540e\u4f7f\u7528(\u901a\u5e38\u4f7f\u7528MCMC)\u3002bayesplot\u521b\u5efa\u7684\u7ed8\u56fe\u662fggplot\u5bf9\u8c61\uff0c\u8fd9\u610f\u5473\u7740\u5728\u521b\u5efa\u7ed8\u56fe\u4e4b\u540e\uff0c\u53ef\u4ee5\u4f7f\u7528\u6765\u81eaggplot2\u5305\u7684\u5404\u79cd\u51fd\u6570\u8fdb\u4e00\u6b65\u5b9a\u5236\u5b83\u3002
\u76ee\u524dbayesplot\u63d0\u4f9b\u591a\u79cd\u540e\u9a8c\u56fe\u3001\u56fe\u5f62\u5316MCMC\u8bca\u65ad\u3001\u56fe\u5f62\u5316\u540e\u9a8c(\u6216\u524d\u9a8c)\u9884\u6d4b\u68c0\u67e5\u4ee5\u53ca\u540e\u9a8c(\u6216\u524d\u9a8c)\u9884\u6d4b\u5206\u5e03\u7684\u4e00\u822c\u56fe\u3002
"},{"location":"issue-32/#_6","title":"\u8d44\u6e90","text":"1\u3001Bioicons - A library of free open source icons for science illustrations in biology and chemistry
\u5730\u5740\uff1ahttps://bioicons.com/
2\u3001Ventoy - U \u76d8\u65e0\u9700\u683c\u5f0f\u5316\uff0c\u652f\u6301\u591a\u9009\u7cfb\u7edf\uff0c\u4e00\u952e\u88c5\u673a
"},{"location":"issue-32/#_7","title":"\u8d5e\u8d4f","text":"\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
"},{"location":"issue-32/#_8","title":"\u8ba2\u9605","text":"\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-33/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 33 \u671f\uff09\uff1a\u79d1\u7814\u4e0e\u751f\u6d3b","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d | \u300c\u751f\u4fe1\u8ba8\u8bba\u533a\uff08Gitter\uff09\u300d
"},{"location":"issue-33/#_1","title":"\u5c01\u9762\u56fe","text":"via\u3002
"},{"location":"issue-33/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u79d1\u7814\u4e0e\u751f\u6d3b","text":"\u5728\u7855\u535a\u671f\u95f4\uff0c\u4f60\u53ef\u80fd\u611f\u53d7\u4e0d\u5230\u8fd9\u4e2a\u8bdd\u9898\u7684\u610f\u4e49\uff0c\u4f46\u6b63\u5f0f\u6b65\u5165\u5de5\u4f5c\uff0c\u5168\u76d8\u63a5\u89e6\u4eba\u7c7b\u7684\u751f\u6d3b\uff0c\u64cd\u5fc3\u5403\u559d\u62c9\u6492\uff0c\u751f\u6d3b\u662f\u5fc5\u7136\u7684\uff0c\u751f\u6d3b\u4e5f\u662f\u5fc5\u987b\u5904\u7406\u548c\u9762\u5bf9\u7684\u3002\u5982\u679c\u9009\u62e9\u79d1\u7814\uff0c\u4f60\u4f1a\u600e\u4e48\u6837\u5728\u4f60\u7684\u79d1\u7814\u804c\u4e1a\u751f\u6daf\u4e2d\u5904\u7406\u4f60\u7684\u751f\u6d3b\uff1f\u600e\u4e48\u6446\u653e\u5bb6\u5ead\u7684\u4f4d\u7f6e\uff1f
\u5728\u8fd9\u4e2a\u8bdd\u9898\u94fe\u63a5\u7684\u6587\u7ae0\u4e2d\u6709\u4e00\u6bb5\u8bdd\u5370\u8c61\u6df1\u523b\uff1a\u201c\u4f60\u6709\u6ca1\u6709\u65f6\u95f4\u966a\u5b69\u5b50\u5bb6\u4eba\u548c\u4f60\u505a\u5565\u5de5\u4f5c\u6709\u591a\u5fd9\u771f\u6ca1\u592a\u5927\u5173\u7cfb\uff0c\u5173\u952e\u662f\u4f60\u6709\u6ca1\u6709\u771f\u6b63\u628a\u5b69\u5b50\u5bb6\u4eba\u653e\u7b2c\u4e00\u4f4d\uff0c\u820d\u4e0d\u820d\u5f97\u628a\u65f6\u95f4\u7ed9\u4ed6\u4eec\u3002\u201d\u6211\u4eec\u4ece\u5c0f\u5b66\u4f1a\u4e86\u88ab\u7231\uff0c\u4f46\u4f60\u6211\u4e5f\u4f1a\u5b66\u4f1a\u7231\u4eba\u3002
"},{"location":"issue-33/#_3","title":"\u751f\u4fe1\u79d1\u6280\u52a8\u6001","text":"1\u3001Cell\uff5c\u9996\u6b21\u5927\u89c4\u6a21\u9ad8\u5206\u8fa8\u7387\u63ed\u793a\u4ece\u4e00\u4e2a\u643a\u5e26\u81f4\u764c\u7a81\u53d8\u7684\u5355\u7ec6\u80de\u6f14\u53d8\u4e3a\u4fb5\u88ad\u6027\u80bf\u7624\u7684\u5168\u8fc7\u7a0b
\u7814\u7a76\u56e2\u961f\u5c06\u57fa\u4e8e\u5355\u7ec6\u80deRNA-seq\u7684\u8fdb\u5316\u8c31\u7cfb\u793a\u8e2a\u7cfb\u7edf\u5f15\u5165KP\u5c0f\u9f20\u6a21\u578b\u4e2d\uff0c\u8fde\u7eed\u5e76\u5168\u9762\u76d1\u6d4b\u4e86\u4e00\u4e2a\u643a\u5e26\u81f4\u764c\u7a81\u53d8\u7684\u5355\u7ec6\u80de\u6f14\u53d8\u4e3a\u4fb5\u88ad\u6027\u80bf\u7624\u7684\u5168\u8fc7\u7a0b\uff0c\u63ed\u793a\u7f55\u89c1\u7684\u4e9a\u514b\u9686\u53ef\u4ee5\u901a\u8fc7\u72ec\u7279\u7684\u8f6c\u5f55\u7a0b\u5e8f\u9a71\u52a8\u80bf\u7624\u6269\u5f20\u3002\u6b64\u5916\uff0c\u7814\u7a76\u56e2\u961f\u8fd8\u53d1\u73b0\u80bf\u7624\u901a\u8fc7\u5178\u578b\u3001\u72ec\u7279\u7684\u8fdb\u5316\u8f68\u8ff9\u53d1\u5c55\uff0c\u5e72\u6270\u989d\u5916\u7684\u80bf\u7624\u6291\u5236\u56e0\u5b50\u53ef\u4ee5\u52a0\u901f\u80bf\u7624\u7684\u8fdb\u5c55\u3002\u8be5\u7814\u7a76\u4ee5\u524d\u6240\u672a\u6709\u7684\u89c4\u6a21\u548c\u5206\u8fa8\u7387\u91cd\u5efa\u4e86\u4ece\u5355\u4e00\u8f6c\u5316\u7ec6\u80de\u5230\u590d\u6742\u3001\u4fb5\u88ad\u6027\u80bf\u7624\u7fa4\u4f53\u7684\u80bf\u7624\u6f14\u5316\u5168\u8fc7\u7a0b\u3002
2\u3001Nature | 30\u79cd\u764c\u75c72583\u4e2a\u5168\u57fa\u56e0\u7ec4\u6570\u636e\u5206\u6790\u63ed\u793a\u67d3\u8272\u4f53\u5916DNA\u7a81\u53d8\u4e0e10%\u764c\u75c7\u76f8\u5173
\u7814\u7a76\u56e2\u961f\u5206\u6790\u4e86\u6765\u81ea30\u79cd\u764c\u75c7\u76842500\u591a\u4e2a\u5168\u57fa\u56e0\u7ec4\u6570\u636e\uff0c\u7ed8\u5236\u4e86\u5df2\u77e5\u805a\u96c6\u6027\u4f53\u7ec6\u80de\u7a81\u53d8\u6700\u5168\u9762\u3001\u6700\u8be6\u7ec6\u7684\u56fe\u8c31\uff0c\u63ed\u793a\u4e86ecDNA\u4e2dAPOBEC3\u7684\u7a81\u53d8\u7279\u5f81\uff0c\u8fd9\u79cd\u6b64\u524d\u672a\u88ab\u53d1\u73b0\u7684\u7a81\u53d8\u6a21\u5f0f\u5bfc\u81f4\u4e86\u7ea610%\u7684\u4eba\u7c7b\u764c\u75c7\u7684\u53d1\u5c55\u3002\u7814\u7a76\u53d1\u73b0\uff0ckataegic\u4e8b\u4ef6\u4e2d\u670976.1%\u8868\u73b0\u51fa\u4e0e\u6fc0\u6d3b\u8bf1\u5bfc\u7684\u8131\u6c28\u9176\uff08AID\uff09\u548cAPOBEC3\u8131\u6c28\u9176\u5bb6\u65cf\u76f8\u5173\u7684\u7a81\u53d8\u6a21\u5f0f\u3002\u572831%\u7684ecDNA\u6837\u672c\u4e2d\u53d1\u73b0APOBEC3\u76f8\u5173\u7684kataegis\u4e8b\u4ef6\u548c\u67d3\u8272\u4f53\u5916DNA\uff08ecDNA\uff09\u7684\u5171\u540c\u51fa\u73b0\uff0c\u5e76\u5c06\u8fd9\u79cd\u60c5\u51b5\u79f0\u4e3akyklonas\u4e8b\u4ef6\u3002
3\u3001NBT | \u738b\u519b/\u9648\u4e49\u534e\u7ec4\u5229\u7528AI\u8d4b\u80fd\u5fae\u751f\u7269\u7ec4\u529f\u80fd\u5927\u5206\u5b50\u7684\u9ad8\u901a\u91cf\u6316\u6398
\u7814\u7a76\u4eba\u5458\u6574\u5408\u4e86\u591a\u79cd\u4eba\u5de5\u667a\u80fd\u9886\u57df\u4e2d\u81ea\u7136\u8bed\u8a00\u5206\u6790\uff08Natural Language Processing\uff09\u7684\u795e\u7ecf\u7f51\u7edc\u65b9\u6cd5\uff0c\u4ee5\u6297\u83cc\u80bd\u4e3a\u7b2c\u4e00\u4e2a\u7814\u7a76\u5bf9\u8c61\uff0c\u5728\u5b66\u4e60\u4e86\u73b0\u6709\u7684\u51e0\u5343\u6761\u6297\u83cc\u80bd\u5e8f\u5217\u4ee5\u540e\uff0c\u6784\u5efa\u4e86\u51c6\u786e\u7387\u8d85\u8fc790%\u7684\u6297\u83cc\u80bd\u9884\u6d4b\u65b9\u6cd5\uff0c\u8fdc\u8fdc\u8d85\u51fa\u4e4b\u524d\u53d1\u8868\u7684\u57fa\u4e8e\u6c28\u57fa\u9178\u7ec4\u6210\u548c\u6027\u8d28\u8fdb\u884c\u6297\u83cc\u80bd\u5224\u5b9a\u7684\u6a21\u578b\u3002
"},{"location":"issue-33/#_4","title":"\u6587\u7ae0","text":"1\u3001\u80bf\u7624\u514b\u9686\u8fdb\u5316\u4e4b\u4e0d\u540c\u8fdb\u5316\u6a21\u5f0f
\u603b\u7ed3\u4e86\u80bf\u7624\u514b\u9686\u8fdb\u5316\u7684\u4e0d\u540c\u6a21\u5f0f\uff0c\u4ee5\u53ca\u5404\u4e2a\u764c\u79cd\u73b0\u6709\u8fdb\u5316\u6a21\u5f0f\u7684\u7814\u7a76\uff0c\u6574\u4e2a\u7cfb\u5217\u90fd\u5f88\u503c\u5f97\u4e00\u8bfb\u3002
@mugpeng\u8d21\u732e\u3002
2\u300111\u7c7b\u80bf\u7624\u6297\u539f
\u672c\u6587\u603b\u7ed3\u4e8611\u7c7b\u80bf\u7624\u6297\u539f\u7684\u4ea7\u751f\u53ca\u7279\u70b9\uff0c\u5e0c\u671b\u80fd\u591f\u5bf9\u9776\u70b9\u7814\u7a76\u3001\u7cbe\u51c6\u8bca\u65ad\u3001\u514d\u75ab\u6cbb\u7597\u7b49\u63d0\u4f9b\u5e2e\u52a9\u3002
3\u3001\u514d\u8d39\u597d\u7528\u7684\u535a\u5ba2\u8bc4\u8bba\u7cfb\u7edf\u63d2\u4ef6 \u2013 utterances
4\u3001\u4f7f\u7528glmnet\u8fdb\u884c\u6b63\u5219\u5316\u5e7f\u4e49\u7ebf\u6027\u6a21\u578b\u56de\u5f52
5\u3001\u80bf\u7624\u5fae\u751f\u7269\u5fae\u73af\u5883
\u80bf\u7624\u5fae\u751f\u7269\u5fae\u73af\u5883\u5728\u80bf\u7624\u514d\u75ab\u5fae\u73af\u5883\u4e2d\u7684\u4f5c\u7528\u662f\u591a\u65b9\u9762\u7684\uff1a\u53ef\u80fd\u4f5c\u4e3a\u514d\u75ab\u6fc0\u6d3b\u5242\u3001\u6291\u5236\u5242\u6216\u65c1\u89c2\u8005\u3002\u80bf\u7624\u5fae\u751f\u7269\u5fae\u73af\u5883\u8c03\u8282\u80bf\u7624\u514d\u75ab\u5fae\u73af\u5883\uff0c\u4f7f\u5176\u6210\u4e3a\u6539\u5584\u514d\u75ab\u6cbb\u7597\u7684\u6f5c\u5728\u9776\u70b9\u3002\u8fd9\u662f\u4e00\u4e2a\u9762\u4e34\u91cd\u5927\u6311\u6218\u7684\u65b0\u9886\u57df\uff0c\u503c\u5f97\u8fdb\u4e00\u6b65\u63a2\u7d22\u3002
"},{"location":"issue-33/#_5","title":"\u5de5\u5177","text":"1\u3001SwiftBar - \u5f3a\u5927\u7684macOS\u83dc\u5355\u680f\u5b9a\u5236\u5de5\u5177
\u7f16\u5199\u4e00\u4e2aShell\u811a\u672c\uff0c\u7136\u540e\u6dfb\u52a0\u5230SwiftBar\uff0c\u4f60\u5c31\u53ef\u4ee5\u62e5\u6709\u4e00\u4e2aMacOS\u63d2\u4ef6\u3002
2\u3001Proksee - \u4e00\u4e2a\u57fa\u56e0\u7ec4\u7ec4\u88c5\u3001\u6ce8\u91ca\u548c\u53ef\u89c6\u5316\u7684\u4e13\u5bb6\u7cfb\u7edf
\u53ef\u7528\u4e8e\u5b8f\u57fa\u56e0\u7ec4\u5206\u7bb1\uff08binning\uff09\u540e\u83b7\u5f97\u7684\u5355\u83cc\u8349\u56fe\u7684\u53ef\u89c6\u5316\uff08\u7f51\u9875\u7248\u4ec5\u652f\u6301fasta\u683c\u5f0f\u6838\u9178\u5e8f\u5217\uff0c\u6682\u4e0d\u652f\u6301\u6ce8\u91ca\u540efaa\u6216gff3\u7ed3\u679c\u7684\u53ef\u89c6\u5316\u3002\u53ef\u9009\u62e9linux\u7248\u672c\uff0c\u652f\u6301conda\u5b89\u88c5\uff1ahttps://anaconda.org/bioconda/proksee\uff0c\u652f\u6301\u4ece\u5934\u7ec4\u88c5\u548c\u6ce8\u91ca\uff09\u3002
@15521271731\u8d21\u732e\u3002
3\u3001charpente - \u65e0\u7f1d\u8bbe\u8ba1\u5065\u58ee\u7684Shiny\u6269\u5c55
4\u3001plottify - \u4e00\u4e2a\u7b80\u5355\u7684matplotlib\u5305\u88c5\u5668\uff0c\u81ea\u52a8\u7f29\u653e\u5b57\u4f53\u5927\u5c0f\u3001\u6563\u70b9\u5927\u5c0f\u548c\u884c\u5bbd\u5ea6\uff0c\u4f7f\u5176\u4e0e\u56fe\u5f62\u5927\u5c0f\u6210\u6bd4\u4f8b
5\u3001janitor - R\u4e2d\u7b80\u5355\u7684\u6570\u636e\u6e05\u7406\u5de5\u5177
Janitor\u5177\u6709\u7b80\u5355\u7684\u68c0\u67e5\u548c\u6e05\u7406\u810f\u6570\u636e\u7684\u529f\u80fd\u3002\u5b83\u662f\u4e3a\u521d\u7ea7\u548c\u4e2d\u7ea7R\u7528\u6237\u6784\u5efa\u7684\uff0c\u5e76\u9488\u5bf9\u7528\u6237\u53cb\u597d\u6027\u8fdb\u884c\u4e86\u4f18\u5316\u3002\u9ad8\u7ea7R\u7528\u6237\u5df2\u7ecf\u53ef\u4ee5\u5b8c\u6210\u8fd9\u91cc\u6240\u6d89\u53ca\u7684\u4e00\u5207\uff0c\u4f46\u662f\u4f7f\u7528janitor\u4ed6\u4eec\u53ef\u4ee5\u66f4\u5feb\u5730\u5b8c\u6210\uff0c\u5e76\u628a\u4ed6\u4eec\u7684\u60f3\u6cd5\u7559\u7ed9\u6709\u8da3\u7684\u4e1c\u897f\u3002
\u4e3b\u8981\u529f\u80fd\uff1a
1\u3001A profile of differential DNA methylation in sporadic human prion disease blood: precedent, implications and clinical promise
2019-\u4f26\u6566\u5927\u5b66\u535a\u58eb\u8bba\u6587\uff0c\u5168\u65b9\u4f4d\u8be6\u7ec6\u9610\u8ff0\u7532\u57fa\u5316\u5185\u5bb9\uff0c\u5305\u542b\u590d\u73b0\u4ee3\u7801\u3002
@ylchenchen\u8d21\u732e\u3002
2\u3001Unraveling population heterogeneity using single-cell analysis
2022-\u534e\u76db\u987f\u5927\u5b66\u535a\u58eb\u8bba\u6587\uff0c\u5355\u7ec6\u80de\u5206\u7c7b\u7b97\u6cd5\u7684\u4ecb\u7ecd\u3002
@ylchenchen\u8d21\u732e\u3002
3\u3001\u533b\u5b66\u6570\u636e\u79d1\u5b66\u8bfe\u7a0b
\u975e\u5e38\u68d2\u7684\u57fa\u4e8eRmd \u7684\u516c\u5f00\u8bfe\u7a0b\u8d44\u6599\uff0c\u4ece\u63a8\u65ad\u5047\u8bbe\uff0c\u6570\u636e\u5206\u5e03\uff0c\u6279\u6b21\u5904\u7406\uff0c\u4ee5\u53ca\u57fa\u56e0\u7ec4\u6570\u636e\u7684\u5904\u7406\u3002
@mugpeng\u8d21\u732e\u3002
\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
"},{"location":"issue-33/#_8","title":"\u8ba2\u9605","text":"\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-34/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 34 \u671f\uff09\uff1a\u4e2d\u56fd\u767e\u4e07\u4eba\u7fa4\u5927\u961f\u5217\uff0c\u4f55\u53bb\u4f55\u4ece\uff1f","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d | \u300c\u751f\u4fe1\u8ba8\u8bba\u533a\uff08Gitter\uff09\u300d
"},{"location":"issue-34/#_1","title":"\u5c01\u9762\u56fe","text":"via
"},{"location":"issue-34/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u4e2d\u56fd\u767e\u4e07\u4eba\u7fa4\u5927\u961f\u5217\uff0c\u4f55\u53bb\u4f55\u4ece\uff1f","text":"\u5927\u961f\u5217\u7814\u7a76\uff0c\u505a\u597d\u4e86\u5bf9\u4eba\u7c7b\u533b\u5b66\u975e\u5e38\u6709\u76ca\u3002\u4e16\u754c\u4e0a\u6709\u51e0\u4e2a\u7a81\u51fa\u7684\u4f8b\u5b50\u3002\u4f46\u662f\u5916\u56fd\u7684\u699c\u6837\u6709\u65f6\u5728\u4e2d\u56fd\u8d70\u6837\uff0c\u751a\u81f3\u53d8\u6210\u8981\u5927\u94b1\uff0c\u4f46\u4e0d\u505a\u5927\u4e8b\uff0c\u6216\u8005\u4e0d\u628a\u5927\u4e8b\u505a\u597d\u3002\u7ecf\u8d39\u5927\u589e\u540e\u7684\u4e2d\u56fd\u79d1\u5b66\u754c\uff0c\u662f\u5426\u5bf9\u5f97\u8d77\u79d1\u5b66\u3001\u662f\u5426\u5bf9\u5f97\u8d77\u4e2d\u56fd\u7eb3\u7a0e\u4eba\uff0c\u5982\u4f55\u505a\u5305\u62ec\u961f\u5217\u5728\u5185\u7684\u5927\u9879\u76ee\uff0c\u53ef\u80fd\u662f\u8bd5\u91d1\u77f3\u4e4b\u4e00\uff0c\u68c0\u9a8c\u80fd\u529b\u3001\u4f5c\u98ce\u3001\u826f\u5fc3\u3002
\u4f60\u53ef\u80fd\u770b\u5230\u4e86\u5f88\u591a\u5df2\u7ecf\u7ed3\u9898\u7684\u9879\u76ee\u540d\u79f0\uff0c\u4f46\u4f60\u53ef\u80fd\u4ece\u6765\u4e0d\u77e5\u9053\u4ece\u54ea\u91cc\u53bb\u83b7\u53d6\u4ee5\u53ca\u662f\u5426\u5bb9\u6613\u83b7\u53d6\uff1a
\u73b0\u5b9e\u662f\u91c7\u5230\u7684\u6837\u672c\u5206\u6563\u50a8\u85cf\u5728\u67d0\u5904\uff0c\u6781\u5c11\u6d4b\u5e8f\uff0c\u6536\u96c6\u7684\u57fa\u672c\u6570\u636e\u53bb\u5411\u4e0d\u4e00\uff0c\u610f\u5473\u7740\u8bfe\u9898\u7ec4\u5916\u7684\u7814\u7a76\u8005\u6216\u4f01\u4e1a\uff0c\u5982\u679c\u60f3\u5229\u7528\u8fd9\u4e9b\u8d44\u6e90\u7684\u8bdd\uff0c\u4f1a\u76f8\u5f53\u56f0\u96be\u3002
\u4e2d\u56fd\u7f3a\u4e4f\u7c7b\u4f3cTCGA\u7684\u6807\u5fd7\u6027\u5927\u578b\u9879\u76ee\uff01
"},{"location":"issue-34/#_3","title":"\u751f\u4fe1\u7814\u7a76","text":"1\u3001Cell | \u7ed3\u5408\u86cb\u767d\u8d28\u7ec4\u4e0e\u5916\u663e\u5b50\u7ec4\u6280\u672f\u6784\u5efa\u8f6c\u5f55\u56e0\u5b50\u4e92\u4f5c\u56fe\u8c31\uff0c\u63ed\u793a\u5148\u5fc3\u75c5\u7684\u9057\u4f20\u51b3\u5b9a\u56e0\u7d20
\u7814\u7a76\u56e2\u961f\u901a\u8fc7\u6574\u5408\u86cb\u767d\u8d28\u7ec4\u5b66\u548c\u4eba\u7c7b\u9057\u4f20\u5b66\u65b9\u6cd5\uff0c\u89e3\u6790\u4eba\u7c7b\u5fc3\u810f\u7956\u7ec6\u80de\u5185\u6e90\u6027GATA4\u548cTBX5\u7684\u86cb\u767d\u8d28\u76f8\u4e92\u4f5c\u7528\u4f53\uff0c\u4ee5\u8bc6\u522b\u548c\u4f18\u5148\u68c0\u6d4b\u6f5c\u5728\u7684\u5fc3\u810f\u75be\u75c5\u57fa\u56e0\u3001CHD\u76f8\u5173\u53d8\u5f02\u4f53\uff0c\u63ed\u793a\u4e86\u5fc3\u810f\u57fa\u56e0\u8c03\u63a7\u7684\u5404\u65b9\u9762\u529f\u80fd\u3002
2\u3001Cell | \u6cdb\u764c\u7814\u7a76\u63ed\u793a\u4e0d\u540c\u80bf\u7624\u7c7b\u578b\u7684\u514d\u75ab\u7279\u5f81\u56fe\u8c31
\u4e3a\u4e86\u80fd\u4ece\u4e0d\u540c\u7c7b\u578b\u7684\u80bf\u7624\u4e2d\u5bfb\u627e\u5230\u4e3b\u8981\u7684\u514d\u75ab\u7cfb\u7edf\u539f\u578b\uff0cUCSF\u514d\u75ab\u5206\u6790\u8054\u76df\uff08UCSF Immunoprofiler Initiative\uff09\u5171\u6536\u53d6\u4e86\u8de8\u8d8a12\u4e2a\u4e0d\u540c\u7c7b\u578b\u80bf\u7624\u5171\u8ba1364\u4efd\u65b0\u9c9c\u80bf\u7624\u7ec4\u7ec7\u7684\u5916\u79d1\u6837\u672c\uff0c\u5feb\u901f\u6d88\u5316\u6210\u5355\u7ec6\u80de\u60ac\u6db2\u5e76\u901a\u8fc7\u591a\u53c2\u6570\u6d41\u5f0f\u7ec6\u80de\u4eea\u8fdb\u884c\u514d\u75ab\u5206\u578b\u3002\u6b64\u5916\uff0c\u4f5c\u8005\u8fd8\u501f\u52a9\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u6d4b\u5e8f\u6280\u672f\uff08scRNA-seq\uff09\u83b7\u53d6\u4e86\u8fd9\u4e9b\u5916\u79d1\u6807\u672c\u7684\u7ec6\u80de\u7ec4\u6210\u548c\u8f6c\u5f55\u7ec4\u5b66\u4fe1\u606f\u3002\u901a\u8fc7\u5bf9T\u7ec6\u80de\u548c\u5355\u6838\u541e\u566c\u7ec6\u80de\u4e9a\u7fa4\u7684\u66f4\u7cbe\u7ec6\u7684\u5206\u7c7b\u548c\u5b9a\u4e49\uff0c\u4f5c\u8005\u4ece3\u4e2a\u7c97\u7565\u7684\u7ec6\u80de\u7279\u5f81\uff08T\u7ec6\u80de\u7279\u5f81\u3001\u9ad3\u6837\u7ec6\u80de\u7279\u5f81\u548c\u975e\u514d\u75ab\u7684\u57fa\u8d28\u7ec6\u80de\u7279\u5f81\uff09\u5f00\u59cb\uff0c\u901a\u8fc7\u4e0d\u65ad\u7684\u6e10\u8fdb\u5206\u6790\uff0c\u6700\u7ec8\u786e\u5b9a\u4e8610\u4e2a\u4e3b\u8981\u514d\u75ab\u539f\u578b\u7684\u7a33\u5b9a\u89c6\u56fe\u3002
3\u3001Genome Biology\u7efc\u8ff0 | \u5982\u4f55\u4e3a\u4e34\u5e8a\u8bca\u65ad\u63d0\u4f9b\u51c6\u786e\u53ef\u9760\u7684\u7ed3\u6784\u53d8\u5f02\u89e3\u6790\uff1f
\u6587\u7ae0\u5206\u522b\u603b\u7ed3\u4e86\u4e09\u4e2a\u65b9\u9762\u5c55\u671b\u5e94\u7528\u67d3\u8272\u4f53SV\u8fdb\u884c\u4e34\u5e8a\u8bca\u65ad\u3002\u5206\u522b\u662f\uff1a1.\u5efa\u7acb\u6807\u51c6\u53c2\u8003\u6750\u6599\uff1b2.\u9009\u62e9\u6700\u4f18\u7684\u6d4b\u5e8f\u7b56\u7565\uff1b3.\u9009\u62e9\u83b7\u53d6\u6700\u4f73\u7684SV\u8bc6\u522b\u4fe1\u53f7\u7684\u65b9\u6848\u3002
"},{"location":"issue-34/#_4","title":"\u535a\u6587\u8d44\u8baf","text":"1\u3001rstudio::conf(2022) Conference Schedule
rstudio\u53d1\u5e03\u5e74\u5ea6\u4f1a\u8bae\u5b89\u6392\u8868\u3002\u6ce8\u518c\u7f51\u5740\uff1ahttps://www.rstudio.com/conference/\u3002\u6ca1\u94b1\u7684\u53ea\u80fd\u5403\u74dc\uff5e
2\u3001gghalves\u5305\u4ecb\u7ecd
3\u3001T\u7ec6\u80de\u8017\u7aed
\u6162\u6027\u611f\u67d3\u548c\u764c\u75c7\u75c5\u4eba\uff0cT\u7ec6\u80de\u53d7\u5230\u6297\u539f\u6301\u7eed\u523a\u6fc0\uff0c\u7ec6\u80de\u8bb0\u5fc6\u4e0d\u80fd\u6709\u6548\u5730\u53d1\u80b2\u5206\u5316\uff0cT\u7ec6\u80de\u53d8\u5f97\u7cbe\u75b2\u529b\u7aed\uff0c\u79f0\u4e4b\u4e3aT\u7ec6\u80de\u8017\u7aed\uff08Tex\uff09\u3002
Tex\u7ec6\u80de\u5728\u529f\u80fd\u4e0a\u6709\u522b\u4e8eTeff\u548cTmem\uff0c\u5176\u7279\u70b9\u662f\u6548\u5e94\u529f\u80fd\u4e27\u5931\uff0c\u6291\u5236\u6027\u53d7\u4f53(IRS)\u8868\u8fbe\u589e\u9ad8\u4e14\u6301\u7eed\uff0c\u8868\u89c2\u9057\u4f20\u548c\u8f6c\u5f55\u8c31\u6539\u53d8\uff0c\u4ee3\u8c22\u65b9\u5f0f\u6539\u53d8\u3002
T\u7ec6\u80de\u8870\u7aed\u662f\u764c\u75c7\u75c5\u4eba\u514d\u75ab\u529f\u80fd\u969c\u788d\u4e3b\u8981\u56e0\u7d20\u4e4b\u4e00\u3002
"},{"location":"issue-34/#_5","title":"\u5de5\u5177","text":"1\u3001Transformers - \u4e3a Jax\u3001PyTorch \u548c TensorFlow \u6253\u9020\u7684\u5148\u8fdb\u7684\u81ea\u7136\u8bed\u8a00\u5904\u7406
2\u3001scDVA - \u4e00\u4e2a\u57fa\u4e8eR Shiny\u7684\u5de5\u5177\uff0c\u7528\u4e8e\u5355\u7ec6\u80deRNA-seq\u6570\u636e\u53ef\u89c6\u5316\u548c\u5206\u6790
3\u3001Jupyter\u7b14\u8bb0\u672c\u548cnteract\u7684Go\u5185\u6838
4\u3001beautifyR - RStudio\u63d2\u4ef6\u7528\u4e8e\u683c\u5f0f\u5316Rmarkdown\u8868
"},{"location":"issue-34/#_6","title":"\u8d44\u6e90","text":"1\u3001\u6df1\u5ea6\u5b66\u4e60\u7684\u7efc\u8ff0\u7684\u7efc\u8ff0
\u5bf9\u60f3\u8981\u4e86\u89e3\u6df1\u5ea6\u5b66\u4e60\u8109\u7edc\u7684\u8bfb\u8005\u53ef\u80fd\u6709\u5e2e\u52a9\u3002
2\u3001Awesome GitHub Profile README
\u4e00\u5806\u5c55\u793aGitHub Profile\u7684\u5de5\u5177\u3002\u8ba9GitHub\u4e3b\u9875\u6210\u4e3a\u4f60\u7684\u7b80\u5386\u3002
"},{"location":"issue-34/#_7","title":"\u8d5e\u8d4f","text":"\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
"},{"location":"issue-34/#_8","title":"\u8ba2\u9605","text":"\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-35/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 35 \u671f\uff09\uff1a\u751f\u7269\u4fe1\u606f\u884c\u4e1a\u7684\u7ecf\u6d4e\u751f\u6001","text":"\u516c\u544a\uff1a\u4ece\u672c\u671f\u5f00\u59cb\uff0c\u672c\u5468\u520a\u5c06\u7531Openbiox\u8fd1\u671f\u5efa\u7acb\u7684\u8fd0\u7ef4\u5c0f\u961f\u5171\u540c\u8d21\u732e\u4e0e\u7ba1\u7406\u3002
\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d | \u300c\u751f\u4fe1\u8ba8\u8bba\u533a\uff08Gitter\uff09\u300d
"},{"location":"issue-35/#_1","title":"\u5c01\u9762\u56fe","text":"\u795e\u7ecf\u5143\uff08via\uff09
"},{"location":"issue-35/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u751f\u7269\u4fe1\u606f\u884c\u4e1a\u7684\u7ecf\u6d4e\u751f\u6001","text":"\u672c\u5468\u8bdd\u9898\u6765\u81ea@qins\uff1a
\u4efb\u4f55\u4e00\u4e2a\u9886\u57df\u6216\u884c\u4e1a\u8981\u84ec\u52c3\u53d1\u5c55, \u5927\u6982\u7387\u4f1a\u6709\u9700\u6c42\u65b9(\u8d44\u91d1\u6765\u6e90) -> \u6574\u5408\u94fe\u63a5\u65b9(\u5206\u53d1\u7f51\u7edc) -> \u63d0\u4f9b\u65b9(\u5b9e\u73b0\u8005), \u5f88\u591a\u65f6\u5019\u94fe\u6761\u4f1a\u91cd\u590d\u3002\u660e\u786e\u548c\u516c\u5f00\u4e86\u5404\u65b9\u89d2\u8272, \u884c\u4e1a\u5c31\u76f8\u5f53\u4e8e\u8fdb\u5165\u5e02\u573a\u7ecf\u6d4e, \u800c\u5e02\u573a\u7ecf\u6d4e\u66f4\u5bb9\u6613\u89c4\u8303\u548c\u523a\u6fc0\u9886\u57df\u6216\u884c\u4e1a\u53d1\u5c55\u3002\u53e6\u5916, \u751f\u4fe1\u4eba\u4e5f\u662f\u8981\u6070\u996d\u7684, \u5982\u679c\u641e\u751f\u4fe1\u80fd\u8f7b\u677e\u517b\u5bb6\u7cca\u53e3, \u76f8\u4fe1\u4e5f\u4f1a\u6709\u66f4\u591a\u4eba\u53c2\u4e0e\u8fdb\u6765\u3002
\u5bf9\u4e8e\u8fd9\u4e2a\u8bdd\u9898\uff0c\u5bf9\u4e8e\u5b66\u672f\u754c\u7684\u4f60\u6216\u8005\u5de5\u4e1a\u754c\u7684\u4f60\u6709\u4ec0\u4e48\u611f\u60f3\u548c\u770b\u6cd5\uff1f
@ShixiangWang - \u4e2a\u4eba\u611f\u89c9\u751f\u4fe1\u5728\u5de5\u4e1a\u754c\u5b58\u5728\u7740\u4e24\u6781\u5206\u5316\uff0c\u4e00\u7c7b\u751f\u4fe1\u5de5\u4f5c\u4e3a\u6d4b\u5e8f\u548c\u539f\u59cb\u6570\u636e\u7684\u5904\u7406\uff0c\u8fd9\u7c7b\u7a33\u5b9a\u4e14\u6613\u88ab\u7ba1\u9053\u5316\uff0c\u5df2\u7ecf\u53d8\u6210\u4e86\u5f53\u524d\u751f\u7269\u533b\u5b66\u7684\u6838\u5fc3\u57fa\u7840\u670d\u52a1\u4e4b\u4e00\uff0c\u7531\u4e8e\u53d8\u6210\u4e86\u57fa\u7840\u670d\u52a1\uff0c\u4ece\u4e1a\u8005\u5f80\u5f80\u4e0d\u88ab\u63a2\u7d22\u5b66\u672fPI\u4eec\u6240\u6ce8\u610f\uff1b\u7b2c\u4e8c\u7c7b\u751f\u4fe1\u5de5\u4f5c\u662f\u516c\u53f8\u4e0e\u5b66\u672fPI\u4eec\u7684\u4e2a\u6027\u5316\u670d\u52a1\u6216\u5408\u4f5c\uff0c\u7531\u4e8e\u7814\u7a76\u7684\u590d\u6742\u6027\u548c\u4e0d\u786e\u5b9a\u6027\uff0c\u5f88\u96be\u6709pipeline\u7684\u5efa\u7acb\uff0c\u8bf4\u5230\u5e95\u5de5\u4e1a\u754c\u76c8\u5229\u4f9d\u8d56\u7684\u7a33\u5b9a\u91cf\u4ea7\u4e0e\u5b66\u672f\u754c\u7684\u4e2a\u6027\u521b\u65b0\u4ece\u6839\u672c\u4e0a\u662f\u51b2\u7a81\u7684\uff0c\u4ece\u4e1a\u8005\u5f88\u96be\u63d0\u4f9b\u76f8\u5e94\u7684\u53ef\u9760\u670d\u52a1\uff0c\u5e2e\u5ba2\u6237\u53d1\u6587\u7ae0\u7684\u540c\u65f6\uff0c\u53c8\u5c55\u73b0\u81ea\u8eab\u7684\u201c\u94b1\u9014\u201d\u3002\u8fd9\u4e5f\u662f\u4e3a\u4ec0\u4e48\u5728\u57fa\u7840\u7814\u7a76\u5b9e\u9a8c\u5ba4\uff0c\u73b0\u5728\u5b66\u672fPI\u4eec\u559c\u6b22\u4e13\u95e8\u62db\u4e00\u4e24\u4e2a\u5b66\u672f\u53bb\u4ece\u4e8b\u751f\u4fe1\u5de5\u4f5c\u3002
1\u3001Nature | \u6df1\u5ea6\u5b66\u4e60\u795e\u7ecf\u7f51\u7edc\u6a21\u578b\u300c\u795e\u8c15\u300d\u9884\u6d4b\u975e\u7f16\u7801DNA\u5e8f\u5217\u7684\u7a81\u53d8\u4f1a\u5982\u4f55\u5f71\u54cd\u57fa\u56e0\u8868\u8fbe
\u6765\u81ea\u9ebb\u7701\u7406\u5de5\u5b66\u9662\u548c\u82f1\u5c5e\u54e5\u4f26\u6bd4\u4e9a\u5927\u5b66\u7b49\u673a\u6784\u7684\u7814\u7a76\u4eba\u5458\u6784\u5efa\u4e86\u4e00\u4e2a\u6df1\u5ea6\u5b66\u4e60\u795e\u7ecf\u7f51\u7edc\u6a21\u578b\u201c\u795e\u8c15\u201d\u3002\u5728\u5229\u7528\u6570\u4ebf\u6b21\u5b9e\u9a8c\u89c2\u6d4b\u7ed3\u679c\u8fdb\u884c\u8bad\u7ec3\u4e4b\u540e\uff0c\u300c\u795e\u8c15\u300d\u53ef\u4ee5\u9884\u6d4b\u9175\u6bcd\u4e2d\u7684\u975e\u7f16\u7801DNA\u5e8f\u5217\u7684\u7a81\u53d8\u4f1a\u5982\u4f55\u5f71\u54cd\u57fa\u56e0\u8868\u8fbe\u3002\u8fd9\u4e2a\u65e0\u504f\u6a21\u578b\u80fd\u591f\u57fa\u4e8e\u4efb\u4f55\u53ef\u80fd\u7684DNA\u5e8f\u5217\uff0c\u6765\u9884\u6d4b\u751f\u7269\u4f53\u7684\u9002\u5e94\u6027\u548c\u57fa\u56e0\u8868\u8fbe\u3002
2\u3001Nature Genetics | \u54fa\u4e73\u52a8\u7269\u80da\u80ce\u53d1\u751f\u7ec6\u80de\u8f68\u8ff9\u7684\u7cfb\u7edf\u91cd\u5efa
\u5728\u672c\u7814\u7a76\u4e2d\uff0c\u7814\u7a76\u8005\u7740\u624b\u6574\u5408\u51e0\u4e2a\u4e0e\u5c0f\u9f20\u539f\u80a0\u80da\u5f62\u6210\u548c\u5668\u5b98\u5f62\u6210\u76f8\u5173\u7684\u5355\u7ec6\u80deRNA\u5e8f\u5217\u6570\u636e\u96c6\u3002\u6b64\u5916\uff0c\u4f5c\u8005\u5b9a\u4e49\u4e86\u8de8\u8d8aE3.5\u5230E13\u768419\u4e2a\u8fde\u7eed\u9636\u6bb5\u4e2d\u6bcf\u4e2a\u9636\u6bb5\u7684\u7ec6\u80de\u72b6\u6001\uff0c\u8bd5\u63a2\u6027\u5730\u5c06\u5b83\u4eec\u4e0e\u5176\u4f2a\u7956\u5148\u548c\u4f2a\u540e\u4ee3\u8054\u7cfb\u8d77\u6765\u3002\u5c3d\u7ba1\u662f\u901a\u8fc7\u81ea\u52a8\u5316\u7a0b\u5e8f\u6784\u5efa\u7684\uff0c\u4f46\u7531\u6b64\u4ea7\u751f\u7684\u54fa\u4e73\u52a8\u7269\u80da\u80ce\u53d1\u751f\u8f68\u8ff9\uff08TOME\uff09\u5728\u5f88\u5927\u7a0b\u5ea6\u4e0a\u4e0e\u6211\u4eec\u5f53\u4ee3\u5bf9\u54fa\u4e73\u52a8\u7269\u53d1\u80b2\u7684\u7406\u89e3\u4e00\u81f4\u3002\u4f5c\u8005\u8fd8\u5229\u7528TOME\u6307\u5b9a\u8f6c\u5f55\u56e0\u5b50\uff08TF\uff09\u548cTF\u57fa\u5e8f\u4f5c\u4e3a\u65b0\u7ec6\u80de\u7c7b\u578b\u51fa\u73b0\u7684\u6bcf\u4e2a\u5206\u652f\u70b9\u7684\u5173\u952e\u8c03\u8282\u56e0\u5b50\u3002\u6700\u540e\uff0c\u4e3a\u4e86\u4fbf\u4e8e\u810a\u690e\u52a8\u7269\u4e4b\u95f4\u7684\u6bd4\u8f83\uff0c\u4f5c\u8005\u5bf9\u6591\u9a6c\u9c7c\u548c\u9752\u86d9\u80da\u80ce\u53d1\u80b2\u76f8\u5173\u7684\u5355\u7ec6\u80de\u6570\u636e\u96c6\u5e94\u7528\u76f8\u540c\u7684\u7a0b\u5e8f\uff0c\u5e76\u6839\u636e\u5171\u4eab\u7684\u8c03\u8282\u5668\u548c\u8f6c\u5f55\u72b6\u6001\u6307\u5b9a\u201c\u7ec6\u80de\u7c7b\u578b\u540c\u6e90\u7269\u201d\u3002
3\u3001bioRxiv | 949\u79cd\u4eba\u7c7b\u7ec6\u80de\u86cb\u767d\u8d28\u7ec4\u5b66\u68c0\u6d4b\u4e0e\u591a\u7ec4\u5b66\u5206\u6790
\u672c\u7814\u7a76\u62a5\u9053\u5728949\u79cd\u4eba\u7c7b\u7ec6\u80de\u4e2d\u8fdb\u884c\u7684\u86cb\u767d\u8d28\u7ec4\u5b66\u5206\u6790\uff0c\u5e76\u4e0e\u4e4b\u524d\u7684\u4e00\u4e9b\u5927\u89c4\u6a21\u7ec4\u5b66\u6570\u636e\u6574\u5408\uff0c\u5f62\u6210\u4e86Cell Model Passports\u6570\u636e\u5e93\uff1ahttps://cellmodelpassports.sanger.ac.uk/ \u3002\u4e3b\u8981\u7814\u7a76\u6210\u679c\u5305\u62ec\uff1a - \uff081\uff09\u86cb\u767d\u8d28\u7ec4\u6570\u636e\u4e0e\u7ec6\u80de\u7c7b\u578b\u5206\u6790\uff1b - \uff082\uff09MOFA\u591a\u7ec4\u5b66\u5206\u6790\uff1b - \uff083\uff09DeeProM\u6df1\u5ea6\u5b66\u4e60\u5206\u6790\u80bf\u7624\u6f5c\u5728\u8106\u5f31\u6027\uff08vulnerabilities\uff09\u9776\u70b9\u3002
4\u3001Cancer Cell | \u52a8\u6001\u5355\u7ec6\u80de\u6570\u636e\u63a2\u7d22\u4e09\u9634\u6027\u4e73\u817a\u764c\u5728\u5316\u7597\u6216\u5316\u7597\u8054\u5408\u514d\u75ab\u6cbb\u7597\u8fc7\u7a0b\u4e2d\u5173\u952e\u514d\u75ab\u7ec6\u80de\u4e9a\u7fa4\u7684\u6f14\u5316
\u5728\u4e09\u9634\u6027\u4e73\u817a\u764c (TNBC) \u4e2d\uff0c\u8054\u5408\u5316\u7597\u4e0e\u68c0\u67e5\u70b9\u6291\u5236\u5242\u7684\u76ca\u5904\u4ecd\u4e0d\u662f\u5f88\u6e05\u695a\u3002\u672c\u6587\u5229\u7528\u5355\u7ec6\u80de RNA \u548c ATAC \u6d4b\u5e8f\u6765\u68c0\u67e5 22 \u540d\u63a5\u53d7\u7d2b\u6749\u9187\u6216\u5176\u4e0ePD-L1\u6291\u5236\u5242\u963f\u66ff\u5229\u73e0\u5355\u6297\u8054\u5408\u6cbb\u7597\u7684\u665a\u671f TNBC \u60a3\u8005\u7684\u514d\u75ab\u7ec6\u80de\u52a8\u6001\u53d8\u5316\u3002\u8bc1\u660e\u4e86\u9ad8\u6c34\u5e73\u7684\u57fa\u7ebf CXCL13+ T \u7ec6\u80de\u4e0e\u5de8\u566c\u7ec6\u80de\u7684\u4fc3\u708e\u7279\u5f81\u6709\u5173\uff0c\u5e76\u4e14\u53ef\u4ee5\u9884\u6d4b\u5bf9\u8054\u5408\u6cbb\u7597\u7684\u6709\u6548\u53cd\u5e94\u3002\u5728\u6709\u53cd\u5e94\u7684\u60a3\u8005\u4e2d\uff0c\u6dcb\u5df4\u7ec4\u7ec7\u8bf1\u5bfc\u7ec6\u80de (LTi) \u3001\u6ee4\u6ce1B\u7ec6\u80de (Bfoc) \u3001CXCL13+ T \u7ec6\u80de\u548c\u7ecf\u5178 1 \u578b\u6811\u7a81\u72b6\u7ec6\u80de (cDC1) \u5728\u8054\u5408\u6cbb\u7597\u540e\u534f\u540c\u589e\u52a0\uff0c\u4f46\u5728\u7d2b\u6749\u9187\u5355\u836f\u6cbb\u7597\u540e\u53cd\u800c\u51cf\u5c11\u3002\u8be5\u6570\u636e\u5f3a\u8c03\u4e86 CXCL13+ T \u7ec6\u80de\u5728\u5bf9PD-L1\u6291\u5236\u5242\u7597\u6cd5\u7684\u6709\u6548\u53cd\u5e94\u4e2d\u7684\u91cd\u8981\u6027\uff0c\u5e76\u8868\u660e\u7d2b\u6749\u9187\u65b9\u6848\u51cf\u5c11CXCL13+ T\u7ec6\u80de\u53ef\u80fd\u4f1a\u4e0d\u5229\u4e8e\u963f\u66ff\u5229\u73e0\u5355\u6297\u6cbb\u7597 TNBC \u7684\u4e34\u5e8a\u7ed3\u679c\u3002
"},{"location":"issue-35/#_4","title":"\u535a\u6587\u8d44\u8baf","text":"5\u3001Android 13\u865a\u62df\u5316\u652f\u6301\u8fd0\u884cWindows 11\u548c\u684c\u9762\u7248Linux
\u57282\u6708\u4efd\uff0c\u8c37\u6b4c\u53d1\u5e03\u4e86Android 13 \u7684\u7b2c\u4e00\u4e2a\u5f00\u53d1\u8005\u9884\u89c8\u7248\uff0c\u800c\u4e00\u4f4d\u540d\u53ebkdrag0n\u7684\u5f00\u53d1\u8005\u53d1\u73b0\u4e86\u5b89\u88c5\u8be5\u7248\u672c\u7684 Google Pixel 6\u53ef\u4ee5\u865a\u62df\u5316\u8fd0\u884cWindows 11\u548c\u591a\u4e2a\u7248\u672cLinux\u3002\u968f\u7740\u624b\u673a\u786c\u4ef6\u6027\u80fd\u7684\u4e0d\u65ad\u63d0\u5347\uff0c\u52a0\u4e0a\u5404\u5e73\u53f0\u7cfb\u7edf\u7684\u4e92\u901a\uff0c\u4ee5\u540e\u5728\u624b\u673a\u4e0a\u8dd1\u4e2a\u8f7b\u91cf\u7ea7\u751f\u4fe1\u8fd0\u7b97\u4e5f\u4e0d\u662f\u4e0d\u53ef\u80fd\u3002
6\u3001\u5982\u4f55\u5904\u7406\u673a\u5668\u5b66\u4e60\u4e2d\u6570\u636e\u4e0d\u5e73\u8861\u7684\u5206\u7c7b\u95ee\u9898
\u673a\u5668\u5b66\u4e60\u4e2d\u6570\u636e\u4e0d\u5e73\u8861\u7684\u5206\u7c7b\u95ee\u9898\u5f88\u5e38\u89c1\uff0c\u6781\u7aef\u7684\u6570\u636e\u4e0d\u5e73\u8861\u901a\u5e38\u4f1a\u5f71\u54cd\u6a21\u578b\u9884\u6d4b\u7684\u51c6\u786e\u6027\u548c\u6cdb\u5316\u6027\u80fd\u3002 \u672c\u6587\u4ecb\u7ecd\u51e0\u79cd\u5904\u7406\u4e0d\u5e73\u8861\u6570\u636e\u7684\u8ba1\u7b97\u65b9\u6cd5\uff1a
7\u3001\u4e00\u5207\u5355\u7ec6\u80de\u6570\u636e\u5904\u7406\u90fd\u53ef\u4ee5seurat\u4e3a\u4e2d\u5fc3
\u5355\u7ec6\u80de\u6570\u636e\u5904\u7406\u7684\u5176\u4ed6\u5206\u6790\u5de5\u5177\uff0c\u6bd4\u5982\u62df\u65f6\u5e8f\uff0c\u7ec6\u80de\u901a\u8baf\u548c\u8f6c\u5f55\u56e0\u5b50\u5206\u6790\uff0c\u8fd8\u6709RNA\u901f\u7387\u7b49\u3002\u5176\u7ed3\u679c\u90fd\u53ef\u4ee5\u7ed3\u5408\u5230Seurat\u7684\u964d\u7ef4\u805a\u7c7b\u5206\u7fa4\u4e2d\u505a\u53ef\u89c6\u5316\u3002
\u6bd4\u5982\uff1a\u751f\u4fe1\u6280\u80fd\u6811\u7684\u7b14\u8bb0\u2014\u2014pyscenic\u7684\u8f6c\u5f55\u56e0\u5b50\u5206\u6790\u7ed3\u679c\u5c55\u793a\u4e4b5\u79cd\u53ef\u89c6\u5316
Seurat\u56e2\u961f\u5f00\u53d1\u6574\u7406\u597d\u7684\u5305\u2014\u2014SeuratWrappers\u5305
8\u3001Linux\u4e2d\u7684\u8f6f\u4ef6\u5b89\u88c5\u8fdb\u5ea6\u6761\u600e\u4e48\u641e?
\u5e73\u65f6\u6211\u4eec\u5728\u670d\u52a1\u5668\u8fd0\u7ef4\u5de5\u4f5c\u4e2d\uff0c\u5b89\u88c5\u8f6f\u4ef6\u65f6\u5019\u4f1a\u51fa\u73b0\u8fdb\u5ea6\u6761\u6765\u63d0\u793a\u6211\u4eec\u4e0b\u8f7d\u7684\u8fdb\u5ea6\uff0c\u672c\u6587\u901a\u8fc7C\u8bed\u8a00\u6765\u7b80\u5355\u5b9e\u73b0\u8fd9\u4e2a\u529f\u80fd\u3002
\u6ce8\u610f:
9\u3001scPred - accurate supervised method for cell-type classification from single-cell RNA-seq data
scPred\u662f\u4e00\u79cd\u57fa\u4e8e\u57fa\u56e0\u8868\u8fbe\u7684\u4f4e\u7ef4\u8868\u793a(\u5982PCA)\u5bf9\u7ec6\u80de\u8fdb\u884c\u5206\u7c7b\u7684\u901a\u7528\u65b9\u6cd5\u3002
10\u3001scRepertoire\uff1aA toolkit for single-cell immune profiling
\u4e0e\u8f6c\u5f55\u7ec4\u5b66\u9886\u57df\u4e0d\u540c\uff0c\u76ee\u524d\u7f3a\u4e4f\u7528\u4e8e\u5355\u7ec6\u80de\u514d\u75ab\u53d7\u4f53\u5206\u6790\u7684\u8f6f\u4ef6\u9009\u62e9\u3002\u4e3a\u4e86\u4f7f\u7528\u6237\u80fd\u591f\u8f7b\u677e\u5730\u7ed3\u5408RNA\u548c\u514d\u75ab\u5206\u6790\uff0c\u6211\u4eec\u6784\u5efa\u4e86scRepertoire\u6765\u5904\u7406\u6765\u81eat\u7ec6\u80de\u53d7\u4f53(TCR)\u548c\u514d\u75ab\u7403\u86cb\u767d(Ig)\u5bcc\u96c6\u5de5\u4f5c\u6d41\u7a0b\u768410x\u57fa\u56e0\u7ec4\u94ec\u514d\u75ab\u5206\u6790\u6570\u636e\uff0c\u5e76\u968f\u540e\u4e0e\u6d41\u884c\u7684Seurat R\u5305\u76f8\u4e92\u4f5c\u7528\u3002
11\u3001miniTorch
MiniTorch \u662f\u4e00\u4e2a\u4e3a\u90a3\u4e9b\u5e0c\u671b\u4e86\u89e3\u673a\u5668\u5b66\u4e60\u5e95\u5c42\u7cfb\u7edf\u5185\u90e8\u6982\u5ff5\u5de5\u7a0b\u5e08\u6253\u9020\u7684DIY\u6559\u5b66\u5e93\u3002 \u5b83\u662f\u5229\u7528\u7eafPython\u4ee3\u7801\u91cd\u6784\u7684Torch API\uff0c\u5176\u8bbe\u8ba1\u7b80\u5355\u3001\u6613\u4e8e\u9605\u8bfb\u3001\u6d4b\u8bd5\u548c\u589e\u91cf\uff0c\u6700\u7ec8\u7684\u5e93\u53ef\u4ee5\u8fd0\u884cTorch\u4ee3\u7801\u3002 \u8be5\u9879\u76ee\u662f\u4e3a\u5eb7\u5948\u5c14\u7406\u5de5\u5927\u5b66\u7684\u673a\u5668\u5b66\u4e60\u5de5\u7a0b\u8bfe\u7a0b\u5f00\u53d1\u7684\u3002
12\u3001lapce
Lapce\u662f\u4e00\u79cd\u57fa\u4e8epure Rust\u7684\u4ee3\u7801\u7f16\u8f91\u5668\uff0c\u66f4\u52a0\u667a\u80fd\u5316\uff0c\u66f4\u52a0\u5feb\u901f\u3002
13\u3001https://jupyterbook.org/intro.html
Jupyter book\u4e3b\u8981\u662f\u4f7f\u7528\u8ba1\u7b97\u673a\u8bed\u8a00\u6765\u521b\u5efa\u53d1\u8868\u7ea7\u522b\u7684\u4e66\u7c4d\u6216\u6587\u6863\u3002
\u8be5\u6559\u7a0b\u4e3b\u8981\u5206\u4e3a\u4ee5\u4e0b\u51e0\u4e2a\u4e3b\u8981\u90e8\u5206\uff1a
14\u3001GENIE | \u5927\u578b\u80bf\u7624\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u6570\u636e\u96c6
GENIE \u6c47\u603b\u4e8619 \u4e2a\u673a\u6784\u7684\u80bf\u7624\u60a3\u8005\u6d4b\u5e8f\u6570\u636e\uff0c\u4e3b\u8981\u662f\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u6570\u636e\uff0c\u5982\u57fa\u56e0\u7a81\u53d8\uff0c\u62f7\u8d1d\u6570\u3002
\u5f53\u524d\u7684\u7248\u672c GENIE 11.0-public \u4e8e 2022 \u5e74 1 \u6708\u53d1\u5e03\u3002\u6536\u96c6\u4e86\u6765\u81ea 121,000 \u591a\u540d\u60a3\u8005\u7684 136,000 \u591a\u4e2a\u6d4b\u5e8f\u6837\u672c\uff0c\u4f7f AACR Project GENIE\u6570\u636e\u96c6\u6210\u4e3a\u8fc4\u4eca\u4e3a\u6b62\u53d1\u5e03\u7684\u6570\u636e\u91cf\u6700\u5927\u7684\u5b8c\u5168\u516c\u5f00\u764c\u75c7\u57fa\u56e0\u7ec4\u6570\u636e\u96c6\u3002
15\u3001hugo-apero-docs - \u4e00\u6b3e\u4f18\u7f8e\u7684hugo\u535a\u5ba2\u4e3b\u9898
"},{"location":"issue-35/#github-id","title":"\u8d21\u732e\u8005\uff08GitHub ID\uff09","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang@kkjtmac@NiEntropy@He-Kai-fly@JnanZhang@Tomcxf\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-36/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 36 \u671f\uff09\uff1a\u201c\u8d39\u94b1\u3001\u8d39\u529b\u3001\u4e0d\u8d39\u8111\u201d\u662f\u4e2d\u56fd\u8be5\u63d0\u5021\u7684\u79d1\u7814\u5417\uff1f","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d | \u300c\u751f\u4fe1\u8ba8\u8bba\u533a\uff08Gitter\uff09\u300d
"},{"location":"issue-36/#_1","title":"\u5c01\u9762\u56fe","text":"Xfce \u684c\u9762\u3002via
"},{"location":"issue-36/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u201c\u8d39\u94b1\u3001\u8d39\u529b\u3001\u4e0d\u8d39\u8111\u201d\u662f\u4e2d\u56fd\u8be5\u63d0\u5021\u7684\u79d1\u7814\u5417\uff1f","text":"\u672c\u5468\u8bdd\u9898\u6765\u81ea\u9976\u6bc5\u8001\u5e08\u7684\u5fae\u4fe1\u6587\u7ae0\u3002
\u79d1\u5b66\u7814\u7a76\u7684\u76ee\u7684\u662f\u79d1\u5b66\u53d1\u73b0\uff0c\u7ecf\u8d39\u7528\u4e8e\u53d1\u73b0\uff0c\u6b63\u5e38\u7684\u79d1\u5b66\u662f\u5728\u6709\u9650\u7684\u7ecf\u8d39\u5c3d\u53ef\u80fd\u505a\u66f4\u597d\u7684\u7814\u7a76\uff1b \u73b0\u5728\u6709\u65f6\u51fa\u73b0\u4ee5\u82b1\u94b1\u4e3a\u76ee\u6807\uff0c\u79d1\u5b66\u7528\u4e8e\u82b1\u94b1\uff0c\u5f02\u5e38\u7684\u79d1\u7814\u662f\u4ee5\u6709\u9650\u7684\u79d1\u7814\u5c3d\u53ef\u80fd\u82b1\u8d8a\u591a\u7684\u7ecf\u8d39\u3002 \u5982\u679c\u6709\u4e2d\u56fd\u7684\u79d1\u7814\u5de5\u4f5c\u8005\u63d0\u51fa\uff0c\u505a\u201c\u52a8\u8111\u5c11\u3001\u82b1\u94b1\u591a\u3001\u82e6\u529b\u5927\u201d\u7684\u7814\u7a76\uff0c\u4e5f\u5c31\u662f\u201c\u8d39\u94b1\u3001\u8d39\u529b\u3001\u4e0d\u8d39\u8111\u201d\uff0c\u7edd\u5927\u591a\u6570\u4e2d\u56fd\u7eb3\u7a0e\u4eba\u5e94\u8be5\u4e0d\u4f1a\u540c\u610f\u3002
\u5927\u5bb6\u7684\u8eab\u8fb9\u662f\u5426\u6709\u7c7b\u4f3c\u7684\u7814\u7a76\uff1f\u5982\u679c\u770b\u5f85\uff1f\u5bf9\u76ee\u524d\u4e2d\u56fd\u6b64\u7c7b\u7814\u7a76\u7684\u8ba4\u8bc6\u5982\u4f55\uff1f
ShixiangWang\uff1a\u8ddf\u98ce\u5f0f\u7684\u7814\u7a76\u9879\u76ee\u4e2a\u4eba\u611f\u89c9\u8fd8\u662f\u4e00\u79cd\u666e\u904d\u7684\u73b0\u72b6\u5427\uff0c\u7b26\u5408\u4e2d\u56fd\u76ee\u524d\u603b\u4f53\u7684\u5b66\u672f\u6c34\u5e73\uff0c\u662f\u5927\u90e8\u5206\u7814\u7a76\u4eba\u5458\u5728\u9ad8\u538b\u548c\u5b8c\u6210\uff08\u8ffd\u6c42\uff09\u7ee9\u6548\u4e0b\u7684\u7a33\u59a5\u65b9\u6848\u3002\u81f3\u4e8e\u662f\u5426\u4e00\u4e9b\u9879\u76ee\u6709\u9976\u6bc5\u8001\u5e08\u8bf4\u7684\u8fd9\u4e48\u6781\u7aef\uff0c\u4ec1\u8005\u89c1\u4ec1\u4e86\u3002
1\u3001Nature Biotechnology | \u674e\u6052\u56e2\u961f\u5f00\u53d1\u4e0d\u4f9d\u8d56\u4e8e\u4eb2\u672c\u7684\u5355\u500d\u578b\u57fa\u56e0\u7ec4\u7ec4\u88c5\u5de5\u5177hifiasm
\u5982\u4f55\u4e0d\u4f9d\u8d56\u4eb2\u672c\u4fe1\u606f\u7684\u60c5\u51b5\u4e0b\uff0c\u81ea\u52a8\u8fdb\u884c\u9ad8\u8d28\u91cf\u7684\u5355\u500d\u578b\u7ec4\u88c5\u662f\u4e00\u4e2a\u4e9f\u5f85\u89e3\u51b3\u7684\u95ee\u9898\uff0c\u54c8\u4f5b\u5927\u5b66\u533b\u5b66\u9662/Dana-Farber\u764c\u75c7\u7814\u7a76\u6240\u674e\u6052\u8bfe\u9898\u7ec4\u63d0\u51fa\u4e86\u4e00\u79cd\u5168\u65b0\u7684\u57fa\u56e0\u7ec4\u7ec4\u88c5\u7b97\u6cd5hifiasm\uff0c\u5176\u9488\u5bf9PacBio HiFi\u957f\u8bfb\u957f\u6d4b\u5e8f\u6280\u672f\u548cHi-C\u6d4b\u5e8f\u6280\u672f\u8fdb\u884c\u4e86\u5168\u65b0\u7684\u8bbe\u8ba1\uff0c\u80fd\u591f\u5728\u4e0d\u4f9d\u8d56\u4eb2\u672c\u7684\u60c5\u51b5\u4e0b\u7b80\u5355\u9ad8\u6548\u7684\u751f\u6210\u9ad8\u8d28\u91cf\u7684\u5355\u500d\u578b\u7ec4\u88c5\u7ed3\u679c\uff0c\u5e76\u4e14\u540e\u7eed\u5df2\u5728\u4eba\u7c7b\u548c\u5404\u79cd\u4e0d\u540c\u7684\u975e\u4eba\u7269\u79cd\u4e0a\u8bc1\u5b9e\u6548\u679c\u826f\u597d\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://www.nature.com/articles/s41587-022-01261-x
2\u3001Nature Biotechnology | CellTrek - \u57fa\u4e8escRNA-seq\u548cST\u6570\u636e\u91cd\u5efa\u7ec4\u7ec7\u5355\u7ec6\u80de\u5206\u8fa8\u7387\u7a7a\u95f4\u56fe\u8c31
\u6765\u81ea\u7f8e\u56fdMD\u5b89\u5fb7\u68ee\u764c\u75c7\u4e2d\u5fc3\u7684\u56e2\u961f\u5f00\u53d1\u4e86\u6574\u5408\u5355\u7ec6\u80de\u6d4b\u5e8f\u548c\u7a7a\u95f4\u8f6c\u5f55\u7ec4\u6d4b\u5e8f\u7684\u65b0\u5de5\u5177-CellTrek\uff0c\u8be5\u5de5\u5177\u5145\u5206\u5229\u7528\u5355\u7ec6\u80de\u7684\u9ad8\u5206\u8fa8\u7387\u548c\u7a7a\u95f4\u8f6c\u5f55\u7684\u7ec4\u7ec7\u4f4d\u7f6e\u4fe1\u606f\uff0c\u80fd\u591f\u8fdb\u4e00\u6b65\u6316\u6398\u51fa\u7ec4\u7ec7\u5207\u7247\u4e2d\u7684\u7ec6\u80de\u5dee\u5f02\u3001\u7a7a\u95f4\u5f02\u8d28\u6027\u4ee5\u53ca\u514d\u75ab\u5fae\u73af\u5883\u7684\u53d8\u5316\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://www.nature.com/articles/s41587-022-01233-1
3\u3001Cancer Research | \u5168\u57fa\u56e0\u7ec4\u500d\u589e\u662f\u4eba\u7c7b\u80bf\u7624\u975e\u6574\u500d\u4f53\u53d8\u5f02\u7684\u4e3b\u8981\u51b3\u5b9a\u56e0\u7d20
\u7814\u7a76\u56e2\u961f\u5206\u6790\u4e86\u6765\u81ea22\u79cd\u80bf\u7624\u7c7b\u578b\u76845586\u4f8bWGD-\u80bf\u7624\u548c3435\u4f8bWGD+\u80bf\u7624\u4e34\u5e8a\u6837\u672c\uff0c\u786e\u5b9a\u4e86WGD-\u4e0e WGD+\u80bf\u7624\u4e2d\u4e0d\u540c\u7684\u975e\u6574\u500d\u4f53\u6a21\u5f0f\u548c\u67d3\u8272\u4f53-\u81c2\u9057\u4f20\u76f8\u4e92\u4f5c\u7528\uff0c\u5e76\u5728\u4eba\u7c7b\u764c\u7ec6\u80de\u7cfb\u4e2d\u8fdb\u884c\u4e86\u9a8c\u8bc1 \u3002\u7ed3\u679c\u663e\u793a\uff0cWGD\u5851\u9020\u4e86\u4eba\u7c7b\u80bf\u7624\u7684\u975e\u6574\u500d\u4f53\u666f\u89c2\uff0c\u662f\u4eba\u7c7b\u80bf\u7624\u975e\u6574\u500d\u4f53\u53d8\u5f02\u8fdb\u5316\u7684\u4e3b\u8981\u51b3\u5b9a\u56e0\u7d20\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://pubmed.ncbi.nlm.nih.gov/35502547/
4\u3001Nature Machine Intelligence | \u901a\u8fc7\u76d1\u7763\u8d1d\u53f6\u65af\u5d4c\u5165\uff0c\u5bf9\u5355\u7ec6\u80de\u67d3\u8272\u8d28\u53ef\u53ca\u6027\u6570\u636e\u8fdb\u884c\u7ec6\u80de\u7c7b\u578b\u6ce8\u91ca
\u57fa\u4e8e\u5bf9\u591a\u4e2a\u6570\u636e\u96c6\u7684\u7efc\u5408\u5b9e\u9a8c\uff0c\u7814\u7a76\u4eba\u5458\u8bc1\u660e EpiAnno \u5728 scCAS \u6570\u636e\u7684\u6570\u636e\u96c6\u5185\u548c\u8de8\u6570\u636e\u96c6\u6ce8\u91ca\u65b9\u9762\u5747\u4f18\u4e8e\u57fa\u7ebf\u65b9\u6cd5\u3002\u4e0e\u5927\u591a\u6570\u8ba1\u7b97\u65b9\u6cd5\u4e0d\u540c\uff0c\u7ecf\u8fc7\u8bad\u7ec3\u7684 EpiAnno \u53c2\u6570\u548c\u5b66\u4e60\u7684\u7ec6\u80de\u5d4c\u5165\u662f\u53ef\u89e3\u91ca\u7684\uff0c\u5e76\u4e14\u53ef\u4ee5\u901a\u8fc7\u7ec4\u7ec7\u7279\u5f02\u6027\u8868\u8fbe\u5bcc\u96c6\u5206\u6790\u3001\u5206\u533a\u9057\u4f20\u529b\u5206\u6790\u3001\u7ec6\u80de\u7c7b\u578b\u7279\u5f02\u6027\u589e\u5f3a\u5b50\u8bc6\u522b\u548c\u7ec6\u80de\u7c7b\u578b\u7279\u5f02\u6027 cis-coaccessibility \u5206\u6790\u63ed\u793a\u751f\u7269\u5b66\u89c1\u89e3\u3002\u6b64\u5916\uff0c\u7814\u7a76\u4eba\u5458\u53d1\u73b0 EpiAnno \u4e0d\u4ec5\u5177\u6709\u63ed\u793a\u7ec6\u80de\u7c7b\u578b\u7279\u5f02\u6027\u57fa\u5e8f\u7684\u6f5c\u529b\uff0c\u800c\u4e14\u4e3a scCAS \u6570\u636e\u7684\u6a21\u62df\u5f00\u8f9f\u4e86\u4e00\u6761\u65b0\u9014\u5f84\uff0c\u8fd9\u5bf9\u4e8e scCAS \u6570\u636e\u5206\u6790\u65b9\u6cd5\u7684\u53d1\u5c55\u81f3\u5173\u91cd\u8981\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://www.nature.com/articles/s42256-021-00432-w
"},{"location":"issue-36/#_4","title":"\u535a\u6587\u8d44\u8baf","text":"5\u3001\u201c\u91d1\u9e21\u72ec\u7acb\u201d\u53ef\u6d4b\u8bd5\u4f60\u7684\u5bff\u547d
\u53d1\u8868\u5728\u300a\u82f1\u56fd\u8fd0\u52a8\u533b\u5b66\u6742\u5fd7\u300b\u4e0a\u7684\u4e00\u9879\u7814\u7a76\u53d1\u73b0\uff0c\u5728\u665a\u5e74\u65e0\u6cd5\u5355\u817f\u7ad9\u7acb 10 \u79d2\u4e0e\u672a\u6765\u5341\u5e74\u5185\u56e0\u4efb\u4f55\u539f\u56e0\u5bfc\u81f4\u7684\u6b7b\u4ea1\u98ce\u9669\u589e\u52a0\u8fd1\u4e00\u500d\u6709\u5173\u3002
\u539f\u6587\u94fe\u63a5\uff1ahttp://dx.doi.org/10.1136/bjsports-2021-105360
6\u3001Git \u4e0d\u8981\u53ea\u4f1a pull \u548c push\uff0c\u8bd5\u8bd5\u8fd9 5 \u6761\u63d0\u9ad8\u6548\u7387\u7684\u547d\u4ee4
\u4f7f\u7528Git\u8fdb\u884c\u4ee3\u7801\u7248\u672c\u7ba1\u7406\u53ef\u8c13\u662f\u5de5\u7a0b\u5e08\u4eec\u5408\u4f5c\u5f00\u53d1\u9879\u76ee\u6240\u5fc5\u5907\u6280\u80fd\uff0c\u4f46\u5b9e\u9645\u5e94\u7528\u4e2d\u5927\u591a\u6570\u4eba\u53ea\u4f1a\u4fdd\u5b58\u3001\u62c9\u53d6\u3001\u63a8\u9001\u7b49\u4e00\u4e9b\u7b80\u5355\u4ee3\u7801\uff0c\u9047\u5230\u4e00\u4e9b\u7a0d\u5fae\u590d\u6742\u70b9\u7684commit\u7ba1\u7406\u95ee\u9898\u5c31\u675f\u624b\u65e0\u7b56\uff0c\u672c\u7bc7\u63a8\u6587\u4ecb\u7ecd\u4e00\u4e9b\u5f00\u53d1\u5de5\u4f5c\u4e2d\u8f83\u4e3a\u5b9e\u7528\u7684\u547d\u4ee4\uff0c\u52a9\u529b\u5927\u5bb6\u89e3\u51b3\u4e0d\u5c11\u7591\u96be\u573a\u666f\uff0c\u4ece\u800c\u63d0\u9ad8\u5de5\u4f5c\u6548\u7387\u3002
7\u3001\u7528\u6559\u80b2\u6216\u5f00\u53d1\u8005\u8d26\u6237\u767d\u5ad6onedrive\u5e76\u505a\u4f60\u7684\u540c\u6b65\u76d8
\u672c\u6587\u4ecb\u7ecd\u4e86\u5982\u4f55\u514d\u8d39\u83b7\u5f97\u5fae\u8f6fonedrive\u7f51\u76d8\u7684\u9014\u5f84\u4ee5\u53ca\u4f5c\u4e3a\u540c\u6b65\u7f51\u76d8\u7684\u65b9\u6cd5\u3002
"},{"location":"issue-36/#_5","title":"\u5de5\u5177","text":"8\u3001rex - \u8ba9\u4eba\u8ddf\u5bb9\u6613\u770b\u61c2\u7684\u5199\u6b63\u5219\u8868\u8fbe\u5f0f\u7684R\u5305
9\u3001Python\u7684\u6253\u5305\u795e\u5668\u2014\u2014Nuitka
\u76ee\u524d\u5bf9\u4e8ePython\u4ee3\u7801\u8fdb\u884c\u5c01\u88c5\u4e3aexe\u53ef\u6267\u884c\u6587\u4ef6\uff0c\u89c1\u5f97\u6700\u591a\u7684\u5c31\u662fPyinstaller\u548cNuitka\uff0c\u5bf9\u65b0\u624b\u800c\u8a00\u524d\u8005\u66f4\u5bb9\u6613\u5165\u624b\u4e00\u4e9b\uff0c\u4f46\u5176\u8fc7\u7a0b\u4f53\u9a8c\u5f88\u5dee\uff0c\u6253\u5305\u901f\u5ea6\u6162\u4e14\u6700\u7ec8\u751f\u6210\u7684exe\u6587\u4ef6\u5197\u4f59\u5e9e\u5927\uff0c\u800c\u540e\u8005\u5219\u5c06python\u6e90\u7801\u8f6c\u6210C++\uff0c\u7136\u540e\u7f16\u8bd1\u6210\u53ef\u6267\u884c\u6587\u4ef6\uff0c\u4f7f\u5176\u62e5\u6709Python\u7684\u5f00\u53d1\u901f\u5ea6\uff0cC++\u7684\u8fd0\u884c\u901f\u5ea6\uff0c\u540c\u4e00\u9879\u76ee\u4e24\u8005\u751f\u6210exe\u6587\u4ef6\u5206\u522b\u4e3a3G\u548c7M\uff0c\u53ef\u79f0\u4e3aPython\u6253\u5305\u7684\u738b\u70b8\uff01
Github: https://github.com/Nuitka/Nuitka \uff08\u542bUser Manual\uff09
\u5b98\u7f51\u5730\u5740: https://nuitka.net/
10\u3001pyGenomeTracks - \u4e00\u4e2a\u57fa\u56e0\u7ec4\u6570\u636e\u53ef\u89c6\u5316\u7684python\u5305\uff0c\u53ef\u4ee5\u9ad8\u5ea6\u5b9a\u5236\u5316
11\u3001ggdensity - \u82b1\u5f0f\u7ed8\u5236\u5bc6\u5ea6\u56fe\u7684\u4e00\u4e2agglpot2\u6269\u5c55\u5305
"},{"location":"issue-36/#_6","title":"\u8d44\u6e90","text":"12\u3001BioWebStack
\u4e00\u4e2a\u4e13\u5c5e\u751f\u4fe1\u5de5\u7a0b\u5e08\u7684\u7f51\u9875\uff0c\u7531\u751f\u4fe1\u91cd\u8981\u8d44\u6e90\u6c47\u603b\u6210\u7684\u751f\u4fe1\u5bfc\u822a\u7f51\u7ad9\u3002\u5e38\u7528\u751f\u4fe1\u6570\u636e\u5e93\uff0c\u5728\u7ebf\u79d1\u7814\u7ed8\u56fe\u5de5\u5177\uff0c\u751f\u4fe1\u6742\u5fd7\u5468\u520a\uff0c\u5f00\u6e90\u793e\u533a\u7b49\u7b49\uff0c\u5feb\u6765\u63a2\u7d22\u5427\uff01\u5c0f\u7f16\u5df2\u7ecf\u8bbe\u6210\u4e3b\u9875\u4e86\uff01\uff01\uff01
13\u3001Python\u5347\u7ea7\uff1a\u65b0\u578b\u56fe\u50cf\u5de5\u5177\uff0c\u73a9\u8f6c\u591a\u7ef4\u6570\u636e\u53ef\u89c6\u5316\uff5c\u300a\u81ea\u7136\u300b\u6280\u672f\u7279\u5199
napari\uff08https://napari.org/\uff09\u662f\u4e00\u4e2a\u514d\u8d39\u3001\u5f00\u6e90\u5e76\u4e14\u53ef\u6269\u5c55\u7684\u56fe\u50cf\u67e5\u770b\u5668\uff0c\u9002\u7528\u4e8e\u4efb\u610f\u590d\u6742\uff08\u201cn\u7ef4\u201d\uff09\u6570\u636e\uff0c\u4e0ePython\u751f\u6001\u7cfb\u7edf\u7d27\u5bc6\u7ed3\u5408\uff08\u89c1napari.org\uff09\u3002napari\u662f\u4e09\u4f4d\u79d1\u5b66\u5bb6\u7684\u5fc3\u8840\u7ed3\u6676\uff1a\u52a0\u5dde\u65e7\u91d1\u5c71\u9648\u00b7\u624e\u514b\u4f2f\u683c\u751f\u7269\u4e2d\u5fc3\u7684\u663e\u5fae\u955c\u4e13\u5bb6Lo\u00efc Royer\uff1b\u6fb3\u5927\u5229\u4e9a\u58a8\u5c14\u672c\u83ab\u7eb3\u4ec0\u5927\u5b66\u4ece\u4e8b\u56fe\u50cf\u5206\u6790\u5f00\u53d1\u7684Juan Nunez-Iglesias\uff1b\u52a0\u5dde\u96f7\u5fb7\u4f0d\u5fb7\u57ce\u7684\u9648-\u624e\u514b\u4f2f\u683c\u5021\u8bae\uff08CZI\uff09\u7684\u6210\u50cf\u6280\u672f\u56e2\u961f\u8d1f\u8d23\u4ebaNicholas Sofroniew\u3002
napari\u6709\u7c7b\u4f3c\u4e8eAdobe Photoshop\u7684\u56fe\u5c42\uff0c\u5141\u8bb8\u7528\u6237\u53e0\u52a0\u70b9\u3001\u77e2\u91cf\u3001\u8f68\u8ff9\u3001\u8868\u9762\u3001\u591a\u8fb9\u5f62\u3001\u6ce8\u91ca\u6216\u5176\u4ed6\u56fe\u50cf\u3002\u4f8b\u5982\uff0c\u7814\u7a76\u4eba\u5458\u53ef\u4ee5\u5728napari\u4e2d\u6253\u5f00\u4e00\u4e2a\u7ec4\u7ec7\u7684\u56fe\u50cf\uff0c\u70b9\u51fb\u9f20\u6807\u8bc6\u522b\u7ec6\u80de\u6838\uff0c\u7136\u540e\u5728Python\u4e2d\u68c0\u7d22\u8fd9\u4e9b\u70b9\uff0c\u5e76\u4f7f\u7528\u5b83\u4eec\u4f5c\u4e3a\u7ec6\u80de\u56fe\u50cf\u5206\u5272\u7b97\u6cd5\uff08\u7528\u4e8e\u8bc6\u522b\u7ec6\u80de\u7684\u8fb9\u754c\uff09\u7684\u201c\u79cd\u5b50\u70b9\u201d\u3002\u7136\u540e\u901a\u8fc7\u5c06\u7ed3\u679c\u4f5c\u4e3a\u539f\u59cb\u56fe\u50cf\u4e0a\u7684\u65b0\u56fe\u5c42\u63a8\u9001\u5230napari\u4e2d\uff0c\u7814\u7a76\u4eba\u5458\u5c31\u53ef\u4ee5\u8bc4\u4f30\u8fd9\u6b21\u5206\u5272\u7684\u6548\u679c\u5982\u4f55\u3002
"},{"location":"issue-36/#github-id","title":"\u8d21\u732e\u8005\uff08GitHub ID\uff09","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang@kkjtmac@NiEntropy@He-Kai-fly@JnanZhang@Tomcxf@wangdepin\u5176\u4ed6\uff1a
@shenweiyan\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-37/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 37 \u671f\uff09\uff1a\u629b\u5f03\u201c\u5f71\u54cd\u201d\u56e0\u5b50\uff0c\u8ba1\u7b97\u98a0\u8986\u56e0\u5b50\uff01","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d | \u300c\u751f\u4fe1\u8ba8\u8bba\u533a\uff08Gitter\uff09\u300d
"},{"location":"issue-37/#_1","title":"\u5c01\u9762\u56fe","text":""},{"location":"issue-37/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u629b\u5f03\u201c\u5f71\u54cd\u201d\u56e0\u5b50\uff0c\u8ba1\u7b97\u98a0\u8986\u56e0\u5b50\uff01","text":"\u98a0\u8986\u56e0\u5b50\uff08Disruption\uff09\u662fWu\uff0cWang\u548cEvans\u57282019\u5e74\u7684Nature\u7684\u6587\u7ae0\u63a8\u51fa\u7684\u3002\u8fd9\u4e2a\u56e0\u5b50\u662f\u6307\u5f15\u7528\u4e86\u8be5\u8bba\u6587\uff0c\u4f46\u6ca1\u6709\u5f15\u7528\u8be5\u8bba\u6587\u6240\u5f15\u7528\u7684\u8bba\u6587\u7684\u8bba\u6587\u6570\uff08ni\uff09\u51cf\u53bb\u90a3\u4e9b\u540c\u65f6\u5f15\u7528\u4e86\u8be5\u8bba\u6587\u53ca\u8be5\u8bba\u6587\u6240\u5f15\u7528\u8bba\u6587\u7684\u8bba\u6587\u6570\uff08nj\uff09\uff0c\u7136\u540e\u7528\u5f15\u7528\u8be5\u8bba\u6587\u7684\u8bba\u6587\u6570(ni+nj)\u52a0\u4e0a\u90a3\u4e9b\u6ca1\u6709\u5f15\u7528\u8be5\u8bba\u6587\u5374\u5f15\u7528\u4e86\u8be5\u8bba\u6587\u6240\u5f15\u7528\u8bba\u6587\u7684\u8bba\u6587\u6570(nk)\u6765\u5f52\u4e00[D=(ni-nj)/(ni+nj+nk)]\u3002\u8fd9\u4e2a\u98a0\u8986\u56e0\u5b50\u53ef\u4ee5\u8861\u91cf\u4e00\u7bc7\u8bba\u6587\u662f\u540e\u6765\u5de5\u4f5c\u7684\u8d77\u70b9\uff08\u539f\u521b\u6027\u5de5\u4f5c\uff0cD\uff5e1\uff09\uff0c\u8fd8\u662f\u7814\u7a76\u5de5\u4f5c\u53d1\u5c55\u4e2d\u7684\u4e2d\u8f6c\u7ad9\uff08\u8ddf\u98ce\u3001\u53d1\u5c55\u6027\u5de5\u4f5c\uff0cD\uff5e-1\uff09\u3002\u4ed6\u4eec\u7528\u8bfa\u8d1d\u5c14\u83b7\u5956\u8bba\u6587\uff08\u9ad8\u98a0\u8986\u56e0\u5b50\uff09\u3001\u7efc\u8ff0\u8bba\u6587\uff08\u4f4e\u98a0\u8986\u56e0\u5b50\uff09\u3001\u4e13\u5bb6\u7684\u8c03\u67e5\u3001\u5173\u952e\u8bcd\u6c47\u7684\u4f7f\u7528\u9a8c\u8bc1\u4e86\u98a0\u8986\u56e0\u5b50\u7684\u53ef\u9760\u6027\u3002
ShixiangWang\uff1a\u7814\u7a76\u524d\u6cbf\u7684\u6f14\u8fdb\u662f\u5feb\u901f\u7684\uff0c\u4f46\u4e60\u60ef\u548c\u8303\u5f0f\u7684\u8f6c\u53d8\u5374\u662f\u95f4\u65ad/\u9636\u6bb5\u6027\u7684\uff0c\u66f4\u591a\u5b66\u672f\u8bc4\u4ef7\u6307\u6807\u7684\u7684\u5f00\u53d1\u548c\u63d0\u51fa\u6709\u5229\u4e8e\u4e30\u5bcc\u5b66\u672f\u5708\u7684\u7fa4\u4f53\u610f\u8bc6\uff0c\u4e0d\u8fc7\u4efb\u4f55\u6307\u6807\u90fd\u6709\u5176\u5229\u5f0a\uff0c\u672a\u6765\u662f\u5426\u901a\u7528\u6027\u5730\u9002\u914d\u8fd8\u662f\u4e0d\u540c\u9886\u57df\u767e\u82b1\u9f50\u653e\u90fd\u5c1a\u672a\u53ef\u77e5\u3002
1\u3001Nature | \u4e16\u754c\u9996\u4e2a\u5168\u5e74\u9f84\u6bb5\u4eba\u8111\u53d1\u80b2\u56fe\u8c31
\u672c\u7814\u7a76\u5bf9101457\u540d\u4e0d\u540c\u5e74\u9f84\u5c42\u6b21\u4eba\u7fa4\uff08\u4ece\u53d7\u5b55\u540e115\u5929\u5230100\u5c81\uff09\u7684123984\u6b21MRI\u6570\u636e\u8fdb\u884c\u5206\u6790\uff0c\u5b9a\u4e49\u4e86\u5927\u8111\u4e0e\u5e74\u9f84\u76f8\u5173\u7684\u53d8\u5316\u7279\u5f81\uff0c\u7ed8\u5236\u4e86\u4e16\u754c\u4e0a\u9996\u4e2a\u6db5\u76d6\u6574\u4e2a\u5e74\u9f84\u6bb5\u7684\u4eba\u8111\u53d1\u80b2\u56fe\u8c31\uff0c\u8bc6\u522b\u51fa\u4e86\u591a\u4e2a\u6b64\u524d\u672a\u88ab\u62a5\u9053\u8fc7\u7684\u8111\u751f\u957f\u53d1\u80b2\u5173\u952e\u65f6\u671f\uff0c\u5e76\u4e14\u53d1\u73b0\u591a\u79cd\u75be\u75c5\u60a3\u8005\uff08\u5982\u963f\u5c14\u8328\u6d77\u9ed8\u75c5\u4e0e\u7cbe\u795e\u75be\u75c5\uff09\u7684\u8111\u7ed3\u6784\u4e0e\u6b63\u5e38\u4eba\u7fa4\u5b58\u5728\u4e0d\u540c\u3002\u636e\u4e86\u89e3\uff0c\u8fd9\u662f\u8fc4\u4eca\u6700\u5927\u89c4\u6a21\u7684\u795e\u7ecf\u5f71\u50cf\u5b66\u7814\u7a76\uff0c\u4e3a\u795e\u7ecf\u79d1\u5b66\u7814\u7a76\u63d0\u4f9b\u4e86\u91cd\u8981\u7684\u53c2\u8003\u8d44\u6e90\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://www.nature.com/articles/s41586-022-04554-y
2\u3001Nature Communication | \u751f\u7269\u79d1\u5b66\u9886\u57df\u5e94\u7528\u6df1\u5ea6\u5b66\u4e60\u7684\u5f53\u524d\u8fdb\u5c55\u548c\u516c\u5f00\u6311\u6218
\u8be5\u7efc\u8ff0\u4ece\u86cb\u767d\u8d28\u7ed3\u6784\u9884\u6d4b\u3001\u86cb\u767d\u8d28\u529f\u80fd\u9884\u6d4b\u3001\u57fa\u56e0\u7ec4\u5de5\u7a0b\u3001\u7cfb\u7edf\u751f\u7269\u5b66\u3001\u6570\u636e\u6574\u5408\u4ee5\u53ca\u7cfb\u7edf\u53d1\u751f\u5b66\u8fd9\u4e94\u4e2a\u65b9\u9762\u8bba\u8ff0\u4e86\u5e94\u7528\u6df1\u5ea6\u5b66\u4e60\u8fdb\u884c\u4e0a\u8ff0\u9886\u57df\u7814\u7a76\u7684\u6700\u65b0\u8fdb\u5c55\u3001\u73b0\u6709\u74f6\u9888\u548c\u672a\u6765\u524d\u666f\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://www.nature.com/articles/s41587-022-01261-x
3\u3001Nature Communication | \u5c06\u6838\u9178\u7edd\u5bf9\u5b9a\u91cf\u7528\u4e8e\u540c\u4e00\u6837\u672c\u62f7\u8d1d\u6570\u53d8\u5f02\u548c\u7a81\u53d8\u68c0\u6d4b\u7684\u65b0\u6280\u672f\u2014\u2014QASeq
QASeq\u662f\u4e00\u9879\u53ef\u7cbe\u786e\u6d4b\u5b9a\u62f7\u8d1d\u6570\u53d8\u5316\uff08CNV\uff09\u7684\u65b0\u6280\u672f\u3002\u4e0e\u88ab\u8ba4\u4e3a\u201c\u91d1\u6807\u51c6\u201d\u7684\u6570\u5b57PCR\u6280\u672f\u76f8\u6bd4\uff0cQASeq\u5728\u5355\u4e2a\u4f4d\u70b9\u7684\u68c0\u6d4b\u4e0a\u8868\u73b0\u51fa\u4e86\u66f4\u597d\u7684\u7075\u654f\u5ea6\u548c\u7a33\u5b9a\u6027\uff0c\u53ef\u4ee5\u4ece\u6709\u9650\u7684FFPE\u7ec4\u7ec7\u6837\u672c\u548ccfDNA \u4e2d\u68c0\u6d4b\u5230\u4f4e\u81f35%\u6742\u5408\u5355\u62f7\u8d1d\u6269\u589e\u6216\u7f3a\u5931\u7684 CNV\uff0c\u4ee5\u53ca\u4f4e\u81f30.1% \u53d8\u5f02\u7b49\u4f4d\u57fa\u56e0\u9891\u7387 (VAF) \u7684\u7a81\u53d8\uff0c\u4e14\u8fd9\u79cd\u7cbe\u786e\u5b9a\u91cf\u53ef\u4ee5\u540c\u65f6\u9776\u5411\u4e0a\u767e\u4e2a\u4f4d\u70b9\u751a\u81f3\u66f4\u591a\u3002\u5176\u5728\u4e34\u5e8a\u5e94\u7528\u548cRNA\u8868\u8fbe\u8c31\u9776\u5411\u9884\u6d4b\u65b9\u9762\u7684\u6f5c\u529b\u5f88\u5927\u3002
\u6587\u7ae0\u94fe\u63a5\uff1ahttps://www.nature.com/articles/s41467-022-29487-y
4\u3001QB | \u4eba\u7269 - \u674e\u884d\u8fbe\u9662\u58eb\uff1a\u6c38\u4e0d\u6b62\u6b65\u7684\u5148\u9a71\u8005\u3001\u63a2\u7d22\u8005\u4e0e\u5960\u57fa\u4eba
\u4eca\u5e74\u662f\u674e\u884d\u8fbe\u9662\u58eb86\u5c81\u8bde\u8fb0\u3002\u867d\u7136\u4ed6\u5df2\u4e8e2018\u5e74\u6b63\u5f0f\u9000\u4f11\uff0c\u5374\u4ecd\u7136\u79ef\u6781\u53c2\u4e0e\u5b66\u672f\u6d3b\u52a8\uff0c\u4e0e\u5e74\u8f7b\u6559\u5e08\u548c\u5b66\u751f\u4eec\u8ba8\u8bba\u3002\u4ed6\u63d0\u51fa\uff0c\u4ece\u6570\u636e\u4e2d\u7406\u89e3\u590d\u6742\u751f\u547d\u7cfb\u7edf\u7684\u5173\u952e\u662f\u53d1\u73b0\u770b\u4f3c\u65e0\u5173\u7684\u6570\u636e\u4e2d\u6f5c\u85cf\u7684\u5173\u8054\u3002\u4ed6\u7ecf\u5e38\u5efa\u8bae\u5e74\u8f7b\u7684\u7814\u7a76\u4eba\u5458\u4e0d\u8981\u88ab\u5b66\u79d1\u754c\u9650\u7981\u9522\u4e86\u60f3\u8c61\u529b\uff0c\u4e0d\u8981\u5bb3\u6015\u601d\u8003\u6ca1\u6709\u4eba\u6d89\u8db3\u8fc7\u7684\u95ee\u9898\u548c\u89e3\u51b3\u65b9\u6cd5\u3002\u8fc7\u53bb\u768460\u5e74\u91cc\uff0c\u674e\u884d\u8fbe\u9662\u58eb\u6307\u5bfc\u4e86\u8d85\u8fc7100\u591a\u540d\u7814\u7a76\u751f\uff0c\u5176\u4e2d\u7684\u8bb8\u591a\u5b66\u751f\u73b0\u5df2\u6210\u4e3a\u5168\u7403\u591a\u6240\u9876\u5c16\u5927\u5b66\u7684\u8001\u5e08\uff0c\u8fd8\u6709\u5b66\u751f\u5df2\u6210\u4e3a\u76f8\u5173\u9886\u57df\u7684\u884c\u4e1a\u9886\u5bfc\u8005\u3002
"},{"location":"issue-37/#_4","title":"\u535a\u6587\u8d44\u8baf","text":"5\u3001\u514d\u75ab\u6cbb\u7597\u961f\u5217\u6570\u636eIMvigor210CoreBiologies\u5305
\u53d1\u8868\u5728nature\u4e0a\u7684\u5c3f\u8def\u4e0a\u76ae\u764c\uff08BLCA\uff09\u7684\u514d\u75ab\u6cbb\u7597\u961f\u5217\u6570\u636e\uff0c\u592a\u8d34\u5fc3\u4e86\uff01\uff01\uff01\u6570\u636e\u548c\u6bcf\u5f20\u56fe\u7684\u4ee3\u7801\u90fd\u7ed9\u4e86\uff01\uff01\uff01\u5f88\u597d\u7684\u5b66\u4e60\u7d20\u6750\uff0c\u5feb\u6765\u8bd5\u8bd5\u81ea\u5df1\u7814\u7a76\u7684\u57fa\u56e0\u4e0e\u514d\u75ab\u6cbb\u7597\u7684\u7597\u6548\u6709\u6ca1\u6709\u76f8\u5173\u6027\uff0c\u7ed9\u8bba\u6587\u51d1\u5f20\u56fe\u3002
6\u3001ggcharts \u5feb\u901f\u7ed8\u5236\u4f18\u7f8e\u56fe\u5f62
\u672c\u6587\u4ecb\u7ecd\u4e86\u5982\u4f55\u4f7f\u7528ggcharts\u5305\u7b80\u5355\u5feb\u901f\u7ed8\u5236\u4e00\u4e9b\u5e38\u7528\u7684Figure\u3002
Github: https://github.com/thomas-neitmann/ggcharts
7\u3001\u4f7f\u7528R\u5305PreMSIm\u6839\u636e\u57fa\u56e0\u8868\u8fbe\u91cf\u6765\u9884\u6d4b\u5fae\u536b\u661f\u4e0d\u7a33\u5b9a
\u901a\u8fc7TCGA\u8f6c\u5f55\u7ec4\u6570\u636e\u548c\u4e34\u5e8a\u4fe1\u606f-\u5fae\u536b\u661f\u4e0d\u7a33\u5b9a\uff08MSI\uff09\u6784\u5efa\u6a21\u578b\uff0c\u9884\u6d4b\u6837\u672c\u5fae\u536b\u661f\u4e0d\u7a33\u5b9a\u3002\u601d\u8def\u6e05\u6670\uff0c\u4ee3\u7801\u7b80\u6d01\uff0c\u5bf9\u521d\u5b66\u8005\u5f88\u53cb\u597d\uff0c\u53ef\u4ee5\u6a21\u4eff\u4f5c\u8005\u601d\u8def\u6784\u5efa\u6a21\u578b\uff0c\u5f00\u542f\u4f60\u7684\u673a\u5668\u5b66\u4e60\u4e4b\u65c5\u3002
\u8fd8\u6709\u66fe\u8001\u5e08\u7684\u4f5c\u4e1a\uff1a\u4efb\u610f\u9009\u62e9TCGA\u7684\u4e00\u4e2a\u764c\u75c7\uff0c\u505a\u4e00\u4e2a\u7c7b\u4f3c\u7684\u5206\u7c7b\u6a21\u578b\uff0c\u53ef\u4ee5\u662f\u533a\u5206\u764c\u75c7\u6837\u54c1\u548c\u5bf9\u7167\u7ec4\u7ec7\uff0c\u4e5f\u53ef\u4ee5\u662f\u533a\u5206\u4e0d\u540cTMN\u5206\u671f\u5206\u7ea7\u7684\u764c\u75c7\uff0c\u6216\u8005\u662f\u4e0d\u540c\u7684\u5206\u5b50\u5206\u578b\u54e6\uff01
8\u3001\u751f\u7269\u5b66\u5bb6\u638c\u63e1\u673a\u5668\u5b66\u4e60\u6307\u5357 - AI
\u672c\u6b21\u5b66\u4e60\u6307\u5357\u7684\u5185\u5bb9\u4e3a\u4eba\u5de5\u795e\u7ecf\u7f51\u7edc\u3002\u6307\u5357\u5c06\u4ece\u6982\u5ff5\u3001\u57fa\u672c\u539f\u7406\u3001\u8bad\u7ec3\u548c\u6539\u8fdb\u7b49\u65b9\u9762\u5165\u624b\uff0c\u5e76\u4ecb\u7ecd\u56db\u79cd\u7ecf\u5178\u7684\u4eba\u5de5\u795e\u7ecf\u7f51\u7edc\u3002
"},{"location":"issue-37/#_5","title":"\u5de5\u5177","text":"9\u3001Notero - Zotero\u63d2\u4ef6\u8fde\u901aZotero\u548cNotion
10\u3001khroma
\u505a\u56fe\u4e0d\u4ec5\u662f\u4e00\u79cd\u827a\u672f\uff0c\u4e5f\u662f\u4e00\u95e8\u9887\u6df1\u7684\u79d1\u5b66\u3002\u5982\u4f55\u5c06\u56fe\u753b\u7684\u5373\u7f8e\u89c2\u53c8\u5bf9\u66f4\u591a\u4eba\u53cb\u597d\uff0c\u5c31\u662f\u672cR\u5305\u7684\u5b97\u65e8\u3002Khroma\u63d0\u4f9b\u4e86 Okabe \uff0c Ito , Tol\uff0cCrameri\u8fd9\u4e9b\u4e3b\u9898\u914d\u8272\u65b9\u6848\uff0c\u610f\u5728\u4f7f\u7ed8\u51fa\u56fe\u7247\u5bf9\u8272\u76f2\u60a3\u8005\u66f4\u52a0\u53cb\u597d\u3002
11\u3001r-minimal - \u6700\u5c0fR docker\u955c\u50cf
12\u3001quarto
\u5b98\u7f51\uff1ahttps://quarto.org/
Quarto\u662f\u4e00\u4e2a\u57fa\u4e8ePandoc\u7684\u5f00\u6e90\u79d1\u7814\u51fa\u7248\u7cfb\u7edf\uff0c\u8bbe\u8ba1\u521d\u8877\u662f\u4e3a\u4e86\u6446\u8131Rmarkdon\u5bf9\u7279\u5b9a\u7f16\u7a0b\u8bed\u8a00\u7684\u4f9d\u8d56\uff0c\u7528\u6237\u53ef\u901a\u8fc7qmd\u6587\u6863\u7684yaml\u81ea\u7531\u9009\u62e9python\u3001Julia\u548cObservable\u7b49\u5176\u5b83\u591a\u79cd\u8bed\u8a00\u521b\u5efa\u52a8\u6001\u5185\u5bb9\u7f16\u8bd1\u6587\u6863 \uff0c\u5e76\u5141\u8bb8\u8f6c\u6362\u4e3a\u591a\u79cd\u8f93\u51fa\u683c\u5f0f\u3002
13\u3001ecotyper
EcoTyper\u662f\u4e00\u4e2a\u673a\u5668\u5b66\u4e60\u6846\u67b6\uff0c\u7528\u4e8e\u4ece\u6279\u91cf\u548c\u5355\u7ec6\u80de(scRNA-seq)\u8868\u8fbe\u6570\u636e\u4e2d\u5927\u89c4\u6a21\u8bc6\u522b\u7ec6\u80de\u7c7b\u578b\u7279\u5f02\u6027\u7684\u8f6c\u5f55\u72b6\u6001\u53ca\u5176\u5171\u540c\u5173\u8054\u6a21\u5f0f\u3002
14\u3001restic - \u5feb\u901f\u3001\u5b89\u5168\u3001\u9ad8\u6548\u7684\u5907\u4efd\u7a0b\u5e8f
15\u3001easyScholar
\u5b98\u7f51\uff1ahttps://easyscholar.cc/
\u4e00\u6b3e\u4e13\u4e3a\u79d1\u7814\u4eba\u5458\u8bbe\u8ba1\u7684\u6d4f\u89c8\u5668\u63d2\u4ef6\uff0c\u5b97\u65e8: \u7b80\u6d01\u3001\u9ad8\u6548\u3001\u597d\u7528\uff01
\u4e3b\u8981\u529f\u80fd\uff1a
16\u3001\u673a\u5668\u5b66\u4e60\u9677\u9631
\u8be5\u8d44\u6599\u4e3a\u6587\u7ae0Navigating the Pitfalls of Applying Machine Learning in Genomics\u7684\u7b14\u8bb0\u672c\uff0c\u63cf\u8ff0\u4e86\u57fa\u56e0\u7ec4\u5b66\u4e2d\u5e94\u7528\u673a\u5668\u5b66\u4e60\u7b97\u6cd5\u7684\u5e38\u89c1\u9677\u9631\u3002
17\u3001figdraw - \u7ed8\u5236\u4f60\u7684\u7814\u7a76\u6a21\u5f0f\u56fe
"},{"location":"issue-37/#github-id","title":"\u8d21\u732e\u8005\uff08GitHub ID\uff09","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang@kkjtmac@NiEntropy@He-Kai-fly@JnanZhang@Tomcxf@wangdepin\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-38/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 38 \u671f\uff09\uff1a\u9009\u4eba\u4e0d\u9009\u9879\u76ee\u7684\u300c\u57fa\u77f3\u9879\u76ee\u300d\u80fd\u5426\u8d70\u5411\u6210\u529f\uff1f","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d | \u300c\u751f\u4fe1\u8ba8\u8bba\u533a\uff08Gitter\uff09\u300d
"},{"location":"issue-38/#_1","title":"\u5c01\u9762\u56fe","text":""},{"location":"issue-38/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u9009\u4eba\u4e0d\u9009\u9879\u76ee\u7684\u300c\u57fa\u77f3\u9879\u76ee\u300d\u80fd\u5426\u8d70\u5411\u6210\u529f\uff1f","text":"\u5b83\u9762\u5411\u4e2d\u56fd\u5185\u5730\u53ca\u6e2f\u6fb3\u5730\u533a\u5168\u804c\u5de5\u4f5c\u7684\u79d1\u7814\u4eba\u5458\uff0c\u6bcf\u4eba\u6bcf\u5e74\u6700\u9ad8500\u4e07\u7ecf\u8d39\uff0c\u8fde\u7eed\u8d44\u52a95\u5e74\u30025\u5e74\u5468\u671f\u4e00\u8fc7\uff0c\u8fd8\u6709\u673a\u4f1a\u518d\u7eed\uff01\u800c\u4e14\u5b83\u53ea\u9009\u4eba\uff0c\u4e0d\u9009\u9879\u76ee\u3002\u6362\u8a00\u4e4b\uff0c\u5b83\u4e13\u6ce8\u4e8e\u652f\u6301\u5bcc\u6709\u521b\u9020\u529b\u7684\u79d1\u5b66\u5bb6\u5f00\u5c55\u63a2\u7d22\u6027\u4e0e\u98ce\u9669\u6027\u5f3a\u7684\u57fa\u7840\u7814\u7a76\u3002
\u5982\u4f55\u9009\uff1f\u79d1\u5b66\u5bb6\u4e3b\u5bfc\u539f\u5219\u3002\u7531\u65bd\u4e00\u516c\u5e26\u5934\uff0c\u6f58\u5efa\u4f1f\u3001\u8c22\u6653\u4eae\u3001\u5f20\u6770\u7b49\u77e5\u540d\u79d1\u5b66\u5bb6\u7ec4\u6210\u7684\u79d1\u5b66\u59d4\u5458\u4f1a\u6765\u51b3\u5b9a\u3002
@ShixiangWang - \u4ece\u79d1\u5b66\u63a2\u7d22\u5956\u5230\u65b0\u57fa\u77f3\uff0c\u6211\u4eec\u770b\u5230\u8d8a\u6765\u8d8a\u591a\u7684\u4f01\u4e1a\u5f00\u59cb\u5728\u57fa\u7840\u79d1\u5b66\u7814\u7a76\u4e2d\u53d1\u529b\u53d1\u94b1\uff0c\u672c\u6b21\u7684\u65b0\u57fa\u77f3\u9879\u76ee\u805a\u7126\u4e8e\u4ece\u201c0\u201d\u5230\u201c1\u201d\u7684\u7814\u7a76\uff0c\u5373\u300c\u9879\u76ee\u8017\u65f6\u957f\uff0c\u98ce\u9669\u6027\u9ad8\uff0c\u672c\u8eab\u6210\u679c\u5c31\u4e0d\u5bb9\u6613\u4ea7\u51fa\uff0c\u4e5f\u5c31\u4e0d\u90a3\u4e48\u5bb9\u6613\u5f97\u5230\u8d44\u52a9\u300d\uff0c\u5b9e\u9645\u7533\u8bf7\u548c\u8bc4\u5ba1\u8fc7\u7a0b\u4e2d\u4ec0\u4e48\u7a0b\u5ea6\u7b97\u662f\u201c0\u201d\u7684\u5f00\u59cb\uff0c\u4e2d\u56fd\u6770\u51fa\u9752\u5e74\u4eba\u624d\u4e2d\u771f\u6b63\u6709\u591a\u5c11\u4eba\u6709\u505a\u201c0\u201d\u5230\u201c1\u201d\u7814\u7a76\u7684\u60f3\u6cd5\u548c\u80c6\u91cf\u90fd\u6ca1\u6709\u6570\u636e\u652f\u6301\uff0c\u6240\u4ee5\u662f\u5426\u80fd\u6210\u529f\u76ee\u524d\u5e94\u5f53\u6301\u89c2\u671b\u72b6\u6001\uff1a\u7b2c1-2\u5c4a\u83b7\u9009\u8bfe\u9898\u7684\u60f3\u6cd5\u3001\u5185\u5bb9\u4ee5\u53ca\u672a\u6765\u4e94\u5e74\u7684\u8fdb\u5c55\u5982\u4f55\u5c06\u4f1a\u76f4\u63a5\u5f71\u54cd\u8be5\u9879\u76ee\u7684\u6210\u529f\u5ea6\u3002\u4f1a\u4e0d\u4f1a\u80ce\u6b7b\u8179\u4e2d\uff0c\u6216\u662f\u9010\u6b65\u8d70\u51fa\u5b8c\u6574\u7684\u4e2d\u56fd\u5546\u4e1a\u5bf9\u57fa\u7840\u7814\u7a76\u7684\u652f\u6301\u4f53\u7cfb\uff0c\u503c\u5f97\u671f\u5f85\u3002
1\u3001Science | \u5927\u89c4\u6a21\u5e73\u884c\u62a5\u544a\u5206\u6790\uff08MPRA\uff09\u786e\u5b9a\u591a\u79cd\u56e0\u679c\u53d8\u5f02\u4e0e\u4eba\u7c7b\u8868\u578b\u7684\u5173\u8054
\u5766\u798f\u5927\u5b66\u533b\u5b66\u9662\u7814\u7a76\u56e2\u961f\u8bc1\u660e\uff0cMPRAs\u63d0\u4f9b\u4e86\u4e00\u4e2a\u53ef\u6269\u5c55\u7684\u5e73\u53f0\u6765\u5206\u79bb\u548c\u7ed8\u5236\u590d\u6742\u8868\u578b\u76f8\u5173\u81ea\u7136\u9057\u4f20\u53d8\u5f02\u7684\u8c03\u63a7\u4e8b\u4ef6\uff0c\u5e76\u5f3a\u8c03\u4e86\u73b0\u6709\u65b9\u6cd5\u7684\u5c40\u9650\u6027\u3002\u7814\u7a76\u53d1\u73b0\uff0c\u663e\u8457\u548c\u975e\u663e\u8457\u7b49\u4f4d\u57fa\u56e0MPRA\u53d8\u5f02\u76f8\u5bf9\u4e8e\u76f8\u5e94\u7684\u5168\u57fa\u56e0\u7ec4\u5206\u5e03\u5448\u73b0\u9ad8\u5ea6\u79fb\u52a8\u7684\u7279\u70b9\u3002\u8fd9\u4e00\u6548\u5e94\u8868\u660e\uff0c\u529f\u80fd\u9884\u6d4b\u53ef\u80fd\u80fd\u591f\u5f88\u5bb9\u6613\u5730\u4ece\u57fa\u56e0\u7ec4\u80cc\u666f\u4e2d\u533a\u5206eQTL\u533a\u57df\uff0c\u540c\u65f6\u533a\u5206\u540c\u4e00\u533a\u57df\u5185\u9ad8\u5ea6\u5173\u8054\u548c\u5171\u540c\u663e\u8457\u53d8\u5f02\u7684\u8c03\u63a7\u3002\u4ee5\u4e0a\u7ed3\u679c\u4e3a\u5305\u62ec\u57fa\u56e0\u8868\u8fbe\u548c\u590d\u6742\u8868\u578b\u5728\u5185\u7684\u6570\u767e\u79cd\u72ec\u7acb\u9057\u4f20\u76f8\u5173\u7279\u5b9a\u53d8\u5f02\u7814\u7a76\u63d0\u4f9b\u4e86\u65b0\u7684\u8bc1\u636e\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://www.science.org/doi/10.1126/science.abj5117
2\u3001Nature Biotechnology | cfDNA\u7247\u6bb5\u5316\u6a21\u5f0f\u65b0\u65b9\u6cd5EPIC-seq\u5b9e\u73b0\u764c\u75c7\u9ad8\u7075\u654f\u5ea6\u68c0\u6d4b\u548c\u4e9a\u578b\u533a\u5206
cfDNA\u662f\u91ca\u653e\u5230\u8840\u6d46\u4e2d\u7684\u964d\u89e3DNA\u7247\u6bb5\uff0c\u80fd\u591f\u968f\u7740\u7ec4\u7ec7\u635f\u4f24\u3001\u764c\u75c7\u548c\u708e\u75c7\u53cd\u5e94\u7b49\u53d1\u751f\u6d53\u5ea6\u53d8\u5316\uff0c\u5728\u75be\u75c5\u7684\u65e9\u671f\u8bca\u65ad\u3001\u9884\u540e\u3001\u76d1\u6d4b\u7b49\u65b9\u9762\u5177\u6709\u91cd\u8981\u6f5c\u5728\u4ef7\u503c\u3002
\u53d1\u8868\u5728Nature Biotechnology\u4e0a\u7684\u4e00\u7bc7\u7814\u7a76\u4ecb\u7ecd\u4e86\u4e00\u79cd\u57fa\u4e8ecfDNA\u68c0\u6d4b\u764c\u75c7\u7684\u65b0\u65b9\u6cd5\u2014\u2014EPIC-seq\u3002\u901a\u8fc7\u6355\u83b7\u76ee\u6807\u57fa\u56e0\u7684\u8f6c\u5f55\u8d77\u59cb\u4f4d\u70b9TSS\u533a\u57df\uff0c\u5b9e\u73b0\u9776\u5411\u6df1\u5ea6\u6d4b\u5e8f\uff1b\u673a\u5668\u5b66\u4e60\u7ed3\u5408cfDNA\u5206\u5b50\u7279\u5f81\u2014\u2014\u542f\u52a8\u5b50\u788e\u7247\u71b5\uff08PFE\uff09\u548c\u6838\u5c0f\u4f53\u7f3a\u5931\u533a \uff08NDR\uff09\u6df1\u5ea6\uff0c\u6784\u5efa\u9884\u6d4b\u6a21\u578b\uff0c\u9884\u6d4b\u76ee\u6807RNA\u8868\u8fbe\u3002\u5728\u975e\u5c0f\u7ec6\u80de\u80ba\u764c\uff08NSCLC\uff09\u548c\u5f25\u6f2b\u6027\u5927B\u7ec6\u80de\u6dcb\u5df4\u7624\u4e2d\uff0c\u901a\u8fc7\u8be5\u65b9\u6cd5\u5b9e\u73b0\u4e86\u9ad8\u7075\u654f\u5ea6\u68c0\u6d4b\u548c\u4e9a\u578b\u533a\u5206\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://www.nature.com/articles/s41587-022-01222-4
3\u3001Nature Review Immunol. | MHC\u2160\u7c7b\u5206\u5b50\u4e0e\u80bf\u7624\u514d\u75ab\u76d1\u89c6\u548c\u514d\u75ab\u9003\u907f
\u5728\u8fd9\u7bc7\u7efc\u8ff0\u4e2d\uff0c\u4f5c\u8005\u56de\u987e\u4e86\u9650\u5236CD8+T\u7ec6\u80de\u514d\u75ab\u7597\u6cd5\u5e94\u7528\u7684\u4e24\u4e2a\u56e0\u7d20\uff1a\u2460\u96be\u4ee5\u8bc6\u522bMHC I\u7c7b\u5206\u5b50\u63d0\u5448\u7684\u80bf\u7624\u7279\u5f02\u6027\u80bd\uff1b\u2461\u80bf\u7624\u7ec6\u80de\u5728T\u7ec6\u80de\u9009\u62e9\u4e0b\u8fdb\u5316\u65f6\u635f\u5bb3\u6297\u539f\u63d0\u5448\u7684\u80fd\u529b\u3002\u4f5c\u8005\u8be6\u7ec6\u63cf\u8ff0\u4e86\u5728\u6709\u7f3a\u9677\u7684\u6838\u7cd6\u4f53\u4ea7\u7269\u7684\u975e\u89c4\u8303\u7ffb\u8bd1\u5982\u4f55\u4ea7\u751f\u80bd\u65b9\u9762\u7684\u6700\u65b0\u8fdb\u5c55\uff0c\u5c06\u5176\u4e0e\u4f5c\u4e3a\u81f4\u764c\u7279\u5f81\u7684\u7ffb\u8bd1\u5931\u8c03\u76f8\u5173\u8054\uff0c\u5e76\u63d0\u51fa\u5c06\u5931\u8c03\u7ffb\u8bd1\u4f5c\u4e3a\u80bf\u7624\u7279\u5f02\u6027\u80bd\u7684\u91cd\u8981\u65b0\u6765\u6e90\u3002\u53e6\u5916\uff0c\u4f5c\u8005\u8fd8\u8ba8\u8bba\u4e86\u6297\u539f\u52a0\u5de5\u548c\u63d0\u5448\u9014\u5f84\u7684\u6210\u5206\uff08\u5305\u62ec\u6700\u8fd1\u63cf\u8ff0\u7684\u514d\u75ab\u6838\u7cd6\u4f53\uff09\u7684\u5408\u6210\u548c\u529f\u80fd\u5982\u4f55\u88ab\u80bf\u7624\u64cd\u7eb5\u4ee5\u8fdb\u884c\u514d\u75ab\u9003\u9038\uff0c\u5e76\u6307\u51fa\u53ef\u80fd\u589e\u5f3a\u514d\u75ab\u6cbb\u7597\u7684\u5e38\u89c1\u836f\u7269\u9776\u70b9\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://www.nature.com/articles/s41577-020-0390-6
4\u3001Nature Communication | \u6211\u56fd\u5343\u4eba\u80a0\u764c\u57fa\u56e0\u7ec4\u65b0\u5206\u578b
\u4e2d\u5c71\u5927\u5b66\u80bf\u7624\u9632\u6cbb\u4e2d\u5fc3\u5f90\u745e\u534e/\u738b\u5cf0\u56e2\u961f\u5728Nature Communications\u53d1\u8868\u7684\u7814\u7a76\uff0c\u5168\u9762\u5206\u6790\u4e861015\u4f8b\u4e2d\u56fd\u7ed3\u76f4\u80a0\u764c\u60a3\u8005\u7684\u67d3\u8272\u4f53\u57fa\u56e0\u7ec4\u53d8\u5f02\u4e8b\u4ef6\u3001\u514d\u75ab\u539f\u6027\u7279\u5f81\u4ee5\u53ca\u7ebf\u7c92\u4f53\u57fa\u56e0\u7ec4\u7279\u70b9\uff0c\u5e76\u8054\u5408\u4e34\u5e8a\u4fe1\u606f\u63a2\u7a76\u7ed3\u76f4\u80a0\u764c\u5206\u5b50\u7279\u5f81\u548c\u4e34\u5e8a\u7279\u5f81\u7684\u5173\u7cfb\u3002 \u6d4b\u5e8f\u539f\u59cb\u6570\u636e\u5df2\u4e0a\u4f20\u81f3\u4e2d\u56fd\u56fd\u5bb6\u751f\u7269\u4fe1\u606f\u4e2d\u5fc3\u56fd\u5bb6\u57fa\u56e0\u7ec4\u6570\u636e\u4e2d\u5fc3\uff08HRA000873\uff09\uff0c\u4e34\u5e8a\u4fe1\u606f\u5728Supplementary Data2\uff08OS\u53ea\u7ed9\u4e86\u751f\u5b58\u72b6\u6001\uff0c\u6ca1\u53d1\u73b0\u751f\u5b58\u65f6\u95f4\uff09\uff0c\u6570\u636e\u5e93\u4e2d\u63d0\u4f9b\u4e86\u5904\u7406\u597d\u7684maf\u6587\u4ef6\u3002
\u6570\u636e\u5e93\u94fe\u63a5\uff1ahttps://changkang.hapyun.com/
\u8bba\u6587\u94fe\u63a5\uff1ahttps://www.nature.com/articles/s41467-022-30062-8
5\u3001iMeta | Majorbio Cloud\uff1a\u4e00\u7ad9\u5f0f\u591a\u7ec4\u5b66\u6570\u636e\u5206\u6790\u5e73\u53f0
Majorbio Cloud\u662f\u4e00\u4e2a\u9ad8\u901a\u91cf\u591a\u7ec4\u5b66\u5206\u6790\u7684\u5728\u7ebf\u5e73\u53f0\uff0c\u81ea\u5e26\u7684\u5206\u6790\u6d41\u7a0b\u6db5\u76d6\u4e86\u5fae\u751f\u6001\u3001\u8f6c\u5f55\u7ec4\u3001\u86cb\u767d\u4e0e\u4ee3\u8c22\u53ca\u57fa\u56e0\u7ec4\u7b49\u591a\u7ec4\u5b66\u3002\u901a\u8fc7\u8be6\u5c3d\u7684\u5728\u7ebf\u6587\u6863\u548c\u5728\u7ebf\u8bfe\u5802\uff0c\u4f7f\u7528\u8005\u53ef\u4ee5\u66f4\u52a0\u7b80\u5355\u5feb\u901f\u7684\u4e0a\u624b\u4f7f\u7528\u3002\u6b64\u5916\uff0c\u8be5\u5e73\u53f0\u4e5f\u4e3a\u7528\u6237\u63d0\u4f9b\u4e86\u4e30\u5bcc\u7684\u53ef\u89c6\u5316\u63d2\u4ef6\u5e93\u3002\u76ee\u524dMajorbio Cloud\u5df2\u67091200+\u6587\u7ae0\u5f15\u7528\u4e86\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://onlinelibrary.wiley.com/doi/10.1002/imt2.12
\u8bdd\u8bf4\u8fd9\u4e2aimeta\u671f\u520a\u6700\u8fd1\u8001\u662f\u559c\u6b22\u63a8\u4e00\u4e9b\u5546\u4e1a\u516c\u53f8\u751f\u4fe1\u4e91\u5e73\u53f0\u5f04\u6210\u7684\u6587\u7ae0\u3002
"},{"location":"issue-38/#_4","title":"\u535a\u6587\u8d44\u8baf","text":"6\u3001\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u4e00\u6761\u9f99\u6570\u636e\u5206\u6790\u6d41\u7a0b\u4e4bpopsicleR
\u672c\u6587\u901a\u8fc7\u793a\u4f8b\u6570\u636e\uff0c\u4ece\u5355\u7ec6\u80de\u7684\u8d28\u63a7\u5230\u6700\u540e\u7684\u7ec6\u80de\u6ce8\u91ca\uff0c\u5c55\u793a\u4e86\u5982\u4f55\u4f7f\u7528popsicleR\u5305\u8fdb\u884c\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u4e00\u6761\u9f99\u5206\u6790
Github: https://github.com/bicciatolab/popsicleR
7\u3001\u63a8\u8350 10 \u4e2a\u597d\u7528\u5230\u7206\u7684 Jupyter Notebook \u63d2\u4ef6
Jupter Notebook \u662f\u57fa\u4e8e\u7f51\u9875\u7684\u7528\u4e8e\u4ea4\u4e92\u8ba1\u7b97\u7684\u5e94\u7528\u7a0b\u5e8f\uff0c\u53ef\u4ee5\u5728\u7f51\u9875\u4e2d\u76f4\u63a5\u7f16\u5199\u548c\u8fd0\u884c\u4ee3\u7801\uff0c\u5177\u6709\u7075\u6d3b\u3001\u9ad8\u5ea6\u53ef\u6269\u5c55\u7684\u7279\u6027\uff0c\u7528\u6237\u53ef\u901a\u8fc7\u5b89\u88c5\u63d2\u4ef6\u8f7b\u677e\u5b9e\u73b0\u4e00\u4e9b\u5b9e\u7528\u7684\u529f\u80fd\uff0c\u800c\u672c\u6587\u4ecb\u7ecd\u51e0\u4e2a\u5728jupyter notebook\u4e2d\u88ab\u5e7f\u6cdb\u7528\u5230\u7684\u63d2\u4ef6\uff0c\u80fd\u591f\u66f4\u597d\u5730\u5e2e\u52a9\u5927\u5bb6\u8fdb\u884c\u6570\u636e\u5206\u6790\u53ef\u89c6\u5316\uff0c\u5927\u5927\u63d0\u9ad8\u65e5\u5e38\u7684\u5de5\u4f5c\u6548\u7387\uff01\uff01
8\u3001\u5982\u4f55\u76d1\u6d4b Linux \u7684\u78c1\u76d8 I/O \u6027\u80fd
\u672c\u6587\u4ecb\u7ecd\u4e86Linux\u7684\u78c1\u76d8\u6027\u80fd\u6307\u6807\uff0c\u5e76\u4ecb\u7ecd\u4e86\u83b7\u53d6\u78c1\u76d8 I/O \u60c5\u51b5\u7684\u547d\u4ee4iostat\uff0c\u4ee5\u53ca\u89c2\u5bdf\u8fdb\u7a0b\u7684 I/O \u60c5\u51b5\u7684\u547d\u4ee4pidstat\u3001iotop\u3002
9\u300110 \u5206\u949f\u7406\u89e3\u5fae\u670d\u52a1\u3001\u5bb9\u5668\u548c Kubernetes
\u901a\u8fc7\u672c\u63a8\u6587\uff0c\u4f60\u53ef\u4ee5\u4e86\u89e3\u5230\u4ec0\u4e48\u662f\u5fae\u670d\u52a1\u3001\u5bb9\u5668\u548cKubernetes\uff0c\u4ee5\u53ca\u4ed6\u4eec\u4e4b\u95f4\u7684\u8054\u7cfb\u4e0e\u533a\u522b\u3002
"},{"location":"issue-38/#_5","title":"\u5de5\u5177","text":"10\u3001https://github.com/hpc/Spindle
Spindle\u662f\u4e00\u6b3e\u7528\u4e8e\u63d0\u9ad8HPC\u73af\u5883\u4e2d\u52a8\u6001\u5e93\u548cpython\u52a0\u8f7d\u7684\u6027\u80fd\u7684\u5de5\u5177\uff0c\u53ef\u4ee5\u5bf9\u96c6\u7fa4\u4e2d\u7684\u4e0a\u5343\u4e2a\u8fdb\u7a0b\u8fdb\u884c\u6709\u6548\u7ba1\u7406\u3002
11\u3001simpr - \u6a21\u62df\u6570\u636e\u751f\u6210
Simpr\u5305\u63d0\u4f9b\u4e86\u4e00\u4e2a\u901a\u7528\u3001\u7b80\u5355\u6e05\u6670\u4e14\u53cb\u597d\u7684\u6846\u67b6\uff0c\u7528\u4e8e\u751f\u6210\u6a21\u62df\u6570\u636e\uff0c\u62df\u5408\u6a21\u578b\u548c\u6574\u7406\u6a21\u578b\u7ed3\u679c\uff0c\u5b8c\u6574\u7684\u5de5\u4f5c\u6d41\u53ef\u4ee5\u5728\u5355\u4e2apipeline\u4e2d\u5b8c\u6210\uff0c\u4e14\u4e0d\u9700\u5916\u90e8\u51fd\u6570\u7684\u521b\u5efa\u4ee5\u53ca\u5168\u5c40\u53d8\u91cf\u548c\u5faa\u73af\u7684\u4f7f\u7528\uff0c\u8be5\u5305\u529f\u80fd\u5bf9\u4e00\u4e9b\u529f\u7387\u5206\u6790\u3001\u8bbe\u8ba1\u5206\u6790\u3001\u4eff\u771f\u7814\u7a76\u548c\u6559\u5b66\u7edf\u8ba1\u6570\u636e\u5341\u5206\u6709\u7528~
12\u3001shinybusy - \u52a0\u8f7d\u8ba1\u7b97\u72b6\u6001\u7684Shiny\u62d3\u5c55
13\u3001R\u5305\uff1a\u57fa\u4e8e\u57fa\u56e0\u8868\u8fbe\u7ec6\u80de\u7684\u901a\u8baf\u7b97\u6cd5\u2014\u2014NicheNet
\u5927\u591a\u6570\u5f53\u524d\u7814\u7a76\u7ec6\u80de\u95f4\u901a\u4fe1\u7684\u8ba1\u7b97\u65b9\u6cd5\u6709\u5f88\u5927\u4e0d\u540c\uff0cNicheNet \u57fa\u4e8e\u914d\u4f53\u7684\u57fa\u56e0\u8c03\u63a7\u4f5c\u7528\uff0c\u4f7f\u7528\u7684\u5148\u9a8c\u77e5\u8bc6\u5e76\u7ed3\u5408\u4e86\u7ec6\u80de\u5185\u4fe1\u53f7\u4f20\u5bfc\u548c\u8f6c\u5f55\u8c03\u63a7\u3002NicheNet \u53ef\u4ee5\u9884\u6d4b\u54ea\u4e9b\u914d\u4f53\u5f71\u54cd\u53e6\u4e00\u4e2a\u7ec6\u80de\u4e2d\u7684\u8868\u8fbe\uff0c\u54ea\u4e9b\u9776\u57fa\u56e0\u53d7\u6bcf\u4e2a\u914d\u4f53\u7684\u5f71\u54cd\u4ee5\u53ca\u53ef\u80fd\u6d89\u53ca\u54ea\u4e9b\u4fe1\u53f7\u4f20\u5bfc\u4ecb\u8d28\u3002
R\u5305\u94fe\u63a5\uff1ahttps://github.com/saeyslab/nichenetr
14\u3001rcli - \u7b80\u5316\u7684R\u7248\u672c\u5904\u7406
\u5728\u6240\u6709\u4e3b\u8981\u7684\u64cd\u4f5c\u7cfb\u7edf\u4e0a\uff0c\u5b89\u88c5\u591a\u4e2aR\u89e3\u91ca\u5668\u5e76\u5728\u5b83\u4eec\u4e4b\u95f4\u5207\u6362\u662f\u4e00\u9879\u5f88\u7d2f\u4eba\u7684\u4efb\u52a1\uff0c\u8fd9\u4e2a\u5de5\u5177\u5c31\u662f\u65b9\u4fbf\u89e3\u51b3\u8fd9\u4e2a\u4e8b\u60c5\u7684\u3002
"},{"location":"issue-38/#_6","title":"\u8d44\u6e90","text":"15\u3001BookChapter-RNA-Seq-Analyses - RNA\u6d4b\u5e8f\u6570\u636e\u7684\u8bbe\u8ba1\u4e0e\u5206\u6790
\u672c\u7ae0\u5185\u5bb9\u9488\u5bf9RNASeq\u6570\u636e\u5206\u6790\u63d0\u4f9b\u4e86\u5168\u9762\u7684\u6982\u8ff0\uff0c\u5305\u62ec\u8d28\u91cf\u8bc4\u4f30\uff0creads\u7684\u9884\u5904\u7406\u3001reads\u6bd4\u5bf9\uff0c\u57fa\u56e0\u5b9a\u91cf\u3001\u53ef\u53d8\u526a\u5207\u548c\u5dee\u5f02\u5206\u6790\u7b49\u5185\u5bb9\uff0c\u53e6\u5916\u672c\u4e66\u4e2d\u4e5f\u63d0\u4f9b\u4e86\u5e26\u6709\u7b80\u8981\u63cf\u8ff0\u7684\u4ee3\u7801\u548c\u6570\u636e\u683c\u5f0f\uff0c\u8be5\u5de5\u4f5c\u6d41\u7684\u5177\u4f53\u4f7f\u7528\u6b65\u9aa4\uff0c\u8be6\u89c1Github\u6587\u6863\u3002
Github\uff1ahttps://github.com/grimmlab/BookChapter-RNA-Seq-Analyses
Book\uff1ahttps://doi.org/10.1007/978-3-030-62490-3_11
Amazon link: https://www.amazon.com/Generation-Sequencing-Analysis-Materials-Biosciences/dp/3030624897
16\u3001Windows\u5f00\u53d1\u73af\u5883\u914d\u7f6e\u6307\u5357
\u4f5c\u8005\u5728\u7ecf\u8fc7\u6570\u6b21\u6d4b\u8bd5\u4e4b\u540e\uff0c\u6309\u7167\u81ea\u5df1\u7684\u5de5\u4f5c\u7ecf\u9a8c\u4e0e\u504f\u597d\uff0c\u7f16\u5199\u51fa\u4e00\u5957\u6210\u719f\u7684Window\u5f00\u53d1\u73af\u5883\u7528\u4e8e\u5f00\u53d1\uff0c\u5e76\u4ecb\u7ecd\u4e86\u5177\u4f53\u7684\u5b89\u88c5\u548c\u914d\u7f6e\u65b9\u6cd5\u3002
"},{"location":"issue-38/#github-id","title":"\u8d21\u732e\u8005\uff08GitHub ID\uff09","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang@kkjtmac@NiEntropy@He-Kai-fly@JnanZhang@Tomcxf@wangdepin\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-39/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 39 \u671f\uff09\uff1a\u4eba\u751f\u4e0d\u77ed","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d | \u300c\u751f\u4fe1\u8ba8\u8bba\u533a\uff08Gitter\uff09\u300d
"},{"location":"issue-39/#_1","title":"\u5c01\u9762\u56fe","text":""},{"location":"issue-39/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a[\u4eba\u751f\u4e0d\u77ed]","text":"\u672c\u5468\u8bdd\u9898\u6765\u81ea@ruanyf\uff1a\u4eba\u751f\u4e0d\u77ed\u3002 \u4eba\u751f\u5f88\u77ed\uff0c\u4f46\u662f\u5982\u679c\u4f60\u77e5\u9053\uff0c\u600e\u4e48\u5229\u7528\u597d\u8fd9\u4e9b\u65f6\u95f4\uff0c\u5b83\u5c31\u4e0d\u77ed\u3002 \u4eba\u751f\u521a\u597d\u591f\u5b9e\u73b0\u81ea\u5df1\u7684\u4e00\u4e2a\u68a6\u60f3\uff0c\u524d\u63d0\u662f\u4f60\u5fc5\u987b\u4ece\u4e00\u5f00\u59cb\uff0c\u5c31\u628a\u6240\u6709\u7cbe\u529b\u4e13\u6ce8\u4e8e\u6b64\u3002 \u5982\u679c\u4f60\u6d6a\u8d39\u65f6\u95f4\uff0c\u4e0d\u591f\u4e13\u6ce8\uff0c\u90a3\u4e48\u4f60\u6ca1\u505a\u4ec0\u4e48\u4e8b\uff0c\u4eba\u751f\u5c31\u7ed3\u675f\u4e86\u3002 \u771f\u6b63\u7684\u95ee\u9898\u4e0d\u662f\u4eba\u751f\u77ed\u6682\uff0c\u800c\u662f\u6211\u4eec\u6d6a\u8d39\u4e86\u592a\u591a\u65f6\u95f4\u3002 \u6700\u4ee4\u4eba\u60ca\u8bb6\u7684\u662f\uff0c\u4eba\u4eec\u5e76\u4e0d\u91cd\u89c6\u81ea\u5df1\u7684\u65f6\u95f4\u3002\u4f60\u4e0d\u4f1a\u8ba9\u522b\u4eba\u5077\u8d70\u4f60\u7684\u8d22\u4ea7\uff0c\u4f46\u4f60\u5374\u8ba9\u522b\u4eba\u5077\u8d70\u4f60\u7684\u65f6\u95f4\u3002 \u5982\u679c\u4f60\u542c\u4efb\u81ea\u5df1\u4e3a\u90a3\u4e9b\u4e0d\u91cd\u8981\u7684\u3001\u968f\u673a\u51fa\u73b0\u7684\u4e8b\u60c5\u5206\u5fc3\uff0c\u90a3\u4e48\u5373\u4f7f\u4f60\u7684\u5bff\u547d\u6709\u4e00\u5343\u5e74\uff0c\u4f60\u4e5f\u4f1a\u4e00\u4e8b\u65e0\u6210\u3002
@NiEntropy -\u4eba\u751f\u662f\u5426\u77ed\u6682\uff0c\u6bcf\u4e2a\u4eba\u90fd\u6216\u8bb8\u4f1a\u6709\u4e0d\u540c\u7684\u7b54\u6848\u3002\u53ef\u6216\u8bb8\u6b63\u5982\u6587\u4e2d\u6240\u8bf4\u201d\u4eba\u751f\u5f88\u77ed\uff0c\u4f46\u662f\u5982\u679c\u4f60\u77e5\u9053\uff0c\u600e\u4e48\u5229\u7528\u597d\u8fd9\u4e9b\u65f6\u95f4\uff0c\u5b83\u5c31\u4e0d\u77ed\u3002\u201d\u4eba\u751f\u77ed\u6682\u4e0e\u5426\u6b63\u53d6\u51b3\u4e8e\u6211\u4eec\u8fd9\u770b\u4e0d\u5230\u7684\u8d22\u5bcc\u2014\u2014\u65f6\u95f4\u3002 \u65f6\u95f4\u5c31\u50cf\u56fd\u738b\u7684\u65b0\u8863\u91cc\u9762\u7684\u90a3\u4ef6\u8863\u670d\uff0c\u201d\u806a\u660e\u4eba\u770b\u5f97\u5230\u5b83\u7684\u5b9d\u8d35\u201c\uff0c\u4e8e\u662f\u73cd\u60dc\u8d77\u81ea\u5df1\u6240\u62e5\u6709\u7684\u6bcf\u5206\u6bcf\u79d2\uff0c\u521b\u9020\u51fa\u81ea\u5df1\u60f3\u8981\u7684\u4eba\u751f\u3002\u201d\u50bb\u74dc\u770b\u4e0d\u5230\u5b83\u7684\u4ef7\u503c\u201c\u6325\u970d\u7740\u65f6\u95f4\u5eb8\u5eb8\u788c\u788c\u5ea6\u8fc7\u4e86\u4ed6\u4eec\u7684\u4e00\u751f\u3002 \u6b63\u5982\u73b0\u4ee3\u8ba1\u7b97\u673a\u7684\u53d1\u660e\u4eba\u51af\u00b7\u8bfa\u4f9d\u66fc\u7684\u6545\u4e8b\u4e00\u6837\uff0c\u5229\u7528\u597d\u65f6\u95f4\u5e76\u4e0d\u53ea\u662f\u80fd\u8ba9\u4eba\u751f\u53d8\u5f97\u5145\u5b9e\u800c\u6f2b\u957f\uff0c\u66f4\u91cd\u8981\u7684\u4e00\u70b9\u662f\u53ea\u6709\u8fd9\u6837\u624d\u80fd\u771f\u6b63\u505a\u597d\u81ea\u5df1\u60f3\u505a\u7684\uff0c\u5f97\u5230\u81ea\u5df1\u60f3\u8981\u7684\u3002\u51af\u00b7\u8bfa\u4f9d\u66fc\u7684\u4eba\u751f\u77ed\u5417\uff1f\u4ece\u5bff\u547d\u6765\u8bf4\u6216\u8bb8\u4e0d\u957f\uff0c\u4f46\u8c01\u80fd\u8bf4\u4ed6\u7684\u4eba\u751f\u4e0d\u5145\u5b9e\u5462\uff1f\u4ed6\u4eba\u751f\u7684\u6bcf\u65f6\u6bcf\u523b\u90fd\u6709\u6570\u4e0d\u80dc\u6570\u7684\u4eba\u9700\u8981\u4ed6\u7684\u5e2e\u52a9\u3002\u53ef\u5bf9\u4ed6\u81ea\u5df1\u6765\u8bf4\u5462\uff1f\u76f4\u5230\u751f\u547d\u7684\u6700\u540e\u4e00\u523b\uff0c\u4ed6\u662f\u5426\u4f1a\u540e\u6094\uff0c\u540e\u6094\u81ea\u5df1\u6700\u540e\u7684\u65f6\u95f4\u5df2\u7ecf\u6765\u4e0d\u53ca\u505a\u5b8c\u81ea\u5df1\u60f3\u505a\u7684\u4e8b\u5462\u3002\u540e\u6094\u4e8e\u6ca1\u6709\u628a\u65f6\u95f4\u7528\u5728\u81ea\u5df1\u771f\u6b63\u60f3\u505a\u7684\u4e8b\u60c5\u4e0a\u5462\uff1f \u4eba\u751f\u77ed\u5417\uff1f\u60dc\u65f6\u8005\u957f\uff0c\u6b84\u65f6\u8005\u77ed\uff01
1\u3001Genome Biology | \u7ecf\u6d4e\u5b9e\u60e0\u7684\u8f6c\u5f55\u7ec4\u6d4bPrime-seq
\u5fb7\u56fd\u6155\u5c3c\u9ed1\u5927\u5b66\u7814\u7a76\u56e2\u961f\u7814\u53d1\u4e86\u4e00\u79cd\u65b0\u7684bulk RNA-seq\u65b9\u6cd5\u2014\u2014Prime-seq\u3002\u7ecf\u9a8c\u8bc1\uff0cPrime-seq\u4e0e\u5e38\u89c4\u7684TruSeq\u7684\u6d4b\u5e8f\u6570\u636e\u8d28\u91cf\u548c\u68c0\u6d4b\u57fa\u56e0\u6570\u91cf\u76f8\u4f3c\uff0c\u5e76\u4e14\u6210\u672c\u66f4\u4f4e\u3002
2\u3001Nature Chemical Biology | 56\u4e07\u6761\u654f\u611f\u6570\u636e\u7cfb\u7edf\u8bc6\u522b\u751f\u7269\u6807\u5fd7\u7269\u9a71\u52a8\u7684\u836f\u7269\u7ec4\u5408\u4ee5\u514b\u670d\u6297\u6027
\u7406\u89e3\u548c\u9884\u6d4b\u5bf9\u6cbb\u7597\u836f\u7269\u7684\u5e94\u7b54\u80fd\u529b\u53ef\u80fd\u4f1a\u6539\u5584\u764c\u75c7\u60a3\u8005\u7684\u9884\u540e\u3002\u4f5c\u8005\u5047\u8bbe\u764c\u7ec6\u80de\u7cfb\u7684\u57fa\u7840\u57fa\u56e0\u8f6c\u5f55\u72b6\u6001\uff0c\u518d\u52a0\u4e0a\u5c0f\u5206\u5b50\u7684\u7ec6\u80de\u6d3b\u6027\u8c31\uff0c\u53ef\u7528\u4e8e\u786e\u5b9a\u5185\u5728\u6297\u6027\u7684\u7279\u5b9a\u673a\u5236\u5e76\u9884\u6d4b\u514b\u670d\u6297\u6027\u7684\u836f\u7269\u7ec4\u5408\uff0c\u4f5c\u8005\u5206\u6790\u4e86 564,424 \u4e2a\u654f\u611f\u6027\u6570\u636e\u8c31\u6765\u8bc6\u522b\u5019\u9009\u57fa\u56e0-\u5316\u5408\u7269\u5bf9\uff0c\u5e76\u9a8c\u8bc1\u4e86\u4e5d\u4e2a\u8fd9\u6837\u7684\u5173\u7cfb\u3002
\u4f5c\u8005\u786e\u5b9a\u4e86\u4e00\u79cd\u65b0\u5173\u7cfb\u7684\u673a\u5236\uff0c\u5176\u4e2d\u4e1d\u6c28\u9178\u6c34\u89e3\u9176\u5355\u9170\u57fa\u7518\u6cb9\u8102\u80aa\u9176\uff08MGLL\uff09\u6216\u7fa7\u9178\u916f\u9176\u20091\uff08CES1\uff09\u7684\u8868\u8fbe\u901a\u8fc7\u76f4\u63a5\u9176\u4fc3\u4fee\u9970\u8d4b\u4e88\u4e86\u5bf9\u7ec4\u86cb\u767d\u8d56\u6c28\u9178\u53bb\u7532\u57fa\u5316\u9176\u6291\u5236\u5242GSK-J4\u7684\u6297\u6027\uff0c\u4e0d\u654f\u611f\u7684\u7ec6\u80de\u7cfb\u53ef\u4ee5\u901a\u8fc7\u6291\u5236\u6216\u57fa\u56e0\u6572\u9664\u5bf9GSK-J4\u654f\u611f\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://www.nature.com/articles/s41589-022-00996-7
\u4ee3\u7801\u5730\u5740\uff1a https://github.com/broadinstitute/prism_data_processing https://github.com/reesmg
3\u3001Nature Genetics | \u57fa\u4e8e\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u6570\u636e\u7ed8\u5236\u5c0f\u9f20\u80da\u80ce\u53d1\u80b2\u8f68\u8ff9\u65b0\u56fe\u8c31\uff0c\u5168\u9762\u89e3\u6790\u80da\u80ce\u53d1\u80b2\u7ec6\u80de\u72b6\u6001
\u7f8e\u56fd\u534e\u76db\u987f\u5927\u5b66\u533b\u5b66\u9662\u7684\u7814\u7a76\u56e2\u961f\uff0c\u5229\u7528\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u6d4b\u5e8f\u6280\u672f\u7cfb\u7edf\u5730\u91cd\u6784\u4e86\u5c0f\u9f20\u80da\u80ce\u53d1\u80b2\u7684\u7ec6\u80de\u8f68\u8ff9\u56fe\uff0c\u4e3a\u7406\u89e3\u5b8c\u6574\u7684\u80da\u5c42\u8c31\u7cfb\u5efa\u7acb\u53ca\u7ec6\u80de\u7684\u547d\u8fd0\u8c03\u63a7\u673a\u5236\u63d0\u4f9b\u4e86\u6570\u636e\u4e0e\u601d\u8def\u3002
4\u3001Nature Reviews Cancer | \u80bf\u7624\u86cb\u767d\u8d28\u57fa\u56e0\u7ec4\u5b66\u7814\u7a76\u8fdb\u5c55\u53ca\u672a\u6765\u524d\u666f
Broad\u7814\u7a76\u6240\u53d1\u8868\u4e86\u5173\u4e8e\u86cb\u767d\u8d28\u57fa\u56e0\u7ec4\u5b66\u5728\u80bf\u7624\u7814\u7a76\u4e2d\u7684\u6700\u65b0\u8fdb\u5c55\u548c\u5173\u952e\u53d1\u73b0\u7684\u7efc\u8ff0\u6027\u6587\u7ae0\uff0c\u6587\u7ae0\u63cf\u8ff0\u4e86\u86cb\u767d\u8d28\u57fa\u56e0\u7ec4\u5b66\u4e2d\u6837\u672c\u6536\u96c6\u6280\u672f\u4ee5\u53ca\u751f\u6210\u3001\u5206\u6790\u548c\u6574\u5408\u86cb\u767d\u8d28\u7ec4\u5b66\u4e0e\u57fa\u56e0\u7ec4\u6570\u636e\u7684\u65b9\u6cd5\u7b49\u3002\u8fdb\u884c\u6b64\u7c7b\u7814\u7a76\u4e3b\u8981\u57fa\u4e8e\u5728\u80bf\u7624\u7814\u7a76\u4e2d\uff0c\u4ee5\u73b0\u6709\u7684\u7814\u7a76\u6c34\u5e73\u9274\u522b\u9a71\u52a8\u7a81\u53d8\u5c1a\u5b58\u95ee\u9898\uff0c\u8bf8\u5982\u5355\u4e2a\u80bf\u7624\u4e2d\u590d\u53d1\u6027\u70b9\u7a81\u53d8\u3001\u5c0f\u7247\u6bb5\u63d2\u5165\u6216\u7f3a\u5931\u7684\u6570\u91cf\u8f83\u5c11\uff0c\u8272\u4f53\u62f7\u8d1d\u6570\u6269\u589e\u6216\u7f3a\u5931\uff0c\u9776\u5411\u6cbb\u7597\u8010\u836f\u6027\u7684\u9891\u7e41\u53d1\u5c55\u7b49\u7b49\u6211\u4eec\u96be\u4ee5\u9884\u77e5\u540e\u679c\u6216\u662f\u96be\u4ee5\u5efa\u6a21\u7684\u95ee\u9898\u5bf9\u4e8e\u80bf\u7624\u7684\u7814\u7a76\u5e26\u6765\u4e86\u6781\u5927\u7684\u56f0\u96be\u3002 \u4e3a\u4e86\u66f4\u597d\u7684\u514b\u670d\u8fd9\u4e9b\u56f0\u96be\uff0c\u4e00\u4e9b\u514d\u75ab\u80bf\u7624\u5b66\u65b9\u6cd5\u8fc5\u901f\u53d1\u5c55\uff0c\u5176\u4e2d\u86cb\u767d\u8d28\u7ec4\u5b66\u66f4\u662f\u53ef\u4ee5\u5728\u80bf\u7624\u5fae\u73af\u5883\u4e0e\u80bf\u7624\u7ec6\u80de\u7684\u4fe1\u53f7\u8f6c\u5bfc\u5c42\u9762\u63d0\u4f9b\u66f4\u4e3a\u5177\u8c61\u7684\u4fe1\u606f\u3002\u86cb\u767d\u8d28\u7ec4\u5b66\u6280\u672f\u7684\u76ee\u7684\u662f\u8bc6\u522b\u80bf\u7624\u4e2d\u53d8\u5316\u7684\u86cb\u767d\u8d28\u548cPTM\uff0c\u5e76\u5bf9\u8be5\u6570\u636e\u8fdb\u884c\u91cf\u5316\uff0c\u968f\u540e\u4e0e\u62f7\u8d1d\u6570\u53d8\u5f02\u3001\u8868\u89c2\u9057\u4f20\u6c89\u9ed8\u3001mRNA\u8868\u8fbe\u7684\u53d8\u5316\u8054\u7cfb\u8d77\u6765\u4ee5\u63d0\u4f9b\u6709\u5173\u86cb\u767d\u8d28\u8c03\u8282\u548c\u54cd\u5e94\u8fd9\u4e9b\u53d8\u5316\u7684\u4fe1\u53f7\u7684\u76f4\u63a5\u4fe1\u606f\u3002\u57fa\u4e8eMS\u7684\u86cb\u767d\u8d28\u7ec4\u5b66\u8fd8\u63d0\u4f9b\u4e86\u5bf9PTM\u7684\u6df1\u5165\u5b9a\u91cf\u5206\u6790\u3002 \u56e0\u6b64\uff0c\u86cb\u767d\u8d28\u57fa\u56e0\u7ec4\u5b66\u6709\u53ef\u80fd\u4e3a\u75be\u75c5\u6cbb\u7597\u63d0\u4f9b\u91cd\u8981\u89c1\u89e3\uff0c\u5e76\u5728\u4e34\u5e8a\u73af\u5883\u4e2d\u7528\u4e8e\u8bca\u65ad\u591a\u79cd\u8010\u836f\u4fe1\u53f7\u53ca\u5176PTM\uff0c\u5e76\u5c06\u7814\u7a76\u91cd\u70b9\u96c6\u4e2d\u5728\u53ef\u7acb\u5373\u7528\u4e8e\u836f\u7269\u5f00\u53d1\u7684\u9776\u70b9\u4e0a\uff0c\u6216\u96c6\u4e2d\u7cbe\u529b\u5f00\u53d1\u65b0\u7597\u6cd5\u3002
5\u3001\u6df1\u5ea6\u5b66\u4e60\u5fc5\u987b\u638c\u63e1\u7684 13 \u79cd\u6982\u7387\u5206\u5e03
\u6587\u7ae0\u9996\u5148\u5bf9\u6982\u7387\u5206\u5e03\u8fdb\u884c\u6982\u8ff0\uff0c\u968f\u540e\u4ecb\u7ecd\u4e86\u4e0e\u6df1\u5ea6\u5b66\u4e60\u76f8\u5173\u768413\u79cd\u6982\u7387\u5206\u5e03\u53ca\u5176\u7279\u5f81\uff0c\u5e76\u63d0\u4f9bgithub\u5b66\u4e60\u94fe\u63a5\u3002 - \u8bba\u6587\u94fe\u63a5\uff1ahttps://www.nature.com/articles/nature25501 - R\u5305\u4ecb\u7ecd\uff1ahttp://research-pub.gene.com/IMvigor210CoreBiologies/
6\u3001Nature Cancer | \u764c\u75c7\u8f6c\u79fb\u673a\u5236\u4e0e\u6cbb\u7597\u7b56\u7565
\u80bf\u7624\u7ec6\u80de\u7684\u5168\u8eab\u6269\u6563\u662f\u5927\u591a\u6570\u764c\u75c7\u6b7b\u4ea1\u7684\u6700\u7ec8\u539f\u56e0\uff0c\u4f46\u5f88\u5c11\u6709\u6210\u529f\u7684\u6cbb\u7597\u7b56\u7565\u4e13\u95e8\u9488\u5bf9\u8f6c\u79fb\u3002\u4f5c\u8005\u4ecb\u7ecd\u4e86\u764c\u75c7\u8f6c\u79fb\u7684\u8fc7\u7a0b\u53ca\u7c7b\u578b\u3001\u76ee\u524d\u6cbb\u7597\u65b9\u6cd5\u7684\u5c40\u9650\u6027\u4ee5\u53ca\u672a\u6765\u7684\u6cbb\u7597\u524d\u666f\u3002
7\u300111\u79cd\u7279\u5f81\u9009\u62e9\u7b56\u7565\u603b\u7ed3
\u7279\u5f81\u9009\u62e9\u4e5f\u88ab\u6210\u4e3a\u53d8\u91cf\u9009\u62e9\u3001\u5c5e\u6027\u9009\u62e9\u6216\u8005\u53d8\u91cf\u5b50\u96c6\u9009\u62e9\uff0c\u662f\u6307\u4e3a\u4e86\u6784\u5efa\u6a21\u578b\u800c\u9009\u62e9\u76f8\u5173\u7279\u5f81(\u5373\u5c5e\u6027\u3001\u6307\u6807)\u5b50\u96c6\u7684\u8fc7\u7a0b\u3002\u5efa\u6a21\u8fc7\u7a0b\u4e2d\u592a\u591a\u7684\u7279\u5f81\u4f1a\u589e\u52a0\u6a21\u578b\u7684\u590d\u6742\u6027\u548c\u8fc7\u62df\u5408\uff0c\u800c\u592a\u5c11\u7684\u7279\u5f81\u4f1a\u5bfc\u81f4\u6a21\u578b\u7684\u62df\u5408\u4e0d\u8db3\uff0c\u56e0\u6b64\u5c06\u6a21\u578b\u4f18\u5316\u4e3a\u8db3\u591f\u590d\u6742\u4ee5\u4f7f\u5176\u6027\u80fd\u53ef\u63a8\u5e7f\uff0c\u4f46\u53c8\u8db3\u591f\u7b80\u5355\u6613\u4e8e\u8bad\u7ec3\u3001\u7ef4\u62a4\u548c\u89e3\u91ca\u662f\u7279\u5f81\u9009\u62e9\u7684\u4e3b\u8981\u5de5\u4f5c\u3002\u672c\u6587\u9488\u5bf9\u4e00\u4e9b\u5e38\u89c1\u7684\u7279\u5f81\u9009\u62e9\u7b56\u7565\u8fdb\u884c\u6982\u8ff0\u3002
"},{"location":"issue-39/#_5","title":"\u5de5\u5177","text":"8\u3001InterpretML - \u53ef\u8bf4\u660e\u7684\u6a21\u578b\uff0c\u89e3\u91ca\u9ed1\u7bb1\u673a\u5668\u5b66\u4e60
InterpretML\u662f\u4e00\u4e2a\u5f00\u6e90\u5305\uff0c\u5b83\u5c06\u6700\u5148\u8fdb\u7684\u673a\u5668\u5b66\u4e60\u53ef\u89e3\u91ca\u6027\u6280\u672f\u6574\u5408\u5728\u4e00\u4e2a\u6846\u67b6\u4e0b\u3002\u4f7f\u7528\u8fd9\u4e2a\u5305\uff0c\u4f60\u53ef\u4ee5\u8bad\u7ec3\u53ef\u89e3\u91ca\u7684glassbox\u6a21\u578b\u548c\u89e3\u91ca\u9ed1\u7bb1\u7cfb\u7edf\u3002InterpretML\u53ef\u4ee5\u5e2e\u52a9\u4f60\u7406\u89e3\u6a21\u578b\u7684\u5168\u5c40\u884c\u4e3a\uff0c\u6216\u8005\u7406\u89e3\u5355\u4e2a\u9884\u6d4b\u80cc\u540e\u7684\u539f\u56e0\u3002
\u6587\u6863\uff1ahttps://interpret.ml/docs/intro.html
\u793a\u4f8b\uff1ahttps://nbviewer.org/github/interpretml/interpret/blob/master/benchmarks/EBM%20Classification%20Comparison.ipynb
9\u3001grateful - \u65b9\u4fbf\u5f15\u7528R\u5305
grateful\u7684\u76ee\u6807\u662f\u4f7f\u5728\u4efb\u4f55\u5206\u6790\u4e2d\u5f15\u7528R\u548cR\u5305\u53d8\u5f97\u975e\u5e38\u5bb9\u6613\uff0c\u8fd9\u6837\u5305\u7684\u4f5c\u8005\u5c31\u5f97\u5230\u4e86\u4ed6\u4eec\u5e94\u5f97\u7684\u8363\u8a89\u3002\u901a\u8fc7\u8c03\u7528\u4e00\u4e2a\u51fd\u6570\uff0cgrateful\u5c06\u626b\u63cf\u9879\u76ee\u4e2d\u4f7f\u7528\u7684R\u5305\uff0c\u5e76\u751f\u6210\u5305\u542b\u8fd9\u4e9b\u5305\u7684\u6240\u6709\u5f15\u7528\u7684BibTeX\u6587\u4ef6\u3002\u7136\u540egrateful\u5c31\u53ef\u4ee5\u751f\u6210\u4e00\u4e2a\u65b0\u7684\u6587\u6863\uff0c\u5176\u4e2d\u5305\u542b\u6240\u9700\u8f93\u51fa\u683c\u5f0f\u7684\u5f15\u7528\uff08Word\u3001PDF\u3001HTML\u3001Markdown\uff09\u3002\u8fd9\u4e9b\u53c2\u8003\u6587\u732e\u53ef\u4ee5\u9488\u5bf9\u7279\u5b9a\u7684\u671f\u520a\u8fdb\u884c\u683c\u5f0f\u5316\uff0c\u8fd9\u6837\u6211\u4eec\u5c31\u53ef\u4ee5\u76f4\u63a5\u5c06\u5b83\u4eec\u7c98\u8d34\u5230\u6211\u4eec\u7684\u624b\u7a3f\u6216\u62a5\u544a\u4e2d\u3002
10\u3001cnv_facets
cnv_facets \u5305\u5229\u7528\u5168\u57fa\u56e0\u7ec4 (WGS)\u3001\u5168\u5916\u663e\u5b50\u7ec4 (WEX) \u548c\u9776\u5411\uff08panel\uff09\u6d4b\u5e8f\u5f97\u5230\u7684NGS\u6570\u636e\uff0c\u68c0\u6d4b\u4f53\u7ec6\u80de\u62f7\u8d1d\u6570\u53d8\u5f02 (CNV)\u3002\u76f8\u8f83\u4e8e\u4f20\u7edf\u7684facets\u5305\uff0c\u5176\u4f18\u5316\u4e86\u4ecebam\u5230vcf\u7684\u6b65\u9aa4\u3002
11\u3001volcano3D\u7ed8\u52363D\u706b\u5c71\u56fe
volcano3D\u5305\u5f00\u53d1\u7684\u4e3b\u8981\u76ee\u7684\u662f\u5728\u4e09\u7ef4\u706b\u5c71\u56fe\u4e0a\u53ef\u89c6\u5316\u5dee\u5f02\u8868\u8fbe\u57fa\u56e0\u7684\u4f4d\u7f6e\uff0c\u5e76\u53ef\u5229\u7528plotly\u8f6c\u5316\u4e3a\u4ea4\u4e92\u52a8\u6001\u683c\u5f0f\u7684\u7f51\u9875\u6587\u4ef6\uff0c\u5c55\u73b0\u5f62\u5f0f\u4ee4\u4eba\u8033\u76ee\u4e00\u65b0\uff0c\u540c\u65f6\u5229\u7528R shiny app\u5c06\u8be5\u5de5\u5177\u90e8\u7f72\u5728PEAC\u7f51\u5740\u4e0a\u9762\u3002
12\u3001cols4all\u4e00\u6b3e\u914d\u8272R\u5305
13\u3001r-manuals
\u8be5\u7f51\u5740\u4e3aR manual\u7684\u91cd\u65b0\u8bbe\u8ba1\u4fbf\u4e8e\u641c\u7d22\u7684\u65b0\u7248\u672c\uff0c\u7531R\u5f00\u53d1\u6838\u5fc3\u56e2\u961f\u7ef4\u62a4\u4e0e\u652f\u6301\uff0c\u5c3d\u91cf\u4fdd\u6301\u4e0e\u539f\u7248\u672c\u8d34\u8fd1\u7684\u5185\u5bb9\uff0c\u6db5\u76d6\u4e86R\u8bed\u8a00\u7b80\u4ecb\u3001\u6570\u636e\u5bfc\u5165/\u5bfc\u51fa\u3001\u5b89\u88c5\u548c\u7ba1\u7406\u3001R\u6269\u5c55\u3001\u8bed\u8a00\u5b9a\u4e49\u53ca\u5185\u90e8\u7ed3\u6784\u51e0\u65b9\u9762\u7684\u5185\u5bb9\u3002
\u624b\u518c: https://cran.r-project.org/manuals.html
\u4ee3\u7801\u5730\u5740: https://github.com/rstudio/r-manuals
14\u3001\u5168\u80bf\u7624\u9776\u5411\u836f\u7269\u5168\u666f\u56fe
\u6c47\u603b\u4e8634\u79cd\u764c\u75c7\u7684\u9776\u5411\u6cbb\u7597\u836f\u7269\u4fe1\u606f\u3002
15\u3001MOFA
MOFA\uff08\u591a\u7ec4\u5b66\u56e0\u7d20\u5206\u6790\uff09\u662f\u4e00\u4e2a\u56e0\u5b50\u5206\u6790\u6a21\u578b\uff0c\u5b83\u4e3a\u901a\u8fc7\u65e0\u76d1\u7763\u65b9\u5f0f\u96c6\u6210\u7684\u591a\u7ec4\u5b66\u6570\u636e\u96c6\u63d0\u4f9b\u4e86\u4e00\u4e2a\u901a\u7528\u6846\u67b6\u3002
\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang@kkjtmac@NiEntropy@He-Kai-fly@JnanZhang@Tomcxf@wangdepin\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-4/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 4 \u671f\uff09\uff1a\u751f\u4fe1\u6709\u4e00\u5929\u53ef\u4ee5\u5f97\u8bfa\u8d1d\u5c14\u5956\u5417","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
GitHub \u7c89\u4eec\u53ef\u4ee5\u901a\u8fc7 Watch \u4ed3\u5e93\u7684 Release\uff08\u63d0\u524d\uff09\u5173\u6ce8\u53d1\u5e03\u5185\u5bb9\u3002
\u8ba8\u8bba\u533a\u7684\u5e16\u5b50\u300a\u8c01\u5728\u62db\u4eba\uff1f\u300b\uff0c\u63d0\u4f9b\u751f\u4fe1\u6df1\u9020\u548c\u5c31\u4e1a\u4fe1\u606f\uff0c\u6b22\u8fce\u8bbf\u95ee\u6216\u53d1\u5e03\u5b66\u4f4d\u653b\u8bfb/\u5de5\u4f5c/\u5b9e\u4e60\u7b49\u5c97\u4f4d\u3002
\u300c\u672c\u671f\u4e13\u7528\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-4/#_1","title":"\u5c01\u9762\u56fe","text":"\u5149\u73af\u3002\uff08via\uff09
"},{"location":"issue-4/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u751f\u4fe1\u6709\u4e00\u5929\u53ef\u4ee5\u5f97\u8bfa\u8d1d\u5c14\u5956\u5417","text":"\u30102021\u5e74\u8bfa\u8d1d\u5c14\u751f\u7406\u5b66\u6216\u533b\u5b66\u5956\u63ed\u6653\u3011\u5317\u4eac\u65f6\u95f410\u67084\u65e5\u4e0b\u5348\uff0c2021\u5e74\u8bfa\u8d1d\u5c14\u751f\u7406\u5b66\u6216\u533b\u5b66\u5956\u63ed\u6653\u3002\u7f8e\u56fd\u79d1\u5b66\u5bb6David Julies\u3001Ardem Patapoutian\u83b7\u5956\uff0c\u4ee5\u8868\u5f70\u4ed6\u4eec\u201c\u53d1\u73b0\u6e29\u5ea6\u548c\u89e6\u89c9\u7684\u53d7\u4f53\u201d\u3002
\u4eba\u4eec\u5bf9\u70ed\u3001\u51b7\u548c\u89e6\u89c9\u7684\u611f\u77e5\u80fd\u529b\u5bf9\u751f\u5b58\u81f3\u5173\u91cd\u8981\uff0c\u652f\u6491\u7740\u6211\u4eec\u4e0e\u5468\u56f4\u4e16\u754c\u7684\u4e92\u52a8\u3002\u5728\u65e5\u5e38\u751f\u6d3b\u4e2d\uff0c\u6211\u4eec\u8ba4\u4e3a\u8fd9\u4e9b\u611f\u89c9\u7406\u6240\u5f53\u7136\uff0c\u4f46\u795e\u7ecf\u51b2\u52a8\u662f\u5982\u4f55\u4ea7\u751f\u7684\uff0c\u4ece\u800c\u4f7f\u6e29\u5ea6\u548c\u538b\u529b\u53ef\u4ee5\u88ab\u611f\u77e5\uff1f\u4eca\u5e74\u7684\u8bfa\u8d1d\u5c14\u5956\u5f97\u4e3b\u89e3\u51b3\u4e86\u8fd9\u4e2a\u95ee\u9898\u3002
\u751f\u4fe1\u53d1\u5c55\u4e86\u51e0\u5341\u5e74\uff0c\u4e3a\u5404\u7c7b\u751f\u7269\u533b\u5b66\u7814\u7a76\u8fdb\u5c55\u7acb\u4e0b\u6c57\u9a6c\u529f\u52b3\u3002\u4f46\u751f\u4fe1\u6280\u672f\u4e2d\u4e00\u4e9b\u6838\u5fc3\u7684\u539f\u521b\u6027\u65b9\u6cd5\u3001\u76ee\u524d\u4e0d\u65ad\u53d8\u66f4\u7684\u6d4b\u5e8f\u624b\u6bb5\u662f\u5426\u80fd\u591f\u5728\u672a\u6765\u83b7\u5f97\u8bfa\u8d1d\u5c14\u5956\u5462\uff1f\u4f60\u77e5\u9053\u6709\u54ea\u4e9b\u91cd\u8981\u7684\u751f\u4fe1\u65b9\u6cd5\u548c\u6280\u672f\u624b\u6bb5\uff1f\u4f60\u89c9\u5f97\u5b83\u4eec\u80fd\u503c\u4e00\u4e2a\u8bfa\u8d1d\u5c14\u5956\u5417\uff1f
"},{"location":"issue-4/#_3","title":"\u751f\u4fe1\u79d1\u6280\u52a8\u6001","text":"1\u3001\u591a\u6b3e\u6d4b\u5e8f\u5e73\u53f0\u6027\u80fd\u8bc4\u4f30\u6210\u679c\u53d1\u5e03\uff0c\u534e\u5927\u667a\u9020\u6d4b\u5e8f\u4eea\u53ef\u63d0\u4f9b\u9ad8\u8d28\u91cfWGS
\u8fd1\u65e5\uff0c\u7531\u751f\u7269\u5206\u5b50\u8d44\u6e90\u8bbe\u65bd\u534f\u4f1a\uff08Association of Biomolecular Resource Facilities, ARBF\uff09\u4e3b\u5bfc\u7684ABRF NGS II\u671f\u7814\u7a76\u6210\u679c\u53d1\u8868\u4e8eNature Biotechnology\uff0c\u6587\u7ae0\u9898\u4e3a\u201cPerformance assessment of DNA sequencing platforms in the ABRF Next-Generation Sequencing Study\u201d\u3002\u7814\u7a76\u56e2\u961f\u57fa\u4e8e\u6765\u81eaIllumina\u3001Pacific Biosciences\u3001Thermo Fisher Scientific\u3001BGI\u3001Oxford Nanopore Technologies\u548cGenapsys\u7684\u591a\u6b3e\u6d4b\u5e8f\u5e73\u53f0\uff0c\u5728\u591a\u4e2a\u5b9e\u9a8c\u5ba4\u5bf9\u540c\u4e00\u4eba\u7c7b\u57fa\u56e0\u7ec4\u5bb6\u65cf\u3001\u4e09\u4e2a\u5355\u72ec\u83cc\u682a\u548c\u5341\u79cd\u7ec6\u83cc\u7684\u5b8f\u57fa\u56e0\u7ec4\u6df7\u5408\u7269\u8fdb\u884c\u6d4b\u5e8f\uff0c\u5e76\u5c06\u5404\u5e73\u53f0\u6570\u636e\u8fdb\u884c\u5168\u65b9\u4f4d\u3001\u7cfb\u7edf\u6027\u6bd4\u8f83\uff0c\u5206\u6790\u5404\u4e2a\u6d4b\u5e8f\u5e73\u53f0\u7684\u6027\u80fd\u5dee\u5f02\u548c\u6d4b\u5e8f\u8d28\u91cf\uff0c\u4ee5\u63d0\u4f9b\u771f\u5b9e\u5168\u9762\u7684\u53c2\u8003\u8bc1\u636e\u3002
\u6570\u636e\u663e\u793a\uff0c\u5728\u77ed\u8bfb\u957f\u6d4b\u5e8f\u5e73\u53f0\u4e2d\uff0cIllumina\u7684HiSeq 4000\u548cHiSeq X10\u5e73\u53f0\u63d0\u4f9b\u4e86\u6700\u4e00\u81f4\u3001\u6700\u9ad8\u7684\u57fa\u56e0\u7ec4\u8986\u76d6\u7387\uff0c\u534e\u5927\u667a\u9020\u7684BGISEQ-500\u3001MGISEQ-2000\u5e73\u53f0\u63d0\u4f9b\u4e86\u6700\u4f4e\u7684\u6d4b\u5e8f\u9519\u8bef\u7387\u3002\u5728\u957f\u8bfb\u957f\u6d4b\u5e8f\u5e73\u53f0\u4e2d\uff0cPacBio CCS\u5177\u6709\u6700\u9ad8\u7684\u57fa\u4e8e\u53c2\u8003\u7684\u6620\u5c04\u7387\u548c\u6700\u4f4e\u7684\u975e\u6620\u5c04\u7387\u3002PacBio CCS\u548cOxford Nanopore\u7684PromethION\u3001MinION\u5e73\u53f0\u5728\u91cd\u590d\u5e8f\u5217\u4e30\u5bcc\u7684\u533a\u57df\u548c\u8de8\u5747\u805a\u7269\u68c0\u6d4b\u4e2d\u5747\u663e\u793a\u51fa\u6700\u4f73\u7684\u5e8f\u5217\u5b9a\u4f4d\u6027\u80fd\u3002NovaSeq 6000\u4f7f\u75282\u00d7250 bp\u8bfb\u53d6\u5316\u5b66\u662f\u6355\u83b7\u5df2\u77e5INDEL\u4e8b\u4ef6\u7684\u6700\u5f3a\u5927\u7684\u4eea\u5668\u3002
2\u3001\u57fa\u4e8e\u7ed3\u6784\u5206\u7c7b\u9884\u6d4bEGFR\u7a81\u53d8\u578bNSCLC\u7684\u836f\u7269\u53cd\u5e94
\u8fd1\u671f\uff0c\u5728Nature\u6742\u5fd7\u4e0a\u53d1\u8868\u4e86\u4e00\u7bc7\u540d\u4e3aStructure-based classification predicts drug response in EGFR-mutant NSCLC\u7684\u6587\u7ae0\uff0c\u63cf\u8ff0\u4e86\u4e00\u79cd\u57fa\u4e8e\u7ed3\u6784\u7684\u65b9\u6cd5\u6765\u5b9a\u4e49EGFR\u7a81\u53d8\u7684\u529f\u80fd\u7fa4\uff0c\u8fd9\u79cd\u65b9\u6cd5\u53ef\u4ee5\u6709\u6548\u5730\u6307\u5bfcEGFR\u7a81\u53d8NSCLC\u60a3\u8005\u7684\u6cbb\u7597\u548c\u4e34\u5e8a\u8bd5\u9a8c\u9009\u62e9\uff0c\u5e76\u8868\u660e\u57fa\u4e8e\u7ed3\u6784-\u529f\u80fd\u7684\u65b9\u6cd5\u53ef\u4ee5\u63d0\u9ad8\u5bf9\u4e0d\u540c\u764c\u57fa\u56e0\u9776\u5411\u6cbb\u7597\u836f\u7269\u654f\u611f\u6027\u7684\u9884\u6d4b\u7a81\u53d8\u3002
3\u3001ecDNA\u4e0e\u7ebf\u6027DNA\u7684\u8868\u89c2\u9057\u4f20\u5dee\u5f02\u7814\u7a76\u8fdb\u5c55
\u534e\u5927\u57fa\u56e0\u5510\u51b2\u535a\u58eb\u56e2\u961f\u4e8e\u8fd1\u65e5\u5728\u8868\u89c2\u9057\u4f20\u4e0e\u67d3\u8272\u8d28\u7814\u7a76\u6743\u5a01\u671f\u520aEpigenetics & Chromatin\u4e0a\u53d1\u8868\u9898\u4e3aSequencing of methylase-accessible regions in integral circular extrachromosomal DNA reveals differences in chromatin structure\u7684\u8bba\u6587\uff0c\u5f00\u53d1\u51fa\u4e00\u79cd\u5355\u5206\u5b50\u5c42\u7ea7\u7814\u7a76ecDNA\u67d3\u8272\u8d28\u5f00\u653e\u6027\u7684\u65b0\u6280\u672f\u2014\u2014 CCDA-seq\u3002
4\u3001ctDNA\u5bf9NSCLC\u7684BRAF\u6291\u5236\u5242\u8010\u836f\u673a\u5236\u63a2\u7d22
\u672c\u6587\u4e3b\u8981\u8bc4\u4f30\u4e86ctDNA\u9776\u5411\u6d4b\u5e8f\u7684\u4e34\u5e8a\u5e94\u7528\uff0c\u4f5c\u8005\u9009\u62e9\u4e86\u4e0d\u540c\u65f6\u671f\u7684\u60a3\u8005\u6837\u672c\u8fdb\u884cctDNA\u5206\u6790\uff0c\u7ed3\u5408KM\u5206\u6790\u89c2\u5bdfBRAF\u7a81\u53d8\u53ca\u4e0e\u5176\u5171\u53d1\u751f\u7684\u7a81\u53d8\u5bf9\u7597\u6548\u7684\u5f71\u54cd\uff0c\u4ece\u800c\u786e\u5b9a\u5bf9BRAF\u9776\u5411\u6cbb\u7597\u8010\u836f\u7684\u56e0\u7d20\u548c\u76f8\u5173\u57fa\u56e0\u7ec4\u6539\u53d8\uff0c\u6700\u7ec8\u660e\u786e\uff0c\u5bf9BRAF\u7a81\u53d8\u548c\u5176\u4ed6\u5171\u53d1\u751f\u7a81\u53d8\u7684\u8fde\u7eed\u68c0\u6d4b\u5728\u4e34\u5e8a\u6cbb\u7597\u7b56\u7565\u7684\u5236\u5b9a\u4e0a\u662f\u6709\u610f\u4e49\u7684\u3002
"},{"location":"issue-4/#_4","title":"\u6587\u7ae0","text":"1\u3001\u5bcc\u96c6\u5206\u6790\u7684p\u503c\u662f\u600e\u4e48\u7b97\u51fa\u6765\u7684\uff1f
\u901a\u5e38\u5404\u79cd\u8f6f\u4ef6\u505aGO\u5bcc\u96c6\u6027\u5206\u6790\uff0c\u90fd\u662f\u4f7f\u7528\u8d85\u51e0\u4f55\u5206\u5e03\u8fdb\u884c\u8ba1\u7b97\u3002\u8d85\u51e0\u4f55\u5206\u5e03\u662f\u504f\u6001\u7684\uff0c\u6240\u4ee5fisher.test\u9ed8\u8ba4\u7684\u53cc\u4fa7\u68c0\u9a8c\uff0c\u5176\u5b9e\u662f\u4f7f\u7528\u5355\u4fa7\u6765\u8ba1\u7b97p\u503c\uff0c\u6211\u4eec\u53ef\u4ee5\u5bf9\u6570\u636e\u8fdb\u884c\u6d4b\u8bd5\uff0c\u4f7f\u7528\u53cc\u4fa7\u548c\u5355\u4fa7\u7684p\u503c\u662f\u4e00\u6837\u7684\uff0c\u4e0d\u8fc7\u4f1a\u5f71\u54cd\u5bf9\u7f6e\u4fe1\u533a\u95f4\u7684\u4f30\u8ba1\u3002
2\u3001Sina\u56fe
\u5728\u53ef\u89c6\u5316\u5206\u5e03\u65f6\uff0c\u7bb1\u7ebf\u56fe\u53ef\u4ee5\u9690\u85cf\u53cc\u6a21\u6001\uff0c\u800c\u5c0f\u63d0\u7434\u53ef\u4ee5\u663e\u793a\u4e0d\u5b58\u5728\u7684\u6570\u636e\u3002Sina\u56fe\uff0c\u5176\u4e2d\u7684\u70b9\u4e0e\u5bc6\u5ea6\u6210\u6bd4\u4f8b\u6296\u52a8\uff0c\u63d0\u4f9b\u4e86\u4e00\u4e2a\u5f88\u597d\u7684\u89e3\u51b3\u65b9\u6848\u3002ggforce::geom_sina\u63d0\u4f9b\u4e86ggplot2\u7684layer\u652f\u6301\uff01
3\u3001\u6cb3\u6d41\u56fe
\u6cb3\u6d41\u56fe\uff08Streamg raph\uff09\uff0c\u6709\u65f6\u5019\u4e5f\u53eb\u505a\u201c\u4e3b\u9898\u6cb3\u6d41\u56fe\u201d\uff08Theme River\uff09\uff0c\u662f\u5806\u79ef\u9762\u79ef\u56fe\u7684\u4e00\u79cd\u53d8\u5f62\uff0c\u901a\u8fc7\u201c\u6d41\u52a8\u201d\u7684\u5f62\u72b6\u6765\u5c55\u793a\u4e0d\u540c\u7c7b\u522b\u7684\u6570\u636e\u968f\u65f6\u95f4\u7684\u53d8\u5316\u60c5\u51b5\u3002\u4f46\u4e0d\u540c\u4e8e\u5806\u79ef\u9762\u79ef\u56fe\uff0c\u6cb3\u6d41\u56fe\u5e76\u4e0d\u662f\u5c06\u6570\u636e\u63cf\u7ed8\u5728\u4e00\u4e2a\u56fa\u5b9a\u7684\u3001\u7b14\u76f4\u7684\u8f74\u4e0a\uff08\u5806\u79ef\u56fe\u7684\u57fa\u51c6\u7ebf\u5c31\u662fx\u8f74\uff09\uff0c\u800c\u662f\u5c06\u6570\u636e\u5206\u6563\u5230\u4e00\u4e2a\u53d8\u5316\u7684\u4e2d\u5fc3\u57fa\u51c6\u7ebf\u4e0a\uff08\u8be5\u57fa\u51c6\u7ebf\u4e0d\u4e00\u5b9a\u662f\u7b14\u76f4\u7684\uff09\u3002
4\u3001\u6d45\u8c08Chip-seq/DNase-seq/ATAC-seq
\u5728\u751f\u7269\u4fe1\u606f\u9886\u57df\uff0c\u6d4b\u5e8f\u6280\u672f\u7684\u5b66\u4e60\u662f\u5fc5\u4e0d\u53ef\u5c11\u7684\u4e00\u73af\uff0c\u8981\u77e5\u9053\u751f\u7269\u4fe1\u606f\u8fd9\u95e8\u5b66\u79d1\u7684\u8d77\u6e90\u5c31\u6765\u81ea\u4e8e\u5404\u79cd\u5404\u6837\u7684\u6d4b\u5e8f\u6280\u672f\u3002\u8fd9\u91cc\u8c08\u4e00\u4e0bChip-seq\u3001DNase-seq\u4ee5\u53caATAC-seq\u8fd9\u4e09\u79cd\u5e38\u89c1\u4e14\u6bd4\u8f83\u76f8\u4f3c\u7684\u6d4b\u5e8f\u6280\u672f\u3002
5\u3001\u628a\u4f60\u7528R\u753b\u7684\u56fe\uff08base\u6216ggplot2\uff09\u53d8\u6210ASCII\u7eaf\u6587\u672c\uff01
"},{"location":"issue-4/#_5","title":"\u5de5\u5177","text":"1\u3001vcfstats - \u5f3a\u5927\u7684vcf\u7edf\u8ba1\u4e0e\u4f5c\u56fe\u5de5\u5177
\u505a\u751f\u4fe1\u514d\u4e0d\u4e86\u548cvcf\u6587\u4ef6\u6253\u4ea4\u9053\uff0c\u4f46\u662f\u5982\u4f55\u5feb\u901f\u7684\u7edf\u8ba1\u5176\u4e2d\u7684\u4fe1\u606f\u4e0e\u4f5c\u56fe\u5e76\u4e0d\u662f\u4e00\u4ef6\u5bb9\u6613\u7684\u4e8b\u3002vcfstats\u63d0\u4f9b\u4e86\u4e00\u79cd\u5feb\u901f\u63d0\u53d6vcf\u6587\u4ef6\u4fe1\u606f\u4e0e\u4f5c\u56fe\u7684\u65b9\u5f0f\uff0c\u5f3a\u5927\uff0c\u5feb\u901f\u800c\u4e14\u5bb9\u6613\u6269\u5c55\u3002
2\u3001UCSCXenaShiny - \u57fa\u4e8eUCSC Xena\u764c\u75c7\u6570\u636e\u5e93\u7684R\u5305\u548c\u53ef\u89c6\u5316Shiny\u5e94\u7528
UCSCXenaShiny\u662f\u4e00\u4e2a\u4ea4\u4e92\u5f0f\u63a2\u7d22UCSCXena\u7684R\u5305\u3002\u5b83\u4e3b\u8981\u662f\u4e3a\u4e86\u63d0\u4f9b\u4e00\u4e2aweb\u5e94\u7528\u7a0b\u5e8f\uff08\u5efa\u7acb\u5728Shiny\u6846\u67b6\u548cUCSCXenaTools\u5305\u4e4b\u4e0a\uff09\uff0c\u7528\u4e8e\u4e0b\u8f7d\u3001\u5206\u6790\u548c\u53ef\u89c6\u5316UCSCXena\u7684\u6570\u636e\u96c6\u3002
\u652f\u6301CRAN\u3001Docker\u3001Conda\u7b49\u4e0b\u8f7d\u3001\u5b89\u88c5\u65b9\u5f0f\u3002
3\u3001officeverse - \u4e3a\u751f\u6210office\u6587\u6863\u63d0\u4f9b\u5f3a\u5927\u652f\u6301
4\u3001rustdesk - \u53c8\u4e00\u4e2a\u5f3a\u5927\u7684\u8fdc\u7a0b\u684c\u9762\u8f6f\u4ef6
\u8fdc\u7a0b\u684c\u9762\u8f6f\u4ef6\uff0c\u5f00\u7bb1\u5373\u7528\uff0c\u65e0\u9700\u4efb\u4f55\u914d\u7f6e\u3002
5\u3001\u87ba\u65cb\u6868\uff08PaddleHelix\uff09
\u87ba\u65cb\u6868\uff08PaddleHelix\uff09\u662f\u4e00\u4e2a\u751f\u7269\u8ba1\u7b97\u5de5\u5177\u96c6\uff0c\u662f\u7528\u673a\u5668\u5b66\u4e60\u7684\u65b9\u6cd5\uff0c\u7279\u522b\u662f\u6df1\u5ea6\u795e\u7ecf\u7f51\u7edc\uff0c\u81f4\u529b\u4e8e\u4fc3\u8fdb\u4ee5\u4e0b\u9886\u57df\u7684\u53d1\u5c55\uff1a
6\u3001RectChr
RectChr\u4e3b\u8981\u7528\u4e8e\u57fa\u4e8eChr\u67d3\u8272\u4f53\u6c34\u5e73\u4e0a\u591a\u5c42\u6b21\u7684\u53ef\u89c6\u5de5\u5177\u3002
"},{"location":"issue-4/#_6","title":"\u8d44\u6e90","text":"1\u3001bioinformatics-workflows
\u5de5\u4f5c\u6d41\u7ba1\u7406\u5668\u63d0\u4f9b\u4e86\u4e00\u79cd\u7b80\u5355\u76f4\u89c2\u7684\u65b9\u6cd5\u6765\u7b80\u5316\u7ba1\u9053\u5f00\u53d1\u3002\u5728\u8fd9\u91cc\uff0c\u6211\u4eec\u4e3a\u9009\u5b9a\u7684\u5de5\u4f5c\u6d41\u7ba1\u7406\u5668\u63d0\u4f9b\u57fa\u672c\u7684\u6982\u5ff5\u9a8c\u8bc1\u5b9e\u73b0\u3002\u5206\u6790\u5de5\u4f5c\u6d41\u662f\u57fa\u4e8eRNA-seq\u7ba1\u9053\u7684\u4e00\u5c0f\u90e8\u5206\uff0c\u4f7f\u7528fastqc\u8fdb\u884c\u8d28\u91cf\u63a7\u5236\u548c\u9c91\u9c7c\u8fdb\u884c\u8f6c\u5f55\u7269\u5b9a\u91cf\u3002
2\u3001ggplot2\u7ed8\u56fe\u89c6\u9891\u8bfe\u7a0b
3\u3001\u6700\u5e38\u7528\u7684R\u5305\u6574\u7406
\u5728\u5b9e\u9645\u5de5\u4f5c\u4e2d\uff0c\u6bcf\u4e2a\u6570\u636e\u79d1\u5b66\u9879\u76ee\u5404\u4e0d\u76f8\u540c\uff0c\u4f46\u57fa\u672c\u90fd\u9075\u5faa\u4e00\u5b9a\u7684\u901a\u7528\u6d41\u7a0b\u3002\u5177\u4f53\u5982\u4e0b\uff1a
\u672c\u6587\u5217\u51fa\u6bcf\u4e2a\u6b65\u9aa4\u6700\u6709\u7528\u7684\u4e00\u4e9bR\u5305\u3002
4\u3001\u73b0\u4ee3\u79d1\u7814\u6307\u5317 - \u56fe\u4e66
\u672c\u4e66\u521d\u7a3f\u5199\u4f5c\u4e8e\u6211\u5904\u4e8e\u5b66\u751f\u4e0e\u72ec\u7acb\u79d1\u7814\u4eba\u5458\u6216\u8f6c\u884c\u7684\u8fc7\u6e21\u671f\uff0c\u4e5f\u5c31\u662f\u535a\u58eb\u540e\u9636\u6bb5\u3002\u5728\u8fd9\u4e00\u9636\u6bb5\u8eab\u5904\u6d77\u5916\u7684\u6211\u610f\u8bc6\u5230\u4e86\u73b0\u4ee3\u79d1\u7814\u7684\u4e00\u4e9b\u8d8b\u52bf\u4e0e\u8fd9\u4e2a\u5e74\u9f84\u6bb5\u79d1\u7814\u4eba\u5458\u7684\u79cd\u79cd\u8ff7\u832b\uff0c\u4e3a\u4e86\u94ed\u8bb0\uff0c\u4e5f\u4e3a\u4e86\u542f\u8fea\uff0c\u6211\u5c06\u8fd9\u4e00\u9636\u6bb5\u5bf9\u4e8e\u73b0\u4ee3\u79d1\u7814\u7684\u4e00\u4e9b\u601d\u8003\u6574\u5408\u4e3a\u4e00\u672c\u4e66\u3002\u8fd9\u672c\u4e66\u662f\u5f00\u6e90\u7684\uff0c\u5728\u521d\u7a3f\u5b8c\u6210\u540e\u5f00\u653e\u534f\u4f5c\uff0c\u6211\u4e5f\u9f13\u52b1\u79d1\u7814\u4eba\u5458\u80fd\u8bb0\u5f55\u81ea\u5df1\u7684\u6210\u957f\u7ecf\u5386\uff0c\u5982\u679c\u5b9e\u5728\u4e0d\u77e5\u4ece\u54ea\u4e0b\u624b\uff0c\u53ef\u4ee5\u53c2\u8003\u8fd9\u672c\u4e66\u6765\u6574\u7406\u3002\u662f\u5426\u8ba4\u53ef\u672c\u4e66\u89c2\u70b9\u5e76\u4e0d\u91cd\u8981\uff0c\u4f46\u6ca1\u6709\u81ea\u5df1\u7684\u79d1\u7814\u601d\u8003\u8fc7\u7a0b\u5bf9\u4e8e\u79d1\u7814\u4eba\u5458\u662f\u4e00\u79cd\u60b2\u54c0\u3002
"},{"location":"issue-4/#_7","title":"\u8d21\u732e\u8005","text":"\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
\u611f\u8c22\u4ee5\u4e0b\u5f80\u671f\u8d5e\u8d4f/\u6350\u8d60\u7684\u8bfb\u8005\uff1a
\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-40/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 40 \u671f\uff09\uff1abTMB\u6307\u5bfc\u80bf\u7624\u514d\u75ab\u6cbb\u7597\u4e34\u5e8a\u7814\u7a76","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d | \u300c\u751f\u4fe1\u8ba8\u8bba\u533a\uff08Gitter\uff09\u300d
"},{"location":"issue-40/#_1","title":"\u5c01\u9762\u56fe","text":"\u51e0\u5185\u4e9a\u732a\uff08\u8c5a\u9f20\uff09via
"},{"location":"issue-40/#btmb","title":"\u672c\u5468\u8bdd\u9898\uff1abTMB\u6307\u5bfc\u80bf\u7624\u514d\u75ab\u6cbb\u7597\u4e34\u5e8a\u7814\u7a76","text":"blood TMB \u662f\u5bf9\u8840\u6d46\u4e2d\u6e38\u79bbDNA\u7247\u6bb5\u8fdb\u884c\u6d4b\u5e8f\u5206\u6790\uff0c\u8ba1\u7b97\u5f97\u5230\u7684\u80bf\u7624\u7a81\u53d8\u8d1f\u8377\u3002\u65e2\u5f80\u591a\u9879\u56de\u987e\u6027\u7814\u7a76\u5df2\u7ecf\u8bc1\u5b9e\u4e86bTMB\u5bf9PD-1/PD-L1\u6291\u5236\u5242\u7597\u6548\u9884\u6d4b\u7684\u6709\u6548\u6027\uff0c\u4f46\u76ee\u524d\u5c1a\u7f3a\u5c11\u524d\u77bb\u6027\u7814\u7a76\u8bc1\u636e\u3002\u7531\u5e0c\u671b\u4e4b\u57ce\u56fd\u5bb6\u533b\u7597\u4e2d\u5fc3\u7684Edward S Kim\u6559\u6388\u548c\u514b\u5229\u592b\u5170\u8bca\u6240\u7684Vamsidhar Velcheti\u6559\u6388\u9886\u8854\u7684\u7814\u7a76\u56e2\u961f\uff0c\u5728\u8457\u540d\u671f\u520a\u300a\u81ea\u7136\u00b7\u533b\u5b66\u300b\u53d1\u8868\u91cd\u8981\u7814\u7a76\u6210\u679c\uff0c\u516c\u5e03\u4e86\u9996\u4e2abTMB\u524d\u77bb\u6027\u4e34\u5e8a\u7814\u7a76\u7684\u6700\u7ec8\u5206\u6790\u7ed3\u679c\u3002\u8fd9\u4e00\u7814\u7a76\u524d\u77bb\u6027\u5730\u8bba\u8bc1\u4e86bTMB\u5bf9\u514d\u75ab\u6cbb\u7597\u7597\u6548\u7684\u9884\u6d4b\u4ef7\u503c\uff0c\u540c\u65f6\u4e5f\u63d0\u51fa\u4e86bTMB\u672a\u6765\u7684\u4f18\u5316\u65b9\u5411\uff0c\u4e3abTMB\u8fdb\u5165\u4e34\u5e8a\u5b9e\u8df5\uff0c\u5411\u6807\u51c6\u5316\u68c0\u6d4b\u8fdb\u519b\uff0c\u5960\u5b9a\u4e86\u91cd\u8981\u7684\u57fa\u7840\u3002
ShixiangWang - \u8fd9\u9879\u7814\u7a76\u7ed3\u679c\u6253\u6d88\u4e86\u4e00\u4e9b\u8d28\u7591\uff0c\u8bf4\u660eTMB\u786e\u5b9e\u53ef\u4ee5\u53bb\u6307\u5bfc\u4e34\u5e8a\u6cbb\u7597\uff0c\u800c\u4e0d\u4ec5\u4ec5\u662f\u56de\u987e\u6027\u7684\u5206\u6790\u3002\u540c\u65f6\u6211\u4eec\u4e5f\u9700\u8981\u5173\u6ce8\u5230\u672c\u6587\u4e00\u4e9b\u65b9\u6cd5\u5b66\u7684\u8bbe\u8ba1\uff0c\u5305\u62ecMSAF\u7684\u8bbe\u5b9a\u3001\u503e\u5411\u5339\u914d\u8bc4\u5206\u7684\u6821\u6b63\u3002
1\u3001QB | \u54c8\u4f5b\u5927\u5b66John Quackenbush\u6559\u6388\u56de\u987e\u57fa\u56e0\u7ec4\u7814\u7a76\u7684\u524d\u4e8c\u5341\u5e74
\u76ee\u524d\u5173\u4e8e\u57fa\u56e0\u7ec4\u8fd8\u6709\u5f88\u591a\u95ee\u9898\u6709\u5f85\u56de\u7b54\uff0c\u6bd4\u5982\u4eba\u7c7b\u57fa\u56e0\u7684\u6570\u91cf\u3001\u57fa\u56e0\u7684\u5b9a\u4e49\u7b49\u7b49\uff0c\u6211\u4eec\u76ee\u524d\u5f97\u5230\u7684\u4efb\u4f55\u7248\u672c\u7684\u57fa\u56e0\u7ec4\u90fd\u4ecd\u7136\u662f\u4e0d\u5b8c\u7f8e\u3001\u4e0d\u7cbe\u786e\u7684\uff0c\u4f46\u662f\u662f\u975e\u5e38\u6709\u7528\u7684\u3002\u56de\u987e\u57fa\u56e0\u7ec4\u7814\u7a76\u8fd9\u524d\u4e8c\u5341\u5e74\uff0cJohn\u6559\u6388\u63d0\u51fa\u4e86\u201c\u6280\u672f\u548c\u6570\u636e\u662f\u6700\u91cd\u8981\u7684\u201d\uff0c\u201c\u751f\u7269\u7cfb\u7edf\u7684\u590d\u6742\u6027\u201d\uff0c\u201c\u5f00\u653e\u5f0f\u79d1\u5b66\u7684\u91cd\u8981\u6027\u201d\u548c\u201c\u63d0\u51fa\u6ca1\u6709\u7b54\u6848\u7684\u95ee\u9898\u662f\u6709\u4ef7\u503c\u7684\u201d\u8fd9\u56db\u6761\u5b9d\u8d35\u7684\u7ecf\u9a8c\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://journal.hep.com.cn/qb/EN/10.15302/J-QB-021-0286
2\u3001Nature | \u7834\u89e3\u7cbe\u795e\u5206\u88c2\u75c7\u7684\u9057\u4f20\u8d77\u6e90
4\u6708\u521d\u65f6\uff0c\u4e24\u7bc7\u5173\u4e8e\u7cbe\u795e\u5206\u88c2\u75c7\u7684\u91cd\u78c5\u6587\u7ae0\u4ee5\u80cc\u9760\u80cc\u7684\u5f62\u5f0f\u53d1\u8868\u4e8e\u9876\u520a\u300a\u81ea\u7136\u300b\u4e0a\uff0c\u9996\u6b21\u4e3a\u6211\u4eec\u8be6\u7ec6\u5206\u6790\u4e86\u7cbe\u795e\u5206\u88c2\u75c7\u7684\u9057\u4f20\u56e0\u7d20\u3002\u8fd9\u4e24\u9879\u7814\u7a76\u5206\u522b\u7531\u7cbe\u795e\u75be\u75c5\u57fa\u56e0\u7ec4\u5b66\u534f\u4f1a\uff08Psychiatric Genomics Consortium\uff0cPGC\uff09\u3001\u7cbe\u795e\u5206\u88c2\u75c7\u5916\u663e\u5b50\u7ec4\u6d4b\u5e8f\u5143\u5206\u6790\u534f\u4f1a\uff08Schizophrenia Exome Sequencing Meta-Analysis\uff0cSCHEMA\uff09\u5b8c\u6210\uff0c\u6c47\u96c6\u6765\u81ea\u4e8e40\u591a\u4e2a\u56fd\u5bb6\u3001\u6570\u767e\u4e2a\u673a\u6784\u7684\u7814\u7a76\u4eba\u5458\u3002\u57fa\u4e8e\u4e0d\u540c\u7684\u7814\u7a76\u4fa7\u91cd\u70b9\u4ee5\u53ca\u9f0e\u529b\u5408\u4f5c\uff0c\u4ed6\u4eec\u5bfb\u627e\u5230\u4e0e\u7cbe\u795e\u5206\u88c2\u75c7\u76f8\u5173\u7684\u5e38\u89c1\u6216\u7f55\u89c1\u9057\u4f20\u53d8\u5f02\uff0c\u5e76\u5bf9\u5176\u5206\u5b50\u673a\u5236\u63d0\u51fa\u7a81\u7834\u6027\u7684\u89c1\u89e3\u2014\u2014\u7cbe\u795e\u5206\u88c2\u75c7\u662f\u7531\u795e\u7ecf\u7a81\u89e6\u7684\u901a\u8baf\u4e2d\u65ad\u6240\u5f15\u8d77\uff0c\u4e3a\u7cbe\u795e\u5206\u88c2\u75c7\u63d0\u4f9b\u4e86\u65b0\u7684\u6cbb\u7597\u9776\u70b9\u3002
\u8bba\u6587\u94fe\u63a5\uff1a
3\u3001NEJM \u8bc4\u8bba| \u523b\u753b\u80bf\u7624\u6d78\u6da6T\u7ec6\u80de\u7684\u6cdb\u764c\u56fe\u8c31
\u672c\u6587\u5bf9\u5bf9\u5317\u4eac\u5927\u5b66\u5f20\u6cfd\u6c11\u56e2\u961f\u5728Science\u4e0a\u53d1\u8868\u7684\u6587\u7ae0Pan-Cancer Single Cell Landscape of Tumor-Infiltrating T Cells\u8fdb\u884c\u4e86\u70b9\u8bc4\uff0c\u80af\u5b9a\u4e86\u5176\u5de5\u4f5c\u5bf9\u4e8e\u6cdb\u764cT\u7ec6\u80de\u514d\u75ab\u5fae\u73af\u5883\u7684\u6df1\u5165\u5256\u6790\u4ee5\u53ca\u672a\u6765\u53ef\u80fd\u7684\u514d\u75ab\u65b0\u7597\u6cd5\u505a\u51fa\u7684\u7a81\u51fa\u8d21\u732e\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://www.nejm.org/doi/full/10.1056/NEJMcibr2119477
4\u3001Cell Reports | \u4eba\u7c7b\u764c\u75c7\u9884\u540e\u7279\u5f81\u7684\u5168\u57fa\u56e0\u7ec4\u9274\u5b9a\u53ca\u5206\u6790\u7ed3\u679c
\u7814\u7a76\u56e2\u961f\u5bf9TCGA\u4e2d\u6240\u6709\u7c7b\u578b\u7684\u80bf\u7624\u60a3\u8005\u548c\u6240\u6709\u57fa\u56e0\u7ec4\u6570\u636e\u5e73\u53f0\u8fdb\u884c\u65e0\u504f\u501a\u7684\u751f\u5b58\u5206\u6790\uff0c\u6df1\u5165\u89e3\u6790\u4e86\u4fb5\u88ad\u6027\u80bf\u7624\u548c\u60f0\u6027\u80bf\u7624\u4e4b\u95f4\u7684\u5206\u5b50\u5dee\u5f02\uff0c\u5e76\u4e25\u683c\u8bc4\u4f30\u4e86\u4e34\u5e8a\u524d\u7814\u7a76\u4e2d\u60a3\u8005\u9884\u540e\u6570\u636e\u7684\u5229\u7528\u3002\u901a\u8fc7\u6765\u81ea10,884\u540d\u60a3\u8005\u7684\u57fa\u56e0\u8868\u8fbe\u3001\u62f7\u8d1d\u6570\u3001\u7532\u57fa\u5316\u548c\u7a81\u53d8\u6570\u636e\u6784\u5efa\u4e86\u5168\u57fa\u56e0\u7ec4\u751f\u5b58\u6a21\u578b\uff0c\u751f\u6210\u4e86\u8d85\u8fc7300\u4e07\u4e2aCox\u6bd4\u4f8b\u98ce\u9669\u6a21\u578b\u7684\u4e30\u5bcc\u6570\u636e\u96c6\uff0c\u5e76\u572833\u79cd\u80bf\u7624\u7c7b\u578b\u4e2d\u8bc6\u522b\u4e86\u8d85\u8fc710\u4e07\u4e2a\u663e\u8457\u7684\u9884\u540e\u751f\u7269\u6807\u5fd7\u7269\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://www.cell.com/cell-reports/fulltext/S2211-1247(22)00313-8
5\u3001iMeta | \u5fb7\u56fd\u56fd\u5bb6\u80bf\u7624\u4e2d\u5fc3\u987e\u7956\u5149\u53d1\u8868\u590d\u6742\u70ed\u56fe(ComplexHeatmap)\u53ef\u89c6\u5316\u65b9\u6cd5
\u70ed\u56fe\u662f\u4e00\u79cd\u5e7f\u6cdb\u9488\u4f7f\u7528\u7684\u9488\u5bf9\u77e9\u9635\u6570\u636e\u7684\u7edf\u8ba1\u53ef\u89c6\u5316\u65b9\u6cd5\uff0c\u5176\u7528\u4e8e\u63ed\u793a\u5b58\u5728\u4e8e\u77e9\u9635\u4e2d\u76f8\u4f3c\u6a21\u5f0f\u3002\u76ee\u524dR\u4e2d\u6709\u8bb8\u591a\u7528\u4e8e\u53ef\u89c6\u5316\u70ed\u56fe\u7684\u5305\uff0c\u800cComplexHeatmap\u5305\u4e3a\u6784\u5efa\u9ad8\u5ea6\u53ef\u5b9a\u5236\u7684\u70ed\u56fe\u63d0\u4f9b\u4e86\u6700\u4e30\u5bcc\u7684\u5de5\u5177\u96c6\uff0c\u901a\u8fc7\u81ea\u52a8\u62fc\u63a5\u548c\u8c03\u6574\u591a\u4e2a\u70ed\u56fe\u4ee5\u53ca\u590d\u6742\u6ce8\u91ca\uff0c\u8f7b\u677e\u5efa\u7acb\u591a\u4e2a\u6765\u6e90\u4fe1\u606f\u4e4b\u95f4\u7684\u5173\u8054\uff0c\u672c\u6587\u5168\u9762\u4ecb\u7ecd\u4e86ComplexHeatmap\u7684\u8bbe\u8ba1\u3001\u529f\u80fd\u53ca\u5e94\u7528\u573a\u666f\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://onlinelibrary.wiley.com/doi/10.1002/imt2.43
"},{"location":"issue-40/#_3","title":"\u535a\u6587\u8d44\u8baf","text":"6\u3001\u751f\u7269\u8ba1\u7b97\u89e3\u7801\u514d\u75ab\uff1a\u767e\u56fe\u751f\u79d1\u53d1\u5e03\u300a\u8ba1\u7b97\u514d\u75ab\u95ee\u9898\u767d\u76ae\u4e66\u300b
\u6700\u8fd1\uff0c\u767e\u56fe\u751f\u79d1\uff08BioMap\uff09\u5bf9\u5916\u5ba3\u5e03\u6210\u7acb\u767e\u56fe\u751f\u79d1\u514d\u75ab\u4e13\u5bb6\u59d4\u5458\u4f1a\u3002\u5728\u514d\u75ab\u4e13\u5bb6\u59d4\u5458\u4f1a\u7b2c\u4e00\u6b21\u5168\u4f53\u5de5\u4f5c\u4f1a\u8bae\u4e0a\uff0c\u4e13\u5bb6\u4eec\u7ed3\u5408\u514d\u75ab\u751f\u7269\u5b66\u7684\u8fdb\u5c55\u548c\u672a\u6ee1\u8db3\u7684\u4e34\u5e8a\u9700\u6c42\uff0c\u521b\u65b0\u6027\u5730\u63d0\u51fa\u4e86\u4e94\u5927\u9ad8\u4ef7\u503c\u4e14\u6709\u671b\u5229\u7528\u751f\u7269\u8ba1\u7b97\u624b\u6bb5\u52a0\u901f\u63d0\u4f9b\u89e3\u51b3\u65b9\u6848\u7684\u514d\u75ab\u5b66\u95ee\u9898\uff08\u5373\u201c\u4e94\u5927\u8ba1\u7b97\u514d\u75ab\u95ee\u9898\u201d\uff09\uff0c\u5e76\u5c31\u6bcf\u4e2a\u65b9\u5411\u8fdb\u884c\u4e86\u6df1\u5165\u7684\u63a2\u8ba8\u548c\u9610\u8ff0\u3002
7\u3001\u4f7f\u7528Kubernetes\u548cFuture\u5305\u8f7b\u677e\u5e76\u884c\u5316\u4e91\u4e2d\u7684R
\u5728\u8fd9\u7bc7\u6587\u7ae0\u4e2d\u5c06\u6f14\u793a\u4f60\u5982\u4f55\u5728\u8fd0\u884c\u4e91\u4e2d\u7684\u673a\u5668\u96c6\u7fa4\u4e0a\u8f7b\u677e\u5730\u4f7f\u7528R\u4e2d\u7684future\u5305\uff0c\u7279\u522b\u662f\u5728Kubernetes\u96c6\u7fa4\u4e0a\u3002\u8fd9\u5141\u8bb8\u4f60\u5728\u4e91\u8ba1\u7b97\u4e2d\u8f7b\u677e\u5730\u4f7f\u7528R\u8fdb\u884c\u5e76\u884c\u8ba1\u7b97\u3002\u5728\u4e91\u4e2d\u8fd9\u6837\u505a\u7684\u4e00\u4e2a\u4f18\u70b9\u662f\u80fd\u591f\u8f7b\u677e\u5730\u6269\u5c55(\u865a\u62df)\u673a\u5668\u7684\u6570\u91cf\u548c\u7c7b\u578b\uff0c\u4f60\u53ef\u4ee5\u5728\u8fd9\u4e9b\u673a\u5668\u4e0a\u8fd0\u884c\u5e76\u884c\u8ba1\u7b97\u3002
8\u3001ggplot \u5206\u9762\u7684\u7ec6\u8282\u8c03\u6574\u6c47\u603b
\u672c\u6587\u901a\u8fc7\u5177\u4f53\u7684\u5b9e\u4f8b\uff0c\u8be6\u7ec6\u7684\u4ecb\u7ecd\u4e86\u5982\u4f55\u5728ggplot2\u8c03\u6574\u5206\u9762\u7ec6\u8282\u3002
9\u3001DNS \u67e5\u8be2\u539f\u7406\u8be6\u89e3
DNS\u662f\u57df\u540d\u7cfb\u7edf\uff0c\u662f\u7528\u6765\u5b9e\u73b0\u57df\u540d\u548cIP\u5730\u5740\u76f8\u4e92\u6620\u5c04\u7684\u4e00\u4e2a\u5206\u5e03\u5f0f\u6570\u636e\u5e93, \u800c\u8bbf\u95ee\u7f51\u7edc\u8d44\u6e90\u7684\u7b2c\u4e00\u6b65\u5c31\u5fc5\u987b\u7ecf\u8fc7DNS\u89e3\u6790\u8fc7\u7a0b\uff0c\u901a\u8fc7\u67e5\u8be2\u5f97\u5230\u57df\u540d\u7684IP\u5730\u5740\u624d\u53ef\u8bbf\u95ee\u7f51\u7ad9\uff0c\u672c\u6587\u901a\u8fc7\u4e00\u4e9b\u5b9e\u4f8b\u6765\u8be6\u7ec6\u4ecb\u7ecdDNS\u67e5\u8be2\u5230\u5e95\u662f\u600e\u4e48\u5b8c\u6210\u7684\u3002
10\u3001GATK \u7684 germline CNV \u6d41\u7a0b\u2013\u80bf\u7624\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u6570\u636e\u5206\u6790\u4e13\u680f
GATK\u6d41\u7a0b\u4e2d\u4f53\u7ec6\u80de\u62f7\u8d1d\u6570\u53d8\u5f02\uff08germline CNV\uff09\u7684\u4e2d\u6587\u6559\u7a0b\u3002
11\u3001EvoFreq
\u9ad8\u901a\u91cf\u5e8f\u5217\u6570\u636e\u4e3a\u7814\u7a76\u7fa4\u4f53\u7684\u5206\u5b50\u7279\u5f81\u63d0\u4f9b\u4e86\u6709\u529b\u7684\u652f\u6301\uff0c\u5f53\u8bb0\u5f55\u5927\u91cf\u7684\u65f6\u95f4\u6b65\u9aa4\u540e\uff0c\u8fd9\u6837\u7684\u6570\u636e\u53ef\u4ee5\u901a\u8fc7\u8ddf\u8e2a\u57fa\u56e0\u578b\u9891\u7387\u7684\u53d8\u5316\u968f\u7740\u65f6\u95f4\u7684\u63a8\u79fb\u4ece\u800c\u6765\u63ed\u793a\u6240\u7814\u7a76\u7684\u79cd\u7fa4\u7684\u8fdb\u5316\u52a8\u529b\u5b66\u3002\u56e0\u6b64\u6211\u4eec\u9700\u8981\u4e00\u79cd\u7b80\u5355\u800c\u7075\u6d3b\u7684\u65b9\u6cd5\u6765\u53ef\u89c6\u5316\u65e5\u76ca\u590d\u6742\u7684\u6570\u636e\u96c6\u3002\u672c\u6587\u5f00\u53d1\u7684EvoFreq\u5305\u5927\u5927\u6269\u5c55\u4e86\u4e4b\u524d\u7684\u514b\u9686\u3001\u65f6\u95f4\u52a8\u6001\u53ef\u89c6\u5316\u65b9\u6cd5\uff0c\u5e76\u4e3a\u7528\u6237\u63d0\u4f9b\u4e86\u4e00\u7cfb\u5217\u663e\u793a\u5e8f\u5217\u6216\u6a21\u578b\u6570\u636e\u7684\u9009\u9879\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://bmcbioinformatics.biomedcentral.com/articles/10.1186/s12859-019-3173-y
12\u3001ezASCAT - \u65b9\u4fbf\u5730\u4eceR\u4e2d\u7684Tumor-normal\u6216Tumor only BAM\u6587\u4ef6\u6267\u884cASCAT\u62f7\u8d1d\u6570\u5206\u6790
\u8be5\u5de5\u5177\u7531maftools\u4f5c\u8005\u5f00\u53d1\uff0c\u4e3b\u8981\u529f\u80fd\u662fASCAT\u8f6f\u4ef6\u7684\u4e00\u4e2a\u5305\u88c5\u5668\u3002
13\u3001fastverse - \u9ad8\u6548\u6570\u636e\u8ba1\u7b97R\u5305\u96c6\u5408
14\u3001rdataretriever
rdataretriever\u63d0\u4f9b\u6570\u767e\u4e2a\u5e38\u7528\u516c\u5171\u6570\u636e\u96c6\u4e2d\u5904\u7406\u8fc7\u7684\u5e72\u51c0\u7684\u6570\u636e\uff0c\u540c\u65f6\u4e5f\u53ef\u5bf9\u6570\u636e\u8fdb\u884c\u6e05\u7406\u3001\u5b58\u50a8\u548c\u5b58\u6863\u3002
\u6570\u636e\u96c6\u5217\u8868\uff1ahttps://retriever.readthedocs.io/en/latest/datasets_list.html
15\u3001wxpython
wxPython\u662fPython\u8bed\u8a00\u7684\u8de8\u5e73\u53f0GUI\u5de5\u5177\u5305\u3002\u4f7f\u7528wxPython\u8f6f\u4ef6\u5f00\u53d1\u4eba\u5458\u53ef\u4ee5\u4e3a\u4ed6\u4eec\u7684Python\u5e94\u7528\u7a0b\u5e8f\u521b\u5efa\u771f\u6b63\u7684\u672c\u5730\u7528\u6237\u754c\u9762\uff0c\u5728Windows\u3001mac\u548cLinux\u6216\u5176\u4ed6\u7c7bunix\u7cfb\u7edf\u4e0a\u8fd0\u884c\uff0c\u53ea\u9700\u8981\u5f88\u5c11\u6216\u4e0d\u9700\u8981\u4fee\u6539\u3002
Hello world:
# First things, first. Import the wxPython package.\nimport wx\n\n# Next, create an application object.\napp = wx.App()\n\n# Then a frame.\nfrm = wx.Frame(None, title=\"Hello World\")\n\n# Show it.\nfrm.Show()\n\n# Start the event loop.\napp.MainLoop()\n16\u3001\u56fe\u4e66\uff1aApplied Data Skills: Processing & Presenting Data
\u8fd9\u672c\u4e66\u63d0\u4f9b\u4e86\u5c06\u539f\u59cb\u6570\u636e\u8f6c\u5316\u4e3a\u6709\u4fe1\u606f\u7684\u6458\u8981\u548c\u5728\u4e13\u4e1a\u62a5\u544a\u548c\u6f14\u793a\u4e2d\u5448\u73b0\u7684\u53ef\u89c6\u5316\u6240\u9700\u7684\u57fa\u672c\u6280\u80fd\u7684\u6982\u8ff0\u3002
\u56fe\u4e66\u94fe\u63a5\uff1ahttps://psyteachr.github.io/ads-v1/
17\u3001ci4cc-informatics-resources - \u764c\u75c7\u4e2d\u5fc3\u7684\u764c\u75c7\u4fe1\u606f\u5b66 (CI4CC)\uff1a\u5efa\u7acb\u4e00\u4e2a\u4e13\u6ce8\u4e8e\u5206\u4eab\u60f3\u6cd5\uff0c\u81f4\u529b\u4e8e\u6539\u5584\u764c\u75c7\u62a4\u7406\u548c\u60a3\u8005\u7ed3\u679c\u7684\u975e\u8425\u5229\u6027\u751f\u4fe1\u793e\u533a\u3002
\u6210\u5458\u904d\u5e03\u5168\u7403\uff0c\u6bcf\u534a\u5e74\u53d1\u8d77\u4e00\u6b21\u9762\u5bf9\u9762\u4f1a\u8bae\uff0c\u4f5c\u4e3a\u4fe1\u606f\u5b66\u9886\u5bfc\u8005\u8ba8\u8bba\u5728\u5404\u81ea\u764c\u75c7\u9886\u57df\u9762\u4e34\u7684\u6311\u6218\u548c\u95ee\u9898\u3002
\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang@kkjtmac@NiEntropy@He-Kai-fly@JnanZhang@Tomcxf@wangdepin\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-41/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 41 \u671f\uff09\uff1a\u4eba\u4f53\u662f\u4e00\u4e2a\u5171\u751f\u751f\u6001\u7cfb\u7edf","text":"\u4ece\u672c\u5468\u8d77\uff0c\u65b0\u589e\u300c\u5386\u53f2\u4e0a\u7684\u672c\u5468\u300d\u4e00\u680f\u3002\u672c\u5468\u520a\u5df2\u8fd0\u8425 1 \u5e74\uff0c\u53d1\u5e03 40+ \u671f\uff0c\u5e0c\u671b\u7ed9\u957f\u671f\u8bfb\u8005\u548c\u641c\u7d22\u5230\u7684\u8bfb\u8005\u5e26\u53bb\u4e00\u4e9b\u5e2e\u52a9\u3002\u5982\u679c\u5927\u5bb6\u89c9\u5f97\u8d28\u91cf\u8fd8\u53ef\u4ee5\uff0c\u8bf7\u5927\u5bb6\u591a\u591a\u5206\u4eab\u8f6c\u53d1\uff01
\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d | \u300c\u751f\u4fe1\u8ba8\u8bba\u533a\uff08Gitter\uff09\u300d
"},{"location":"issue-41/#_1","title":"\u5c01\u9762\u56fe","text":"\u80a0\u9053\u83cc\u7fa4\u793a\u610f\u56fe\uff08via\uff09
"},{"location":"issue-41/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u4eba\u4f53\u662f\u4e00\u4e2a\u5171\u751f\u751f\u6001\u7cfb\u7edf","text":"\u672c\u5468\u8bdd\u9898\u6765\u81ea\u300a\u78b1\u57fa\u5468\u62a5\uff08\u7b2c 007 \u671f\uff09\uff1a\u4eba\u4f53\u662f\u4e00\u4e2a\u5171\u751f\u751f\u6001\u7cfb\u7edf\u300b\uff0c\u5bf9\u83cc\u7fa4\u611f\u5174\u8da3\u7684\u53ef\u4ee5\u8be6\u7ec6\u9605\u8bfb\u4e0b\u3002
\u8fd9\u4e2a\u661f\u7403\u7684\u771f\u6b63\u4e3b\u5bb0\u662f\u90a3\u4e9b\u6211\u4eec\u8089\u773c\u770b\u4e0d\u89c1\u7684\u5fae\u751f\u7269\uff0c\u5305\u62ec\uff1a\u771f\u83cc\u3001\u7ec6\u83cc\u548c\u75c5\u6bd2\u7b49\u3002\u4eba\u7c7b\u7684\u8eab\u4f53\u5927\u7ea6\u7531 30 \u4e07\u4ebf\u4e2a\u7ec6\u80de\u7ec4\u6210\uff0c\u4f46\u5374\u5bb9\u7eb3\u4e86\u8d85\u8fc7100\u4e07\u4ebf\u4e2a\u5fae\u751f\u7269\uff0c\u5bcc\u96c6\u5728\u6211\u4eec\u7684\u6d88\u5316\u9053\u3001\u751f\u6b96\u9053\u548c\u76ae\u80a4\u7b49\u90e8\u4f4d\u3002\u8fd9\u5176\u4e2d\u5fae\u751f\u7269\u6700\u5bcc\u96c6\u7684\u5730\u65b9\u662f\u80a0\u9053\uff0c\u4eba\u4f53\u7684\u5927\u591a\u6570\u5fae\u751f\u7269\u90fd\u751f\u6d3b\u5728\u8fd9\u91cc\uff0c\u6bcf\u7acb\u65b9\u5398\u7c73\u5927\u80a0\u4e2d\u7684\u7ec6\u83cc\u6570\u91cf\uff0c\u6bd4\u5730\u7403\u4e0a\u7684\u603b\u4eba\u53e3\u8fd8\u8981\u591a\u3002
ShixiangWang - \u770b\u4e0d\u5230\u3001\u88ab\u5ffd\u89c6\u7684\u53ef\u80fd\u66f4\u91cd\u8981\uff0c\u6bd4\u5982\u7a7a\u6c14\u3001\u4ea4\u901a\u3001\u966a\u4f34\uff0c\u8fd8\u6709\u80a0\u9053\u83cc\u7fa4\uff01
1\u3001Science | 19\u79cd\u764c\u75c7\u7c7b\u578b\u7684\u4f53\u7ec6\u80de\u975e\u7f16\u7801\u7a81\u53d8\u56fe\u8c31
\u8be5\u7814\u7a76\u6784\u5efa\u5f62\u6210\u4e86\u5305\u62ec19\u79cd\u4e3b\u8981\u764c\u75c7\u7c7b\u578b\u57fa\u56e0\u7ec4\u5728\u5185\u4e0d\u540c\u7a81\u53d8\u6a21\u5f0f\u7684\u5168\u57fa\u56e0\u7ec4\u6982\u51b5\u56fe\u8c31\u3002\u7814\u7a76\u7ed3\u679c\u8868\u660e\uff0c\u975e\u7f16\u7801\u7a81\u53d8\u4e0e\u5e7f\u6cdb\u7684\u4e0d\u540c\u751f\u7269\u5b66\u8fc7\u7a0b\u76f8\u5173\uff0c\u5176\u5728\u57fa\u56e0\u7ec4\u4e2d\u7684\u4f4d\u7f6e\u5bf9\u529f\u80fd\u6ce8\u91ca\u81f3\u5173\u91cd\u8981\u3002\u8be5\u7814\u7a76\u4e5f\u4e3a\u5168\u9762\u89e3\u91ca\u5168\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u6570\u636e\u63d0\u4f9b\u4e86\u84dd\u56fe\uff0c\u5e76\u4e3a\u672a\u6765\u7814\u7a76\u975e\u7f16\u7801\u7a81\u53d8\u5728\u80bf\u7624\u53d1\u5c55\u4e2d\u7684\u4f5c\u7528\u5960\u5b9a\u4e86\u57fa\u7840\uff0c\u6700\u7ec8\u4e3a\u975e\u7f16\u7801\u764c\u75c7\u57fa\u56e0\u7ec4\u7684\u8f6c\u5316\u7814\u7a76\u548c\u9776\u5411\u6cbb\u7597\u94fa\u5e73\u9053\u8def\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://www.science.org/doi/10.1126/science.abg5601
2\u3001PNAS | \u6025\u6027T\u6dcb\u5df4\u7ec6\u80de\u767d\u8840\u75c5\u57fa\u4e8e\u5168\u8f6c\u5f55\u7ec4\u5206\u5b50\u5206\u578b
\u6025\u6027T\u6dcb\u5df4\u7ec6\u80de\u767d\u8840\u75c5\uff08T cell acute lymphoblastic leukemia\uff0cT-ALL\uff09\u662f\u4e00\u7c7b\u8d77\u6e90\u4e8e\u9020\u8840\u7cfb\u7edf\u7684\u6076\u6027\u80bf\u7624\uff0c\u6210\u4eba\u60a3\u8005\u9884\u540e\u8f83\u5dee\u3002\u4f5c\u8005\u6574\u5408\u4e86707\u4f8bT-ALL\u60a3\u8005\u7684RNA-seq\u6570\u636e\u8fdb\u884c\u5206\u5b50\u5206\u578b\uff0c\u5206\u4e3a\u4e8610\u4e2a\u5206\u5b50\u8868\u8fbe\u4e9a\u578b\uff0c\u7ed8\u5236\u4e86T-ALL\u8f6c\u5f55\u7ec4\u5168\u666f\u56fe\u8c31\u3002
3\u3001NAR | SPENCER\uff1a\u80bf\u7624\u975e\u7f16\u7801RNA\u6765\u6e90\u7684\u77ed\u80bd\u6570\u636e\u5e93
\u8fd1\u4e9b\u5e74\u4eba\u4eec\u53d1\u73b0\uff0c\u6709\u90e8\u5206\u88ab\u5b9a\u4e49\u7684\u975e\u7f16\u7801RNA\u5b58\u5728\u7740\u9605\u8bfb\u6846\uff0c\u53ef\u4ee5\u7f16\u7ffb\u8bd1\u51fa\u4e00\u4e9b\u77ed\u80bd\uff0c\u800c\u8fd9\u4e9b\u77ed\u80bd\u7684\u4e5f\u5728\u80bf\u7624\u53d1\u751f\u53d1\u5c55\u4e2d\u6709\u7740\u91cd\u8981\u7684\u529f\u80fd\u3002\u56e0\u6b64\uff0c\u7cfb\u7edf\u7814\u7a76\u80bf\u7624\u7279\u5f02\u6027\u975e\u7f16\u7801RNA\u6765\u6e90\u7684\u77ed\u80bd\uff0c\u5c06\u4f1a\u5bf9\u7406\u89e3\u80bf\u7624\u53d1\u751f\u53d1\u5c55\u7684\u673a\u5236\u63d0\u4f9b\u65b0\u7684\u89c6\u89d2\u3002\u4e3a\u6b64\uff0c\u6765\u81ea\u4e2d\u5c71\u80bf\u7624\u533b\u9662\u7684\u751f\u4fe1\u56e2\u961f\u5f00\u53d1\u4e86SPENCER \u6570\u636e\u5e93\uff08https://spencer.renlab.org/\uff09\uff0c\u6536\u5f55\u4e86\u8f83\u4e3a\u5168\u9762\u7684ncRNA\u6765\u6e90\u77ed\u80bd\u7684\u4fe1\u606f\uff0c\u5e76\u514d\u8d39\u516c\u5e03\u7ed9\u5927\u5bb6\u4f7f\u7528\u3002
4\u3001NBT | \u5355\u7ec6\u80de\u591a\u7ec4\u5b66\u6570\u636e\u6574\u5408\u4e0e\u8c03\u63a7\u63a8\u65ad\u65b0\u65b9\u6cd5
\u672c\u6587\u63d0\u51fa\u4e86\u57fa\u4e8e\u56fe\u8026\u8054\u7b56\u7565\u7684\u6df1\u5ea6\u5b66\u4e60\u6574\u5408\u5355\u7ec6\u80de\u591a\u7ec4\u5b66\u5e76\u8fdb\u884c\u8c03\u63a7\u63a8\u65ad\u7684\u65b0\u65b9\u6cd5-GLUE\uff0c\u8be5\u5de5\u4f5c\u7531\u5317\u4eac\u5927\u5b66/\u660c\u5e73\u5b9e\u9a8c\u5ba4\u9ad8\u6b4c\u8bfe\u9898\u7ec4\u5b8c\u6210\u3002
5\u3001Cancer Discovery | \u764c\u75c7\u673a\u5668\u5b66\u4e60\u65b0\u7b97\u6cd5REFLECT\uff1a\u57fa\u4e8e\u534f\u540c\u7a81\u53d8\u7279\u5f81\u9884\u6d4b\u764c\u75c7\u6700\u4f73\u6cbb\u7597\u7ec4\u5408
REFLECT\u5e73\u53f0\u96c6\u6210\u4e86\u673a\u5668\u5b66\u4e60\u548c\u764c\u75c7\u4fe1\u606f\u5b66\u7b97\u6cd5\u6765\u5206\u6790\u751f\u7269\u80bf\u7624\u7279\u5f81\uff0c\u5305\u62ec\u57fa\u56e0\u7a81\u53d8\u3001\u62f7\u8d1d\u6570\u53d8\u5316\u3001\u57fa\u56e0\u8868\u8fbe\u548c\u86cb\u767d\u8d28\u8868\u8fbe\u7578\u53d8\uff0c\u5e76\u53ef\u8bc6\u522b\u5e38\u89c1\u7684\u534f\u540c\u7a81\u53d8\u3002\u901a\u8fc7REFLECT\u9884\u6d4b\u836f\u7269\u7ec4\u5408\u53ef\u4ee5\u63d0\u9ad8\u60a3\u8005\u7684\u53d7\u76ca\u6bd4\u4f8b\u3002
6\u3001R \u5b66\u4e60\u7b14\u8bb0\uff1a\u8272\u5f69
\u8272\u5f69\u7a7a\u95f4 (color space) \u662f\u8ba1\u7b97\u673a\u4e0a\u989c\u8272\u7684\u7ec4\u6210\u5f62\u5f0f\u3002\u5e38\u89c1\u7684\u8272\u5f69\u7a7a\u95f4\u6709RGB\u3001HSV\u3001HCL\u7b49\u3002grDevices\u5305\u63d0\u4f9b\u4e86\u8272\u5f69\u7a7a\u95f4\u5750\u6807\u4e0e\u5341\u516d\u8fdb\u5236\u989c\u8272\u95f4\u8f6c\u6362\uff1bRColorBrewer\u5305\u63d0\u4f9b ColorBrewer \u8c03\u8272\u677f\uff1bcolorspace\u5305\u63d0\u4f9b\u66f4\u591a\u8272\u5f69\u7a7a\u95f4\u8f6c\u6362\u51fd\u6570\u3002
R\u5305\u94fe\u63a5\uff1a - https://www.rdocumentation.org/packages/grDevices/versions/3.6.2 - https://r-graph-gallery.com/38-rcolorbrewers-palettes.html - https://cran.r-project.org/web/packages/colorspace/vignettes/colorspace.html
7\u3001brochure\u5305\u7ed8\u5236\u591a\u9875shiny
\u672c\u6587\u4ecb\u7ecd\u4e86brochure\u5305\u53ca\u5982\u4f55\u7528\u5b83\u7ed8\u5236\u591a\u9875Shiny\u3002
brochureApp(\n # First page\n page(\n href = \"/\",\n ui = fluidPage(\n h1(\"This is my first page\"), \n plotOutput(\"plot\")\n ),\n server = function(input, output, session){\n output$plot <- renderPlot({\n plot(iris)\n })\n }\n ), \n # Second page, without any server-side function\n page(\n href = \"/page2\", \n ui = fluidPage(\n h1(\"This is my second page\"), \n tags$p(\"There is no server function in this one\")\n )\n )\n)\n8\u3001scMappR - \u63a8\u65ad\u9a71\u52a8\u5dee\u5f02\u57fa\u56e0\u8868\u8fbe\u7684\u7ec6\u80de\u7c7b\u578b\uff1a\u5236\u9020signature matrix
\u672c\u6587\u4ecb\u7ecd\u4e86\u901a\u8fc7scMappR\u6784\u5efacell-type signature matrix\u7684\u8fc7\u7a0b\u3002
9\u300145 \u4e2a Git \u7ecf\u5178\u64cd\u4f5c\u573a\u666f\uff0c\u4e13\u6cbb\u4e0d\u4f1a\u5408\u4ee3\u7801
Git\u662f\u76ee\u524d\u4e16\u754c\u4e0a\u6700\u5148\u8fdb\u7684\u5206\u5e03\u5f0f\u7248\u672c\u63a7\u5236\u7cfb\u7edf\uff0c\u719f\u7ec3\u4f7f\u7528Git\u5df2\u7136\u6210\u4e3a\u7a0b\u5e8f\u5458\u7684\u4e00\u9879\u5fc5\u5907\u6280\u80fd\uff0c\u5e73\u5e38\u5de5\u4f5c\u4e2d\u5408\u5e76\u4ee3\u7801\u90e8\u5206\u5927\u591a\u4eba\u53ef\u80fd\u4f1a\u4f7f\u7528Sourcetree\u8fd9\u6837\u725bX\u7684\u5ba2\u6237\u7aef\u5de5\u5177\uff0c\u4f46\u82e5\u60f3\u771f\u6b63\u5c55\u793a\u4e2a\u4eba\u5b9e\u529b\u8fd8\u9700\u8981\u638c\u63e1\u8db3\u591f\u591a\u7684git\u547d\u4ee4\u7684\u4f7f\u7528\uff0c\u672c\u6587\u6574\u7406\u4e8645\u4e2a\u65e5\u5e38\u4f7f\u7528git\u5408\u5e76\u4ee3\u7801\u7684\u7ecf\u5178\u64cd\u4f5c\u573a\u666f\uff0c\u57fa\u672c\u6db5\u76d6\u4e86\u5de5\u4f5c\u4e2d\u7684\u9700\u6c42\u3002
"},{"location":"issue-41/#_5","title":"\u5de5\u5177","text":"10\u3001ar5iv - \u4e00\u6b65\u544a\u522barXiv\u516c\u5f0f\u6392\u7248\u9519\u8bef\uff0c\u624b\u673a\u4e5f\u80fd\u8f7b\u677e\u770b\u6587\u732e
ar5iv\u80fd\u591f\u4ee5\u73b0\u4ee3HTML5\u683c\u5f0f\u663e\u793a\u9884\u5370\u672c\u8bba\u6587\u3002ar5iv\u7684\u4f7f\u7528\u975e\u5e38\u7b80\u5355\uff0c\u53ea\u8981\u5c06\u7f51\u5740\u4e2d\u7684arXiv\u4e2d\u7684X\u6362\u62105\u518d\u56de\u8f66\uff0c\u9875\u9762\u5c31\u80fd\u81ea\u52a8\u8df3\u8f6c\u3002
11\u3001Chrome\u751f\u4ea7\u529b\u795e\u5668 Omni
Omni\u662f\u4e00\u4e2a\u6d4f\u89c8\u5668\u63d2\u4ef6\uff0c\u80fd\u591f\u8ba9\u4f60\u7684\u6d4f\u89c8\u5668\u62e5\u6709Mac\u7535\u8111\u4e00\u822c\u7684\u4f53\u9a8c\uff0c\u6700\u8fd1\u5728Github\u8d8b\u52bf\u699c\u548cProductHunt\u4e0a\u5df2\u8363\u767b\u699c\u9996\uff0c\u8fd9\u662f\u4e00\u6b3e\u96c6\u5408\u4e86\u4e66\u7b7e\u3001\u5386\u53f2\u8bb0\u5f55\u3001\u6d4f\u89c8\u6807\u7b7e\u3001\u4e09\u4f4d\u4e8e\u4e00\u4f53\u7684\u9875\u9762\u7ba1\u7406\u5668\uff0c\u6210\u4e3a\u5927\u53d7\u5404\u79cd\u7a0b\u5e8f\u5458\u3001\u4ea7\u54c1\u8bbe\u8ba1\u5e08\u7684\u8ffd\u6367\u7684\u751f\u4ea7\u529b\u5de5\u5177\uff01
12\u3001ambiorix - \u53d7expression.js\u542f\u53d1\u7684R Web\u6846\u67b6
13\u3001Celda
Celda\u662f\u4e00\u6b3e\u57fa\u4e8e\u8d1d\u53f6\u65af\u5206\u7c7b\u6a21\u578b\u4f5c\u7528\u4e8e\u805a\u7c7b\u5355\u7ec6\u80deRNA\u6d4b\u5e8f\uff08ScRNA-Seq\uff09\u6570\u636e\u7684\u7684\u5957\u4ef6\u3002\u5b83\u80fd\u591f\u6267\u884c\u201c\u53cc\u805a\u7c7b\u201d\uff0c\u5e76\u540c\u65f6\u5c06\u57fa\u56e0\u805a\u96c6\u5230\u57fa\u56e0\u6a21\u5757\u4e2d\uff0c\u5e76\u5c06\u7ec6\u80de\u5206\u4e3a\u7ec6\u80de\u4e9a\u7fa4\u3002\u5b83\u8fd8\u5305\u542b\u4e00\u79cd\u53eb\u505aDecontx\u7684\u65b0\u578b\u8d1d\u53f6\u65af\u65b9\u6cd5\uff0c\u53ef\u5728\u6ca1\u6709\u7a7a\u6db2\u6ef4\u4fe1\u606f\u7684\u60c5\u51b5\u4e0b\u5728\u5355\u4e2a\u7ec6\u80de\u4e2d\u4f30\u7b97\u5e76\u6d88\u9664RNA\u7684\u6c61\u67d3\u3002\u540c\u65f6\uff0c\u8fd8\u5305\u62ec\u5404\u79cdScRNA-Seq\u6570\u636e\u53ef\u89c6\u5316\u7684\u529f\u80fd\u3002
14\u3001PHATE - \u4e00\u79cd\u9ad8\u7ef4\u6570\u636e\u53ef\u89c6\u5316\u5de5\u5177
PHATE has been implemented in Python >=3.5, MATLAB and R.
15\u3001GNNs Recipe - \u5b66\u4e60\u56fe\u795e\u7ecf\u7f51\u7edcGNNs\u7684\u91cd\u8981\u8d44\u6e90
16\u3001\u56fe\u4e66 - Data Science in a Box
"},{"location":"issue-41/#_7","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang@kkjtmac@NiEntropy@He-Kai-fly@JnanZhang@Tomcxf@wangdepin\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-42/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 42 \u671f\uff09\uff1a\u6781\u7b80\u4e3b\u4e49\u7684\u80dc\u5229","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d | \u300c\u751f\u4fe1\u8ba8\u8bba\u533a\uff08Gitter\uff09\u300d
"},{"location":"issue-42/#_1","title":"\u5c01\u9762\u56fe","text":"\u56fe\u6e90\uff1a2020 \u5e74\u9ed1\u767d\u6781\u7b80\u4e3b\u4e49\u6444\u5f71\u5956-\u4e8c\u7b49\u5956\u300a\u5750\u4e0b\u6765\uff0c\u81ea\u7531\u601d\u8003\u300b\uff0c\u76ae\u57c3\u5c14\u00b7\u4f69\u83b1\u683c\u91cc\u5c3c
"},{"location":"issue-42/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u6781\u7b80\u4e3b\u4e49\u7684\u80dc\u5229","text":"\u4f60\u53ef\u80fd\u542c\u8bf4\u8fc7\uff0c\u6781\u7b80\u4e3b\u4e49\uff08minimalism\uff09\u8fd9\u4e2a\u8bcd\u3002 \u5b83\u6307\u7684\u662f\u4e00\u79cd\u7f8e\u5b66\u98ce\u683c\uff0c\u53ea\u4fdd\u7559\u6700\u5fc5\u4e0d\u53ef\u5c11\u7684\u6210\u5206\uff0c\u5176\u4ed6\u90fd\u7701\u7565\uff0c\u8ffd\u6c42\u7b80\u7ea6\u3002\u6bd4\u5982\uff0c\u6781\u7b80\u4e3b\u4e49\u7684\u7f51\u9875\u8bbe\u8ba1\uff0c\u5c31\u53ea\u6709\u6807\u9898\u3001\u6b63\u6587\u7b49\u4e3b\u8981\u5185\u5bb9\uff0c\u5176\u4ed6\u90fd\u662f\u7a7a\u767d\u3002
kkjtmac - \u9664\u4e86\u8bbe\u8ba1\u4e2d\u7684\u6781\u7b80\u4e3b\u4e49\uff0c\u751f\u4fe1\u9886\u57df\u4e2d\u4e5f\u5e94\u8be5\u5b58\u5728\u6781\u7b80\u4e3b\u4e49\uff1a\u7528\u6700\u7b80\u5355\u7684\u56fe\u8bf4\u660e\u95ee\u9898\uff0c\u7528\u7b80\u5355\u7684\u4ee3\u7801\u89e3\u51b3\u4e00\u4e2a\u95ee\u9898\u3002
1\u3001Nature | \u7a7a\u95f4\u5206\u8fa8\u7387\u7684\u67d3\u8272\u8d28\u53ef\u53ca\u6027\u6d4b\u5e8f\u65b0\u6280\u672fSpatial-ATAC-seq
2022\u5e748\u670817\u65e5\uff0c\u6a0a\u8363\u6559\u6388\u56e2\u961f\u548c\u745e\u5178\u5361\u7f57\u6797\u65af\u5361\u5b66\u9662Gon\u00e7alo Castelo-Branco\u6559\u6388\u56e2\u961f\u5408\u4f5c\u5229\u7528\u5fae\u6d41\u63a7\u6280\u672f\u5c06\u7ec4\u7ec7\u8fdb\u884c\u7a7a\u95f4\u4e8c\u7ef4\u7f16\u7801\uff0c\u5e76\u4e0eATAC-seq\u6280\u672f\u8fdb\u884c\u7ed3\u5408\uff0c\u5b9e\u73b0\u4e86\u5168\u57fa\u56e0\u7ec4\u5c3a\u5ea6\u7684\u67d3\u8272\u8d28\u53ef\u53ca\u6027\u6d4b\u5e8f\u5206\u6790\uff0c\u4f18\u5316\u4ee5\u540e\u7684Spatial-ATAC-seq\u6d4b\u5e8f\u7ed3\u679c\u4e0escATAC-seq\u7684\u6570\u636e\u6bd4\u8f83\uff0c\u8d28\u91cf\u8fbe\u5230\u76f8\u540c\u6c34\u5e73\uff0c\u662f\u7a7a\u95f4\u8868\u89c2\u9057\u4f20\u5206\u6790\u6280\u672f\u7684\u6709\u4e00\u4e2a\u65b0\u7684\u7a81\u7834\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://www.nature.com/articles/s41586-022-05094-1
2\u3001Nature Biotechnology | \u89e3\u91ca\u4e34\u5e8a\u86cb\u767d\u8d28\u7ec4\u5b66\u6570\u636e\u7684\u77e5\u8bc6\u56fe\u8c31
Nature Biotechnology\u4e0a\u7684\u8fd9\u7bc7\u6587\u7ae0\u6784\u5efa\u4e86\u4e00\u4e2a\u6709\u52a9\u4e8e\u89e3\u91ca\u86cb\u767d\u8d28\u7ec4\u5b66\u6570\u636e\u7684\u4e34\u5e8a\u77e5\u8bc6\u8c31\u56fe (CKG)\uff0c\u4e00\u65b9\u9762\uff0cCKG \u652f\u6301\u5177\u6709\u4e34\u5e8a\u610f\u4e49\u7684\u67e5\u8be2\u548c\u9ad8\u7ea7\u7edf\u8ba1\u5206\u6790\uff0c\u4ece\u800c\u5b9e\u73b0\u81ea\u52a8\u5316\u6570\u636e\u5206\u6790\u3001\u77e5\u8bc6\u6316\u6398\u548c\u53ef\u89c6\u5316\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://www.nature.com/articles/s41587-021-01145-6
3\u3001Nature | \u6d3b\u7ec6\u80de\u8f6c\u5f55\u7ec4\u6d4b\u5e8f\u6280\u672f
\u7531\u4e2d\u56fd\u79d1\u5b66\u9662\u6df1\u5733\u5148\u8fdb\u6280\u672f\u7814\u7a76\u9662\u4e0e\u745e\u58eb\u6d1b\u6851\u8054\u90a6\u7406\u5de5\u5b66\u9662Bart Deplancke\u8bfe\u9898\u7ec4\u3001\u82cf\u9ece\u4e16\u8054\u90a6\u7406\u5de5\u5b66\u9662Julia Vorholt\u8bfe\u9898\u7ec4\u5408\u4f5c\u5f00\u53d1\u7684\u6d3b\u7ec6\u80de\u8f6c\u5f55\u7ec4\u6d4b\u5e8f\u6280\u672f\uff08Live-seq\uff09\uff0c\u9996\u6b21\u5b9e\u73b0\u4e86\u8ba9\u5355\u7ec6\u80de\u8fdb\u884c\u8f6c\u5f55\u7ec4\u6d4b\u5e8f\u540e\u4f9d\u7136\u80fd\u591f\u4fdd\u6301\u7ec6\u80de\u5b58\u6d3b\u3002\u8be5\u6280\u672f\u517c\u5177\u5168\u57fa\u56e0\u8868\u8fbe\u5206\u8fa8\u7387\u548c\u52a8\u6001\u89e3\u6790\u80fd\u529b\uff0c\u662f\u76ee\u524d\u5bf9\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u76f4\u63a5\u52a8\u6001\u6d4b\u91cf\u3001\u5076\u8054\u7ec6\u80de\u73b0\u6709\u72b6\u6001\u548c\u5176\u540e\u7eed\u8868\u578b\u7684\u552f\u4e00\u89e3\u51b3\u65b9\u6848\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://www.nature.com/articles/s41586-022-05046-9
"},{"location":"issue-42/#_4","title":"\u535a\u6587\u8d44\u8baf","text":"4\u3001\u718a\u8bf4\u80bf\u7624 | ctDNA\u7684\u751f\u7269\u5b66\u7279\u5f81\u3001\u68c0\u6d4b\u6280\u672f\u95ee\u9898\u548c\u4e34\u5e8a\u5e94\u7528\u65b9\u5411
\u8be5\u6587\u7ae0\u7ed3\u5408\u56fd\u5185\u5916\u5173\u4e8ectDNA\u4e13\u5bb6\u5171\u8bc6\u548c\u6587\u732e\uff0c\u5bf9 ctDNA \u76ee\u524d\u7684\u6280\u672f\u95ee\u9898\u3001\u5e94\u7528\u65b9\u5411\u548c\u65b0\u7684\u5e94\u7528\u524d\u666f\u8fdb\u884c\u5256\u6790\uff0c\u4ece\u800c\u5bf9ctDNA\u6709\u4e00\u4e2a\u76f8\u5bf9\u7efc\u5408\u7684\u4e86\u89e3\u548c\u628a\u63e1\u3002
5\u3001\u5982\u4f55\u533a\u5206\u826f\u6027\u80bf\u7624\u4e0e\u6076\u6027\u80bf\u7624\uff1f
\u826f\u6027\u80bf\u7624\uff0c\u751f\u957f\u7f13\u6162\uff0c\u4e0e\u6b63\u5e38\u7ec4\u7ec7\u6709\u6e05\u695a\u7684\u754c\u9650\uff1b\u6076\u6027\u80bf\u7624\u53c8\u79f0\u764c\u75c7\uff0c\u6d78\u6da6\u751f\u957f\uff0c\u5206\u5316\u7a0b\u5ea6\u4f4e\uff0c\u5371\u5bb3\u6027\u5927\u3002\u5bf9\u4e8e\u65e9\u671f\u6216\u8f83\u65e9\u671f\u764c\u75c7\uff0c\u5927\u90e8\u5206\u53ef\u4ee5\u6cbb\u6108\uff0c\u6cbb\u7597\u65f6\u82b1\u8d39\u5c11\u3001\u75db\u82e6\u8f7b\u3001\u65f6\u95f4\u77ed\u3001\u7597\u6548\u597d\u3002
6\u3001\u6df1\u5ea6\u5b66\u4e60\uff1a\u5c0f\u767d\u770b\u5f97\u61c2\u7684BERT\u539f\u7406
BERT\u662f\u4e00\u4e2a\u7b97\u6cd5\u6a21\u578b\uff0c\u5b83\u7684\u51fa\u73b0\u6253\u7834\u4e86\u5927\u91cf\u7684\u81ea\u7136\u8bed\u8a00\u5904\u7406\u4efb\u52a1\u7684\u8bb0\u5f55\u3002\u5728BERT\u7684\u8bba\u6587\u53d1\u5e03\u4e0d\u4e45\u540e\uff0cGoogle\u7684\u7814\u53d1\u56e2\u961f\u8fd8\u5f00\u653e\u4e86\u8be5\u6a21\u578b\u7684\u4ee3\u7801\uff0c\u5e76\u63d0\u4f9b\u4e86\u4e00\u4e9b\u5728\u5927\u91cf\u6570\u636e\u96c6\u4e0a\u9884\u8bad\u7ec3\u597d\u7684\u7b97\u6cd5\u6a21\u578b\u4e0b\u8f7d\u65b9\u5f0f\u3002Google\u5f00\u6e90\u8fd9\u4e2a\u6a21\u578b\uff0c\u5e76\u63d0\u4f9b\u9884\u8bad\u7ec3\u597d\u7684\u6a21\u578b\uff0c\u8fd9\u4f7f\u5f97\u6240\u6709\u4eba\u90fd\u53ef\u4ee5\u901a\u8fc7\u5b83\u6765\u6784\u5efa\u4e00\u4e2a\u6d89\u53caNLP\u7684\u7b97\u6cd5\u6a21\u578b\uff0c\u8282\u7ea6\u4e86\u5927\u91cf\u8bad\u7ec3\u8bed\u8a00\u6a21\u578b\u6240\u9700\u7684\u65f6\u95f4\uff0c\u7cbe\u529b\uff0c\u77e5\u8bc6\u548c\u8d44\u6e90\u3002
\uff08PS\uff1a\u5b9e\u9645\u5bf9\u4e8e\u95e8\u5916\u6c49\u6765\u6c34\u8fd8\u662f\u4e0d\u597d\u7406\u89e3\u54c8\uff01\uff09
7\u3001\u4e00\u6587\u8bfb\u61c2 12 \u79cd\u5377\u79ef\u65b9\u6cd5
\u672c\u6587\u5f52\u7eb3\u603b\u7ed3\u6df1\u5ea6\u5b66\u4e60\u4e2d\u5e38\u7528\u7684\u51e0\u79cd\u5377\u79ef\uff0c\u5e76\u4f1a\u8bd5\u56fe\u7528\u4e00\u79cd\u6bcf\u4e2a\u4eba\u90fd\u80fd\u7406\u89e3\u7684\u65b9\u5f0f\u89e3\u91ca\u5b83\u4eec\u3002
\u6d89\u53ca\u5982\u4e0b\u5185\u5bb9\uff1a - \u5377\u79ef\u4e0e\u4e92\u76f8\u5173 - \u6df1\u5ea6\u5b66\u4e60\u4e2d\u7684\u5377\u79ef\uff08\u5355\u901a\u9053\u7248\u672c\uff0c\u591a\u901a\u9053\u7248\u672c\uff09 - 3D \u5377\u79ef - 1\u00d71 \u5377\u79ef - \u5377\u79ef\u7b97\u672f - \u8f6c\u7f6e\u5377\u79ef\uff08\u53bb\u5377\u79ef\u3001\u68cb\u76d8\u6548\u5e94\uff09 - \u6269\u5f20\u5377\u79ef - \u53ef\u5206\u5377\u79ef\uff08\u7a7a\u95f4\u53ef\u5206\u5377\u79ef\uff0c\u6df1\u5ea6\u53ef\u5206\u5377\u79ef\uff09 - \u5e73\u5c55\u5377\u79ef - \u5206\u7ec4\u5377\u79ef - \u6df7\u6d17\u5206\u7ec4\u5377\u79ef - \u9010\u70b9\u5206\u7ec4\u5377\u79ef
"},{"location":"issue-42/#_5","title":"\u5de5\u5177","text":"8\u3001scRNAtoolVis | \u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u6570\u636e\u7684\u53ef\u89c6\u5316\u5c55\u793aR\u5305
\u94fe\u63a5\uff1ahttps://github.com/junjunlab/scRNAtoolVis
9\u3001countdown | \u7ed9\u4f60\u7684PPT\u6dfb\u52a0\u5012\u65f6\u5668\u7684R\u5305
\u7ed9 HTML \u6587\u6863\u6216\u8005 PPT \u6dfb\u52a0\u5012\u65f6\u5668\u7684 R \u5305\u300ccountdown\u300d\u3002
\u94fe\u63a5\uff1ahttps://github.com/gadenbuie/countdown
10\u3001Connected Papers | \u6587\u732e\u77e5\u8bc6\u56fe\u8c31\u6784\u5efa\u5de5\u5177
Connected Papers\u662f\u4e00\u6b3e\u5e2e\u52a9\u79d1\u7814\u5de5\u4f5c\u8005\u5b8c\u6210\u6587\u732e\u68c0\u7d22\u548c\u4fe1\u606f\u6316\u6398\u7684\u53ef\u89c6\u5316\u5de5\u5177\uff0c\u4e8e2020\u5e746\u6708\u6b63\u5f0f\u9762\u5411\u5927\u4f17\u5f00\u653e\uff0c\u5b83\u662f\u57fa\u4e8eSemantic Scholar\u7684\u6570\u636e\u6784\u5efa\u56fe\u8868\uff0c\u8be5\u6570\u636e\u5e93\u56ca\u62ec\u4e861.8\u4ebf\u591a\u7bc7\u5b66\u672f\u8bba\u6587\uff0c\u53ef\u8f7b\u677e\u4e86\u89e3\u67d0\u4e00\u7bc7\u6587\u732e\u7684\u5f15\u7528\u548c\u88ab\u5f15\u7528\u5173\u8054\uff0c\u5206\u6790\u51fa\u6587\u732e\u7684\u524d\u4e16\u4eca\u751f\uff0c\u65b9\u4fbf\u6211\u4eec\u5feb\u901f\u5bf9\u4e00\u7bc7\u6587\u732e\u6216\u8005\u67d0\u4e00\u4e2a\u9886\u57df\u8fdb\u884c\u8c03\u7814\u3002
\u94fe\u63a5\uff1ahttps://www.connectedpapers.com/
11\u3001hdWGCNA | \u5355\u7ec6\u80deWGCNA\u5206\u6790\u5305
hdWGCNA\uff0c\u4e4b\u524d\u53ebscWGCNA\uff0c\u63d0\u4f9b\u4e86\u9488\u5bf9\u5355\u7ec6\u80de/\u7a7a\u95f4\u8f6c\u5f55\u7ec4\u6570\u636e\u7684WGCNA\u5206\u6790\u5305\u3002\u5b98\u65b9\u6559\u7a0b\u975e\u5e38\u8be6\u7ec6\uff0c\u4ece\u57fa\u672c\u529f\u80fd\uff0c\u53ef\u89c6\u5316\u5c55\u793a\uff0c\u5bcc\u96c6\u5206\u6790\uff0c\u6295\u5f71\u7ed3\u679c\u5230\u65b0\u6570\u636e\u96c6\u3002
\u94fe\u63a5\uff1ahttps://smorabit.github.io/hdWGCNA/articles/basic_tutorial.html
"},{"location":"issue-42/#_6","title":"\u8d44\u6e90","text":"12\u3001Workshop\u6750\u6599\uff1aGetting Started with Shiny
\u672c\u6750\u6599\u662f\u4e3arstudio::conf 2022\u4f1a\u8bae\u51c6\u5907\u7684\uff0c\u63d0\u4f9b\u4e86\u521d\u5b66\u8005\u5b66\u4e60Shiny\u7684\u8d44\u6599\uff08\u76ee\u524dShiny\u5df2\u7ecf\u62d3\u5c55\u5230Python\u53bb\u4e86\uff09\u3002
\u5728\u7ebf\u9605\u8bfb\u5e7b\u706f\u7247\uff1a
13\u3001\u5355\u7ec6\u80de\u5b66\u4e60 | \u54c8\u4f5b\u5927\u5b66\u5355\u7ec6\u80de\u8bfe\u7a0b\u7b14\u8bb0\u6c47\u603b
\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u6d4b\u5e8f\u53d1\u5c55\u8fc5\u901f\uff0c\u7f51\u4e0a\u76f8\u5e94\u6559\u7a0b\u8d44\u6e90\u4e5f\u90fd\u94fa\u5929\u76d6\u5730\uff0c\u7b14\u8005\u6839\u636e\u54c8\u4f5b\u5927\u5b66\u7814\u7a76\u4eba\u5458\u53d1\u5e03\u5728Github\u4e0aSingle-cell RNA-seq analysis workshop\u7684\u5355\u7ec6\u80de\u6559\u7a0b\u8fdb\u884c\u4e86\u6574\u7406\u6c47\u603b\uff0c\u65b9\u4fbf\u5927\u5bb6\u5b66\u4e60\uff01
\u8d44\u6e90\u94fe\u63a5\uff1ahttps://github.com/hbctraining/scRNA-seq
14\u3001\u57fa\u4e8e R \u8bed\u8a00\u7684\u6df1\u5ea6\u5b66\u4e60\u2014\u2014\u7b80\u4ecb\u53ca\u8d44\u6599\u5206\u4eab
\u8be5\u8d44\u6e90\u4ecb\u7ecd\u4e86\u901a\u8fc7R\u8fdb\u884c\u6df1\u5ea6\u5b66\u4e60\u7684\u76f8\u5173R\u5305\u548c\u5b66\u4e60\u8d44\u6599\u3002
"},{"location":"issue-42/#_7","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang@kkjtmac@NiEntropy@He-Kai-fly@JnanZhang@Tomcxf@wangdepin\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-43/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 43 \u671f\uff09\uff1aRNA-seq\u5dee\u5f02\u5206\u6790\u7a76\u7adf\u5e94\u8be5\u7528\u4ec0\u4e48\uff1f","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d | \u300c\u751f\u4fe1\u8ba8\u8bba\u533a\uff08Gitter\uff09\u300d
"},{"location":"issue-43/#_1","title":"\u5c01\u9762\u56fe","text":"\u7b2c\u4e00\u5f20\u514d\u75ab\u7cfb\u7edf\u8fde\u63a5\u56fe\u8c31\uff1a\u4eba\u4f53\u514d\u75ab\u7cfb\u7edf\u7531\u5728\u5168\u8eab\u5faa\u73af\u7684\u7ec6\u80de\u5206\u5e03\u7f51\u7edc\u7ec4\u6210\uff0c\u8fd9\u4e9b\u7ec6\u80de\u5fc5\u987b\u52a8\u6001\u5730\u5f62\u6210\u7269\u7406\u5173\u8054\uff0c\u5e76\u5229\u7528\u5176\u7ec6\u80de\u8868\u9762\u86cb\u767d\u8d28\u7ec4\u4e4b\u95f4\u7684\u76f8\u4e92\u4f5c\u7528\u8fdb\u884c\u901a\u4fe1\u3002via
"},{"location":"issue-43/#rna-seq","title":"\u672c\u5468\u8bdd\u9898\uff1aRNA-seq\u5dee\u5f02\u5206\u6790\u7a76\u7adf\u5e94\u8be5\u7528\u4ec0\u4e48\uff1f","text":"RNA-seq\u662f\u76ee\u524d\u751f\u4fe1\u4e00\u4e2a\u91cd\u8981\u7684\u6280\u672f\u7ec4\u6210\u548c\u79d1\u7814\u5185\u5bb9\u3002\u4e00\u822c\u6765\u8bf4\uff0c\u6211\u4eec\u5728RNA-seq\u8fdb\u884c\u5dee\u5f02\u5206\u6790\u65f6\u6700\u597d\u4f7f\u7528Count\u503c\uff0c\u56e0\u4e3alimma-voom\u3001edgeR\u548cDESeq2\u90fd\u662f\u9488\u5bf9RNA-seq\u7684Count\u503c\u5206\u5e03\u8fdb\u884c\u5047\u8bbe\uff0c\u4ece\u800c\u8bbe\u8ba1\u7684\u8f6f\u4ef6\u3002\u4f46\u662f\uff0c\u5728\u5b9e\u9645\u8fc7\u7a0b\u4e2d\uff0c\u6211\u4eec\u5e76\u4e0d\u662f\u603b\u80fd\u83b7\u5f97\u5176Count\u503c\uff0c\u800c\u7ecf\u5e38\u5f97\u5230\u7684\u662fFPKM\u6216\u8005TPM\u503c\uff0c\u90a3\u5bf9\u4e8e\u8fd9\u79cd\u60c5\u51b5\uff0c\u6211\u4eec\u80fd\u4e0d\u80fd\u4f7f\u7528\u7c7b\u4f3c\u4e8e\u5206\u6790\u82af\u7247\u7684\u65b9\u6cd5\u8fdb\u884c\u5dee\u5f02\u5206\u6790\u5462\uff1f
\u6587\u7ae0\u5229\u7528\u6570\u636e\u96c6 GSE145894 \u5bf9\u6bd4\u4e86count\u6570\u636e\u548c\u51e0\u79cd\u4e0d\u540c\u7684FPKM\u5f62\u5f0f\u5f97\u5230\u7684\u5dee\u5f02\u57fa\u56e0\u5217\u8868\uff0c\u53d1\u73b0\u4e0d\u540c\u7ed3\u679c\u5b58\u5728\u8f83\u5927\u7684\u5dee\u5f02\uff08\u5177\u4f53\u89c1\u4e0b\u56fe\uff09\u3002
@ShixiangWang - \u4e0d\u96be\u53d1\u73b0\u4e24\u4e24\u4ea4\u96c6\u7684\u6bd4\u5404\u81ea\u72ec\u7acb\u7684\u5c11\u5f88\u591a\uff0c\u4e5f\u5c31\u662f\u4e0d\u540c\u7684\u8868\u8fbe\u77e9\u9635\u5f62\u5f0f\u4f1a\u5f88\u5927\u5f71\u54cd\u7ed3\u679c\u3002\u5982\u679c\u5bf9\u8be5\u6570\u636e\u96c6\u4e0bcount\u6570\u636e\u7684\u4e0d\u540c\u5dee\u5f02\u5206\u6790\u65b9\u6cd5\u518d\u505a\u4e2a\u5bf9\u6bd4\u548c\u8fd9\u4e2a\u56fe\u7ed3\u5408\u8d77\u6765\u770b\uff0c\u53ef\u80fd\u4f1a\u6709\u4e00\u4e2a\u66f4\u4e3a\u5168\u9762\u7684\u8ba4\u8bc6\u3002\u6bd4\u5982\uff0c\u6709\u5174\u8da3\u7684\u8bfb\u8005\u53ef\u4ee5\u770b\u770bTPM, FPKM, or Normalized Counts? A Comparative Study of Quantification Measures for the Analysis of RNA-seq Data from the NCI Patient-Derived Models Repository\u8fd9\u7bc7\u6587\u7ae0\u3002
1\u3001Science Advances | \u5355\u5206\u5b50\u7a81\u53d8\u6d4b\u5e8fSMM-seq\uff0c\u53ef\u68c0\u6d4b\u4f4e\u4e30\u5ea6\u4f53\u7ec6\u80de\u7a81\u53d8
\u672c\u6587\u4ecb\u7ecd\u4e00\u79cd\u65b0\u578b\u53cc\u91cd\u6d4b\u5e8f\u6280\u672f-\u5355\u5206\u5b50\u7a81\u53d8\u6d4b\u5e8f\uff08SMM-seq\uff09\uff0c\u5b83\u53ef\u4ee5\u7528\u4e8e\u68c0\u6d4b\u7ec6\u80de\u548c\u7ec4\u7ec7\u4e2d\u7684\u8d85\u7f55\u89c1\u7a81\u53d8\uff0c\u76ee\u524d\u7814\u7a76\u56e2\u961f\u6b63\u5728\u5411\u5546\u4e1a\u5316\u4e2d\uff0c\u4ece\u800c\u66f4\u5927\u8303\u56f4\u7684\u63a2\u7d22\u5404\u79cd\u75be\u75c5\u7684\u8bf1\u53d8\u56e0\u7d20\u3002
2\u3001bioRxiv | \u5355\u7ec6\u80de\u591a\u7ec4\u5b66\u6574\u5408\u5206\u6790\u89e3\u6790\u4eba\u7c7b\u80bf\u7624\u6d78\u6da6T\u6dcb\u5df4\u7ec6\u80de\u7684\u7ec6\u80de\u72b6\u6001\u7279\u5f02\u6027\u589e\u5f3a\u5b50\u56fe\u8c31
\u8be5\u7814\u7a76\u5229\u7528\u6539\u8fdb\u4f18\u5316\u540e\u5355\u7ec6\u80deATAC-seq\u6d4b\u5e8f\u6280\u672f\u6784\u5efa\u4e86\u4e0d\u540c\u80bf\u7624TILs\u4e2dT\u7ec6\u80de\u7684\u67d3\u8272\u8d28\u53ef\u53ca\u6027\u56fe\u8c31\uff0c\u5e76\u89e3\u6790\u4e86\u4e0d\u540c\u529f\u80fd\u72b6\u6001T\u7ec6\u80de\u4e9a\u7fa4\u67d3\u8272\u8d28\u53ef\u53ca\u6027\u7684\u5f02\u8d28\u6027\u7279\u5f81\u548c\u8017\u7aed\u6027T\u7ec6\u80de\u7684\u7ec4\u7ec7\u7279\u5f02\u6027\u8c03\u63a7\u5143\u4ef6\u53ca\u5176\u6838\u5fc3\u62df\u65f6\u5e8f\u5206\u5316\u53d1\u80b2\u8f68\u8ff9\u3002\u901a\u8fc7\u5355\u7ec6\u80de\u591a\u7ec4\u5b66\u6570\u636e\u7684\u6574\u5408\u5206\u6790\uff0c\u9274\u5b9a\u4e86\u4e0d\u540c\u7ec6\u80de\u4e9a\u7fa4\u7279\u5f02\u7684\u589e\u5f3a\u5b50-\u542f\u52a8\u5b50\u4e92\u4f5c\u5173\u7cfb\u548c\u5173\u952e\u8c03\u63a7\u9776\u57fa\u56e0\uff0c\u5e76\u5229\u7528CRISPRi/a\u57fa\u56e0\u7f16\u8f91\u6280\u672f\u9a8c\u8bc1\u4e86\u8fd9\u4e9b\u8fdc\u7a0b\u8c03\u63a7\u589e\u5f3a\u5b50\u5143\u4ef6\u5bf9\u76f8\u5e94\u9776\u57fa\u56e0\u7684\u4e92\u4f5c\u8c03\u63a7\u5173\u7cfb\u3002\u603b\u4e4b\uff0c\u7ed3\u679c\u4e3a\u6df1\u5165\u7814\u7a76T\u7ec6\u80de\u8017\u7aed\u5173\u952e\u57fa\u56e0\u7684\u975e\u7f16\u7801\u8c03\u63a7\u5143\u4ef6\u5f00\u8f9f\u4e86\u65b0\u7684\u9014\u5f84\uff0c\u5e76\u4e3a\u57fa\u4e8eCRISPR i/a\u4ecb\u5bfc\u7684\u589e\u5f3a\u5b50\u7f16\u8f91\u6280\u672f\u5e72\u9884T\u7ec6\u80de\u529f\u80fd\u548c\u514d\u75ab\u6cbb\u7597\u63d0\u4f9b\u4e86\u6f5c\u529b\u3002
3\u3001European Heart Journal | \u4e2d\u56fd\u9996\u4e2a\u51a0\u5fc3\u75c5\u591a\u57fa\u56e0\u98ce\u9669\u8bc4\u5206\uff08PRS\uff09\u6a21\u578b\u5efa\u7acb
\u56fd\u5bb6\u5fc3\u8840\u7ba1\u75c5\u4e2d\u5fc3/\u4e2d\u56fd\u533b\u5b66\u79d1\u5b66\u9662\u961c\u5916\u533b\u9662\u987e\u4e1c\u98ce\u9662\u58eb\u4e0e\u9c81\u5411\u950b\u6559\u6388\u56e2\u961f\u6210\u529f\u5efa\u7acb\u6211\u56fd\u9996\u4e2a\u51a0\u5fc3\u75c5\u591a\u57fa\u56e0\u98ce\u9669\u8bc4\u5206\uff08PRS\uff09\u6a21\u578b\uff0c\u4e3a\u51a0\u5fc3\u75c5\u98ce\u9669\u8bc4\u4f30\u548c\u5e72\u9884\u63aa\u65bd\u9009\u62e9\u63d0\u4f9b\u4e86\u89e3\u51b3\u65b9\u6848\u3002\u8be5\u7814\u7a76\u5efa\u7acb\u4e86\u6211\u56fd\u5c45\u6c11\u51a0\u5fc3\u75c5\u9ad8\u5371\u4eba\u7fa4\u65e9\u671f\u7b5b\u67e5\u7684\u5b9e\u7528\u6027\u8bc4\u4f30\u6a21\u578b\uff0c\u5e76\u63d0\u51fa\u4e0d\u540c\u9057\u4f20\u548c\u4e34\u5e8a\u98ce\u9669\u4eba\u7fa4\u7684\u5fc3\u8840\u7ba1\u5065\u5eb7\u7ba1\u7406\u8def\u5f84\u548c\u65b9\u6848\u3002
4\u3001HiFi 5mC \u76f4\u63a5\u6d4b\u5e8f\uff0c\u63a2\u7d22\u57fa\u56e0\u7ec4\u65b0\u7ef4\u5ea6
\u5728\u54fa\u4e73\u52a8\u7269\u57fa\u56e0\u7ec4\u4e2d\uff0cDNA \u7532\u57fa\u5316\u662f\u4e00\u79cd\u5e38\u89c1\u7684\u8868\u89c2\u9057\u4f20\u4fee\u9970\uff0c\u5176\u4e2d\u6700\u5e38\u89c1\u7684\u4e00\u79cd\u7532\u57fa\u5316\u65b9\u5f0f\u662f\u901a\u8fc7 DNA \u7532\u57fa\u5316\u8f6c\u79fb\u9176\u5c06\u7532\u57fa\u8f6c\u79fb\u5230\u80de\u5627\u5576\u7684 C5 \u4f4d\u7f6e\u4ee5\u5f62\u6210 5-\u7532\u57fa\u80de\u5627\u5576\uff085mC\uff09\u3002
\u968f\u7740 SMRT Link V11.0 \u8f6f\u4ef6\u7684\u53d1\u5e03\uff0cPacBio \u5df2\u7ecf\u5b9e\u73b0\u901a\u8fc7HiFi\u6d4b\u5e8f\u76f4\u63a5\u68c0\u6d4b DNA \u6837\u672c\u4e2d CpG \u4f4d\u70b9\u7684 5-\u7532\u57fa\u80de\u5627\u5576\uff085mC\u7532\u57fa\u5316\uff09\u3002\u4ece\u73b0\u5728\u5f00\u59cb\u53ea\u9700\u5728HiFi\u6d4b\u5e8f\u65f6\u5728 SMRT Link Run Design \u4e2d\u9009\u62e9 5mC \u68c0\u6d4b\uff0cSequel II \u548cSequel IIe \u7cfb\u7edf\u5c06\u4f1a\u5728 .bam \u6587\u4ef6\u4e2d\u81ea\u52a8\u8f93\u51fa\u5e26\u6709\u6807\u7b7e\u7684 HiFi \u6570\u636e\uff0c\u8fd9\u4e9b\u6807\u7b7e\u5305\u62ec CpG \u4f4d\u70b9 5mC \u7532\u57fa\u5316\u7684\u4f4d\u7f6e\u548c\u6982\u7387\u4fe1\u606f\u3002
"},{"location":"issue-43/#_3","title":"\u535a\u6587\u8d44\u8baf","text":"5\u3001\u4e2d\u56fd\u82f1\u6587\u79d1\u6280\u671f\u520a\uff1aResearch
Research (ISSN 2096-5168 EISSN 2639-5274 CN 10-1541/N)\u662f\u4e2d\u56fd\u79d1\u5b66\u6280\u672f\u534f\u4f1a\u4e0e\u7f8e\u56fd\u79d1\u5b66\u4fc3\u8fdb\u4f1a\u4e8e2018\u5e74\u5171\u540c\u521b\u529e\u7684\u7efc\u5408\u6027\u79d1\u6280\u671f\u520a\uff0c\u662f\u7f8e\u56fdScience \u81ea1880\u5e74\u521b\u520a\u4ee5\u6765\u7684\u7b2c\u4e00\u672c\u5408\u4f5c\u671f\u520a\u3002Research \u5b9a\u4f4d\u4e3a\u56fd\u9645\u5316\u3001\u9ad8\u5f71\u54cd\u529b\u7684\u4e16\u754c\u4e00\u6d41\u6c34\u5e73\u671f\u520a\uff0c\u5bf9\u6807 Science \u548c Nature\u3002
6\u3001simplifyEnrichment \u65b0\u7279\u6027\uff1a\u5c55\u73b0\u4f60\u7684\u5206\u7ec4\u7279\u5f02 pattern
\u6700\u65b0\u7248\u672c\u652f\u6301\u5728\u5de6\u4fa7\u6dfb\u52a0\u4e0d\u540c\u7ec4\u522b\u7684\u5bcc\u96c6\u6761\u76ee\u6570\u76ee\u7684\u6bd4\u8f83\u6761\u5f62\u56fe\uff0c\u4e3a\u4e0d\u540c\u7684\u5206\u7ec4\u6bd4\u8f83\u5e26\u6765\u66f4\u76f4\u89c2\u7684\u6548\u679c\u3002
7\u3001\u8fd9\u6b21\u7ec8\u4e8e\u5f7b\u5e95\u7406\u89e3\u4e86\u5085\u91cc\u53f6\u53d8\u6362
\u592a\u6709\u610f\u601d\u4e86\uff01\uff01\uff01\u4efb\u4f55\u4e00\u6bb5\u6ce2\u957f\uff0c\u90fd\u53ef\u4ee5\u5206\u89e3\u4e3a\u82e5\u5e72\u6b63\u5f26\u6ce2\u7684\u7ec4\u5408\uff1b\u4efb\u4f55\u4e00\u4e2a2D\u56fe\u5f62\u53ef\u4ee5\u88ab\u901a\u8fc7\u5468\u8f6c\u5706\u5206\u89e3\u4e3a\u82e5\u5e722D\u6b63\u5f26\u6ce2\u7684\u7ec4\u5408\uff0c\u540c\u6837\u9002\u7528\u4e8e3D\u3002\u8fd9\u5c31\u662f\u5085\u91cc\u53f6\u53d8\u6362\uff0c\u53ef\u4ee5\u5c06\u4e8b\u7269\u5206\u89e3\u6210\u4e0d\u540c\u9891\u7387\u7684\u6b63\u5f26\u6ce2\u3002
8\u3001 ivs (said, \u201ceye-vees\u201d) - \u5904\u7406\u533a\u95f4R\u5305\u4ecb\u7ecd
\u672c\u6587\u901a\u8fc7\u5177\u4f53\u5b9e\u4f8b\u4ecb\u7ecd\u4e86\u5982\u4f55\u4f7f\u7528ivs\u5305\u8fdb\u884c\u65f6\u95f4\uff08\u65e5\u671f\uff09\u4e0a\u7684\u4ea4\u53c9\u91cd\u53e0\u8ba1\u7b97\uff0c\u4ee5\u53ca\u76f8\u5173\u7684\u62d3\u5c55\u5e94\u7528\u3002
9\u3001WGCNA\u539f\u7406\u53ca\u5b9e\u64cd
WGCNA\u6700\u521d\u7528\u4e8e\u82af\u7247\u6d4b\u5e8f\u6570\u636e\uff0c\u4e5f\u9002\u7528\u4e8eRNA-seq\u6570\u636e\u3002\u672c\u6587\u8be6\u7ec6\u4ecb\u7ecd\u4e86WGCNA\u5206\u6790\u7684\u539f\u7406\uff0c\u5e76\u53c2\u8003\u5b98\u7f51\u4ee3\u7801\u4e0e\u6570\u636e\u8fdb\u884c\u4e86\u5b9e\u64cd\u3002
10\u3001cbpManager - R\u5305
R\u5305cbpManager\u63d0\u4f9b\u4e86\u4e00\u4e2aR Shiny\u5e94\u7528\u7a0b\u5e8f\uff0c\u5b83\u6709\u52a9\u4e8e\u751f\u6210\u9002\u5408\u4e8e\u764c\u75c7\u57fa\u56e0\u7ec4\u5b66cBioPortal\u5bfc\u5165\u7684\u6587\u4ef6\uff0c \u4ece\u800c\u8ba9\u7528\u6237\u80fd\u591f\u7ba1\u7406\u548c\u7f16\u8f91\u4e34\u5e8a\u6570\u636e\uff0c\u7ef4\u62a4\u65b0\u7684\u60a3\u8005\u6570\u636e\u3002
11\u3001notestar - R\u5305
Notestar\u5305\u662f\u4e00\u4e2a\u57fa\u4e8e targets\u5305\u6240\u5f00\u53d1\u7684\u4fbf\u4e8e\u8bb0\u5f55\u7684\u7b14\u8bb0\u7cfb\u7edf\u5305\uff0c\u9002\u7528\u4e8e\u5e73\u5e38\u7684\u6570\u636e\u5206\u6790\u9879\u76ee\u4e2d\uff0c\u5177\u4f53\u4f7f\u7528\u53ef\u53c2\u8003\u793a\u4f8b\u6559\u7a0b\u3002
12\u3001paint - data.frame\u5f69\u8272\u6253\u5370\u5305
13\u3001MetBrewer - \u7ebd\u7ea6\u5927\u90fd\u4f1a\u827a\u672f\u535a\u7269\u9986\u5927\u5e08\u7ea7\u4f5c\u54c1\u7684\u914d\u8272\u65b9\u6848
\u8c03\u8272\u677f\u7684\u7075\u611f\u6765\u81ea\u4e8e\u7ebd\u7ea6\u5927\u90fd\u4f1a\u827a\u672f\u535a\u7269\u9986\u7684\u4f5c\u54c1\u3002\u6240\u9009\u4f5c\u54c1\u6765\u81ea\u4e0d\u540c\u7684\u65f6\u671f\u3001\u5730\u533a\u548c\u5a92\u4ecb\u3002
14\u3001ggprism - GraphPad Prism\u98ce\u683c\u7684\u7ed8\u56fe\u5305
\u5728ggplot\u7684\u57fa\u7840\u4e0a\u4fee\u6539\u56fe\uff0c\u529f\u80fd\uff1atheme_prism(\uff09\u4fee\u6539\u4e3b\u9898\uff1bscale_colour_prism()\u4fee\u6539\u989c\u8272\uff1bscale_fill_prism() \u4fee\u6539\u586b\u5145\u989c\u8272\uff1bscale_shape_prism()\u4fee\u6539\u70b9\u7684\u5f62\u72b6\uff1b\u4ee5\u53ca\u5176\u4ed6\uff1a\u4fee\u6539\u5750\u6807\u8f74\uff0c\u6dfb\u52a0p\u503c\u7b49\u3002
15\u3001BS831 Genomics Data Mining and Statistics \u8bfe\u7a0b\u6750\u6599
\u8be5\u8bfe\u7a0b\u5c06\u5b66\u4e60\u4ee3\u7801\u548c\u6750\u6599\u878d\u5408\u5728\u4e00\u4e2aR\u5305\u4e2d\uff0c\u65b9\u4fbf\u5b66\u4e60\u3002\u8bfe\u7a0b\u5305\u62ec7\u4e2a\u6a21\u5757\uff1a1) Introduction to Genomics Analysis; 2) Data Preprocessing and Quality Control; 3) Comparative Experiments based on Microarrays and Linear Models (LM); 4) Comparative Experiments based on RNA-sequencing and Generalized Linear Models (GLM); 5) Comparative Experiments based on Differential Enrichment Analysis; 6) Classification; and 7) Clustering and Class Discovery.
16\u3001\u5fae\u8f6f GitHub \u5f00\u6e90\u6280\u672f\u6559\u7a0b
\u5fae\u8f6f\u5728 GitHub \u63a8\u51fa\u4e86\u4e00\u7cfb\u5217\u300cXX-for-Beginners\u300d\u7684\u5f00\u6e90\u6280\u672f\u6559\u7a0b\u3002\u987e\u540d\u601d\u4e49\uff0c\u5c31\u662f\u5199\u7ed9\u521d\u5b66\u8005\u770b\u7684\u6280\u672f\u6559\u7a0b\uff0c\u91cc\u9762\u8986\u76d6\u4e86 Web \u5f00\u53d1\u3001\u673a\u5668\u5b66\u4e60\u3001Python\u3001\u7269\u8054\u7f51\u3001\u5168\u6808\u3001\u6570\u636e\u79d1\u5b66\u3001DevOps \u7b49\u8bf8\u591a\u5185\u5bb9\u3002\u4ee5\u4e0a\u5185\u5bb9\u5df2\u6536\u5f55\u81f3 GitHubDaily \u7684\u5f00\u6e90\u9879\u76ee\u5217\u8868\u4e2d\uff1ahttps://github.com/GitHubDaily/GitHubDaily
17\u3001150\u5e74\u300a\u81ea\u7136\u300b\u6742\u5fd7\u7cbe\u9009\u7684809\u7bc7\u6587\u7ae0\uff0c\u96c6\u5408\u5728\u4e00\u5957\u4e66\u91cc
\u4e0d\u7f3a\u94b1\u7684\u53ef\u4ee5\u4e70\u7740\u6536\u85cf\uff5e
"},{"location":"issue-43/#_6","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang@kkjtmac@NiEntropy@He-Kai-fly@JnanZhang@Tomcxf@wangdepin\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-44/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 44 \u671f\uff09\uff1a\u4e3a\u4f55\u52a8\u7269\u7684\u5bff\u547d\u5dee\u5f02\u90a3\u4e48\u5927\uff1f","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d | \u300c\u751f\u4fe1\u8ba8\u8bba\u533a\uff08Gitter\uff09\u300d
"},{"location":"issue-44/#_1","title":"\u5c01\u9762\u56fe","text":"via:YouTube:Bright Side
"},{"location":"issue-44/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u4e3a\u4f55\u52a8\u7269\u7684\u5bff\u547d\u5dee\u5f02\u90a3\u4e48\u5927\uff1f","text":"\u672c\u5468\u8bdd\u9898\u6765\u81ea\u300a\u6d4b\u5e8f\u4e2d\u56fd\uff1a\u4e3a\u4f55\u52a8\u7269\u7684\u5bff\u547d\u5dee\u5f02\u90a3\u4e48\u5927\uff1f\u300b\uff0c\u5bf9\u52a8\u7269\u5bff\u547d\u5dee\u5f02\u611f\u5174\u8da3\u7684\u53ef\u4ee5\u8be6\u7ec6\u9605\u8bfb\u4e0b\u3002
\u5728\u54fa\u4e73\u52a8\u7269\u4f53\u5185\uff0c\u4f53\u7ec6\u80de\u7684\u7a81\u53d8\u4f1a\u5728\u5065\u5eb7\u7ec6\u80de\u4e2d\u7ec8\u751f\u79ef\u7d2f\u3002\u8fd9\u4e9b\u7a81\u53d8\u662f\u80bf\u7624\u53d1\u751f\u7684\u57fa\u7840\uff0c\u5e76\u88ab\u63a8\u6d4b\u662f\u5bfc\u81f4\u8870\u8001\u7684\u539f\u56e0\u4e4b\u4e00\u3002\u8fd1\u65e5\uff0c\u82f1\u56fdSanger\u7814\u7a76\u6240\u7b49\u5355\u4f4d\u7684\u8054\u5408\u7814\u7a76\u56e2\u961f\u5728Nature\u53d1\u8868\u4e86\u9898\u4e3a\u201cSomatic mutation rates scale with lifespan across mammals\u201d\u7684\u7814\u7a76\u6587\u7ae0\u3002\u7814\u7a76\u8868\u660e\uff0c\u6240\u6709\u7269\u79cd\u7684\u4f53\u7ec6\u80de\u7a81\u53d8\u4e3b\u8981\u7531\u5185\u6e90\u6027\u7a81\u53d8\u8fc7\u7a0b\u4e3b\u5bfc\uff0c\u4f46\u4f53\u7ec6\u80de\u7a81\u53d8\u7387\u5728\u4e0d\u540c\u7269\u79cd\u4e4b\u95f4\u5dee\u5f02\u8f83\u5927\uff0c\u4e14\u4e0e\u7269\u79cd\u5bff\u547d\u5448\u5f3a\u70c8\u7684\u8d1f\u76f8\u5173\u3002\u603b\u4e4b\uff0c\u8be5\u7814\u7a76\u6570\u636e\u63ed\u793a\u4e86\u54fa\u4e73\u52a8\u7269\u7684\u5171\u540c\u7a81\u53d8\u8fc7\u7a0b\uff0c\u5e76\u8868\u660e\u4f53\u7ec6\u80de\u7a81\u53d8\u7387\u5728\u8fdb\u5316\u4e0a\u53d7\u9650\uff0c\u4e5f\u53ef\u80fd\u662f\u8870\u8001\u7684\u4e00\u4e2a\u91cd\u8981\u8d21\u732e\u56e0\u7d20\u3002
@He-Kai-fly - \u52a8\u7269\u7684\u5bff\u547d\u90fd\u662f\u81ea\u7136\u8fdb\u5316\u7684\u7ed3\u679c\uff0c\u5343\u767e\u5e74\u6765\u6162\u6162\u5f62\u6210\u7684\uff0c\u4e0d\u540c\u52a8\u7269\u5bff\u547d\u4e0d\u540c\uff0c\u662f\u56e0\u4e3a\u517b\u80b2\u540e\u4ee3\u6240\u9700\u8981\u7684\u65f6\u95f4\u4ee5\u53ca\u81ea\u8eab\u6240\u80fd\u627f\u53d7\u7684\u4ee3\u8c22\u7ed3\u679c\u5bf9\u73af\u5883\u7684\u9002\u5e94\u7a0b\u5ea6\u7684\u4e0d\u540c\u6240\u5bfc\u81f4\u7684\u3002
1\u3001Nature Machine Intelligence| \u4e0a\u4ea4\u5927\u56e2\u961f\u5f00\u53d1\u9884\u6d4b\u4eba\u7c7b\u767d\u7ec6\u80de\u6297\u539f\u7ed3\u5408\u7684 Transformer \u6846\u67b6
\u4eba\u7c7b\u767d\u7ec6\u80de\u6297\u539f\uff08HLA\uff09\u53ef\u4ee5\u8bc6\u522b\u5e76\u7ed3\u5408\u5916\u6e90\u80bd\uff0c\u5c06\u5b83\u4eec\u5448\u9012\u7ed9\u4e13\u95e8\u7684\u514d\u75ab\u7ec6\u80de\uff0c\u7136\u540e\u542f\u52a8\u514d\u75ab\u53cd\u5e94\u3002\u80bd\u548c HLA \u7ed3\u5408\u7684\u8ba1\u7b97\u9884\u6d4b\u53ef\u4ee5\u52a0\u901f\u514d\u75ab\u539f\u6027\u80bd\u7b5b\u9009\u5e76\u4fc3\u8fdb\u75ab\u82d7\u8bbe\u8ba1\u3002\u7136\u800c\u76ee\u524d\u7f3a\u4e4f\u4e00\u4e2a\u81ea\u52a8\u7a0b\u5e8f\u6765\u4f18\u5316\u5bf9\u76ee\u6807 HLA \u7b49\u4f4d\u57fa\u56e0\u5177\u6709\u66f4\u9ad8\u4eb2\u548c\u529b\u7684\u7a81\u53d8\u80bd\u3002\u4e3a\u4e86\u586b\u8865\u8fd9\u4e00\u7a7a\u767d\uff0c\u4e0a\u6d77\u4ea4\u901a\u5927\u5b66\u7684\u7814\u7a76\u4eba\u5458\u5f00\u53d1\u4e86 TransMut \u6846\u67b6\u2014\u2014\u7531\u7528\u4e8e pHLA \u7ed3\u5408\u9884\u6d4b\u7684 TransPHLA \u548c\u4e00\u4e2a\u81ea\u52a8\u4f18\u5316\u7684\u7a81\u53d8\u80bd (AOMP) \u7a0b\u5e8f\u7ec4\u6210\u2014\u2014\u5b83\u53ef\u4ee5\u63a8\u5e7f\u5230\u751f\u7269\u5206\u5b50\u7684\u4efb\u4f55\u7ed3\u5408\u548c\u7a81\u53d8\u4efb\u52a1\u3002\u8be5\u6846\u67b6\u53ef\u5e94\u7528\u4e8e\u4efb\u4f55\u751f\u7269\u5206\u5b50\u7a81\u53d8\u4efb\u52a1\uff0c\u4f8b\u5982\u8868\u4f4d\u4f18\u5316\u6216\u836f\u7269\u8bbe\u8ba1\uff0c\u5c24\u5176\u9002\u7528\u4e8e\u75ab\u82d7\u5f00\u53d1\u3002 \u8bba\u6587\u94fe\u63a5\uff1ahttps://www.nature.com/articles/s42256-022-00459-7
2\u3001Nature Methods|\u56db\u7bc7\u597d\u6587\u7b80\u8bfb
\u4ecb\u7ecd\u56db\u7bc7\u53d1\u8868\u5728\u3010Nature Methods\u3011\u4e0a\u7684\u9ad8\u8d28\u91cf\u6587\u7ae0\uff0c\u5206\u522b\u63d0\u51fa\u4e86\uff1a - \u526a\u63a5Z\u8bc4\u5206spliZ\u7684\u7edf\u8ba1\u65b9\u6cd5\u3001\u7528\u4e8e\u68c0\u6d4b\u5355\u7ec6\u80deRNA\u6d4b\u5e8f\u4e2d\u7684\u8c03\u8282\u526a\u63a5\u3002 - \u7528\u4e8e\u91cf\u5316sc/snRNA-seq\u6570\u636e\u7684alevin-fry\u6846\u67b6 - \u7ed3\u5408\u81ea\u7f16\u7801\u671f\u548c\u6f5c\u5728\u7a7a\u95f4\u5411\u91cf\u7b97\u6cd5\u7684\u9ad8\u7ef4\u5355\u7ec6\u80de\u53ca\u8868\u8fbe\u6570\u636e\u7684\u6a21\u578b\u2014scGen - \u4e00\u4e2a\u5b9a\u5236\u7684\u5206\u5c42\u7edf\u8ba1\u529b\u5b66\u5efa\u6a21HSM\uff0c\u7528\u4e8e\u9884\u6d4b\u591a\u4e2a\u86cb\u767d\u8d28\u5bb6\u65cfPBD-\u80bd\u76f8\u4e92\u4f5c\u7528\u7684\u4eb2\u548c\u529b\u3002
\u8bba\u6587\u5bf9\u5e94\u94fe\u63a5\uff1a 1. https://www.nature.com/articles/s41592-022-01400-x 2. https://www.nature.com/articles/s41592-022-01408-3 3. https://www.nature.com/articles/s41592-019-0494-8 4. https://www.nature.com/articles/s41592-019-0687-1
3\u3001PeerXiv| \u4e00\u79cd\u5168\u65b0\u7684\u5b66\u672f\u8bba\u6587\u8bc4\u5ba1\u65b9\u5f0f
\u9ad8\u6548\u3001\u900f\u660e\u7684\u540c\u884c\u8bc4\u5ba1\u65b0\u5e73\u53f0PeerXiv \uff0c\u8bba\u6587\u4f5c\u8005\u63d0\u4ea4\u9884\u5370\u672c\uff0c5 \u4f4d\u5ba1\u7a3f\u4eba\u88ab\u8981\u6c42\u6309\u7167 5 \u5206\u5236\u30015 \u6307\u6807\u7684\u8bc4\u4ef7\u7cfb\u7edf\uff08\u65b0\u9896\u6027\u3001\u91cd\u8981\u6027\u3001\u590d\u73b0\u6027\u3001\u9a8c\u8bc1\u6027\u3001\u5c55\u73b0\u6027\uff09\u5bf9\u6bcf\u7bc7\u8bba\u6587\u8fdb\u884c\u6253\u5206\uff0c\u8bba\u6587\u4f5c\u8005\u4e00\u4e2a\u6708\u5185\u5c31\u53ef\u6536\u5230\u5ba1\u7a3f\u7ed3\u679c\u3002
\u7f51\u5740\uff1ahttps://peerxiv.web.app/dashboard/papers
4\u3001DrugCVar|\u4e00\u4e2a\u9488\u5bf9\u7279\u5b9a\u53d8\u5f02\u4f4d\u70b9\u7684\u80bf\u7624\u9776\u5411\u7528\u836f\u5206\u6790\u5e73\u53f0
DrugCVar\u662f\u7531\u4e2d\u5c71\u5927\u5b66\u80bf\u7624\u9632\u6cbb\u4e2d\u5fc3\u5218\u6cfd\u5148\u7814\u7a76\u5458\u56e2\u961f\u5f00\u53d1\u7684\u4e00\u4e2a\u9488\u5bf9\u7279\u5b9a\u53d8\u5f02\u4f4d\u70b9\u7684\u80bf\u7624\u9776\u5411\u7528\u836f\u5206\u6790\u5e73\u53f0\u3002\u8be5\u5e73\u53f0\u6574\u5408\u4e86\u8fd1\u51e0\u5e74\u53d1\u8868\u7684\u4e34\u5e8a\u8bd5\u9a8c\u6587\u732e\u4ee5\u53ca\u516c\u5f00\u6570\u636e\u5e93 (OncoKB\u3001CIViC\u3001CGI\u548cMCG) \u7684\u6570\u636e\u65b9\u4fbf\u7528\u6237\u5feb\u901f\u68c0\u7d22\u80bf\u7624\u53d8\u5f02\u9776\u5411\u7528\u836f\u65b9\u6848\uff0c\u540c\u65f6\u5bf9\u4e0d\u540c\u683c\u5f0f\u7684\u80bf\u7624\u53d8\u5f02\u4f4d\u70b9\u6570\u636e\u8fdb\u884c\u6279\u91cf\u6ce8\u91ca\uff0c\u4e3a\u7814\u7a76\u80bf\u7624\u7684\u6f5c\u5728\u9776\u5411\u7a81\u53d8\u548c\u5236\u5b9a\u6cbb\u7597\u7b56\u7565\u63d0\u4f9b\u4e86\u91cd\u8981\u6570\u636e\u652f\u6301\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://academic.oup.com/bioinformatics/article-abstract/38/11/3094/6569075?redirectedFrom=fulltext
"},{"location":"issue-44/#_4","title":"\u535a\u6587\u8d44\u8baf","text":"5\u3001\u7814\u7a76\u751f\u535a\u58eb\u751f\u5230\u5e95\u559c\u6b22\u901b\u54ea\u4e9b\u7f51\u7ad9\uff1f
\u8fd9\u4e2a\u5e16\u5b50\u5206\u4eab\u4e86\u8bb8\u591a\u7814\u7a76\u751f\u5e38\u901b\u7684\u7f51\u7ad9\u5de5\u5177\uff0c\u5efa\u8bae\u65b0\u5165\u5b66\u7684\u7814\u7a76\u751f\u4eec\u770b\u770b\u3002
6\u3001\u83b7\u53d6\u57fa\u56e0\u6709\u6548\u957f\u5ea6\u7684N\u79cd\u65b9\u6cd5
\u672c\u63a8\u6587\u4ecb\u7ecd\u4e86\u4e24\u79cd\u83b7\u53d6\u57fa\u56e0\u6709\u6548\u957f\u5ea6\u7684\u65b9\u6cd5\uff0c\u4e00\u662f\u4ece\u4e0a\u6e38\u8f93\u51fa\u6587\u4ef6\u7ed3\u679c\u4e2d\u83b7\u53d6\uff0c\u4e8c\u662f\u4ecegtf\u6587\u4ef6\u4e2d\u8ba1\u7b97\u83b7\u53d6\uff0c\u540c\u65f6\u9644\u4e0a\u4e86\u76f8\u5e94\u7684\u4ee3\u7801\u548c\u6ce8\u91ca\u3002
7\u3001\u5982\u4f55\u67e5\u770bR\u4e2d\u51fd\u6570\u7684\u6e90\u4ee3\u7801
\u4ecb\u7ecd\u4e24\u79cd\u5e38\u7528\u7684\u67e5\u770bR-package\u4e2d\u67d0\u4e2a\u51fd\u6570\u7684\u6e90\u4ee3\u7801\u65b9\u5f0f\uff0c\u66f4\u52a0\u6709\u6548\u7684\u5b66\u4e60\u4f18\u79c0\u7684R\u5305\u63d0\u9ad8\u5bf9\u4ee3\u7801\u7684\u7406\u89e3\u80fd\u529b\u3002
\u94fe\u63a5\uff1a 1. https://rdrr.io/ 2. https://stackoverflow.com/questions/19226816/how-can-i-view-the-source-code-for-a-function
8\u3001\u7528 gget \u9ad8\u6548\u67e5\u8be2\u57fa\u56e0\u7ec4\u6570\u636e\u5e93
gget \u8f6f\u4ef6\u5305\u53ef\u4ee5\u5e2e\u52a9\u6211\u4eec\u76f4\u63a5\u4ece\u547d\u4ee4\u884c\u6216 Python \u73af\u5883\u4e2d\u5feb\u901f\u67e5\u8be2\u5b58\u50a8\u5728\u51e0\u4e2a\u5927\u578b\u516c\u5171\u6570\u636e\u5e93\u4e2d\u7684\u4fe1\u606f\u3002gget \u7531\u4e5d\u4e2a\u5c0f\u5de5\u5177\u7ec4\u6210\uff0c\u9664\u4e86\u63d0\u4f9b\u5bf9\u57fa\u56e0\u7ec4\u6570\u636e\u5e93\u7684\u8bbf\u95ee\uff0c\u8fd8\u5305\u62ec\u4e86\u4e00\u4e9b\u5206\u6790\u5de5\u5177\uff0c\u5982 BLAST\uff0c\u7b80\u5316\u4e86\u590d\u6742\u7684\u6ce8\u91ca\u6d41\u7a0b\u3002\u6bcf\u4e2a gget \u5de5\u5177\u4ec5\u9700\u8981\u5f88\u5c11\u7684\u53c2\u6570\uff0c\u5c31\u53ef\u4ee5\u63d0\u4f9b\u6e05\u6670\u5b8c\u6574\u7684\u8f93\u51fa\uff0c\u6700\u5927\u7a0b\u5ea6\u5730\u63d0\u9ad8\u4e86\u6613\u7528\u6027\uff0c\u5bf9\u65b0\u624b\u8f83\u4e3a\u53cb\u597d\u3002
\u8bba\u6587\u94fe\u63a5\uff1aLuebbert, L. & Pachter, L. (2022). Efficient querying of genomic reference databases with gget. bioRxiv 2022.05.17.492392; doi: https://doi.org/10.1101/2022.05.17.492392
"},{"location":"issue-44/#_5","title":"\u5de5\u5177","text":"9\u3001thematic| \u63d0\u4f9b\u66f4\u591aR\u8bed\u8a00\u4e3b\u9898
thematic\u5305\u7b80\u5316\u4e86 ggplot2\u3001lattice\u548c base\u7684 R \u56fe\u5f62\u7684\u4e3b\u9898\u8bbe\u7f6e\uff0c\u63d0\u4f9b\u4e86\u591a\u79cd\u4e3b\u9898\u3002
R\u5305\u94fe\u63a5\uff1ahttps://github.com/rstudio/thematic
10\u3001miloR|\u57fa\u4e8eKNN\u56fe\u5bf9\u5355\u7ec6\u80de\u6570\u636e\u96c6\u8fdb\u884c\u4e30\u5ea6\u5dee\u5f02\u5206\u6790
Milo\u662f\u4e00\u79cd\u57fa\u4e8eKNN\u56fe\u5bf9\u5355\u7ec6\u80de\u6570\u636e\u96c6\u8fdb\u884c\u4e30\u5ea6\u5dee\u5f02\u5206\u6790\u7684\u65b9\u6cd5\u3002
11\u3001gitdown|\u4fbf\u6377\u521b\u5efagitbook
gitdown\u5305\u53ef\u4ee5\u7528\u6765\u521b\u5efagitbook\u3002
12\u3001see\u5305|\u52a9\u529b\u6a21\u578b\u53c2\u6570\u7684\u53ef\u89c6\u5316
EasyStats\u662f\u4e00\u7cfb\u5217\u5305\u88c5\uff0c\u5728\u4f7f\u7528R\u7f16\u7a0b\u8bed\u8a00\u4e2d\u7684\u7edf\u8ba1\u6a21\u578b\uff08R Core Team\uff0c2021\uff09\u65f6\uff0c\u53ef\u5728\u534f\u540c\u4f5c\u7528\u4e0b\u8fd0\u884c\uff0c\u4ee5\u63d0\u4f9b\u4e00\u81f4\u548c\u76f4\u89c2\u7684\u8bed\u6cd5\u3002\u5927\u591a\u6570EasyStats\u8f6f\u4ef6\u5305\u8fd4\u56de\u6a21\u578b\u53c2\u6570\u548c\u6027\u80fd\u7684\u5168\u9762\u6570\u5b57\u6458\u8981\u3002See\u8f6f\u4ef6\u5305\u901a\u8fc7\u8bb8\u591a\u529f\u80fd\u548c\u5de5\u5177\u6765\u8865\u5145\u8fd9\u4e9b\u6570\u5b57\u6458\u8981\uff0c\u4ee5\u751f\u6210\u4e00\u7cfb\u5217\u53ef\u7528\u4e8e\u6a21\u578b\u53c2\u6570\uff0c\u9884\u6d4b\u548c\u6027\u80fd\u8bca\u65ad\u7684\u51fa\u7248\u7269\u7684\u53ef\u89c6\u5316\u3002\u4f5c\u4e3aEasyStats\u7684\u6838\u5fc3\u652f\u67f1\uff0cSee\u8f6f\u4ef6\u5305\u53ef\u5e2e\u52a9\u7528\u6237\u5229\u7528\u53ef\u89c6\u5316\uff0c\u4ee5\u63d0\u4f9b\u66f4\u591a\u4fe1\u606f\uff0c\u53ef\u4f20\u6559\u548c\u5168\u9762\u7684\u79d1\u5b66\u62a5\u544a\u3002
"},{"location":"issue-44/#_6","title":"\u8d44\u6e90","text":"13\u3001shinymanager|\u4e3a Shiny \u63d0\u4f9b\u4e86\u767b\u9646\u8ba4\u8bc1
shinymanager \u4e3a Shiny \u63d0\u4f9b\u4e86\u767b\u9646\u8ba4\u8bc1\u7684\u5b9e\u73b0\u3002
14\u3001DGE_workshop|\u5173\u4e8e\u5dee\u5f02\u57fa\u56e0\u7684Workshop\u8d44\u6e90
\u672c\u8d44\u6e90\u662f\u5173\u4e8e\u5dee\u5f02\u57fa\u56e0(DEG)\u5206\u6790\u7684\u5b66\u4e60\u8d44\u6599\uff0c\u4ece\u5206\u6790\u7406\u8bba\u3001\u6240\u7528R\u5305\u548c\u5b9e\u4f8b\u6570\u636e\u8fdb\u884c\u6559\u5b66\u5c55\u793a\u3002
\u94fe\u63a5\uff1ahttps://hbctraining.github.io/DGE_workshop_salmon/schedule/
15\u3001oncoEnrichR|\u5bf9\u764c\u75c7\u80cc\u666f\u4e0b\u7684\u4eba\u7c7b\u57fa\u56e0\u7ec4\u8fdb\u884c\u529f\u80fd\u67e5\u8be2
oncoEnrichR\u662f\u4e00\u4e2aR\u8f6f\u4ef6\u5305\uff0c\u7528\u4e8e\u5bf9\u764c\u75c7\u80cc\u666f\u4e0b\u7684\u4eba\u7c7b\u57fa\u56e0\u7ec4\u8fdb\u884c\u529f\u80fd\u67e5\u8be2\u3002\u5b83\u4e3b\u8981\u7528\u4e8e\u957f\u57fa\u56e0\u5217\u8868\u7684\u63a2\u7d22\u6027\u5206\u6790\u3001\u89e3\u91ca\u548c\u4f18\u5148\u6392\u5e8f\u3002
"},{"location":"issue-44/#_7","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang@kkjtmac@NiEntropy@He-Kai-fly@JnanZhang@Tomcxf@wangdepin\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-45/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 45 \u671f\uff09\uff1a\u8bfb\u535a\u8fd8\u662f\u62e9\u4e1a\uff1f","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002 \u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002 \u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d | \u300c\u751f\u4fe1\u8ba8\u8bba\u533a\uff08Gitter\uff09\u300d
"},{"location":"issue-45/#_1","title":"\u5c01\u9762\u56fe","text":""},{"location":"issue-45/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u8bfb\u535a\u8fd8\u662f\u62e9\u4e1a\uff1f","text":"\u672c\u5468\u8bdd\u9898\u6765\u81ea\u6e05\u534e\u6559\u6388\u5f20\u7115\u6668\uff08\u8ba1\u7b97\u673a\u4e13\u4e1a\uff09\uff0c\u4f60\u771f\u7684\u9002\u5408\u8bfb\u535a\u5417\uff1f 9\u6708\uff0c\u53c8\u5230\u4e86\u6821\u62db\u7684\u5b63\u8282\uff0c\u8eab\u8fb9\u7684\u540c\u5b66\u4eec\u4e5f\u90fd\u5f00\u59cb\u5173\u6ce8\u6821\u62db\u4fe1\u606f\uff0c\u6295\u7b80\u5386\u4e86\u3002\u662f\u5347\u5b66\uff1f\u8fd8\u662f\u5c31\u4e1a\uff1f
@NiEntropy - \u5347\u5b66\u8fd8\u662f\u5c31\u4e1a\uff1f\u6211\u7684\u8bdd\u4f18\u5148\u9009\u62e9\u5347\u5b66\uff0c\u8ba1\u5212\u7533\u8bf7\u751f\u7269\u4fe1\u606f\u5b66\u65b9\u5411\u7684\u535a\u58eb\uff08\u5e72\u6e7f\u7ed3\u5408/\u5e72\u5b9e\u9a8c\u5747\u53ef\uff09\u30022020\u7ea7\u751f\u7269\u4e0e\u533b\u836f\u4e13\u4e1a\uff08\u80bf\u7624\u836f\u7406\u65b9\u5411\uff09\uff0c\u8bfe\u9898\u4e5f\u90fd\u8fd8\u5728\u8fdb\u884c\u4e2d\u3002\u4e4b\u524d\u4e00\u76f4\u5728\u505a\u6a2a\u5411\uff0c\u4eca\u5e74\u4e0a\u534a\u5e74\u521a\u5f00\u59cb\u505a\u81ea\u5df1\u7684\u7eb5\u5411\u8bfe\u9898\uff08\u81ea\u5df1\u901a\u8fc7\u751f\u4fe1\u5206\u6790\u627e\u7684\u9776\u70b9\uff09\u3002\u76ee\u524d\u8fd8\u6ca1\u6709\u8054\u7cfb\u5230\u535a\u5bfc\uff0c\u6c42\u63a8\u8350\uff01
\u5982\u679c\u5347\u5b66\u5931\u8d25\uff0c\u5c31\u53bb\u5de5\u4f5c\uff0c\u6bd4\u8d77\u505a\u5b9e\u9a8c\uff0c\u6211\u66f4\u559c\u6b22\u6572\u4ee3\u7801\u3002\u76ee\u6807\uff1a\u751f\u4fe1\u5de5\u7a0b\u5e08
"},{"location":"issue-45/#_3","title":"\u751f\u4fe1\u7814\u7a76","text":"1\u3001Science | \u764c\u7ec6\u80de\u5728\u653e\u7597\u540e\u81ea\u6bc1DNA\u6c42\u751f
\u5728\u4e34\u5e8a\u4e2d\uff0c\u6709\u8bb8\u591a\u80bf\u7624\u5bf9\u653e\u7597\u4e0d\u654f\u611f\u3002\u56e0\u6b64\uff0c\u201c\u72e1\u733e\u7684\u201d\u80bf\u7624\u7ec6\u80de\u5fc5\u5b9a\u5728\u8fdb\u5165DNA\u5408\u6210\u671f\uff08S\uff09\u4e4b\u540e\uff0c\u8fdb\u5165\u5206\u88c2\u671f\uff08M\uff09\u4e4b\u524d\uff08\u5373G2\u671f\uff09\uff0c\u627e\u5230\u4e86\u6551\u547d\u7684\u529e\u6cd5\u3002\u4e39\u9ea6\u54e5\u672c\u54c8\u6839\u5927\u5b66Claus S. S\u00f8rensen\u6559\u6388\u56e2\u961f\u7814\u7a76\u53d1\u73b0\uff0c\u80bf\u7624\u7ec6\u80de\u5728DNA\u88ab\u653e\u5c04\u7ebf\u7834\u574f\u4e4b\u540e\uff0c\u4f1a\u62db\u52df\u4e00\u79cd\u6838\u9178\u9176\uff08CAD\uff09\u5230DNA\u635f\u4f24\u5904\uff0c\u4e3b\u52a8\u5207\u65ad\u81ea\u8eab\u7279\u5b9a\u4f4d\u70b9\u7684DNA\uff0c\u963b\u6b62\u590d\u5236\u5206\u88c2\u7684\u8fdb\u884c\uff0c\u4f7f\u5f97\u80bf\u7624\u7ec6\u80de\u505c\u6ede\u5728G2\u671f\uff08DNA\u5408\u6210\u540e\u671f\uff09\uff0c\u4e3a\u4fee\u590d\u653e\u7597\u5bfc\u81f4\u7684DNA\u635f\u4f24\u8d62\u5f97\u5b9d\u8d35\u65f6\u95f4\u3002
2\u3001STAR Protocols | \u7ed9\u521d\u5b66\u8005\u8fdb\u884c\u957f\u8bfb\u6d4b\u5e8f\u57fa\u56e0\u7ec4\u7ec4\u88c5\u3001\u5206\u6790\u7ed3\u6784\u53d8\u5f02\u7684\u5165\u95e8\u6307\u5357
\u672c\u6587\u8be6\u7ec6\u4ecb\u7ecd\u4e86\u521d\u5b66\u8005\u5982\u4f55\u5bf9\u957f\u8bfb\u6d4b\u5e8f\u6280\u672f\u4ea7\u751f\u7684\u7ed3\u679c\u8fdb\u884c\u57fa\u56e0\u7ec4\u7ec4\u7ec7\u3001\u7ed3\u6784\u53d8\u5f02\u5206\u6790\u548c\u57fa\u56e0\u6ce8\u91ca\u3002
3\u3001Science\uff5c\u6df1\u5ea6\u5b66\u4e60\u5bf9\u6297\u539f\u5e8f\u5217\u7684\u901a\u7528\u7f16\u7801\u6307\u5bfc\u514d\u75ab\u6cbb\u7597
\u8fd1\u65e5\uff0c\u5728Science\u9876\u520a\u4e0a\uff0cAchar\u7b49\u4eba\u901a\u8fc7\u673a\u5668\u4eba\u5e73\u53f0\u4e0e\u673a\u5668\u5b66\u4e60\u76f8\u7ed3\u5408\uff0c\u5bf9T\u7ec6\u80de\u6d3b\u5316\u8fdb\u884c\u5b9e\u9a8c\u6d4b\u91cf\u548c\u7406\u8bba\u5efa\u6a21\uff0c\u7814\u7a76\u5e7f\u6cdb\u7684\u529f\u80fd\u6027T\u7ec6\u80de\u5bf9\u4e0d\u540c\u6297\u539f\u523a\u6fc0\u53cd\u5e94\u7684\u6570\u636e\u6765\u89e3\u51b3\u8fd9\u4e2a\u95ee\u9898\u3002\u4f7f\u7528\u673a\u5668\u5b66\u4e60\uff0c\u4f5c\u8005\u6784\u5efa\u4e86\u4e00\u4e2a\u7b80\u5316\u7684\u5730\u56fe\uff0c\u53ef\u4ee5\u5c066\u79cd\u4e0d\u540c\u7684\u6297\u539f\u4f9d\u8d56\u6027\u514d\u75ab\u53cd\u5e94\u7684\u7c7b\u522b\u5206\u5f00\u3002\u4e86\u89e3\u8fd9\u79cd\u6297\u539f\u7f16\u7801\u53ef\u4ee5\u5e2e\u5fd9\u6307\u5bfc\u514d\u75ab\u6cbb\u7597\uff0c\u5305\u62ec\u5de5\u7a0b\u5316\u5d4c\u5408\u6297\u539f\u53d7\u4f53\uff08CAR)-T\u7ec6\u80de\u548c\u8bc6\u522b\u75ab\u82d7\u6297\u539f\u3002
4\u3001\u5408\u8457\u8005\u95f4\u9ad8\u6548\u4ea4\u6d41\u7684\u5341\u4e2a\u7b80\u5355\u89c4\u5219
\u968f\u774021\u4e16\u7eaa\u5168\u7403\u5316\u7684\u4e0d\u65ad\u62d3\u5c55\uff0c\u8de8\u533a\u57df\u7684\u5408\u4f5c\u4ea4\u6d41\u8d8a\u6765\u8d8a\u9891\u7e41\u3002\u73b0\u5982\u4eca\u5728\u79d1\u7814\u9886\u57df\uff0c\u4e00\u4e2a\u79d1\u7814\u9879\u76ee\u53ef\u80fd\u6d89\u53ca\u5230\u591a\u4e2a\u56fd\u5bb6\u3001\u5730\u533a\u7684\u79d1\u7814\u5de5\u4f5c\u8005\u7684\u534f\u4f5c\u3002\u5982\u4f55\u4f7f\u4ea4\u6d41\u66f4\u52a0\u987a\u7545\u6709\u6548\uff0c\u8fdb\u800c\u534f\u8c03\u5f7c\u6b64\u95f4\u7684\u5de5\u4f5c\u53d8\u6210\u4e3a\u6025\u9700\u89e3\u51b3\u7684\u95ee\u9898\u3002\u672c\u6587\u6839\u636e\u4e0a\u8ff0\u95ee\u9898\u63d0\u51fa\u4e86\u5341\u70b9\u5efa\u8bae\uff0c\u4ee5\u4f9b\u53c2\u8003\u3002
5\u3001\u4eba\u4eba\u90fd\u80fd\u770b\u61c2\u7684EM\u7b97\u6cd5\u63a8\u5bfc
EM\u7b97\u6cd5\u662f\u673a\u5668\u5b66\u4e60/\u4f18\u5316\u7684\u6838\u5fc3\u7b97\u6cd5\u4e4b\u4e00\uff0c\u672c\u6587\u7cfb\u7edf\u5730\u4ecb\u7ecd\u4e86\u5176\u7531\u6765\u3001\u539f\u7406\uff0c\u5e76\u901a\u8fc7\u6848\u4f8b\u8fdb\u884c\u89e3\u8bfb\u3002
6\u3001\u5982\u4f55\u68c0\u6d4b\u548c\u9884\u9632\u8fc7\u62df\u5408\uff08\u82f1\u6587\uff09
\u672c\u6587\u4ecb\u7ecd\u8fc7\u62df\u5408\u7684\u6982\u5ff5\uff0c\u5982\u4f55\u8fdb\u884c\u5224\u65ad\u4ee5\u53ca\u9884\u9632\u8fc7\u62df\u5408\u7684\u4e00\u4e9b\u7b56\u7565\u3002
\u8fc7\u62df\u5408\u662f\u6307\u6a21\u578b\u4e0e\u8bad\u7ec3\u6570\u636e\u96c6\u5b8c\u7f8e\u62df\u5408\u65f6\u7684\u6982\u5ff5\u3002\u867d\u7136\u8fd9\u542c\u8d77\u6765\u5f88\u5408\u9002\uff0c\u4f46\u4e8b\u5b9e\u6070\u6070\u76f8\u53cd\u3002\u5728\u8fc7\u62df\u5408\u4e2d\uff0c\u6a21\u578b\u5bf9\u4e0d\u53ef\u89c1\u6570\u636e\u7684\u8868\u73b0\u8981\u5dee\u5f97\u591a\u3002\u5f53\u4e00\u4e2a\u6a21\u578b\u5b8c\u7f8e\u5730\u9002\u5408\u8bad\u7ec3\u6570\u636e\u96c6\uff0c\u4f46\u5728\u65b0\u7684\u6d4b\u8bd5\u6570\u636e\u96c6\u4e0a\u8868\u73b0\u4e0d\u4f73\u65f6\uff0c\u5b83\u53ef\u4ee5\u88ab\u8ba4\u4e3a\u662f\u201c\u8fc7\u62df\u5408\u201d\u3002\u53e6\u4e00\u65b9\u9762\uff0c\u5f53\u4e00\u4e2a\u6a21\u578b\u88ab\u8bad\u7ec3\u7684\u65f6\u95f4\u4e0d\u8db3\u4ee5\u786e\u5b9a\u8bad\u7ec3\u6570\u636e\u4e2d\u6709\u610f\u4e49\u7684\u6a21\u5f0f\u65f6\uff0c\u5c31\u4f1a\u53d1\u751f\u6b20\u62df\u5408\u3002\u8fc7\u62df\u5408\u548c\u6b20\u62df\u5408\u90fd\u4e0d\u80fd\u5e94\u7528\u4e8e\u5927\u91cf\u65b0\u9c9c\u548c\u672a\u89c1\u7684\u6570\u636e\u96c6\u3002
7\u3001\u4eba\u7269 | \u5f90\u9e70\uff1aAI\u751f\u547d\u79d1\u5b66\u768430\u5e74\u5feb\u610f\u4eba\u751f
\uff08\u5f90\u9e70\u4e0e\u7236\u4eb2\u5408\u7167\uff09
\u975e\u5e38\u6709\u610f\u601d\u7684\u4e00\u7bc7\u6587\u7ae0\uff0c\u8bfb\u4e00\u8bfb\u53ef\u4ee5\u4e86\u89e3\u751f\u7269\u4fe1\u606f\u5b66\u5f88\u591a\u4e8b\u60c5\u7684\u6765\u9f99\u53bb\u8109\uff0c\u611f\u53d7\u4e0d\u540c\u4eba\u5bf9\u4e8e\u4eba\u751f\u4e0e\u6210\u5c31\u7684\u7406\u89e3\u548c\u5b9e\u8df5\u3002
"},{"location":"issue-45/#_5","title":"\u5de5\u5177","text":"8\u3001Rldeogram | \u7ed8\u5236\u5168\u57fa\u56e0\u7ec4\u6570\u636e\u56fe\u8c31
RIdeogram \u5305\u7528\u4e8e\u7ed8\u5236 SVG\uff08\u53ef\u7f29\u653e\u77e2\u91cf\u56fe\u5f62\uff09\u56fe\u5f62\uff0c\u4ee5\u53ef\u89c6\u5316\u548c\u6620\u5c04\u67d3\u8272\u4f53\u5e26\u4e0a\u7684\u5168\u57fa\u56e0\u7ec4\u6570\u636e\u3002
9\u3001R\u5305 | plotbb\u56fe\u5f62\u8bed\u6cd5\u4ecb\u7ecd
\u672c\u6587\u4ecb\u7ecd\u4e86plotbb\u7684\u57fa\u672c\u8bed\u6cd5\uff0c\u4f8b\u5982\u7f8e\u5b66\u6620\u5c04\u3001\u51e0\u4f55\u5e03\u5c40\u7b49\u3002
10\u3001forestploter | \u8f7b\u677e\u7ed8\u5236\u53d1\u8868\u7ea7\u522b\u7684\u68ee\u6797\u56fe
forestploter\u7684\u76ee\u6807\u662f\u66f4\u52a0\u8f7b\u677e\u4fbf\u6377\u7684\u5236\u4f5c\u51fa\u53d1\u8868\u7ea7\u522b\u68ee\u6797\u56fe\u3002\u4e0e\u5236\u4f5c\u68ee\u6797\u56fe\u7684R\u5305\u76f8\u6bd4\uff0c\u5176\u63d0\u4f9b\u4e86\u4e00\u4e9b\u989d\u5916\u7684\u663e\u793a\u3002\u8be5\u6570\u636e\u96c6\u5c06\u7528\u4f5c\u68ee\u6797\u56fe\u7684\u57fa\u672c\u5e03\u5c40\uff0c\u5217\u8868\u7ed8\u5236\u7f6e\u4fe1\u533a\u95f4\u7684\u5bbd\u5ea6\u53ef\u4ee5\u7528\u5217\u7684\u5b57\u7b26\u4e32\u957f\u5ea6\u6765\u63a7\u5236\u3002\u53ef\u4ee5\u4f7f\u7528\u7a7a\u95f4\u6765\u63a7\u5236\u8fd9\u4e00\u70b9\u3002\u56fe\u4e2d\u7684\u5143\u7d20\u653e\u5728\u884c\u548c\u5217\u4e2d\uff0c\u5c06\u56fe\u5f62\u89c6\u4e3a\u8868\u3002
11\u3001R\u5305\uff5ccosmosR
cosmosR\u5305\u542b\u86cb\u767d\u8d28\u7ec4\u5b66\u3001\u8f6c\u5f55\u7ec4\u5b66\u548c\u4ee3\u8c22\u7ec4\u5b66\u6570\u636e\u96c6\u7b49\u591a\u7ec4\u5b66\u96c6\u6210\u5206\u6790\u65b9\u6cd5\u3002cosmosR\u57fa\u4e8e\u4fe1\u53f7\u901a\u8def\u3001\u4ee3\u8c22\u7f51\u7edc\u548c\u57fa\u56e0\u8c03\u63a7\u7684\u5e7f\u6cdb\u5148\u9a8c\u77e5\u8bc6\uff0c\u5229\u7528\u8ba1\u7b97\u65b9\u6cd5\u4f30\u8ba1\u8f6c\u5f55\u56e0\u5b50\u548c\u6fc0\u9176\u7684\u6d3b\u6027\uff0c\u4ee5\u53ca\u7f51\u7edc\u6c34\u5e73\u7684\u56e0\u679c\u63a8\u7406\u3002\u53ef\u4ee5\u4e3a\u8de8\u591a\u4e2a\u7ec4\u5b66\u6570\u636e\u96c6\u7684\u5b9e\u9a8c\u89c2\u6d4b\u63d0\u4f9b\u673a\u5236\u89e3\u91ca\u3002
12\u3001BeeWare
BeeWare \u5305\u542b\u4e00\u5957\u5de5\u5177\u548c\u5e93\uff0c\u5b83\u4eec\u5f7c\u6b64\u95f4\u534f\u540c\u5de5\u4f5c\uff0c\u4ee5\u5e2e\u52a9\u4f7f\u7528\u8005\u7f16\u5199\u8de8\u5e73\u53f0\u7684\u672c\u673a GUI Python \u5e94\u7528\u7a0b\u5e8f\u3002
13\u3001ProjecTILs | \u5355\u7ec6\u80de\u6295\u5f71
ProjecTILs\u662f\u4e00\u79cd\u5c06scRNA-seq\u6570\u636e\u6295\u5f71\u5230\u53c2\u8003\u5355\u7ec6\u80de\u56fe\u8c31\u4e2d\u7684\u8ba1\u7b97\u65b9\u6cd5\uff0c\u5e76\u4f7f\u5176\u80fd\u591f\u5728\u7a33\u5b9a\u7684\u6ce8\u91ca\u5750\u6807\u7cfb\u4e2d\u76f4\u63a5\u6bd4\u8f83\u3002 \u4e0e\u5176\u4ed6\u65b9\u6cd5\u76f8\u6bd4\uff0cProjecTILs\u4e0d\u4ec5\u53ef\u4ee5\u5728\u4e0d\u6539\u53d8\u6570\u636e\u7ed3\u6784\u7684\u60c5\u51b5\u4e0b\u51c6\u786e\u5730\u5c06\u65b0\u7684scRNA-seq\u6570\u636e\u5d4c\u5165\u5230\u53c2\u8003\u6587\u732e\u4e2d\uff0c\u8fd8\u53ef\u4ee5\u53d1\u73b0\u4ee5\u524d\u672a\u77e5\u7684\u7ec6\u80de\u72b6\u6001\uff0c\u8fd9\u4e9b\u7ec6\u80de\u72b6\u6001\u201c\u504f\u79bb\u201d\u4e86\u53c2\u8003\u3002\u540c\u65f6\u5b83\u4e5f\u80fd\u51c6\u786e\u5730\u9884\u6d4b\u7ec6\u80de\u6270\u52a8\u7684\u5f71\u54cd\uff0c\u5e76\u8bc6\u522b\u5728\u4e0d\u540c\u6761\u4ef6\u548c\u7ec4\u7ec7\u4e0b\u6539\u53d8\u7684\u57fa\u56e0\u7a0b\u5e8f\u3002
14\u3001Scissor | \u6574\u5408bulk+\u5355\u7ec6\u80deRNA\u6d4b\u5e8f\u9274\u5b9a\u8868\u578b\u76f8\u5173\u7ec6\u80de\u4e9a\u7fa4\u7684R\u5305
\u53bb\u5e74\u53d1\u8868\u5728Nature Biotechnology\u4e0a\u7684Scissor\u7b97\u6cd5\uff0c\u53ef\u5229\u7528\u5927\u91cf\u5355\u7ec6\u80de\u6570\u636e\u548c\u8868\u578b\u4fe1\u606f\u8bc6\u522b\u4e0e\u75be\u75c5\u9ad8\u5ea6\u76f8\u5173\u7684\u7ec6\u80de\u4e9a\u7fa4\uff0c\u4ece\u4e00\u4e2a\u65b0\u7684\u89d2\u5ea6\u6765\u63a2\u7d22\u548c\u89e3\u91ca\u4e86\u5355\u7ec6\u80de\u6570\u636e\u3002\u5c0f\u4f19\u4f34\u4eec\u6709\u8bd5\u8fc7\u8be5\u5de5\u5177\u6700\u7ec8\u6548\u679c\u5982\u4f55\uff1f
15\u3001study-is-wonderful
\u6536\u96c6\u4e86\u4e00\u4e9b\u6bd4\u8f83\u597d\u7684\u8bfe\u7a0b\u8d44\u6e90\uff0c\u4e3b\u8981\u9762\u5411\u6c49\u8bed\u4eba\u7fa4\u3002
16\u3001\u4e00\u4e2a\u72ec\u7279\u7684\u7b80\u5386\u751f\u6210\u5668
\u8be5\u5de5\u5177\u53ef\u901a\u8fc7\u5404\u79cd\u914d\u7f6e\uff0c\u8ba9\u521b\u5efa\u3001\u66f4\u65b0\u3001\u5171\u4eab\u7b80\u5386\u7684\u8fc7\u7a0b\u53d8\u5f97\u66f4\u52a0\u7b80\u5355\u4fbf\u6377\uff0c\u5e76\u4e14\u514d\u8d39\u5f00\u6e90\uff0c\u652f\u6301\u4e2d\u6587\uff01\u4f60\u53ef\u4ee5\u4e00\u6b21\u6027\u521b\u4f5c\u591a\u4efd\u7b80\u5386\uff0c\u5e76\u4e3a\u6bcf\u4e2a\u7b80\u5386\u751f\u6210\u7279\u5b9a\u94fe\u63a5\uff0c\u5bfc\u51fa\u751f\u6210 PDF \u6587\u4ef6\uff0c\u968f\u65f6\u968f\u5730\u8fdb\u884c\u5206\u4eab\u3002\u53e6\u5916\uff0c\u5b83\u8fd8\u652f\u6301\u5bf9\u7b80\u5386\u5916\u89c2\u8fdb\u884c\u7075\u6d3b\u5b9a\u5236\uff0c\u989c\u8272\u3001\u4e3b\u9898\u3001\u5e03\u5c40\u4efb\u610f\u53d8\u52a8\u3002\u6697\u9ed1\u6a21\u5f0f\u4e0e\u660e\u4eae\u6a21\u5f0f\uff0c\u5feb\u901f\u5207\u6362\u3002\u6240\u6709\u7684\u5185\u5bb9\u4e0e\u5916\u89c2\u53d8\u52a8\uff0c\u5747\u6240\u89c1\u5373\u6240\u5f97\uff0c\u65e0\u9700\u7b49\u5f85\u4e0e\u52a0\u8f7d\u66f4\u65b0\uff0c\u6574\u4e2a\u8fc7\u7a0b\u6781\u4e3a\u6d41\u7545\u3002
\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002 \u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002 \uff08\u5b8c\uff09
"},{"location":"issue-46/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 46 \u671f\uff09\uff1a\u4f60\u7684\u82f9\u679cM\u7cfb\u5217\u82af\u7247\u7535\u8111\u8dd1\u751f\u4fe1\u987a\u5229\u4e48\uff1f","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d | \u300c\u751f\u4fe1\u8ba8\u8bba\u533a\uff08Gitter\uff09\u300d
"},{"location":"issue-46/#_1","title":"\u5c01\u9762\u56fe","text":""},{"location":"issue-46/#m","title":"\u672c\u5468\u8bdd\u9898\uff1a\u4f60\u7684\u82f9\u679cM\u7cfb\u5217\u82af\u7247\u7535\u8111\u8dd1\u751f\u4fe1\u987a\u5229\u4e48?","text":"ARM\u5e73\u53f0\u7684\u82f9\u679cM\u7cfb\u5217\u82af\u7247\u81ea\u53d1\u5e03\u4ee5\u6765\u5df2\u7ecf\u67092\u5e74\u4e86\uff0c\u66f4\u5f3a\u52b2\u7684M2\u7cfb\u5217\u82af\u7247\u4e5f\u53ef\u80fd\u572810\u6708\u4efd\u53d1\u5e03\u3002\u76ee\u524d\u751f\u4fe1\u8f6f\u4ef6\u5728M\u7cfb\u5217\u82af\u7247\u4e0a\u7684\u517c\u5bb9\u6027\u4e5f\u65e5\u8d8b\u5b8c\u5584\uff0c\u60f3\u5fc5\u6709\u4e0d\u5c11\u5c0f\u4f19\u4f34\u5df2\u7ecf\u5165\u624b\u5c1d\u8bd5\u4e86\uff0c\u90a3\u4e48\u6765\u5206\u4eab\u4e00\u4e0b\u4f60\u5728\u4f7f\u7528\u82f9\u679cM\u7cfb\u5217\u82af\u7247\u7535\u8111\u8dd1\u751f\u4fe1\u7684\u611f\u60f3\u5427\uff01
kkjtmac - \u6700\u8fd1\u5165\u624b\u4e86M1\u7248\u672c\u7684Mac mini\uff0c\u5c1d\u8bd5\u4e86R\u8bed\u8a00\u4e0b\u7684\u5e38\u89c4\u8f6c\u5f55\u7ec4\u4e0b\u6e38\u5206\u6790\uff0c\u548cIntel\u7248\u672c\u4e0b\u7684\u6ca1\u6709\u5dee\u5f02\uff0c\u800c\u4e14\u57fa\u672c\u6ca1\u542c\u5230\u98ce\u6247\u8f6c\u52a8\u3002
1\u3001ActiveSVM \uff5c \u63d0\u53d6scRNA-seq\u4e2d\u7684\u6700\u5c0f\u57fa\u56e0\u96c6
\u4f5c\u8005\u5f00\u53d1\u4e86\u4e00\u79cd\u7279\u5f81\u9009\u62e9\u65b9\u6cd5ActiveSVM\uff0c\u901a\u8fc7\u5e26\u6709\u652f\u6301\u5411\u91cf\u673a\u5206\u7c7b\u5668\u7684\u4e3b\u52a8\u5b66\u4e60\u7b56\u7565\u6765\u5904\u7406\u987a\u5e8f\u7279\u5f81\u9009\u62e9\u3002\u4ece\u5927\u578b\u5355\u7ec6\u80de mRNA-seq \u6570\u636e\u96c6\u4e2d\u63d0\u53d6\u9ad8\u4fe1\u606f\u91cf\u7684\u57fa\u56e0\uff0c\u6784\u5efa\u7528\u4e8e\u7ec6\u80de\u5206\u7c7b\u7684\u6700\u5c0f\u57fa\u56e0\u96c6\u3002\u8be5\u65b9\u6cd5\u53ef\u4ee5\u964d\u4f4e\u8ba1\u7b97\u548c\u6d4b\u5e8f\u6210\u672c\uff0c\u4e3a\u4e3b\u52a8\u91c7\u6837\u7b56\u7565\u63d0\u4f9b\u4f9d\u636e\u3002
2\u3001Cancer Cell \u4e13\u5bb6\u8bba\u575b | \u80bf\u7624\u7a7a\u95f4\u8f6c\u5f55\u7ec4\u5b66
\u7a7a\u95f4\u8f6c\u5f55\u7ec4\u5b66\u548c\u5176\u4ed6\u7a7a\u95f4\u6280\u672f\u4f7f\u79d1\u5b66\u5bb6\u80fd\u591f\u89e3\u5256\u80bf\u7624\u5fae\u73af\u5883\u4e2d\u4e0d\u540c\u7ec6\u80de\u7c7b\u578b\u7684\u7ec4\u7ec7\u548c\u76f8\u4e92\u4f5c\u7528\u3002\u672c\u6587\u8bf7\u4e13\u5bb6\u8ba8\u8bba\u4e86\u8be5\u6280\u672f\u7684\u4e00\u4e9b\u65b9\u9762\uff0c\u4ece\u63ed\u793a\u80bf\u7624\u5fae\u73af\u5883\u548c\u5f02\u8d28\u6027\uff0c\u5230\u8ddf\u8e2a\u80bf\u7624\u8fdb\u5316\uff0c\u5230\u6307\u5bfc\u80bf\u7624\u6cbb\u7597\uff0c\u5230\u76ee\u524d\u7684\u6280\u672f\u6311\u6218\u3002
3\u3001Cell | \u201c\u5343\u4eba\u57fa\u56e0\u7ec4\u8ba1\u5212\u201d\u8d44\u6e90\u6269\u5c55\u2014\u2014\u9ad8\u8986\u76d6\u5168\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u548c\u6539\u8fdb\u7684\u5206\u6790\u65b9\u6cd5\u53d1\u73b0\u66f4\u591a\u57fa\u56e0\u53d8\u5f02
\u8fd1\u65e5\uff0c\u6765\u81ea\u7ebd\u7ea6\u57fa\u56e0\u7ec4\u4e2d\u5fc3\u7684\u7814\u7a76\u4eba\u5458\u4e0e\u9ebb\u7701\u603b\u533b\u9662\u3001\u8036\u9c81\u5927\u5b66\u548c\u4eba\u7c7b\u57fa\u56e0\u7ec4\u7ed3\u6784\u53d8\u5f02\u8054\u76df\uff08HGSVC\uff09\u7684\u5408\u4f5c\u7814\u7a76\u5728Cell\u4e0a\u53d1\u8868\uff0c\u5176\u6269\u5c55\u4e861kGP\u8d44\u6e90\uff0c\u5206\u4eab\u4e86\u4e00\u4e2a\u5305\u542b3202\u4e2a\u6837\u672c\u9ad8\u8986\u76d6\u7387WGS\u8d44\u6e90\uff0c\u5305\u62ec602\u4e2a\u5b8c\u6574\u7684\u4eb2\u5b50\u4e09\u4eba\u7ec4\u3002\u7814\u7a76\u56e2\u961f\u901a\u8fc7\u673a\u5668\u5b66\u4e60\u6a21\u578b\u96c6\u6210\u4e86\u591a\u79cd\u5206\u6790\u65b9\u6cd5\uff0c\u8fdb\u884c\u4e86SNV\u548cINDEL\u7684\u9274\u5b9a\uff0c\u5e76\u751f\u6210\u4e86\u4e00\u7ec4\u5168\u9762\u7684SV\u6570\u636e\u96c6\u3002\u7814\u7a76\u56e2\u961f\u8fd8\u4e0e\u524d\u671f\u6570\u636e\u96c6\u8fdb\u884c\u4e86\u6bd4\u8f83\uff0c\u5f3a\u8c03\u4e86\u6b64\u6b21\u53d8\u4f53\u9274\u5b9a\u65b9\u6cd5\u7684\u9ad8\u7075\u654f\u5ea6\u548c\u9ad8\u7cbe\u5ea6\uff0c\u7279\u522b\u662f\u5bf9\u7f55\u89c1SNV\u3001INDEL\u548c\u4e0d\u540c\u9891\u7387SV\u7684\u68c0\u6d4b\uff0c\u8fd9\u4e9b\u90fd\u662f\u4ee5\u524d\u4f4e\u8986\u76d6\u7387\u6d4b\u5e8f\u65e0\u6cd5\u5b9e\u73b0\u7684\u3002
4\u3001\u56db\u5341\u5e74\u7f16\u7a0b\u611f\u60f3
\u672c\u6587\u4f5c\u80058\u5c81\u5b66\u4e60\u7f16\u7a0b\uff0c\u4eca\u5e7446\u5c81\uff0c\u5199\u4e86\u4e00\u5927\u5806\u81ea\u5df1\u7684\u611f\u60f3\uff0c\u5176\u6838\u5fc3\u8981\u70b9\u5982\u4e0b\uff1a
5\u3001\u751f\u7269\u5e8f\u5217\u6bd4\u5bf9\u7684\u51e0\u79cd\u5e94\u7528\u573a\u666f
\u8be5\u63a8\u6587\u5217\u4e3e\u4e86\u751f\u7269\u5e8f\u5217\u6bd4\u8f83\u7684\u4e3b\u8981\u5e94\u7528\u573a\u666f\uff1a - \u7269\u79cd/\u57fa\u56e0\u7684\u8fdb\u5316 - \u57fa\u56e0\u7ec4\u5b66 - \u4e0d\u540c\u529f\u80fd\u7684\u8fdb\u5316\u7279\u5f81 - \u5f15\u7269\u8bbe\u8ba1 - \u53c2\u8003\u57fa\u56e0\u7ec4\u6bd4\u5bf9
6\u3001\u718a\u8bf4\u80bf\u7624\uff5c\u8de8\u8d8a70\u5e74\u7684\u764c\u75c7\u9776\u5411\u6cbb\u7597\u91cc\u7a0b\u7891
\u672c\u6587\u6839\u636e\u65f6\u95f4\u987a\u5e8f\u6574\u7406\u5f52\u7eb3\u4e86\u764c\u75c7\u9776\u5411\u6cbb\u7597\u53ca\u5176\u76f8\u5173\u7814\u7a76\u9886\u57df\u4e2d\u7684\u91cc\u7a0b\u7891\u4e8b\u4ef6\u3002
7\u3001\u8bba\u6587\u6295\u7a3f\u524d\u5fc5\u987b\u68c0\u67e5\u768425\u4e2a\u7ec6\u8282
\u672c\u6587\u7b80\u8ff0\u4e86\u5728\u8bba\u6587\u6295\u7a3f\u524d\u9700\u8981\u68c0\u67e5\u768425\u4e2a\u7ec6\u8282\uff0c\u4e3a\u6587\u7ae0\u7684\u987a\u5229\u63a5\u53d7\u63d0\u4f9b\u6709\u529b\u7684\u6295\u7a3f\u51c6\u5907\uff01
"},{"location":"issue-46/#_4","title":"\u5de5\u5177","text":"8\u3001ggmsa | \u591a\u5e8f\u5217\u6bd4\u5bf9\u548c\u76f8\u5173\u6570\u636e\u7684\u53ef\u89c6\u5316\u63a2\u7d22\u5de5\u5177
ggmsa\u662fY\u53d4\u56e2\u961f\u5f00\u53d1\u7684\u8fdb\u884c\u591a\u5e8f\u5217\u6bd4\u8f83\u7ed3\u679c\u53ef\u89c6\u5316\u7684R\u5305\uff0c\u76f8\u5173\u6210\u679c\u4e5f\u53d1\u8868\u5728Briefings in bioinformatics\u4e0a\u3002
9\u3001ggpie | \u7ed8\u5236\u997c\u56fe\u7684R\u5305
ggpie\u5229\u7528ggplot2\u5b9e\u73b0\u4e86\u997c\u56fe(2D\u548c3D)\u3001\u751c\u751c\u5708\u997c\u56fe\u548c\u73ab\u7470\u997c\u56fe\u7684\u7ed8\u5236\u3002
10\u3001grafify\u5305 | \u4e00\u952e\u641e\u5b9a\u7edf\u8ba1\u7ed8\u56fe
R-grafify\u5305\uff0c\u5176\u5305\u542b\u4e865\u5927\u7c7b\u517119\u79cd\u53ef\u89c6\u5316\u56fe\u8868\uff0c\u5e2e\u52a9\u5927\u5bb6\u66f4\u4fbf\u6377\u7684\u7ed8\u5236\u7b26\u5408\u51fa\u7248\u8981\u6c42\u7684\u53ef\u89c6\u5316\u56fe\u8868\u30025\u4e2a\u7c7b\u522b\u5206\u522b\u4e3a\uff1aTwo variables\u3001Three or four variables\u3001Numeric X-Y Plots\u3001Before-after Plots\u3001Data distributions\u3002
11\u3001R Debugger | \u5728VScode\u8c03\u8bd5R\u7684\u63d2\u4ef6
\u8be5\u63d2\u4ef6\u5c06 R \u8bed\u8a00\u7684\u8c03\u8bd5\u529f\u80fd\u6dfb\u52a0\u5230 Visual Studio Code\uff0c\u4f9d\u8d56\u4e8eR \u5305 vscDebugger \u3002
12\u3001DIY.transcriptomics \u6570\u636e\u5206\u6790\u8bfe\u7a0b
\u5bbe\u5915\u6cd5\u5c3c\u4e9a\u5927\u5b66\u7684\u4e00\u95e8\u751f\u7269\u4fe1\u606f\u5b66\u81ea\u5b66\u8bfe\u7a0b\uff0c\u6d89\u53ca rna-seq \u5206\u6790\u548c\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u5206\u6790\u3002\u7f51\u7ad9\u5305\u62ec\u8bfe\u7a0b slides\u3001video\u3001\u4ee5\u53ca\u5176\u4ed6\u4e00\u4e9b\u514d\u8d39\u8d44\u6e90\u3002
13\u3001design-resources-for-developers | \u5f00\u53d1\u8005\u7684\u8bbe\u8ba1\u8d44\u6e90\u96c6\u5408
\u8be5\u96c6\u5408\u6574\u5408\u4e86\u8bbe\u8ba1\u5404\u65b9\u9762\u7684\u8d44\u6e90\uff0c\u9879\u76ee\u5305\u542b\u4e86\u56fe\u7247\u3001\u7f51\u7ad9\u6a21\u7248\u3001CSS \u6846\u67b6\u3001UI \u7b49\u8d44\u6e90\u3002
14\u3001\u5355\u7ec6\u80deATAC-seq\u7cfb\u5217\u5b66\u4e60\u7b14\u8bb0\u6c47\u603b
\u8be5\u7b14\u8bb0\u8be6\u7ec6\u7684scATAC-seq\u5b66\u4e60\u7b14\u8bb0\u6c47\u603b\uff0c\u4ece\u539f\u59cb\u6570\u636e\u4e0a\u6e38\u5904\u7406\uff0c\u6570\u636e\u6574\u5408\uff0c\u7ec6\u80de\u5206\u7fa4\uff0cmotif\u5bcc\u96c6\u5206\u6790\uff0c\u8f68\u8ff9\u5206\u6790\u7b49\u3002
"},{"location":"issue-46/#_6","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang@kkjtmac@NiEntropy@He-Kai-fly@JnanZhang@Tomcxf@wangdepin\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-47/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 47 \u671f\uff09\uff1aRStudio \u6539\u540d Posit","text":"\u795d\u5404\u4f4d\u8bfb\u8005\u56fd\u5e86\u5047\u671f\u5feb\u4e50\uff0c\u6211\u4eec\u4e0b\u671f\u5c06\u5ef6\u671f\u4e00\u5468\u51c6\u5907\u548c\u53d1\u5e03\u3002
\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d | \u300c\u751f\u4fe1\u8ba8\u8bba\u533a\uff08Gitter\uff09\u300d
"},{"location":"issue-47/#_1","title":"\u5c01\u9762\u56fe","text":"\u4e16\u754c\u4e0a\u6700\u5927\u7684\u6d1e\u7a74-\u9053\u6069\u6d1e\uff08via\uff09\u3002
"},{"location":"issue-47/#rstudio-posit","title":"\u672c\u5468\u8bdd\u9898\uff1aRStudio \u6539\u540d Posit","text":"2022\u5e74\u7684RStudio\u5927\u4f1a\u4e0aRStudio\u5ba3\u5e03\u6539\u540d\u4e3aPosit\uff08https://posit.co/\uff09\uff0c\u4ee5\u62d3\u5bbd\u5176\u5728\u6570\u636e\u79d1\u5b66\u9886\u57df\u7684\u63a2\u7d22\u4e0e\u5e94\u7528\uff0c\u5176\u6838\u5fc3\u4ea7\u54c1RStudio\u7f16\u8f91\u5668\u5c06\u7ef4\u6301\u539f\u540d\u3002
\u63a8\u7279\u7528\u6237@Sharon Machlis\u5199\u9053\uff1aRStudio changes its name to Posit as it expands focus to Python and VS Code - but officials say they\u2019re not forsaking R.
@ShixiangWang - \u4e4b\u524d\u4e07\u4e07\u6ca1\u60f3\u5230\u6539\u540d\uff0c\u4f46RStudio\u516c\u53f8\u7684\u6539\u540d\u5bf9\u6211\u4eec\u4f7f\u7528RStudio\u8f6f\u4ef6\u7684\u4eba\u6765\u8bf4\u6ca1\u4ec0\u4e48\u5f71\u54cd\u3002\u4ece\u6539\u540d\u6211\u4eec\u4e5f\u4e0d\u96be\u63a8\u6d4b\u51fa\u8be5\u516c\u53f8\u5728\u8d70\u4e0a\u5761\u8def\uff0c\u60f3\u8981\u5728\u6570\u636e\u79d1\u5b66\u9886\u57df\u8fdb\u884c\u62d3\u5c55\u3001\u5360\u636e\u66f4\u91cd\u8981\u7684\u4f4d\u7f6e\u3002\u672c\u671f\u63a8\u8350\u7684\u4ea7\u54c1quarto\u5176\u5b9e\u5c31\u627f\u8f7d\u7740\u8fd9\u6837\u7684\u5fd7\u5411\uff0c\u628aRMarkdown\u7684\u6210\u529f\u63a8\u5411\u591a\u79cd\u7f16\u7a0b\u8bed\u8a00\u3002\u5e0c\u671bPosit\u516c\u53f8\u672a\u6765\u7684\u8fdb\u6b65\u4e3aR\u793e\u533a\u5e26\u6765\u66f4\u591a\u7684\u8fdb\u5c55\uff0c\u5305\u62ec\u8f6f\u4ef6\u751f\u6001\u3001\u7f16\u7a0b\u8303\u5f0f\u3001\u8ba1\u7b97\u6027\u80fd\u3002
1\u3001Science | \u4eba\u7c7b\u7ec6\u80de\u56fe\u8c31
5\u6708\u4efdScience\u6742\u5fd7\u5c01\u9762\u5c55\u793a\u4e86\u4eba\u7c7b\u7ec6\u80de\u56fe\u8c31\u5408\u4f5c\u7ec4\uff08Human Cell Atlas Consortium\uff09\u7684\u56db\u7bc7\u4eba\u7c7b\u591a\u7ec4\u7ec7\u5355\u7ec6\u80de\u56fe\u8c31\u7684\u7814\u7a76\uff0c\u540c\u65f6\u9080\u8bf7\u5317\u4eac\u5927\u5b66\u5f20\u6cfd\u6c11\u6559\u6388\u8fdb\u884c\u8bc4\u8ff0\u5e76\u53d1\u8868\u4e86\u4e13\u95e8\u7684\u89c2\u70b9\u6587\u7ae0\uff1aMapping cell types across human tissues\u3002\u53d1\u8868\u7684\u8fd9\u56db\u7bc7\u8bba\u6587\u63d0\u4f9b\u8fc4\u4eca\u4e3a\u6b62\u6700\u5168\u9762\u3001\u6700\u591a\u7ec4\u7ec7\u7684\u7ec6\u80de\u56fe\u8c31\uff0c\u6a2a\u8de8\u4e86\u4eba\u7c7b33\u4e2a\u5668\u5b98\u5171\u8ba1\u8d85\u767e\u4e07\u4e2a\u5355\u7ec6\u80de\u6570\u636e\u3002
2\u3001iScience | \u9996\u4e2a\u7ec6\u80de\u7ea7\u7ec4\u88c5\u7684\u4eba\u4f53\u96c6\u6210\u7ec6\u80de\u56fe\u8c31hECA
\u5f20\u5b66\u5de5\u7814\u7a76\u56e2\u961f\u5f00\u53d1\u4e86\u4e00\u4e2a\u7edf\u4e00\u7684\u4fe1\u606f\u5b66\u6846\u67b6\uff0c\u7528\u4e8e\u7ec6\u80de\u4e2d\u5fc3\u6570\u636e\u65e0\u7f1d\u7ec4\u88c5\uff0c\u5e76\u4ece\u5206\u6563\u7684\u6570\u636e\u4e2d\u6784\u5efa\u4e86\u4eba\u7c7b\u96c6\u6210\u7ec6\u80de\u56fe\u8c31\uff08hECA\uff09\u3002\u636e\u6089\uff0c\u8fd9\u662f\u9996\u4e2a\u7ec6\u80de\u7ea7\u7ec4\u88c5\u7684\u4eba\u4f53\u96c6\u6210\u7ec6\u80de\u56fe\u8c31\uff0c\u6c47\u96c6\u4e86\u6765\u81ea116\u4e2a\u5df2\u53d1\u8868\u6570\u636e\u96c6\u76841,093,299\u4e2a\u5df2\u6807\u8bb0\u7684\u4eba\u7c7b\u7ec6\u80de\uff0c\u6db5\u76d638\u4e2a\u5668\u5b98\u548c11\u4e2a\u7cfb\u7edf\u3002
\u8fd9\u91cc\u6d89\u53ca\u4e00\u4e2a\u65b0\u6982\u5ff5\uff1a\u7ec6\u80de\u7ea7\u7ec4\u88c5/\u96c6\u6210\uff0c\u89e3\u91ca\u4e3a\uff1a
\u7ec6\u80de\u7ea7\u7ec4\u88c5\u5c31\u662f\u5bf9\u4e0d\u540c\u6765\u6e90\u7684\u4eba\u4f53\u5355\u7ec6\u80de\u6570\u636e\u7ecf\u8fc7\u7edf\u4e00\u8d28\u63a7\u548c\u9884\u5904\u7406\u540e\uff0c\u6309\u7edf\u4e00\u4fe1\u606f\u6846\u67b6\u96c6\u6210\u5230\u540c\u4e00\u4e2a\u6570\u636e\u96c6\u5408\u4f53\u4e2d\uff0c\u4fdd\u5b58\u5173\u4e8e\u6bcf\u4e2a\u7ec6\u80de\u7684\u6240\u6709\u4fe1\u606f\u3002
3\u3001Nature Genetics | \u591a\u7ef4\u7a7a\u95f4\u7ec4\u5b66\u7814\u7a76\u63ed\u793a\uff1a\u80bf\u7624\u5fae\u73af\u5883\u7ed3\u6784\u53ef\u4f5c\u4e3a\u4e73\u817a\u764c\u4e34\u5e8a\u9884\u540e\u7684\u6709\u6548\u6307\u5f81
\u5251\u6865\u5927\u5b66\u7684\u7814\u7a76\u56e2\u961f\u4f7f\u7528\u6210\u50cf\u8d28\u8c31\u6d41\u5f0f\u6280\u672f\uff08Imaging Mass Cytometry, IMC\uff09\u7ed3\u5408\u6765\u81ea693\u540d\u4e73\u817a\u80bf\u7624\u60a3\u8005\u6837\u672c\u7684\u57fa\u56e0\u7ec4\u3001\u4e34\u5e8a\u6570\u636e\u8fdb\u884c\u4e86\u591a\u7ef4\u7a7a\u95f4\u5206\u6790\uff0c\u63ed\u793a\u4e86\u4e73\u817a\u80bf\u7624\u4e2dTME\u7ed3\u6784\u5206\u5e03\u53ca\u5176\u4e0e\u57fa\u56e0\u7ec4\u7279\u5f81\u548c\u4e34\u5e8a\u7ed3\u679c\u7684\u5173\u7cfb\u3002\u8be5\u7814\u7a76\u7cfb\u7edf\u7ed8\u5236\u4e86TME\u7684\u539f\u4f4d\u7ed3\u6784\uff0c\u5e76\u786e\u5b9a\u4e8610\u4e2a\u5177\u6709\u4e0d\u540c\u5bcc\u96c6\u6a21\u5f0f\u7684\u590d\u53d1\u6027TME\u7ed3\u6784\uff0c\u5176\u4e2d\u4e00\u4e9b\u7ed3\u6784\u4e0e\u6307\u793a\u514d\u75ab\u9003\u9038\u7684\u57fa\u56e0\u7ec4\u8c31\u76f8\u5173\u3002\u8be5\u7814\u7a76\u63ed\u793a\u7684\u591a\u7ec6\u80de\u7ed3\u6784\u5c06\u4fdd\u5b88\u7684\u7a7a\u95f4\u7ec4\u7ec7\u4e0e\u5c40\u90e8TME\u529f\u80fd\u76f8\u7ed3\u5408\uff0c\u53ef\u4ee5\u7528\u4e8e\u6539\u5584\u60a3\u8005\u5206\u5c42\uff0c\u4e5f\u4e3a\u672a\u6765\u7406\u89e3\u764c\u75c7\u7ec4\u7ec7\u7684\u7a7a\u95f4\u7ec4\u7ec7\u539f\u7406\u5960\u5b9a\u4e86\u57fa\u7840\u3002
4\u3001Cancer Research | \u53d1\u6587\u63ed\u793a\u4e0d\u540c\u764c\u75c7\u7c7b\u578bTMB\u4e0e\u514d\u75ab\u6cbb\u7597\u53cd\u5e94\u5173\u8054\u7684\u514d\u75ab\u51b3\u5b9a\u56e0\u7d20
\u7f8e\u56fd\u56fd\u7acb\u536b\u751f\u7814\u7a76\u9662\uff08NIH\uff09\u56fd\u5bb6\u764c\u75c7\u7814\u7a76\u6240\u7684\u7814\u7a76\u56e2\u961f\u68c0\u6d4b\u4e86TCGA\u4e2d31\u4e2a\u5177\u6709\u4e0d\u540c\u764c\u75c7\u7c7b\u578bTME\u7279\u5f81\u7684\u514d\u75ab\u76f8\u5173\u56e0\u5b50\u6c34\u5e73\uff0c\u5e76\u5c06\u5176\u4e0e2,277\u540d\u63a5\u53d7ICI\u6cbb\u7597\uff08\u6297PD-1/\u6297PD-L1\uff09\u60a3\u8005\u7684TMB\u548c\u53cd\u5e94\u6570\u636e\u76f8\u7ed3\u5408\uff0c\u572814\u79cd\u4e0d\u540c\u764c\u75c7\u7c7b\u578b\u4e2d\u786e\u5b9a\u4e86\u51b3\u5b9aTMB\u6548\u529b\u7684\u5173\u952e\u514d\u75ab\u56e0\u5b50\u3002\u7ed3\u679c\u663e\u793a\uff0cTME\u4e2d\u9ad8\u6c34\u5e73\u7684M1\u5de8\u566c\u7ec6\u80de\u548c\u4f4e\u9759\u606f\u7684\u6811\u7a81\u72b6\u7ec6\u80de\u8868\u5f81\u4e86\u5177\u6709\u9ad8TMB\u6548\u529b\u7684\u764c\u75c7\u7c7b\u578b\u3002\u6b64\u5916\uff0c\u57fa\u4e8e\u8fd9\u4e24\u79cd\u514d\u75ab\u56e0\u5b50\u7684\u6a21\u578b\u4e5f\u51c6\u786e\u9884\u6d4b\u4e86\u7279\u5b9a\u764c\u75c7\u7c7b\u578b\u4e2d\u7684TMB\u5f71\u54cd\u3002
5\u3001\u83b76\u4ebf\u7f8e\u5143\u878d\u8d44\uff0c\u57fa\u56e0\u6d4b\u5e8f\u516c\u53f8Ultima Genomics\u63a8\u51fa100\u7f8e\u5143\u5168\u57fa\u56e0\u7ec4\u6d4b\u5e8f
\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u516c\u53f8 Ultima Genomics \u8d70\u51fa\u9690\u8eab\u6a21\u5f0f\uff0c\u5ba3\u5e03\u5b8c\u62106\u4ebf\u7f8e\u5143\u878d\u8d44\uff0c\u5e76\u63a8\u51fa\u65b0\u578b\u9ad8\u901a\u91cf\u3001\u4f4e\u6210\u672c\u57fa\u56e0\u6d4b\u5e8f\u5e73\u53f0\uff0c\u53ef\u63d0\u4f9b100\u7f8e\u5143\u7684\u5168\u57fa\u56e0\u7ec4\u6d4b\u5e8f\uff0c\u8fd9\u76f4\u63a5\u5c06\u5f53\u524d1000\u7f8e\u5143\u7684\u5168\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u4ef7\u683c\u964d\u4e86\u4e00\u4e2a\u6570\u91cf\u7ea7\u3002\u636e\u6089\uff0c\u4f7f\u7528\u8be5\u6d4b\u5e8f\u5e73\u53f0\u7684\u7b2c\u4e00\u6279\u79d1\u7814\u6210\u679c\u2014\u2014\u5168\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u3001\u5355\u7ec6\u80de\u6d4b\u5e8f\u548c\u764c\u75c7\u8868\u89c2\u9057\u4f20\u5b66\u6d4b\u5e8f\uff0c\u5728\u9884\u5370\u672c\u5e73\u53f0 bioRxiv \u4e0a\u53d1\u8868\uff0c\u6216\u5728\u57fa\u56e0\u7ec4\u751f\u7269\u5b66\u6280\u672f\u8fdb\u5c55\u5927\u4f1a\uff08AGBT\uff09\u4e0a\u53d1\u5e03\u3002
6\u3001epistack \u4f18\u96c5\u7684\u53ef\u89c6\u5316\u4f60\u7684\u57fa\u56e0\u533a\u57df
epistack \u5305\u7684\u4e3b\u8981\u76ee\u7684\u662f\u4ee5\u611f\u5174\u8da3\u7684\u57fa\u56e0\u7ec4\u533a\u57df\u4e3a\u4e2d\u5fc3\u7684\u5c06\u57fa\u56e0\u7ec4\u5370\u8bb0(\u652f\u6301\u4f46\u4e0d\u9650\u4e8e ChIP-seq\u3001ATAC-seq\u3001DNA \u7532\u57fa\u5316\u6216\u57fa\u56e0\u7ec4\u4fdd\u5b88\u6570\u636e)\u6574\u5408\u53ef\u89c6\u5316\u3002
7\u3001\u8282\u7701\u590f\u4ee4\u65f6\uff1f\uff08\u82f1\u6587\uff09
\u56fd\u5916\u6709\u4e00\u4e9b\u56fd\u5bb6\u5730\u533a\u4f7f\u7528\u590f\u4ee4\u65f6\uff0c\u672c\u6587\u4ee5\u6570\u636e\u53ef\u89c6\u5316\u63a2\u7d22\u4e16\u754c\u5404\u5730\u548c\u7f8e\u56fd\u57ce\u5e02\u7684\u590f\u4ee4\u65f6\u3002\u5bf9\u4e8e\u53ef\u89c6\u5316\u611f\u5174\u8da3\u7684\u8bfb\u8005\u4e0d\u59a8\u8bfb\u8bfb\u3001\u5b66\u4e60\u4e0b\u53ef\u89c6\u5316\u4f18\u5316\u6e90\u4ee3\u7801\u3002
8\u3001Python\u5df2\u53ef\u5728\u6d4f\u89c8\u5668\u7aef\u8fd0\u884c\uff0c\u6216\u5c06\u6210\u4e3a\u524d\u540e\u7aef\u901a\u5403\u8bed\u8a00\uff1f
Anaconda\u53d1\u5e03\u4e86\u53ef\u5728\u6d4f\u89c8\u5668\u7aef\u8fd0\u884c\u7684 Python\u2014PyScript\u5f00\u53d1\u6846\u67b6\u3002\u5b83\u4e3a\u5f00\u53d1\u8005\u63d0\u4f9b\u4e86\u5728\u6807\u51c6 HTML \u4e2d\u5d4c\u5165\u7f16\u5199 Python \u4ee3\u7801\u7684\u80fd\u529b\u3001\u4f7f\u7528 Python \u8c03\u7528 JavaScript \u51fd\u6570\u5e93\uff0c\u4ee5\u53ca\u521b\u5efa Python Web \u5e94\u7528\u3002\u76ee\u524d PyScript \u5904\u4e8e alpha \u6d4b\u8bd5\u9636\u6bb5\uff0c\u4e0b\u8f7d\u548c\u5b89\u88c5\u5730\u5740\uff1ahttps://pyscript.net/\u3002
"},{"location":"issue-47/#_4","title":"\u5de5\u5177","text":"9\u3001\u6f14\u8bb2\u5c55\u793a\u5de5\u5177 | Marp & DeckDeckGo
\u8be5\u63a8\u6587\u4ecb\u7ecd\u4e86\u4e24\u4e2a\u4e0d\u540c\u5e73\u53f0\u7684\u6f14\u8bb2\u5c55\u793a\u5de5\u5177\u3002Marp\u662f\u57fa\u4e8eMarkdown\u7684\u6f14\u8bb2\u5c55\u793a\u5236\u4f5c\u5de5\u5177\uff0c\u800cDeckDeckGo\u662fweb\u7aef\u7684\u7f16\u8f91\u5de5\u5177\u3002
10\u3001toastui - \u4ea4\u4e92\u5f0f\u6570\u636e\u5c55\u793a
toastui\u5305\u53ef\u4ee5\u521b\u5efa\u4ea4\u4e92\u5f0f\u8868\u683c\u3001\u65e5\u5386\u548c\u56fe\u8868\u3002
11\u3001susieR
susieR\u5229\u7528\u4e00\u79cd\u7b80\u5355\u7684\u65b0\u65b9\u6cd5\u6765\u6267\u884c\u591a\u5143\u56de\u5f52\u4e2d\u7684\u53d8\u91cf\u9009\u62e9\uff08$y=Xb+e$\uff09\u3002\u8fd9\u91cc\u5b9e\u73b0\u7684\u65b9\u6cd5\u7279\u522b\u9002\u7528\u4e8e\u67d0\u4e9bX\u53d8\u91cf\u9ad8\u5ea6\u76f8\u5173\u3001\u771f\u5b9e\u6548\u679c\u9ad8\u5ea6\u7a00\u758f\u7684\u8bbe\u7f6e\u3002\u5176\u4e2d\u7684\u4e00\u4e2a\u4f8b\u5b50\u662f\u57fa\u56e0\u7cbe\u7ec6\u5236\u56fe\u5e94\u7528\u7a0b\u5e8f\uff0c\u8fd9\u662f\u5f00\u53d1\u672c\u65b9\u6cd5\u7684\u4e3b\u8981\u52a8\u673a\u3002\u540c\u65f6\uff0c\u672c\u65b9\u6cd5\u4e5f\u53ef\u4ee5\u5e94\u7528\u4e8e\u66f4\u666e\u904d\u7684\u60c5\u51b5\u3002
12\u3001pkgverse - \u50cftidyverse\u4e00\u6837\u6784\u5efa\u81ea\u5df1\u7684R\u5305\u96c6
13\u3001Warp
Warp \u662f\u4e00\u6b3e\u901f\u5ea6\u6781\u5feb\u7684\u73b0\u4ee3\u57fa\u4e8e Rust \u7684 GPU \u52a0\u901f\u7ec8\u7aef\uff0c\u65e8\u5728\u63d0\u9ad8\u4e2a\u4eba\u548c\u56e2\u961f\u7684\u5de5\u4f5c\u6548\u7387\u3002\u76ee\u524d\u4ec5\u652f\u6301MacOS\u3002
14\u3001quarto - \u652f\u6301\u591a\u79cd\u8bed\u8a00\u7684\u53ef\u6267\u884cmarkdown\u5de5\u5177
Quarto \u662f\u4e00\u4e2a\u57fa\u4e8e Pandoc \u7684\u5f00\u6e90\u79d1\u6280\u51fa\u7248\u7cfb\u7edf\uff0c\u65b0\u4e00\u4ee3\u7684markdown\uff0c\u652f\u6301VS_Code \uff0cRStuido(Posit)\uff0cJupyterr\uff0cText_Editor\u7b49\u591a\u79cd\u8f6f\u4ef6\u3002
"},{"location":"issue-47/#_5","title":"\u8d44\u6e90","text":"15\u3001Smart - \u514d\u8d39\u533b\u5b66\u56fe\u50cf\u96c6\u5408
16\u3001\u54c8\u4f5b\u5927\u5b66\u7684\u751f\u7269\u4fe1\u606f\u5b66\u57f9\u8bad
Shell\u3001R\u3001Python\u7684\u57fa\u7840\u4f7f\u7528\u6559\u7a0b\uff1bRNAseq\u3001sc-RNAseq\u3001ChIPseq\u7684\u9ad8\u7ea7\u5206\u6790\u6559\u7a0b\u3002
"},{"location":"issue-47/#_6","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-48/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 48 \u671f\uff09\uff1a\u4eba\u751f\u4e0d\u80fd\u53ea\u6709\u4e00\u4e2a\u652f\u70b9","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d | \u300c\u751f\u4fe1\u8ba8\u8bba\u533a\uff08Gitter\uff09\u300d
"},{"location":"issue-48/#_1","title":"\u5c01\u9762\u56fe","text":"\u8d85\u8fc7\u56db\u6210\u7684\u7535\u8111\u4ecd\u7136\u65e0\u6cd5\u5347\u7ea7\u5230 Windows 11\u3002via
"},{"location":"issue-48/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u4eba\u751f\u4e0d\u80fd\u53ea\u6709\u4e00\u4e2a\u652f\u70b9","text":"\u79d1\u7814\u662f\u4e00\u4efd\u6ca1\u6709\u4e0a\u4e0b\u73ed\uff0c\u51e0\u4e4e\u5168\u5929\u5019\u5934\u8111\u5728\u7ebf\u7684\u5de5\u4f5c\uff0c\u5bf9\u4e8e\u9700\u8981\u6574\u5929\u6ce1\u5b9e\u9a8c\u5ba4\u7684\u79d1\u7814\u4eba\u800c\u8a00\uff0c\u60f3\u5de5\u4f5c\u4e4b\u4f59\u7ba1\u7ba1\u8001\u4eba\u5b69\u5b50\u66f4\u662f\u5206\u8eab\u4e4f\u672f\uff0c\u56e0\u6b64\u8bf8\u591a\u4f18\u79c0\u7684\uff08\u5973\uff09\u535a\u58eb\u4e0d\u5f97\u4e0d\u5728\u4eba\u751f\u7684\u5c94\u8def\u53e3\u9009\u62e9\u9000\u51fa\u5b66\u672f\u9053\u8def\u3002
@ShixiangWang - \u5bf9\u4e8e\u79d1\u7814\u804c\u4e1a\u9053\u8def\u6765\u8bf4\uff0c\u5f53\u524d\u7684\u73af\u5883\u4e0b\u535a\u58eb\u53ea\u662f\u8d77\u70b9\u3002\u968f\u7740\u6211\u56fd\u793e\u4f1a\u8fdb\u7a0b\u5728\u79d1\u6280\u3001\u7ecf\u6d4e\u3001\u6559\u80b2\u7b49\u591a\u65b9\u9762\u7684\u53d1\u5c55\uff0c\u8d8a\u6765\u8d8a\u591a\u7684\u5b66\u751f\u6d8c\u5165\u7814\u7a76\u751f\u6559\u80b2\u4e0e\u5b66\u672f\u9053\u8def\uff0c\u4e0d\u5e73\u7b49\u3001\u538b\u529b\u3001\u4e0d\u6b63\u5e38\u7684\u5e08\u751f\u5173\u7cfb\u3001\u4e0d\u6b63\u5e38\u7684\u4eba\u624d\u804c\u4e1a\u5316\u57f9\u517b\u653f\u7b56\u7b49\u7b49\u90fd\u4f1a\u5728\u8fd9\u4e2a\u73af\u5883\u4e0b\u8fdb\u884c\u4ea4\u4e92\uff0c\u5851\u9020\u6bcf\u4e2a\u4eba\u5728\u4e0d\u540c\u60c5\u666f\u4e0b\u7684\u72ec\u7279\u7ecf\u5386\u3002\u5c31\u50cf\u9ad8\u4e2d\u8001\u5e08\u5728\u544a\u8bc9\u6211\u4eec\u201c\u5927\u5b66\u5c31\u53ef\u4ee5\u81ea\u7531\u3001\u653e\u98de\u81ea\u6211\u201d\u4e00\u6837\uff0c\u6211\u4eec\u5e94\u8be5\u610f\u8bc6\u5230\u81ea\u6211\u5e94\u8be5\u6709\u7740\u66f4\u591a\u7684\u4ef7\u503c\u5224\u65ad\u5e76\u4ed8\u8bf8\u884c\u52a8\uff0c\u201c\u4f60\u7684\u4eba\u751f\u53ea\u80fd\u662f\u4f60\u7684\u4eba\u751f\uff0c\u522b\u4eba\u5e76\u4e0d\u4f1a\u8fc7\u591a\u7684\u5173\u6ce8\u201d\uff0c\u4eba\u751f\u4e0d\u80fd\u53ea\u6709\u4e00\u4e2a\u652f\u70b9\uff0c\u5c31\u50cf\u4f60\u5355\u817f\u65e0\u6cd5\u6b63\u5e38\u884c\u8d70\u3002\u79d1\u7814\u5de5\u4f5c\u53ea\u80fd\u662f\u4eba\u751f\u7684\u4e00\u90e8\u5206\uff08\u4e5f\u8bb8\u7684\u786e\u6709\u4eba\u4e50\u610f\u53bb\u628a\u79d1\u7814\u4e0e\u4eba\u751f\u7b49\u540c\u5bf9\u5f85\uff0c\u4f46\u4e5f\u9700\u8981\u610f\u8bc6\u5230\u79d1\u7814\u5f52\u5c5e\u4e8e\u4eba\u751f\uff0c\u800c\u4e0d\u662f\u76f8\u53cd\u7684\u903b\u8f91\uff0c\u5373\u4eba\u751f\u6c38\u4e0d\u53ef\u80fd\u5f52\u5c5e\u4e8e\u79d1\u7814\uff09\uff0c\u90a3\u4e9b\u704c\u8f93\u4eba\u751f\u53ea\u6709\u79d1\u7814\u6216\u8005\u7c7b\u4f3c\u5949\u732e\u7684\u8a00\u8bed\u4e0e\u6587\u5316\u53ea\u662f\u4e00\u79cd\u6b3a\u9a97\uff0c\u704c\u8f93\u8005\u4ece\u4e0d\u4f1a\u5949\u884c\u3002\u5207\u8bb0\u6bcf\u4e2a\u4eba\u90fd\u72ec\u4e00\u65e0\u4e8c\uff0c\u5b58\u5728\u7740\u6bd4\u4f60\u60f3\u8c61\u66f4\u591a\u7684\u53ef\u80fd\u6027\u3002\u5e0c\u671b\u4eba\u95f4\u5c11\u4e00\u4e9b\u767d\u53d1\u4eba\u9001\u9ed1\u53d1\u4eba\uff0c\u81f3\u5c11\u505a\u79d1\u7814\u7684\u4eba\u751f\u6700\u540e\u4e0d\u5e94\u8be5\u505c\u7559\u5728\u8fd9\u91cc\u3002
1\u3001Nature | \u4eba\u7c7b\u6cdb\u57fa\u56e0\u7ec4\u8ba1\u5212\uff1a\u66f4\u5b8c\u6574\u3001\u66f4\u51c6\u786e\u7684\u4eba\u7c7b\u53c2\u8003\u57fa\u56e0\u7ec4
\u4eba\u7c7b\u6cdb\u57fa\u56e0\u7ec4\u53c2\u8003\u8054\u76df\uff08Human Pangenome Reference Consortium, HPRC\uff09 \u65e8\u5728\u521b\u5efa\u4e00\u4e2a\u66f4\u4e3a\u7cbe\u51c6\u548c\u5b8c\u6574\u7684\u4eba\u7c7b\u53c2\u8003\u57fa\u56e0\u7ec4\uff0c\u8be5\u8ba1\u5212\u4ee5\u56fe\u5f62\u4e3a\u57fa\u7840\u3001\u4ee5\u7aef\u7c92\u5230\u7aef\u7c92\u7684\u6d4b\u5e8f\u7ed3\u679c\u5efa\u7acb\u5c3d\u53ef\u80fd\u9ad8\u8d28\u91cf\u7684\u4eba\u7c7b\u53c2\u8003\u6cdb\u57fa\u56e0\u7ec4\u3002\u8fd1\u65e5\uff0cHPRC\u5728Nature\u4e0a\u53d1\u8868\u4e86\u9898\u4e3a\u201cThe Human Pangenome Project: a global resource to map genomic diversity\u201d\u7684\u89c2\u70b9\u6587\u7ae0\uff0c\u6982\u8ff0\u4e86\u4eba\u7c7b\u6cdb\u57fa\u56e0\u7ec4\u53c2\u8003\u8054\u76df\u7684\u6218\u7565\u76ee\u6807\u3001\u6311\u6218\u548c\u673a\u9047\u3002\u5e0c\u671b\u4e0e\u5168\u7403\u8303\u56f4\u5185\u7684\u79d1\u5b66\u5bb6\u548c\u751f\u7269\u4f26\u7406\u5b66\u5bb6\u5171\u540c\u521b\u5efa\u4e00\u4e2a\u5b8c\u6574\u7684\u4eba\u7c7b\u5168\u57fa\u56e0\u7ec4\u53c2\u8003\u8d44\u6e90\uff0c\u4f7f\u5176\u66f4\u591a\u5730\u6db5\u76d6\u6574\u4e2a\u57fa\u56e0\u7ec4\u8303\u56f4\u5185\u7684\u53d8\u5f02\u4fe1\u606f\uff0c\u4e3a\u66f4\u5927\u89c4\u6a21\u4eba\u7c7b\u57fa\u56e0\u7ec4\u8d44\u6e90\u63d0\u4f9b\u7ec8\u6781\u6307\u5357\uff0c\u4e3a\u5f00\u53d1\u65b0\u7684\u6982\u5ff5\u6846\u67b6\u548c\u5206\u6790\u65b9\u6cd5\uff0c\u4ee5\u6784\u5efa\u4e0b\u6e38\u5206\u6790\u548c\u53ef\u89c6\u5316\u7684\u5168\u57fa\u56e0\u7ec4\u57fa\u7840\u8bbe\u65bd\u548c\u5de5\u5177\u5960\u5b9a\u575a\u5b9e\u57fa\u7840\u3002
2\u3001Nature | \u57fa\u56e0\u53d8\u5f02\u3001\u8868\u8fbe\u4e0e\u75be\u75c5\uff1a\u5355\u7ec6\u80de\u8868\u8fbe\u6570\u91cf\u6027\u72b6\u57fa\u56e0\u5ea7\uff08eQTL\uff09
\u6240\u6709\u80fd\u591f\u5ea6\u91cf\u7684\u6027\u72b6\u90fd\u53ef\u4ee5\u79f0\u4e3a\u6570\u91cf\u6027\u72b6(QT)\uff0c\u8fd9\u4e9b\u6027\u72b6\u5448\u8fde\u7eed\u7684\uff0c\u4e0d\u53ef\u4ee5\u4e25\u683c\u7684\u5206\u7c7b\uff0c\u800c\u6570\u91cf\u6027\u72b6\u57fa\u56e0\u5ea7\uff08QTL\uff09\u5373\u63a7\u5236\u6570\u91cf\u6027\u72b6\u7684\u57fa\u56e0\u5728\u57fa\u56e0\u7ec4\u4e2d\u7684\u4f4d\u7f6e\uff0c\u800c\u8868\u8fbe\u6570\u91cf\u6027\u72b6\u57fa\u56e0\u5ea7\uff08eQTL\uff09\u5c31\u662f\u80fd\u63a7\u5236\u6570\u91cf\u6027\u72b6\u57fa\u56e0\u7684\u8868\u8fbe\u6c34\u5e73\u9ad8\u4f4e\u7684\u57fa\u56e0\u5728\u57fa\u56e0\u7ec4\u4e2d\u7684\u4f4d\u7f6e\u3002\u8fd1\u65e5\uff0c\u7f8e\u56fd\u5e03\u83b1\u6839\u5987\u5973\u533b\u9662\u4e0e\u54c8\u4f5b\u533b\u5b66\u9662Soumya Raychaudhuri\u7814\u7a76\u7ec4\u5728Nature\u4e0a\u53d1\u8868\u4e86\u6587\u7ae0\uff0c\u805a\u7126\u8bb0\u5fc6T\u7ec6\u80de\uff0c\u5728\u5355\u7ec6\u80de\u5206\u8fa8\u7387\u6c34\u5e73\u5efa\u7acb\u4e86\u7684eQTL\u6a21\u578b\uff0c\u6355\u83b7\u7ec6\u80de\u72b6\u6001\u4f9d\u8d56\u7684\u57fa\u56e0\u8c03\u63a7\u53d8\u5f02\u3002
3\u3001Nature Methods | \u7cfb\u7edf\u8bc4\u4f3016\u79cd\u7a7a\u95f4\u8f6c\u5f55\u7ec4\u548c\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u6570\u636e\u6574\u5408\u7b97\u6cd5\u5728\u9884\u6d4b\u57fa\u56e0\u6216\u7ec6\u80de\u7c7b\u578b\u7a7a\u95f4\u5206\u5e03\u65b9\u9762\u7684\u6027\u80fd
\u76ee\u524d\u7a7a\u95f4\u548c\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u6570\u636e\u6574\u5408\u7b97\u6cd5\u5df2\u7ecf\u975e\u5e38\u4e30\u5bcc\u4e86\uff0c\u4f46\u662f\u8fd8\u672a\u6709\u7cfb\u7edf\u7684\u7814\u7a76\u6765\u8bc4\u4f30\u5b83\u4eec\u5728\u5206\u6790\u65f6\u7684\u5177\u4f53\u8868\u73b0\u3002\u56e0\u6b64\u4e2d\u56fd\u79d1\u5b66\u6280\u672f\u5927\u5b66\u751f\u547d\u79d1\u5b66\u4e0e\u533b\u5b66\u90e8\u77bf\u6606\u6559\u6388\u8bfe\u9898\u7ec4\u5728Nature Methods\u4e0a\u53d1\u8868\u7684\u8fd9\u7bc7\u6587\u7ae0\uff0c\u901a\u8fc745\u5bf9\u540c\u4e00\u7ec4\u7ec7\u6765\u6e90\u7684\u7a7a\u95f4\u8f6c\u5f55\u7ec4\u4e0e\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u6570\u636e\u96c6\uff0c\u7ed3\u540832\u4e2a\u6a21\u62df\u6570\u636e\u96c6\uff0c\u5e76\u8bbe\u8ba1\u4e86\u591a\u79cd\u6307\u6807\uff0c\u4ece\u51c6\u786e\u6027\u3001\u9c81\u68d2\u6027\u3001\u8ba1\u7b97\u8d44\u6e90\u8017\u65f6\u7b49\u591a\u7ef4\u5ea6\u7cfb\u7edf\u6027\u8bc4\u4f30\u4e8616\u79cd\u6574\u5408\u7b97\u6cd5\u5728\u9884\u6d4b\u57fa\u56e0\u6216\u7ec6\u80de\u7c7b\u578b\u7a7a\u95f4\u5206\u5e03\u65b9\u9762\u7684\u6027\u80fd\u3002
4\u3001Science Advances | NK\u7ec6\u80de\u53ef\u901a\u8fc7\u80de\u5543\u4f5c\u7528\u83b7\u53d6\u80bf\u7624\u7ec6\u80de\u7684PD-1\uff0c\u5931\u53bb\u6297\u764c\u80fd\u529b
\u672c\u7814\u7a76\u53d1\u73b0NK\u7ec6\u80de\u8868\u9762\u5b58\u5728\u7684\u514d\u75ab\u68c0\u67e5\u70b9PD-1\u5e76\u975e\u6765\u81ea\u5185\u6e90\u6027\u8868\u8fbe\uff0c\u800c\u662fNK\u7ec6\u80de\u901a\u8fc7\u7531SLAM\u53d7\u4f53\u4ecb\u5bfc\u7684\u80de\u5543\u4f5c\u7528\uff0c\u4ece\u80bf\u7624\u7ec6\u80de\u7684\u7ec6\u80de\u819c\u4e0a\u83b7\u53d6\u7684\u3002\u5f97\u5230PD-1\u540e\uff0cNK\u7ec6\u80de\u7684\u6297\u80bf\u7624\u514d\u75ab\u529f\u80fd\u88ab\u6291\u5236\uff0c\u4e0d\u8fc7\u53ef\u4ee5\u7531PD-1\u6291\u5236\u5242\u633d\u6551\u3002
5\u3001\u8bbe\u7f6eComplexHeatmap\u5168\u5c40\u5b57\u4f53
\u4e3a\u4e86\u5168\u5c40\u6027\u7684\u8bbe\u7f6eComplexHeatmap\u7684\u5b57\u4f53\u53c2\u6570\uff0c\u6211\u4eec\u53ef\u4ee5\u5148\u521b\u5efa\u4e00\u4e2a\u5168\u5c40\u7684viewport\uff0c\u5728\u5176\u4e2d\u8bbe\u7f6e\u67d0\u79cd\u5b57\u4f53\uff0c\u7136\u540e\u8ba9ComplexHeatmap\u7684\u70ed\u56fe\u4f4d\u4e8e\u5176\u4e2d\u3002\u8fd9\u6837\u4e00\u6765\uff0c\u6240\u6709heatmap\u4e2d\u7684\u5b57\u4f53\u53c2\u6570\u90fd\u5c06\u7ee7\u627f\u8fd9\u4e2a\u5168\u5c40viewport\u4e2d\u8bbe\u7f6e\u7684\u5b57\u4f53\u53c2\u6570\u3002
6\u3001regplot - \u7ed8\u5236\u9ad8\u989c\u503c\u5217\u7ebf\u56fe
7\u3001\u79d1\u6280\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c202\u671f\uff09\uff1a\u4e09\u4e2a\u6709\u542f\u53d1\u7684\u5b66\u4e60\u65b9\u6cd5
\u6765\u81ea\u79d1\u6280\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c202\u671f\uff09\u7684\u5468\u8bdd\u9898-\u4e09\u4e2a\u6709\u542f\u53d1\u7684\u5b66\u4e60\u65b9\u6cd5\uff1a
8\u3001finalfit\u5305\uff0c\u7b80\u5355\u5feb\u901f\u8f93\u51fa\u5355\u56e0\u7d20\u548c\u591a\u56e0\u7d20\u7ed3\u679c\uff0c\u5e76\u53ef\u89c6\u5316\u6a21\u578b\u7ed3\u679c
finalfit \u5305\uff0c\u5728\u5efa\u6a21\u65f6\u5feb\u901f\u521b\u5efa\u7cbe\u7f8e\u7684\u7ed3\u679c\u8868\u548c\u7ed8\u56fe\uff0c\u652f\u6301\u591a\u79cd\u8868\u683c\uff1across table\u3001modle table\u3001survey table\u7b49\uff0c\u53ef\u4ee5\u8f7b\u677e\u5bfc\u51fa\u4e3a Word \u6587\u6863\u3001PDF \u6216 html \u6587\u4ef6\u3002
9\u3001dm - \u5173\u7cfb\u578b\u6570\u636e\u6a21\u578b\u5de5\u5177\u5305
dm\u586b\u8865\u4e86\u5355\u4e2a\u6570\u636e\u6846\u548c\u5173\u7cfb\u6570\u636e\u5e93\u4e4b\u95f4\u6570\u636e\u7ba1\u9053\u7684\u7a7a\u767d\u3002\u5b83\u662f\u4e00\u79cd\u8054\u63a5\u8868\u8bed\u6cd5\uff0c\u4e3a\u4f7f\u7528\u3001\u521b\u5efa\u548c\u90e8\u7f72\u5173\u7cfb\u6570\u636e\u6a21\u578b\u63d0\u4f9b\u4e86\u4e00\u7ec4\u4e00\u81f4\u7684\u52a8\u8bcd\u3002\u5bf9\u4e8e\u5355\u4e2a\u7814\u7a76\u4eba\u5458\u6765\u8bf4\uff0c\u5b83\u62d3\u5bbd\u4e86\u4ed6\u4eec\u53ef\u4ee5\u4f7f\u7528\u7684\u6570\u636e\u96c6\u7684\u8303\u56f4\u4ee5\u53ca\u5982\u4f55\u4f7f\u7528\u8fd9\u4e9b\u6570\u636e\u96c6\u3002\u5bf9\u4e8e\u7ec4\u7ec7\u6765\u8bf4\uff0c\u5b83\u4f7f\u56e2\u961f\u80fd\u591f\u5feb\u901f\u9ad8\u6548\u5730\u521b\u5efa\u548c\u5171\u4eab\u5927\u578b\u3001\u590d\u6742\u7684\u6570\u636e\u96c6\u3002
10\u3001pup - \u547d\u4ee4\u884c\u89e3\u6790HTML
pup\u662f\u7528\u4e8e\u5904\u7406HTML\u7684\u547d\u4ee4\u884c\u5de5\u5177\u3002\u5b83\u4ecestdin\u8bfb\u53d6\uff0c\u6253\u5370\u5230stdout\uff0c\u5e76\u5141\u8bb8\u7528\u6237\u4f7f\u7528CSS\u9009\u62e9\u5668\u8fc7\u6ee4\u9875\u9762\u7684\u90e8\u5206\u3002\u53d7jq\u8fd9\u79cdJSON\u5904\u7406\u5668\u7684\u542f\u53d1\uff0cpup\u7684\u76ee\u6807\u662f\u6210\u4e3a\u63a2\u7d22\u7ec8\u7aefHTML\u7684\u5feb\u901f\u7075\u6d3b\u7684\u65b9\u5f0f\u3002
11\u3001methylKit - \u7532\u57fa\u5316\u6ce8\u91ca\u548c\u5206\u6790\u7684R\u8bed\u8a00\u5de5\u5177\u5305
methylKit\u662f\u4e00\u4e2a\u5bf9\u7532\u57fa\u5316\u6d4b\u5e8f\u6570\u636e\u8fdb\u884c\u8d28\u63a7\u3001\u805a\u7c7b\u3001\u5dee\u5f02\u5206\u6790\u548c\u6ce8\u91ca\u7b49\u591a\u79cd\u529f\u80fd\u5206\u6790\u7684R\u5305\u3002
12\u3001futile.logger - \u7c7b\u4f3c log4j \u7684R\u65e5\u5fd7\u5305
flog.info(\"Hello, %s\", \"world\")\n\n# Put pid in logging in multi-processing\nflog.info('%d message', Sys.getpid())\u00a0\n\n# This won't print by default\nflog.debug(\"Goodbye, %s\", \"world\")\n\n# Change the log level to debug and try again\nflog.threshold(DEBUG)\nflog.debug(\"Goodbye, %s\", \"world\")\n\n# Keep an alternate logger at WARN\nflog.threshold(WARN, name='quiet')\n\n# This won't print since it's using the logger named 'quiet'!\nflog.debug(\"Goodbye, %s\", \"world\", name='quiet')\n\n13\u3001SARTools - RNA-Seq\u7edf\u8ba1\u5206\u6790\u5de5\u5177
SARTools\u662f\u4e00\u4e2aR\u5305\uff0c\u4e13\u95e8\u7528\u4e8eRNA-seq\u6570\u636e\u7684\u5dee\u5f02\u5206\u6790\u3002\u5b83\u63d0\u4f9b\u4e86\u4e00\u4e9b\u5de5\u5177\u6765\u751f\u6210\u63cf\u8ff0\u6027\u548c\u8bca\u65ad\u56fe\uff0c\u4f7f\u7528\u8457\u540d\u7684DESeq2\u6216edgeR\u5305\u8fd0\u884c\u5dee\u5f02\u5206\u6790\uff0c\u5e76\u5c06\u7ed3\u679c\u5bfc\u51fa\u5230\u6613\u4e8e\u9605\u8bfb\u7684\u4ee5\u5236\u8868\u7b26\u5206\u9694\u7684\u6587\u4ef6\u4e2d\u3002\u5b83\u8fd8\u6709\u52a9\u4e8e\u751f\u6210HTML\u62a5\u544a\uff0c\u8be5\u62a5\u544a\u663e\u793a\u6240\u751f\u6210\u7684\u6240\u6709\u6570\u5b57\uff0c\u89e3\u91ca\u7edf\u8ba1\u65b9\u6cd5\u5e76\u7ed9\u51fa\u5dee\u5f02\u5206\u6790\u7684\u7ed3\u679c\u3002\u6ce8\u610fSARTools\u5e76\u4e0d\u6253\u7b97\u53d6\u4ee3DESeq2\u6216edgeR\uff1a\u5b83\u53ea\u662f\u63d0\u4f9b\u4e86\u4e00\u4e2a\u4e0e\u4e4b\u914d\u5957\u7684\u73af\u5883\u3002\u5173\u4e8eDESeq2\u6216edgeR\u80cc\u540e\u65b9\u6cd5\u7684\u66f4\u591a\u7ec6\u8282\uff0c\u7528\u6237\u5e94\u8be5\u9605\u8bfb\u5b83\u4eec\u7684\u6587\u6863\u548c\u8bba\u6587\u3002
\u5728\u7ebf\u6587\u6863\uff1ahttps://colab.research.google.com/drive/1hoPcImQkct0yPz5nnYcJFOOX9O0EHjtB?usp=sharing#scrollTo=j3IvZ98bji7x
"},{"location":"issue-48/#_6","title":"\u8d44\u6e90","text":"14\u3001\u8d44\u6599 - \u5982\u4f55\u63d0\u4ea4R\u5305\u5230CRAN
\u672c\u4ed3\u5e93\u63d0\u4f9b\u7684\u8d44\u6599\u548c\u5efa\u8bae\u4e3a\u4f60\u63d0\u4ea4\u5305\u5230CRAN\u4e0a\u5206\u4eab\u7ed9\u5168\u4e16\u754c\u7684\u4eba\u4eec\u4f7f\u7528\u505a\u597d\u51c6\u5907\u3002
15\u3001\u8bfe\u7a0b - \u8d1d\u53f6\u65af\u6570\u636e\u5206\u6790
\u4e00\u4e9b\u8d1d\u53f6\u65af\u6570\u636e\u5206\u6790\u7684\u5b66\u4e60\u8d44\u6599\u3002
\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-49/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 49 \u671f\uff09\uff1a\u9762\u5bf9\u77e5\u8bc6\u5b64\u5c9b\uff0c\u4f60\u4f1a\u600e\u4e48\u5904\u7406\uff1f","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d | \u300c\u751f\u4fe1\u8ba8\u8bba\u533a\uff08Gitter\uff09\u300d
"},{"location":"issue-49/#_1","title":"\u5c01\u9762\u56fe","text":"\u6cd5\u56fd\u5723\u7c73\u6b47\u5c14\u5c71\uff08Mont-Saint-Michel\uff09\uff0c\u662f\u8054\u5408\u56fd\u6559\u79d1\u6587\u7ec4\u7ec7\u5217\u4e3a\u4e16\u754c\u6587\u5316\u9057\u4ea7\uff0c\u5728\u5c71\u9876\u4e0a\u5219\u5efa\u6709\u8457\u540d\u7684\u5723\u7c73\u6b47\u5c14\u5c71\u9690\u4fee\u9662\u3002 \uff08\u56fe\u6e90\uff1apixabay.com\uff09
"},{"location":"issue-49/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u9762\u5bf9\u77e5\u8bc6\u5b64\u5c9b\uff0c\u4f60\u4f1a\u600e\u4e48\u5904\u7406\uff1f","text":"\u201c\u77e5\u8bc6\u5b64\u5c9b\u201d\uff08knowledge silos\uff09\u5c31\u662f\u5728\u9047\u5230\u95ee\u9898\uff0c\u8981\u4e48\u6ca1\u4eba\u53ef\u95ee\uff0c\u8981\u4e48\u6ca1\u6709\u6587\u6863\uff0c\u5de5\u4f5c\u5c31\u5361\u5728\u90a3\u91cc\uff0c\u8fdb\u884c\u4e0d\u4e0b\u53bb\u65f6\u6240\u9762\u4e34\u7684\u5904\u5883\u3002\u8fd9\u5c31\u662f\u77e5\u8bc6\u65f6\u4ee3\u7684\u75db\u82e6\uff1a\u592a\u591a\u7684\u77e5\u8bc6\u6ca1\u6709\u6d41\u52a8\u6027\uff0c\u96be\u4ee5\u4e86\u89e3\uff0c\u96be\u4ee5\u83b7\u53d6\uff0c\u96be\u4ee5\u4f20\u64ad\u3002
@kkjtmac - \u8fd9\u79cd\u201c\u77e5\u8bc6\u5b64\u5c9b\u201d\u4e5f\u5b58\u5728\u4e8e\u65e5\u5e38\u7684\u751f\u4fe1\u5206\u6790\u8fc7\u7a0b\u4e2d\uff0c\u6bd4\u5982\u5206\u6790\u8fc7\u7a0b\u9047\u5230\u5404\u79cd\u5927\u5927\u5c0f\u5c0f\u5947\u602a\u7684\u62a5\u9519\uff0c\u8fd9\u65f6\u5019\u6211\u7684\u89e3\u51b3\u529e\u6cd5\u5c31\u662f\uff1a1.\u9996\u5148\u662f\u901a\u8fc7\u767e\u5ea6\u6216\u8005\u8c37\u6b4c\u641c\u7d22\u8fdb\u884c\u89e3\u51b3\uff0c\u8fd0\u6c14\u597d\u7684\u53ef\u4ee5\u987a\u5229\u89e3\u51b3\u30022.\u4e0d\u80fd\u5219\u6c42\u52a9\u4e8e\u70ed\u5fc3\u7f51\u53cb\u5f97\u5230\u89e3\u51b3\u30023.\u518d\u5c31\u662f\u6401\u7740N\u5929\uff0c\u5728\u67d0\u6b21\u5076\u7136\u7684\u60c5\u51b5\u4e0b\u67e5\u5230\u4e86\u76f8\u5173\u77e5\u8bc6\uff0c\u6700\u7ec8\u89e3\u51b3\u30024.\u6401\u7f6e\u7ed5\u9053\uff0c\u7528\u522b\u7684\u65b9\u6cd5\u3002
@ShixiangWang - \u4e16\u754c\u4e0a\u7684\u77e5\u8bc6\u5728\u6cdb\u5316\u3001\u6df1\u5316\uff0c\u4e2a\u4eba\u8d8a\u6765\u8d8a\u96be\u4ee5\u638c\u63e1\u7cfb\u7edf\u7684\u77e5\u8bc6\u56fe\u8c31\uff0c\u6784\u5efa\u5bf9\u77e5\u8bc6\u3001\u79d1\u5b66\u7684\u6574\u4f53\u5370\u8c61\uff0c\u5efa\u8bae\u5728\u5b66\u4e60\u6280\u80fd\u7684\u540c\u65f6\u591a\u770b\u4e00\u4e9b\u4e66\u7c4d\uff0c\u8bb0\u5f55\u548c\u8f93\u51fa\u7b14\u8bb0\u3001\u611f\u60f3\u7b49\u7b49\u3002
1\u3001Nat Rev Genet | \u4f7f\u7528\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u5b66\u8fdb\u884c\u65f6\u95f4\u5efa\u6a21
\u5728\u8fd9\u7bc7\u7efc\u8ff0\u4e2d\uff0c\u4f5c\u8005\u8ba8\u8bba\u4e86\u65f6\u95f4\u5e8f\u5217scRNA-seq\u5206\u6790\u548c\u5efa\u6a21\u7684\u51e0\u79cd\u65b9\u6cd5\uff0c\u91cd\u70b9\u4ecb\u7ecd\u4e86\u5b83\u4eec\u7684\u6b65\u9aa4\u3001\u5173\u952e\u5047\u8bbe\u4ee5\u53ca\u6570\u636e\u7c7b\u578b\u548c\u5b83\u4eec\u6700\u9002\u5408\u7684\u751f\u7269\u5b66\u95ee\u9898\u3002
2\u3001Cell Research | \u6c64\u5bcc\u916c\u8bfe\u9898\u7ec4\u5f00\u53d1\u57fa\u4e8e\u5355\u5206\u5b50\u6d4b\u5e8f\u5e73\u53f0\u7684\u5355\u7ec6\u80de\u67d3\u8272\u8d28\u53ef\u53ca\u6027\u6d4b\u5e8f\u6280\u672f
\u5317\u4eac\u5927\u5b66\u751f\u7269\u533b\u5b66\u524d\u6cbf\u521b\u65b0\u4e2d\u5fc3\uff08BIOPIC\uff09\u6c64\u5bcc\u916c\u8bfe\u9898\u7ec4\u9996\u6b21\u62a5\u9053\u4e86\u540d\u4e3ascNanoATAC-seq\u7684\u57fa\u4e8e\u4e09\u4ee3\u6d4b\u5e8f\u5e73\u53f0\uff08\u5355\u5206\u5b50\u6d4b\u5e8f\u5e73\u53f0\uff09\u7684\u5355\u7ec6\u80de\u67d3\u8272\u8d28\u53ef\u53ca\u6027\u6d4b\u5e8f\u6280\u672f\u3002\u8be5\u6280\u672f\u6574\u5408\u4e86\u957f\u8bfb\u6bb5\u5355\u5206\u5b50\u6d4b\u5e8f\u5e73\u53f0\u548c\u5355\u7ec6\u80de\u67d3\u8272\u8d28\u53ef\u53ca\u6027\u6d4b\u5e8f\u6280\u672f\uff08scATAC-seq\uff1aSingle cell Assay for Transposase Accessible Chromatin with high-throughput sequencing\uff09\u7684\u4f18\u52bf\uff0c\u5b9e\u73b0\u4e86\u5728\u4e00\u4e2a\u5355\u7ec6\u80de\u4e2d\u540c\u65f6\u68c0\u6d4b\u67d3\u8272\u8d28\u5f00\u653e\u72b6\u6001\u4ee5\u53ca\u57fa\u56e0\u7ec4\u7ed3\u6784\u53d8\u5f02\u3002
3\u3001Nature Reviews Cancer | \u5927\u6570\u636e\u5728\u764c\u75c7\u57fa\u7840\u7814\u7a76\u548c\u4e34\u5e8a\u5e94\u7528\u4e2d\u7684\u5e94\u7528\u548c\u6311\u6218
\u7f8e\u56fd\u56fd\u5bb6\u764c\u75c7\u4e2d\u5fc3\u7684\u59dc\u9e4f\u548c Eytan Ruppin \u535a\u58eb\u7cfb\u7edf\u603b\u7ed3\u4e86\u5927\u6570\u636e\u5728\u764c\u75c7\u57fa\u7840\u7814\u7a76\u548c\u4e34\u5e8a\u5e94\u7528\u4e2d\u7684\u5e94\u7528\u548c\u6311\u6218\uff0c\u8ba8\u8bba\u4e86\u5927\u6570\u636e\u9a71\u52a8\u7814\u7a76\u4e2d\u7684\u51e0\u79cd\u5e38\u89c1\u7b56\u7565\u4ee5\u53ca\u764c\u75c7\u6570\u636e\u79d1\u5b66\u4e2d\u7cfb\u7edf\u6027\u5c40\u9650\u3002
4\u3001\u7528\u5927\u767d\u8bdd\u89e3\u8bf4 2022 \u5e74\u8bfa\u8d1d\u5c14\u5316\u5b66\u5956\u7684\u6280\u672f
2022\u5e74\u7684\u8bfa\u8d1d\u5316\u5b66\u5956\uff0c\u9881\u7ed9\u4e86\u4e09\u4f4d\u79d1\u5b66\u5bb6\uff1aCarolyn R. Bertozzi\uff0cMorten Meldal\uff0cK. Barry Sharpless\uff0c\u5956\u52b1\u4ed6\u4eec\u5728\u201cfor the development of click chemistry and bioorthogonal chemistry\u201d\u4e2d\u7684\u8d21\u732e\uff0c\u7ffb\u8bd1\u6210\u4e2d\u6587\u5c31\u662f\u201c\u5956\u52b1\u5728\u70b9\u51fb\u5316\u5b66\u548c\u6b63\u4ea4\u751f\u7269\u5316\u5b66\u5f00\u53d1\u4e2d\u7684\u8d21\u732e\u201d\u3002\u9648\u5dcd\u8001\u5e08\u5728\u4ed6\u7684\u516c\u4f17\u53f7\u7528\u5927\u767d\u8bdd\u8be6\u7ec6\u89e3\u91ca\u8fd9\u9879\u6280\u672f\u3002
5\u3001\u5177\u6709\u66f4\u597d\u4e34\u5e8a\u76f8\u5173\u6027\u7684\u80bf\u7624\u5c0f\u9f20\u6a21\u578b\uff1a PDX\u6a21\u578b
\u8fd1\u5e74\u6765\uff0c\u52a8\u7269\u6a21\u578b\u5728\u67d0\u4e9b\u65b9\u9762\u8fdb\u884c\u4e86\u6539\u9020\uff0c\u4ee5\u63d0\u9ad8\u4e34\u5e8a\u4ef7\u503c\u3002\u5176\u4e2d\u4e00\u79cd\u65b9\u6cd5\u662f\u521b\u5efa\u4eba\u6e90\u5316\u7684\u5c0f\u9f20\u6a21\u578b\u3002\u8be5\u6a21\u578b\u4e3b\u8981\u4ee3\u8868\u4e4b\u4e00\u662f\u521b\u5efa\u60a3\u8005\u884d\u751f\u7684\u5f02\u79cd\u79fb\u690d(PDX)\u6a21\u578b\u3002\u5728\u6700\u8fd1\u7684\u51e0\u5e74\u91cc\uff0c\u7814\u7a76\u8bc4\u4f30\u4e86\u5316\u7597\u5728\u8fd9\u4e9b\u6a21\u578b\u7684\u51c6\u786e\u6027\uff0c\u5e76\u53d1\u73b0\u5728\u5927\u591a\u6570\u60c5\u51b5\u4e0b\uff0cPDX\u6a21\u578b\u7684\u5316\u7597\u53cd\u5e94\u4e0e\u60a3\u8005\u4e4b\u95f4\u5b58\u5728\u663e\u8457\u76f8\u5173\u6027\u3002\u6b64\u5916\uff0cPDX\u6a21\u578b\u5177\u51fa\u663e\u8457\u7684\u5f02\u8d28\u6027\uff0c\u5f88\u597d\u7684\u53cd\u5e94\u4e86\u5176\u4eb2\u4ee3\u80bf\u7624\u5728\u9057\u4f20\u548c\u529f\u80fd\u6c34\u5e73\u4e0a\u7684\u7279\u5f81\u3002\u56e0\u6b64\uff0c\u7531\u4e8e\u5176\u5177\u6709\u826f\u597d\u7684\u4e34\u5e8a\u4e0a\u7684\u76f8\u5173\u6027\uff0c\u8fd1\u4e9b\u5e74\u88ab\u5e7f\u6cdb\u5e94\u7528\u3002
6\u3001\u5982\u4f55\u521b\u65b0\uff1f
\u672c\u6587\u5206\u4eab\u7684\u662f\u8bfa\u5956\u5f97\u4e3bKarl Barry Sharpless\u6559\u63882008\u5e7411\u6708\u5728\u4e2d\u56fd\u5929\u6d25\u5927\u5b66 Honeywell Nobel Lecture \u4e0a\u7ed9\u8fc7\u7684\u4e00\u4e2a\u5f02\u5e38\u800c\u4e14\u6781\u4e3a\u7cbe\u5f69\u7684\u6f14\u8bb2\u3002\u62a5\u544a\u7684\u9898\u76ee\u662f\uff1a\u201cHow to find something new\u201d\uff08\u5982\u4f55\u53d1\u73b0\u65b0\u4e8b\u7269\uff09\uff0cBarry\u4e00\u751f\u505a\u8fc7\u5f88\u591a\u91cd\u8981\u7684\u6f14\u8bb2\uff0c\u4f46\u8fd9\u4e2a\u6f14\u8bb2\u53ef\u4ee5\u8bf4\u662f\u5176\u4e2d\u6700\u7279\u6b8a\u7684\u4e00\u6b21\uff01
\u201c\u79d1\u5b66\u5bb6\u4e2d\u6709\u6536\u85cf\u5bb6\uff0c\u5206\u7c7b\u8005\u548c\u5f3a\u8feb\u75c7\u60a3\u8005\u3002\u4ece\u6027\u683c\u4e0a\u8bb2\uff0c\u4ed6\u4eec\u4e4b\u95f4\u8bb8\u591a\u662f\u4fa6\u63a2\uff0c\u8bb8\u591a\u662f\u63a2\u9669\u5bb6\uff1b\u6709\u4e9b\u662f\u827a\u672f\u5bb6\uff0c\u6709\u4e9b\u5219\u662f\u5de5\u5320\u3002\u201d
7\u3001IGV\u8bf4\u660e\u4e66
IGV\uff0cIntegrative Genomics Viewer \u4ea4\u4e92\u5f0f\u57fa\u56e0\u7ec4\u6d4f\u89c8\u5668\uff0c\u5b83\u662f\u4e00\u79cd\u9ad8\u6027\u80fd\u7684\u53ef\u89c6\u5316\u5de5\u5177\uff0c\u4e3b\u8981\u7528\u6765\u4ea4\u4e92\u5f0f\u5730\u63a2\u7d22\u5927\u578b\u7efc\u5408\u57fa\u56e0\u7ec4\u6570\u636e\u3002\u4f8b\u5982\uff0c\u53ef\u89c6\u5316\u57fa\u56e0\u7ec4\u7a81\u53d8\u4fe1\u606f\uff0c\u4e3a\u57fa\u56e0\u7ec4\u7a81\u53d8\u7ed3\u679c\u63d0\u4f9b\u66f4\u52a0\u76f4\u89c2\u53ef\u9760\u7684\u4fe1\u606f\uff0c\u5b83\u652f\u6301\u5404\u79cd\u6570\u636e\u7c7b\u578b\uff0c\u5305\u62ecarray-based\u7684\u548c\u4e0b\u4e00\u4ee3\u6d4b\u5e8f\u7684\u6570\u636e\u548c\u57fa\u56e0\u6ce8\u91ca\u3002IGV\u7684\u4f5c\u7528\u5e76\u4e0d\u662f\u627e\u7a81\u53d8\uff0c\u800c\u662f\u53ef\u89c6\u5316\u7a81\u53d8\u7ed3\u679c\u3002\u5728\u79d1\u5b66\u6587\u732e\u4e2d\u7ecf\u5e38\u4f1a\u51fa\u73b0\u4f7f\u7528IGV\u6765\u5c55\u793a\u7a81\u53d8\u7684\u7ed3\u679c\u3002
8\u3001plot1cell | \u5355\u7ec6\u80de\u53ef\u89c6\u5316R\u5305
plot1cell\u5305\u63d0\u4f9b\u4e86Circlize plot\u3001Dotplot\u3001Violin plot\u3001Umap geneplot\u3001ComplexHeatmap\u3001Upset plot\u3001Cell proportion plot\u7b49\u591a\u79cd\u7c7b\u578b\u7684\u5355\u7ec6\u80de\u53ef\u89c6\u5316\u529f\u80fd\uff0c\u5e76\u4e14\u529f\u80fd\u5728\u4e0d\u65ad\u5730\u66f4\u65b0\u4e2d\u3002
9\u3001rcssci\u5305 | \u9650\u5236\u6027\u7acb\u65b9\u6837\u6761\u5168\u81ea\u52a8\u5207\u70b9\u9753\u56fe
RCS(Restricted Cubic Spline\u6216Natural cubic splines )\u5b9e\u8d28\u4e0a\u662f\u901a\u8fc7\u9009\u62e9\u8282\u70b9\u7684\u4f4d\u7f6e\u548c\u6570\u91cf\uff0c\u62df\u5408\u6837\u6761\u51fd\u6570RCS\uff08X\uff09\uff0c\u4f7f\u5f97\u8fde\u7eed\u53d8\u91cfX\u5728\u6574\u4e2a\u53d6\u503c\u8303\u56f4\u5185\u5448\u73b0\u5149\u6ed1\u7684\u66f2\u7ebf\uff1b\u5f00\u53d1\u7684rcssci\u5305V1.0\u7248\u6838\u5fc3\u51fd\u6570\u67093\u4e2a\uff0crcssci_cox\u3001rcssci_logistic\u3001rcssci_linear\uff0c\u5206\u522b\u9002\u5408\u4e8e\u6a21\u578b\u4e3a\u7b49\u6bd4\u4f8b\u98ce\u9669cox\u6a21\u578b\uff0c\u7ecf\u5178\u4e8c\u5206\u7c7blogistic\u548c\u4e00\u822c\u7ebf\u6027\u6a21\u578b\u3002
10\u3001ggcoverage | \u57fa\u56e0\u7ec4\u53ef\u89c6\u5316R\u5305
ggcoverage \u57fa\u4e8eggplot2\u7f16\u5199\u7684\u57fa\u56e0\u7ec4\u53ef\u89c6\u5316R\u5305\uff0c\u652f\u6301\u591a\u79cdNGS\u6570\u636e\uff0c\u5982WGS, RNA-seq, ChIP-seq, ATAC-seq\u7b49\u3002
11\u3001Startme | \u81ea\u5b9a\u4e49\u4f60\u7684\u6d4f\u89c8\u5668\u4e3b\u9875
\u4e00\u4e2a\u529f\u80fd\u5168\u9762\u3001\u8d85\u7ea7\u5b9e\u7528\u7684\u6d4f\u89c8\u5668\u4e3b\u9875Startme\uff08https://about.start.me/\uff09\uff0c\u53ef\u4ee5\u5e2e\u52a9\u4f60\u63d0\u9ad8\u5de5\u4f5c\u6548\u7387\uff0c\u6784\u5efa\u4f60\u7684\u4e2a\u4eba\u529e\u516c\u5b66\u4e60\u7a7a\u95f4\u3002
"},{"location":"issue-49/#_6","title":"\u8d44\u6e90","text":"12\u3001\u770b\u89c1\u7edf\u8ba1\uff1a\u7edf\u8ba1\u5b66\u5165\u95e8\u6559\u7a0b
\u7edf\u8ba1\u5b66\u6b63\u8fc5\u901f\u6210\u4e3a\u6570\u5b66\u4e2d\u6700\u91cd\u8981\u548c\u591a\u5b66\u79d1\u7684\u9886\u57df\uff0c\u770b\u89c1\u7edf\u8ba1\u81f4\u529b\u4e8e\u7528\u6570\u636e\u53ef\u89c6\u5316\u8ba9\u7edf\u8ba1\u6982\u5ff5\u66f4\u5bb9\u6613\u7406\u89e3\uff0c\u76ee\u524d\u5185\u5bb9\u5305\u62ec\uff1a\u57fa\u7840\u6982\u7387\u8bba\u3001\u8fdb\u9636\u6982\u7387\u8bba\u3001\u6982\u7387\u5206\u5e03\u3001\u7edf\u8ba1\u63a8\u65ad\uff1a\u9891\u7387\u5b66\u6d3e\u3001\u7edf\u8ba1\u63a8\u65ad\uff1a\u8d1d\u53f6\u65af\u5b66\u6d3e\u548c\u56de\u5f52\u5206\u6790\u3002
13\u3001oddgenes\u6ce8\u91ca\u77e5\u8bc6\u5e93
\u8be5github\u4ed3\u5e93\u6536\u85cf\u4e86\u4e00\u7cfb\u5217\u5c11\u89c1\u3001\u65b0\u5947\u7684\u57fa\u56e0\u6ce8\u91ca(\u6bd4\u59821bp length exon)\u3002
14\u3001\u6b63\u5219\u8868\u8fbe\u5f0f\u5feb\u901f\u5165\u95e8
Quick Start\u53ef\u4ee5\u8ba9\u60a8\u5feb\u901f\u638c\u63e1\u6b63\u5219\u8868\u8fbe\u5f0f\u3002\u663e\u7136\uff0c\u8fd9\u4e2a\u7b80\u77ed\u7684\u4ecb\u7ecd\u4e0d\u80fd\u89e3\u91ca\u5173\u4e8e\u6b63\u5219\u8868\u8fbe\u5f0f\u7684\u4e00\u5207\u3002\u6709\u5173\u8be6\u7ec6\u4fe1\u606f\uff0c\u8bf7\u53c2\u9605\u6b63\u5219\u8868\u8fbe\u5f0f\u6559\u7a0b\u3002\u5feb\u901f\u5165\u95e8\u4e2d\u7684\u6bcf\u4e2a\u4e3b\u9898\u90fd\u5bf9\u5e94\u6559\u7a0b\u4e2d\u7684\u4e00\u4e2a\u4e3b\u9898\uff0c\u56e0\u6b64\u60a8\u53ef\u4ee5\u8f7b\u677e\u5730\u5728\u8fd9\u4e24\u4e2a\u4e3b\u9898\u4e4b\u95f4\u6765\u56de\u5207\u6362\u3002
15\u3001\u7f51\u7ad9\u8d44\u6e90\u96c6\u5408
\u8be5\u63a8\u6587\u6574\u7406\u4e86\u4e00\u4e9b\u65e5\u5e38\u751f\u6d3b\u4e2d\u53ef\u4ee5\u76f4\u63a5\u8bbf\u95ee\u7684\u5e38\u7528\u7f51\u7ad9\u8d44\u6e90\u3002
"},{"location":"issue-49/#_7","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-5/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 5 \u671f\uff09\uff1a\u76f8\u5173\u975e\u56e0\u679c","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
GitHub \u7c89\u4eec\u53ef\u4ee5\u901a\u8fc7 Watch \u4ed3\u5e93\u7684 Release\uff08\u63d0\u524d\uff09\u5173\u6ce8\u53d1\u5e03\u5185\u5bb9\u3002
\u8ba8\u8bba\u533a\u7684\u5e16\u5b50\u300a\u8c01\u5728\u62db\u4eba\uff1f\u300b\uff0c\u63d0\u4f9b\u751f\u4fe1\u6df1\u9020\u548c\u5c31\u4e1a\u4fe1\u606f\uff0c\u6b22\u8fce\u8bbf\u95ee\u6216\u53d1\u5e03\u5b66\u4f4d\u653b\u8bfb/\u5de5\u4f5c/\u5b9e\u4e60\u7b49\u5c97\u4f4d\u3002
\u300c\u672c\u671f\u4e13\u7528\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-5/#_1","title":"\u5c01\u9762\u56fe","text":"\u667a\u6167\u6821\u56ed\u3002\uff08via\uff09
"},{"location":"issue-5/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u76f8\u5173\u975e\u56e0\u679c","text":"\u672c\u671f\u8bdd\u9898\u4e0e\u4eca\u5e74\u7684\u6700\u540e\u4e00\u4e2a\u8bfa\u8d1d\u5c14\u5956\u6709\u5173\u3002
\u52a0\u5dde\u5927\u5b66\u4f2f\u514b\u5229\u5206\u6821\u7684David Card\u3001\u9ebb\u7701\u7406\u5de5\u5b66\u9662\u7684Joshua D. Angrist\u548c\u65af\u5766\u798f\u5927\u5b66Guido W. Imbens\uff0c\u5171\u540c\u83b7\u5f97\u4e86\u4eca\u5e74\u7684\u8bfa\u8d1d\u5c14\u7ecf\u6d4e\u5b66\u5956\u3002
\u745e\u5178\u7687\u5bb6\u79d1\u5b66\u9662\u8868\u5f70\u4ed6\u4eec\u5728\u52b3\u52a8\u7ecf\u6d4e\u5b66\u548c\u4ece\u81ea\u7136\u5b9e\u9a8c\u4e2d\u5206\u6790\u56e0\u679c\u5173\u7cfb\u65b9\u9762\u505a\u51fa\u7684\u8d21\u732e\u3002
\u521d\u5165\u751f\u4fe1\u7684\u840c\u65b0\uff0c\u53ef\u80fd\u8fd8\u5728\u5404\u79cd\u6280\u672f\u8d34\u548c\u6559\u7a0b\u91cc\u7545\u6e38\uff0c\u4f46\u5982\u679c\u7a0d\u6709\u4e9b\u79d1\u7814\u7ecf\u9a8c\uff0c\u53ef\u80fd\u5c31\u4f1a\u5bf9\u56e0\u679c\u8bdd\u9898\u4ea7\u751f\u7591\u60d1\u548c\u8fdb\u884c\u81ea\u5df1\u7684\u63a2\u7d22\u3002\u8fd9\u662f\u56e0\u4e3a\uff0c\u5f53\u6211\u4eec\u5b8c\u6210\u4e00\u9879\u8bfe\u9898\uff0c\u6240\u9700\u8981\u603b\u7ed3\u6c47\u96c6\u4ea7\u751f\u7684\u7ed3\u8bba\u5f80\u5f80\u662f\u56e0\u679c\uff0c\u800c\u7edd\u5927\u90e8\u5206\u6211\u4eec\u8fdb\u884c\u7684\u6570\u636e\u5206\u6790\u53ea\u80fd\u4ea7\u751f\u76f8\u5173\u3002
\u76f8\u5173\u975e\u56e0\u679c\uff0c\u56e0\u679c\u5fc5\u76f8\u5173\u3002\u76f8\u5173\u5230\u56e0\u679c\u7684\u8fc7\u6e21\u5728\u5982\u4eca\u7684\u751f\u7269\u533b\u5b66\u79d1\u7814\u4e2d\u5f80\u5f80\u56f0\u96be\u91cd\u91cd\u3002\u4f60\u4e0e\u4eca\u5929\u7684\u8bdd\u9898\u6709\u54ea\u4e9b\u7591\u60d1\u548c\u5171\u9e23\uff1f\u6b22\u8fce\u5728\u8bc4\u8bba\u8ba8\u8bba\u533a\u7559\u8a00\u3002
\u76ee\u524d\u79d1\u7814\u4e2d\u4f60\u770b\u5230\u7684\u4e3b\u8981\u7684\u56e0\u679c\u7ed3\u8bba\u751f\u6210\u5f62\u5f0f\u662f\u4f9d\u8d56\u80cc\u666f\u8fdb\u884c\u56e0\u679c\u903b\u8f91\u63a8\u65ad\u3002\u5728\u7edf\u8ba1\u5b66\u65b9\u6cd5\u4e2d\uff0c\u901a\u8fc7\u8d1d\u53f6\u65af\u4f53\u7cfb\u53ef\u4ee5\u76f4\u63a5\u4ece\u6982\u7387\u4e2d\u63a8\u65ad\u56e0\u679c\u3002\u800c\u5176\u4ed6\u9886\u57df\uff0c\u4ece\u76f8\u5173\u5230\u56e0\u679c\uff0c\u53ef\u80fd\u771f\u6b63\u4ea7\u751f\u4e00\u4e9b\u6839\u672c\u6027\u53d8\u9769\u3002
Judea Pearl\u4e0e\u4eca\u5e74\u7684\u8bfa\u8d1d\u5c14\u83b7\u5956\u8005\u9887\u6709\u6e0a\u6e90\uff0c\u4ed6\u56e0\u4e3a\u5f00\u53d1\u56e0\u679c\u63a8\u7406\u7684\u7b97\u6cd5\u5728AI\u4e0a\u7684\u8d21\u732e\uff0c\u800c\u83b7\u5f97\u56fe\u7075\u5956\u3002
\u4e0d\u8fc7Pearl\u5374\u662f\u5176\u4e2d\u4e24\u4f4d\u83b7\u5956\u8005\u7684\u575a\u5b9a\u53cd\u5bf9\u8005\u3002 \u56e0\u4e3aPearl\u8ba4\u4e3a\uff0c\u4ed6\u4eec\u7684\u7814\u7a76\u8fdd\u53cd\u4e86\u56e0\u679c\u63a8\u7406\u7684\u4e24\u4e2a\u57fa\u672c\u5b9a\u5f8b\uff0c\u5373\u53cd\u4e8b\u5b9e\u5b9a\u5f8b\u548c\u6761\u4ef6\u72ec\u7acb\u5b9a\u5f8b\u3002
\u63a8\u8350\u611f\u5174\u8da3\u7684\u8bfb\u8005\u770b\u4e0b\u300a\u4e3a\u4ec0\u4e48\uff1a\u56e0\u679c\u5173\u7cfb\u7684\u65b0\u79d1\u5b66\u300b\u4e00\u4e66\uff0c\u76ee\u524d\u6211\u4e5f\u53ea\u662f\u521d\u6b65\u770b\u4e86\u4e00\u70b9\u5185\u5bb9\uff0c\u4ece\u5176\u4ed6\u9886\u57df\u7684\u7cfb\u7edf\u7406\u8bba\u4e2d\u6211\u4eec\u6709\u53ef\u80fd\u83b7\u53d6\u5f53\u524d\u79d1\u7814\u8fdb\u6b65\u7684\u65b0\u529b\u91cf\u3002
"},{"location":"issue-5/#_3","title":"\u751f\u4fe1\u79d1\u6280\u52a8\u6001","text":"1\u3001Bioc Asia 2021\u4f1a\u8bae\u8fd1\u671f\u4e3e\u884c
\u4ece\u53bb\u5e74\u5f00\u59cb\uff08\u6ca1\u8bb0\u9519\u7684\u8bdd\uff09\uff0cBioconductor\u6bcf\u5e74\u9488\u5bf9\u4e9a\u6d32\u533a\u95f4\u4e3e\u529e\u5e74\u5ea6\u4f1a\u8bae\uff08\u7ebf\u4e0a\uff09\u3002\u4eca\u5e74\u7684\u4f1a\u8bae\u4f1a\u572811\u67081\u53f7-4\u53f7\u4e3e\u884c\uff0c\u4f1a\u8bae\u5b89\u6392\u8bf7\u67e5\u770bSchedule\u3002\u9664\u4e86\u4f1a\u8bae\u62a5\u544a\uff0c\u8fd8\u6709\u5f88\u591a\u7684workshops\uff0c\u65b0\u624b\u8bfb\u8005\u670b\u53cb\u4eec\u770b\u770b\u662f\u5426\u6709\u611f\u5174\u8da3\u7684\u5185\u5bb9\u3002
\u4e2d\u6587workshop\uff1a
2\u3001QB\u671f\u520a\u5c06\u76f4\u64adGWAS\u6700\u65b0\u7814\u7a76\u8fdb\u5c55
2005\u5e74\uff0cHoh\u53ca\u5176\u540c\u4e8b\u9996\u6b21\u6210\u529f\u5229\u7528\u57fa\u56e0\u7ec4\u5173\u8054\u7814\u7a76\uff08Genome Wide Association Study, GWAS\uff09\u9274\u5b9a\u4e86\u4e0e\u5e74\u9f84\u76f8\u5173\u7684\u9ec4\u6591\u53d8\u6027\u4e3b\u8981\u57fa\u56e0\u3002\u5728\u968f\u540e\u768416\u5e74\u4e2d\uff0c\u4f17\u591a\u7814\u7a76\u62a5\u9053\u4e86\u6570\u5341\u4e07\u79cd\u9057\u4f20\u53d8\u5f02\u4e0e\u6570\u5343\u79cd\u6027\u72b6\u548c\u75be\u75c5\u4e4b\u95f4\u7684\u53ef\u91cd\u590d\u5173\u8054\u4fe1\u53f7\u3002\u4e16\u754c\u5404\u5730\u5f00\u53d1\u4e86\u8d8a\u6765\u8d8a\u591a\u7684\u751f\u7269\u5e93\uff0c\u53c2\u4e0e\u8005\u591a\u8fbe100\u4e07\u4eba\uff0c\u4ee5\u671f\u901a\u8fc7GWAS\u5206\u6790\u4fc3\u8fdb\u590d\u6742\u6027\u72b6\u7684\u9057\u4f20\u7814\u7a76\u3002\u6b64\u5916\uff0c\u5df2\u542f\u52a8\u7684\u8bb8\u591a\u8054\u76df\u9879\u76ee\u6536\u96c6\u7684\u5404\u79cd\u7c7b\u578b\u6570\u636e\u5bf9GWAS\u5206\u6790\u5177\u6709\u91cd\u8981\u4ef7\u503c\u3002\u8fd9\u4e9b\u4e30\u5bcc\u7684\u6570\u636e\u7ed9\u79d1\u5b66\u5bb6\u4eec\u5728\u6570\u636e\u7ba1\u7406\u3001\u8ba1\u7b97\u3001\u5206\u6790\u3001\u96c6\u6210\u548c\u89e3\u91ca\u65b9\u9762\u5e26\u6765\u4e86\u5de8\u5927\u7684\u673a\u9047\u548c\u6311\u6218\u3002\u7531Quantitative Biology \uff08QB\uff09\u671f\u520a\u53d1\u8d77\uff0c\u7f8e\u56fd\u8036\u9c81\u5927\u5b66\u7684\u8d75\u5b8f\u5b87\u6559\u6388\uff0c\u6e05\u534e\u5927\u5b66\u7684\u4faf\u7433\u6559\u6388\uff0c\u7f8e\u56fd\u5a01\u65af\u5eb7\u661f\u5927\u5b66\u9ea6\u8fea\u900a\u5206\u6821\u7684\u5415\u743c\u77f3\u6559\u6388\u548c\u9999\u6e2f\u79d1\u6280\u5927\u5b66\u7684\u6768\u707f\u6559\u6388\u5171\u540c\u7ec4\u7ec7\u4e86QB\u671f\u520a2021\u5e74\u7b2c\u4e8c\u671f\u7684GWAS\u4e13\u8f91\uff08\u70b9\u51fb\u6587\u672b\u201c\u9605\u8bfb\u539f\u6587\u201d\u67e5\u770b\u672c\u4e13\u8f91\u6240\u6709\u6587\u7ae0\uff09\u53ca\u672c\u6b21\u7f51\u7edc\u7814\u8ba8\u4f1a\u30026\u4f4d\u56fd\u5185\u5916\u4e13\u5bb6\u5c06\u4ecb\u7ecdGWAS\u6700\u65b0\u79d1\u7814\u8fdb\u5c55\u548c\u4e92\u8054\u7f51\u65f6\u4ee3\u7684\u5e94\u7528\u8fdb\u5c55\uff0c\u5e76\u4e0e\u53c2\u4f1a\u4e13\u5bb6\u4e00\u8d77\u5c55\u5f00\u6df1\u5165\u4ea4\u6d41\u3002\u6b22\u8fce\u4ece\u4e8bGWAS\u76f8\u5173\u7814\u7a76\u7684\u8001\u5e08\u548c\u540c\u5b66\u79ef\u6781\u53c2\u4e0e\u3002\uff08\u6765\u6e90\uff1a\u516c\u4f17\u53f7\u300cQB\u671f\u520a\u300d\uff09
\u672c\u6b21\u4f1a\u8bae\u7531Quantitative Biology \uff08QB\uff09\u671f\u520a\u7f16\u8f91\u90e8\u4e3b\u529e\uff0c\u6388\u6743\u853b\u4eab\u5b66\u672f\u8fdb\u884c\u7f51\u7edc\u76f4\u64ad\uff08https://www.koushare.com/frontiers/qb\uff09\u3002\u626b\u63cf\u52a0\u5165\u4e0b\u9762\u5fae\u4fe1\u7fa4\uff0c\u5c06\u5b9e\u65f6\u83b7\u53d6\u6700\u65b0\u4f1a\u8bae\u901a\u77e5\u3002
\u76f4\u64ad\u65f6\u95f4\uff1a2021\u5e7411\u670813\u65e5\u4e0a\u534810\uff1a00 - 12\uff1a00
3\u3001\u6b66\u5927\u8054\u5408Elsevier\u521b\u529e\u751f\u7269\u533b\u5b66\u671f\u520aCell Insight
Cell Insight \u662f\u4e00\u672c\u5f00\u653e\u83b7\u53d6\u53cc\u6708\u520a\uff0c\u4ee5\u6253\u9020\u201c\u4e16\u754c\u4e00\u6d41\u671f\u520a\u201d\u4e3a\u76ee\u6807\uff0c\u4ee5\u201c\u63a8\u52a8\u4e2d\u56fd\u79d1\u6280\u671f\u520a\u9ad8\u8d28\u91cf\u53d1\u5c55\u201d\u4e3a\u7406\u5ff5\uff0c\u91cd\u70b9\u62a5\u9053\u751f\u7269\u533b\u5b66\u9886\u57df\u7684\u6700\u65b0\u79d1\u5b66\u4e0e\u6280\u672f\u6210\u679c\u3002
Cell Insight\u7531\u4e2d\u79d1\u9662\u9662\u58eb\u3001\u6b66\u6c49\u5927\u5b66\u8212\u7ea2\u5175\u6559\u6388\u62c5\u4efb\u4e3b\u7f16\uff0c\u75c5\u6bd2\u5b66\u56fd\u5bb6\u91cd\u70b9\u5b9e\u9a8c\u5ba4\u4e3b\u4efb\u3001\u6b66\u6c49\u5927\u5b66\u84dd\u67ef\u6559\u6388\u62c5\u4efb\u6267\u884c\u4e3b\u7f16\uff0c\u7531\u6765\u81ea\u4e2d\u56fd\u3001\u7f8e\u56fd\u3001\u52a0\u62ff\u5927\u3001\u82f1\u56fd\u3001\u6fb3\u5927\u5229\u4e9a\u3001\u65e5\u672c\u3001\u610f\u5927\u5229\u3001\u6bd4\u5229\u65f6\u3001\u97e9\u56fd\u7b49\u5168\u7403\u8457\u540d\u5b66\u672f\u673a\u6784\u768440\u4f59\u4f4d\u5b66\u8005\u62c5\u4efb\u7f16\u59d4\u3002
Cell Insight \u5c06\u63d0\u4f9b\u4e13\u4e1a\u4e14\u5feb\u901f\u7684\u8bba\u6587\u5ba1\u7a3f\u6d41\u7a0b\uff0c\u8bba\u6587\u6295\u7a3f\u4e00\u5468\u5185\u51b3\u5b9a\u662f\u5426\u9001\u5ba1\uff0c\u5bf9\u9001\u5ba1\u7a3f\u4ef6\u5728\u4e8c\u81f3\u56db\u5468\u5185\u8fd4\u56de\u5ba1\u7a3f\u610f\u89c1\uff0c\u63a5\u53d7\u7a3f\u4ef6 1 \u6708\u5185\u5728\u7ebf\u53d1\u8868\uff0c\u540c\u65f6\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u52a0\u4ee5\u63a8\u9001\u3002\u6b64\u5916\uff0cCell Insight \u8fd8\u5bf9\u67d0\u4e9b\u9ad8\u6c34\u5e73\u3001\u5b58\u5728\u6fc0\u70c8\u7ade\u4e89\u7684\u7a3f\u4ef6\u63d0\u4f9b\u7eff\u8272\u901a\u9053\u5feb\u901f\u53d1\u8868\u3002
Cell Insight \u5c06\u4e8e 2022 \u5e74 1 \u6708\u6b63\u5f0f\u51fa\u7248\u7b2c\u4e00\u671f\uff0c\u521b\u520a\u524d\u4e09\u5e74\u6240\u53d1\u8868\u7684\u6587\u7ae0\u5747\u514d\u9664\u6587\u7ae0\u51fa\u7248\u8d39\u3002(\u6765\u6e90\uff1a\u516c\u4f17\u53f7\u300c\u79d1\u7814\u5927\u5320\u300d)
"},{"location":"issue-5/#_4","title":"\u6587\u7ae0","text":"1\u3001\u4e00\u6761\u6307\u4ee4\uff0c\u4fee\u6539ggplot\u6240\u6709\u7684\u5b57\u4f53
Y\u53d4\u7f16\u5199\u51fd\u6570set_font()\u89e3\u51b3\u4e00\u6b21\u6027\u5b57\u4f53\u8bbe\u5b9a\u3002
g2 <- set_font(p, \n family=\"Arial\", \n fontface=\"italic\")\n\uff08\u6765\u6e90\uff1a\u516c\u4f17\u53f7\u300cYuLabSMU\u300d\uff09
2\u3001Python 3.10\u53d1\u5e03\uff1a\u4f18\u5316\u9519\u8bef\u8c03\u8bd5\uff0c\u65b0\u589ematch\u8bed\u53e5\u7b49
\u66f4\u597d\u7684\u9519\u8bef\u8ddf\u8e2a
Python3.10 \u65b0\u589e\u4e24\u4e2a\u7279\u6027\uff0c\u53ef\u4ee5\u66f4\u597d\u5730\u5904\u7406\u9519\u8bef\uff0c\u5373\u66f4\u597d\u7684\u9519\u8bef\u6d88\u606f\u548c\u7528\u4e8e\u8c03\u8bd5\u7684\u7cbe\u786e\u884c\u53f7\u3002\u4ee5\u4e0b\u5217\u4ee3\u7801\u4e3a\u4f8b\uff0c\u4ee3\u7801\u4e2d\u5305\u542b\u5b57\u5178\u548c\u51fd\u6570\uff0c\u7136\u800c\u8fd9\u6bb5\u4ee3\u7801\u663e\u793a\u6ca1\u6709\u5173\u95ed\u5b57\u5178\u3002
some_dict = {1: \"jack\", 2: \"john\", 3: \"james\" ,\na_results = a_useful_function()\n\u65e7\u7248\u672c\u9519\u8bef\u663e\u793a\uff1a
\u65b0\u7248\u672c\u9519\u8bef\u663e\u793a\uff1a
Python 3.10 \u5173\u4e8e\u9519\u8bef\u8ddf\u8e2a\u65b0\u7279\u6027\u5c06\u6709\u52a9\u4e8e\u52a0\u5feb\u8c03\u8bd5\u901f\u5ea6\uff0c\u5e76\u51cf\u5c11\u521d\u5b66\u8005\u632b\u8d25\u611f\u3002
\u5f15\u5165\u7ed3\u6784\u6a21\u5f0f\u5339\u914d
\u5982\u679c\u4f60\u5df2\u7ecf\u4f7f\u7528\u8fc7 C++ \u7b49\u5176\u4ed6\u7f16\u7a0b\u8bed\u8a00\uff0c\u6216\u8bb8\u4f60\u4f1a\u671f\u5f85 Python \u6709 switch \u8bed\u53e5\uff0c\u8fd9\u6837\u5c31\u4e0d\u5fc5\u901a\u8fc7\u957f\u7684 if\u3001 elif\u3001 elif\u2026. else \u8bed\u53e5\u6765\u5b8c\u6210\u4efb\u52a1\u3002Python 3.10 \u7684\u4e00\u4e2a\u65b0\u7279\u6027\u662f\u589e\u52a0\u4e86\u7ed3\u6784\u6a21\u5f0f\u5339\u914d\uff0c\u6216\u8005\u6362\u53e5\u8bdd\u8bf4\uff0c\u589e\u52a0\u4e86 match case \u8bed\u53e5\uff0c\u5b83\u7684\u8bed\u6cd5\u5982\u4e0b\uff1a
match subject:\n case <patt1>:\n <act1>\n case <patt2>:\n <act2>\n case <patt3>:\n <act3>\n case _:\n <action_default>\n\uff08\u6765\u6e90\uff1a\u516c\u4f17\u53f7\u300cPython\u5f00\u53d1\u8005\u300d\uff09
3\u3001\u4e34\u5e8a\u7814\u7a76\u9634\u6027\u9633\u6027\u7ed3\u679c\u89e3\u8bfb
\u5bf9\u7ed3\u679c\u548c\u7814\u7a76\u7684\u4e00\u4e9b\u6709\u76ca\u7684\u601d\u8003\u7b56\u7565\u3002
\u9633\u6027\u7ed3\u679c\uff0c\u601d\u8003\uff1a
\u9634\u6027\u7ed3\u679c\uff0c\u601d\u8003\uff1a
4\u3001\u57fa\u4e8e KDE \u7684\u6700\u4f73 Linux \u53d1\u884c\u7248
KDE \u662f\u76ee\u524d\u6700\u5177\u5b9a\u5236\u6027\u548c\u6700\u5feb\u901f\u7684\u684c\u9762\u73af\u5883\u4e4b\u4e00\u3002\u867d\u7136\u4f60\u53ef\u4ee5\u968f\u65f6\u5b89\u88c5 KDE\uff0c\u4f46\u6700\u597d\u9009\u62e9\u4e00\u4e2a KDE \u5f00\u7bb1\u5373\u7528\u7684 Linux \u53d1\u884c\u7248\u3002
\u5728\u8fd9\u91cc\uff0c\u4f5c\u8005\u5217\u51fa\u4e00\u4e9b\u6700\u597d\u7684\u57fa\u4e8e KDE \u7684 Linux \u53d1\u884c\u7248\u3002
\u4f8b\u5982\uff0cKDE Neon
5\u3001\u738b\u7acb\u94ed\uff1a\u8fdb\u5316\u8bba\u662f\u5730\u7403\u4e0a\u552f\u4e00\u7684\u6210\u529f\u5b66
\u867d\u7136\u8fd9\u662f\u4e00\u7bc7\u63a8\u9500\u6587\uff0c\u4f46\u5176\u4e2d\u4f5c\u8005\u63d0\u53ca\u7684\u51e0\u4e2a\u89c2\u70b9\u503c\u5f97\u5927\u5bb6\u9605\u8bfb\u548c\u601d\u8003\u3002
\u5728\u751f\u7269\u7684\u81ea\u79c1\u672c\u80fd\u548c\u73af\u5883\u8d44\u6e90\u7684\u76f8\u5bf9\u532e\u4e4f\u8fd9\u4e00\u5bf9\u77db\u76fe\u7684\u63a8\u52a8\u4e0b\uff0c\u8fdb\u5316\u5c65\u5e26\u4e0a\u7684\u56db\u6839\u94fe\u6761\u2014\u2014\u53ef\u9057\u4f20\u7684\u53d8\u5f02\u3001\u751f\u5b58\u7ade\u4e89\u3001\u81ea\u7136\u9009\u62e9\u548c\u751f\u6b96\u9694\u79bb\u2014\u2014\u6eda\u6eda\u5f00\u52a8\uff0c\u5728\u6df7\u4e71\u7684\u5927\u81ea\u7136\u4e2d\u5efa\u7acb\u751f\u547d\u7684\u79e9\u5e8f\uff0c\u5e76\u9010\u6b65\u81ea\u6211\u5b8c\u5584\u548c\u5206\u53c9\uff0c\u4ece\u4e00\u9897\u79cd\u5b50\u957f\u6210\u679d\u7e41\u53f6\u8302\u7684\u751f\u547d\u4e4b\u6811\u3002
6\u30018\u79cd\u65b9\u6cd5\u53ef\u89c6\u5316\u4f60\u7684\u5355\u7ec6\u80de\u57fa\u56e0\u96c6\u6253\u5206
\u8fd9\u671f\u6700\u540e\u63a8\u8350\u7684\u4e00\u7bc7\u6587\u7ae0\u4ee5\u300c\u751f\u4fe1\u6280\u80fd\u6811\u300d\u7684\u4e00\u7bc7\u8fd1\u671f\u63a8\u6587\u6536\u5c3e\uff1a\u6821\u6b63\u6279\u6b21\u6548\u5e94\u540e\u7684\u6570\u636e\uff0c\u4f1a\u63a9\u76d6\u90e8\u5206\u771f\u5b9e\u7684\u751f\u7269\u5b66\u5dee\u5f02\u3002\u4f46\u6821\u6b63\u6279\u6b21\u6548\u5e94\u540e\u7684\u6570\u636e\u662f\u5426\u80fd\u7528\u4e8e\u57fa\u56e0\u96c6\u5bcc\u96c6\u5206\u6790\uff0c\u4ee5\u53ca\u6837\u672c\u4e4b\u95f4\u7684\u6279\u6b21\u6548\u5e94\u662f\u5426\u4f1a\u5f71\u54cd\u57fa\u56e0\u5bcc\u96c6\u5206\u6790\u7ed3\u679c\u4ecd\u7136\u662f\u4e00\u4e2a\u4e89\u8bba\u3002\u6587\u7ae0\u91cd\u65b0\u5ba1\u89c6\u4e869\u79cd\u5e38\u89c1\u7684\u529f\u80fd\u96c6\u6253\u5206\u65b9\u6cd5\uff1aGSEA\u3001GSVA\u3001PLAGE\u3001Zscore\u3001AddModuleScore\u3001ssGSEA\u3001AUCell\u3001UCell\u548csingscore\u3002
"},{"location":"issue-5/#_5","title":"\u5de5\u5177","text":"1\u3001gggenes\uff1aggplot2\u7ed8\u5236\u57fa\u56e0\u7ed3\u6784\u56fe
2\u3001shinyAce
shinyAce\u5305\u4f7fShiny\u5e94\u7528\u7a0b\u5e8f\u5f00\u53d1\u4eba\u5458\u80fd\u591f\u5728\u4ed6\u4eec\u7684\u5e94\u7528\u7a0b\u5e8f\u4e2d\u4f7f\u7528Ace\u6587\u672c\u7f16\u8f91\u5668\u3002
3\u3001ggpubr - \u57fa\u4e8eggplot2\u7684publication ready\u56fe\u751f\u6210
\u201cggpubr\u201d\u5305\u63d0\u4f9b\u4e86\u4e00\u4e9b\u6613\u4e8e\u4f7f\u7528\u7684\u51fd\u6570\uff0c\u7528\u4e8e\u521b\u5efa\u548c\u5b9a\u5236\u57fa\u4e8e\u201cggplot2\u201d\u7684\u51fa\u7248\u51c6\u5907\u56fe\uff0c\u5305\u62ec\u70b9\u56fe\u3001\u63d0\u7434\u56fe\u3001\u6761\u5f62\u56fe\u7b49\u3002\u8fd9\u4e2a\u5305\u4e2d\u6587\u641c\u7d22\u5df2\u7ecf\u6709\u975e\u5e38\u975e\u5e38\u591a\u7684\u4ecb\u7ecd\u548c\u4f7f\u7528\u63a8\u6587\u4e86\u3002
4\u3001ggstatsplot - \u57faggplot2\u4e8e\u5e26\u6709\u7edf\u8ba1\u7ec6\u8282\u7684\u56fe
\u5bf9\u4e8e\u53d1\u8868\u6587\u7ae0\u975e\u5e38\u63a8\u8350\u7684\u4e00\u4e2a\u7ed8\u56fe\u5305\uff0c\u8be6\u7ec6\u5730\u5c55\u793a\u7edf\u8ba1\u7ec6\u8282\u800c\u4e0d\u4ec5\u4ec5\u53ea\u6709\u663e\u8457\u6027\u3002\u652f\u6301\u5e38\u89c1\u7684\u5206\u6790\u7ed8\u56fe\u3002
5\u3001flomo - \u5feb\u901f\u8bb0\u5f55\u788e\u7247\u77e5\u8bc6\u4e0e\u7075\u611f\u7684\u5de5\u5177\u3002
\uff08@mugpeng\u6295\u7a3f\uff09
"},{"location":"issue-5/#_6","title":"\u8d44\u6e90","text":"1\u3001biofast - \u5bf9\u751f\u7269\u4fe1\u606f\u5b66\u4e2d\u5e38\u89c1\u4efb\u52a1\u7684\u7f16\u7a0b\u8bed\u8a00/\u5b9e\u73b0\u8fdb\u884c\u57fa\u51c6\u6d4b\u8bd5
\u8be5\u4ed3\u5e93\u53ef\u4ee5\u67e5\u770b\u5bf9\u4e8e\u57fa\u672c\u7684\u751f\u4fe1\u5904\u7406\u4efb\u52a1\uff0c\u4e0d\u540c\u7f16\u7a0b\u8bed\u8a00\u7684\u8ba1\u7b97\u6027\u80fd\u3002\u8fd9\u5bf9\u4e8e\u521d\u5b66\u8005\u5b66\u4e60\u5408\u9002\u7684\u7f16\u7a0b\u8bed\u8a00\u53ef\u80fd\u63d0\u4f9b\u5e2e\u52a9\u3002
\u4e0b\u9762\u5c55\u793a\u7684\u662fFASTQ\u89e3\u6790\u7684\u7ed3\u679c\uff1a
2\u3001\u80bf\u7624\u514d\u75ab\u5b66
\u6b63\u5728\u8fdb\u884c\u7684\u80bf\u7624\u514d\u75ab\u5b66\u7cfb\u7edf\u63a8\u6587\u3002\uff08\u6765\u6e90\uff1a\u516c\u4f17\u53f7\u300cOncoLab\u300d\uff09
3\u3001\u7c7b\u4f3cGitBook\u5728\u7ebf\u6587\u6863\u521b\u4f5c\u5e73\u53f0\u6c47\u603b
4\u3001Creating Beautiful Data Visualizations in R: a ggplot2 Crash Course\uff08\u82f1\u6587\u5728\u7ebf\u5e7b\u706f\u7247\uff09
\u8be6\u7ec6\u7684ggplot2\u4ecb\u7ecd\u8bfe\u4ef6\u3002
"},{"location":"issue-5/#_7","title":"\u8d5e\u8d4f","text":"\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
\u611f\u8c22\u4ee5\u4e0b\u5f80\u671f\u8d5e\u8d4f/\u6350\u8d60\u7684\u8bfb\u8005\uff1a
\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-50/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 50 \u671f\uff09\uff1a\u9876\u7ea71\u533a\u671f\u520a\u5ba3\u5e03\uff1a\u660e\u5e74\u8d77\u5c06\u4e0d\u518d\u62d2\u7a3f\uff01","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d | \u300c\u751f\u4fe1\u8ba8\u8bba\u533a\uff08Gitter\uff09\u300d
"},{"location":"issue-50/#_1","title":"\u5c01\u9762\u56fe","text":"\u79d1\u592b\u57ce\u5821\uff08Corfe Castle\uff09\u662f\u4f4d\u4e8e\u82f1\u56fd\u82f1\u683c\u5170\u591a\u585e\u7279\u90e1\u79d1\u592b\u5821\u6751\u7684\u4e00\u5ea7\u57ce\u5821\uff0c\u5174\u5efa\u8005\u662f\u5a01\u5ec9\u4e00\u4e16\u3002\u57ce\u5821\u7684\u5386\u53f2\u53ef\u4ee5\u8ffd\u6eaf\u81f311\u4e16\u7eaa\u3002
"},{"location":"issue-50/#1","title":"\u672c\u5468\u8bdd\u9898\uff1a \u9876\u7ea71\u533a\u671f\u520a\u5ba3\u5e03\uff1a\u660e\u5e74\u8d77\u5c06\u4e0d\u518d\u62d2\u7a3f\uff01","text":"\u8fd1\u671f\uff0c\u751f\u7269\u5b66\u671f\u520aeLife\u5b98\u65b9\u5ba3\u5e03\u4e86\u4e00\u4e2a\u91cd\u5927\u51b3\u5b9a\uff1a\u4ece2023\u5e741\u670831\u65e5\u8d77\uff0c\u6240\u6709\u7ecf\u8fc7\u540c\u884c\u8bc4\u5ba1\u7684\u6587\u7ae0\uff0ceLife\u90fd\u4e0d\u4f1a\u4f5c\u51fa\u63a5\u53d7/\u62d2\u7edd\u7684\u51b3\u5b9a\uff0c\u800c\u662f\u76f4\u63a5\u53d1\u5e03\u5728\u5176\u7f51\u7ad9\u4e0a\u3002 \u8fd9\u4e00\u6a21\u5f0f\u88ab\u5b98\u65b9\u53d6\u540d\u4e3aeLife assessment\u3002
\u5b83\u8fd9\u4e48\u505a\u7684\u76ee\u7684\u975e\u5e38\u4e4b\u660e\u786e\uff1a\u8ba9\u53d1\u8868\u8bba\u6587\u8fd9\u4e8b\u53d8\u5f97\u516c\u5f00\u900f\u660e\u3002\u5e76\u4e14\u636e\u5b98\u65b9\u4ecb\u7ecd\uff0c\u4ece2023\u5e741\u6708\u5f00\u59cb\uff0c\u8fd9\u5c06\u662feLife\u552f\u4e00\u7684\u8fd0\u4f5c\u6a21\u5f0f\uff08\u6b64\u524d\u4fdd\u7559\u8fc7\u4f20\u7edf\u51fa\u7248\u6a21\u5f0f\uff09\u3002
\u6d88\u606f\u4e00\u51fa\uff0c\u7acb\u523b\u5728\u5b66\u672f\u5708\u5f15\u53d1\u4e86\u4e0d\u5c0f\u7684\u70ed\u8bae\uff0c\u5c31\u8fdeScience\u4e5f\u968f\u5373\u53d1\u6587\uff0c\u5e76\u7528\u201c\u98a0\u8986\u201d\u6765\u5f62\u5bb9\u8fd9\u4e8b\u3002
@ShixiangWang\u5f88\u6709\u770b\u5934\uff0c\u975e\u5e38\u503c\u5f97\u9f13\u52b1\uff0c\u79f0\u5f97\u4e0a\u98a0\u8986\u3002
\u8fd9\u6837\u505a\uff0c\u4e00\u7bc7\u6587\u7ae0\u7684\u4ef7\u503c\u4e0d\u5728\u4e8e\u5b83\u53d1\u5728\u54ea\u4e2a\u6743\u5a01\u671f\u520a\u4e0a\uff0c\u503c\u4e0d\u503c\u5f97\u5b66\u4e60\u548cfollow\u4e00\u7bc7\u6587\u7ae0\u4e0d\u518d\u4ec5\u4ec5\u662f\u770bif\uff0c\u9700\u8981\u8bfb\u8005\u66f4\u591a\u5730\u53c2\u4e0e\u9605\u8bfb\uff0c\u8bfb\u8005\u81ea\u5df1\u5f97\u6709\u4e00\u6746\u79e4\u3002
\u73b0\u5728\uff0c\u79d1\u5b66\u4e0e\u4f2a\u79d1\u5b66\u90fd\u5728\u671f\u520a\u91cc\u6cdb\u6ee5\uff0c\u9634\u6027\u7ed3\u679c\u88ab\u5927\u91cf\u9690\u85cf\uff0c\u4f46\u671f\u520a\u5f00\u653e\u8ba9\u6574\u4e2a\u79d1\u5b66\u73af\u5883\u5728\u9010\u6b65\u9762\u5411\u66f4\u5e7f\u6cdb\u5927\u4f17\uff0c\u4f46\u79d1\u5b66\u6280\u672f\u7684\u4e13\u4e1a\u6027\u5ba1\u7a3f\u4eba\u4e5f\u672a\u5fc5\u80fd\u628a\u63e1\u53d1\u8868\u7684\u754c\u9650\uff0c\u4e00\u5207\u516c\u5f00\u900f\u660e\u662f\u5f88\u597d\u7684\u65b9\u5f0f\uff1a\u79d1\u5b66\u671f\u520a\u7f16\u8f91\u628a\u63e1\u521b\u65b0\u6027\u548c\u6587\u7ae0\u6574\u4f53\u8d28\u91cf\uff0c\u5177\u4f53\u600e\u4e48\u8bc4\u4ef7\u4ea4\u7ed9\u516c\u5f00\u900f\u660e\u7684\u8bc4\u5ba1\u548c\u80fd\u770b\u5230\u4e00\u5207\u7684\u8bfb\u8005\u3002
\u539f\u8f7d\u4e8e\u77e5\u4e4e\uff1ahttps://www.zhihu.com/question/561322934/answer/2728642986
"},{"location":"issue-50/#_2","title":"\u751f\u4fe1\u7814\u7a76","text":"\u8fd1\u65e5\uff0c\u82f1\u56fd\u5251\u6865\u5927\u5b66\u3001\u4f26\u6566\u739b\u4e3d\u5973\u738b\u5927\u5b66\u7b49\u673a\u6784\u7684\u7814\u7a76\u56e2\u961f\u5728Nature\u53d1\u8868\u4e86\u9898\u4e3a\u201cNuclear-embedded mitochondrial DNA sequences in 66,083 human genomes\u201d\u7684\u6587\u7ae0\u3002\u8be5\u7814\u7a76\u7ed8\u5236\u4e86\u5305\u542b66,000\u591a\u4e2a\u4e2a\u4f53\u7684NUMT\u56fe\u8c31\uff0c\u5176\u4e2d\u5305\u62ec\u82f1\u56fd\u5341\u4e07\u4eba\u57fa\u56e0\u7ec4\u8ba1\u5212\u4e2d8,201\u4e2a\u6bcd-\u7236-\u5b50\u4e09\u4eba\u7ec4\u6837\u672c\u548c12,509\u4e2a\u80bf\u7624-\u6b63\u5e38\u7ec4\u7ec7\u5bf9\uff0c\u5e76\u63ed\u793a\u4e86mtDNA\u5e8f\u5217\u63d2\u5165\u6838\u57fa\u56e0\u7ec4\uff08\u5373NUMT\uff09\u662f\u4e00\u4e2a\u4e0d\u5c40\u9650\u4e8e\u8fc7\u53bb\u4e14\u4e00\u76f4\u6301\u7eed\u5230\u4eca\u5929\u7684\u8fc7\u7a0b\uff0c\u65b0\u7684\u63d2\u5165\u4e00\u76f4\u90fd\u5728\u53d1\u751f\u3002\u540c\u65f6\uff0c\u8be5\u7814\u7a76\u4e5f\u4e3a\u89e3\u91ca\u4e0d\u540c\u4eba\u7fa4\u7684mtDNA\u53d8\u5f02\u548c\u7406\u89e3\u6838\u57fa\u56e0\u7ec4\u8fdb\u5316\u63d0\u4f9b\u4e86\u5b9d\u8d35\u8d44\u6e90\u3002
\u6587\u7ae0\u94fe\u63a5 https://www.nature.com/articles/s41586-022-05288-7
2.Nature Medicine | \u6587\u7ae0\u4e94\u8fde\u53d1 \u91cf\u5316\u5438\u70df/\u996e\u98df\u7b49\u98ce\u9669\u56e0\u7d20\u4e0e\u4eba\u7c7b\u5065\u5eb7\u76f8\u5173\u6027\u7684\u8bc1\u636e
\u534e\u76db\u987f\u5927\u5b66 Christopher Murray\u3001\u5f20\u9e4f\u3001\u6234\u6653\u6668\u7b49\u4eba\u5728\u56fd\u9645\u9876\u5c16\u533b\u5b66\u671f\u520a Nature Medicine \u53d1\u8868\u4e865\u7bc7\u7814\u7a76\u8bba\u6587\uff08Aticles\uff09\uff0c\u8fd9\u4e00\u7cfb\u5217\u7814\u7a76\u63d0\u51fa\u4e86\u4e00\u79cd\u6807\u51c6\u5316\u65b9\u6cd5\uff0c\u91cf\u5316\u4e86\u98ce\u9669\u56e0\u7d20\uff08\u4f8b\u5982\u5438\u70df\u3001\u9ad8\u8840\u538b\u3001\u996e\u98df\uff09\u4e0e\u5065\u5eb7\u7ed3\u5c40\u4e4b\u95f4\u5173\u8054\u7684\u8bc1\u636e\u5f3a\u5ea6\u3002\u8fd9\u4e9b\u7814\u7a76\u6d4b\u8bd5\u4e86\u8bc4\u4f30\u8bc1\u636e\u7684\u65b9\u6cd5\u7684\u6548\u5ea6\uff0c\u8fd9\u4e9b\u8bc1\u636e\u662f\u5173\u4e8e\u5438\u70df\u3001\u9ad8\u8840\u538b\u3001\u98df\u7528\u672a\u52a0\u5de5\u7ea2\u8089\u3001\u852c\u83dc\u5bf9\u5065\u5eb7\u7684\u5f71\u54cd\u3002
\u503c\u5f97\u5173\u6ce8\u7684\u662f\u672c\u7cfb\u5217\u7814\u7a76\u4e2d\u7684\u65b9\u6cd5\u5b66\u8bba\u6587\uff0c\u76f8\u5173\u7814\u7a76\u7684\u8bfb\u8005\u53ef\u4ee5\u6df1\u5165\u770b\u770b\uff1a\u6765\u4e86\u4e00\u79cd\u65b0\u5de5\u5177\u2014\u2014\u9a8c\u8bc1\u98ce\u9669\u51fd\u6570\uff08BPRF\uff0c\u4e00\u79cdMeta\u5206\u6790\u65b9\u6cd5\uff09\uff0c\u53ef\u5bf9\u66b4\u9732\u4e8e\u6709\u5bb3\u6216\u4fdd\u62a4\u6027\u98ce\u9669\u56e0\u7d20\u540e\u7279\u5b9a\u5065\u5eb7\u7ed3\u5c40\u8fdb\u884c\u8bc4\u4f30\u3002
\u8bba\u6587\u5408\u96c6\uff1ahttps://www.nature.com/collections/begeihaihj
3.NAR | \u65af\u5766\u798f\u5927\u5b66Wing Hung Wong/\u6e05\u534e\u5927\u5b66\u6c5f\u745e\u8bfe\u9898\u7ec4\u53d1\u5e03\u5168\u57fa\u56e0\u529f\u80fd\u6ce8\u91caHiChIP\u6570\u636e\u5e93
2022\u5e7410\u670810\u65e5\uff0c\u7f8e\u56fd\u79d1\u5b66\u9662\u9662\u58eb\u3001\u65af\u5766\u798f\u5927\u5b66\u7edf\u8ba1\u7cfbWing Hung Wong\u6559\u6388\u8bfe\u9898\u7ec4\u8054\u5408\u6e05\u534e\u5927\u5b66\u81ea\u52a8\u5316\u7cfb\u6c5f\u745e\u957f\u8058\u526f\u6559\u6388\u8bfe\u9898\u7ec4\u5728Nucleic Acids Research\u6742\u5fd7\uff08IF=19.16\uff09\u4e0a\u5728\u7ebf\u53d1\u8868\u6587\u7ae0\u201cHiChIPdb: a comprehensive database of HiChIP regulatory interactions\u201d\u3002\u7814\u7a76\u56e2\u961f\u53d1\u8868\u4e86\u9996\u4e2a\u9644\u5e26\u5168\u57fa\u56e0\u7ec4\u529f\u80fd\u6ce8\u91caHiChIP\u6570\u636e\u5e93\u3002\u6570\u636e\u5e93\u6536\u5f55\u4e86\u622a\u6b62\u4e8e2022\u5e745\u6708\u4efd\u4e0a\u4f20\u81f3GEO\u6570\u636e\u5e93\u7684\u4eba\u7c7bHiChIP\u7ea6200\u4e2a\u6837\u672c\u3002HiChIP\u6570\u636e\u5e93\u91c7\u7528\u4e86\u7edf\u4e00\u7684\u6570\u636e\u5904\u7406\u6d41\u7a0b\uff0c\u4ece\u539f\u59cbFastq\u6d4b\u5e8f\u539f\u59cb\u6570\u636e\u7edf\u4e00\u5904\u7406\u81f3\u4e0d\u540c\u5206\u8fa8\u7387\u7684HiChIP\u76f8\u4e92\u4f5c\u7528\u6570\u636e\u3002HiChIP\u6570\u636e\u5e93\u8986\u76d6\u4e86\u8d85\u8fc7100\u4e2a\u4eba\u7c7b\u7ec6\u80de\u7c7b\u578b\u4e0b\u603b\u8ba12.62\u4ebf\u6761HiChIP\u76f8\u4e92\u4f5c\u7528\u3002
\u8bba\u6587\u94fe\u63a5: https://academic.oup.com/nar/advance-article/doi/10.1093/nar/gkac859/6754910
HiCHIP:http://health.tsinghua.edu.cn/hichipdb/
"},{"location":"issue-50/#_3","title":"\u535a\u6587\u8d44\u8baf","text":"4.\u5b66\u672f\u5199\u4f5c\u6ce8\u610f\u4e8b\u9879\u2014\u2014\u683c\u5f0f\u95ee\u9898
\u516c\u4f17\u53f7\u201c\u5e84\u95ea\u95ea\u7684R\u8bed\u8a00\u624b\u518c\u201d \u8fd1\u671f\u63a8\u51fa\u79d1\u7814\u5199\u4f5c\u7b14\u8bb0\u7cfb\u5217\u5185\u5bb9\u3002\u4f5c\u8005\u521d\u6b65\u60f3\u9488\u5bf9\u5199\u4f5c\u683c\u5f0f\u3001\u82f1\u8bed\u5199\u4f5c\u548c\u5199\u4f5c\u903b\u8f91\u95ee\u9898\u8bb2\u8d77\uff0c\u76f8\u5173\u95ee\u9898\u53ef\u901a\u8fc7\u5728Github\u4e0a\u63d0\u51faissue\u4e0e\u4f5c\u8005\u8fdb\u884c\u4ea4\u6d41\u3002
Github\uff1ahttps://github.com/liangliangzhuang/Research_writing_tips
5.Python\u4e0b\u7684Shiny\u5165\u95e8\u6559\u7a0b
\u76ee\u524dR\u8bed\u8a00\u73af\u5883\u7684Shiny\u5f00\u53d1\u5df2\u7ecf\u975e\u5e38\u6210\u719f\u4e86\uff0c\u73b0\u5728Python\u73af\u5883\u4e5f\u53ef\u4ee5\u4f7f\u7528Shiny\u8fdb\u884c\u53ef\u89c6\u5316\uff0c\u8be5\u63a8\u6587\u5219\u662f\u5177\u4f53\u7684\u5165\u95e8\u6559\u7a0b\u3002
\u63a8\u6587\u94fe\u63a5\uff1ahttps://www.rstudio.com/blog/get-started-with-shiny-for-python/
6.\u4e00\u6587\u8bfb\u61c2K\u5747\u503c\uff08K-Means\uff09\u805a\u7c7b\u7b97\u6cd5
\u672c\u6587\u7cfb\u7edf\u5730\u4ecb\u7ecd\u4e86K-means\u805a\u7c7b\u7b97\u6cd5\u7684\u539f\u7406\u3001\u6b65\u9aa4\u3001\u4ee3\u7801\u5b9e\u73b0\uff0c\u5e76\u63d0\u4f9b\u4e86\u53ef\u89c6\u5316\u5b9e\u4f8b\u4ee5\u8f85\u52a9\u7406\u89e3\u3002
7.\u4e09\u79cd\u8f6c\u5f55\u7ec4\u5dee\u5f02\u5206\u6790\u65b9\u6cd5\u53ca\u533a\u522b\u4f60\u4f1a\u4e86\u5417\uff1f
\u672c\u6587\u901a\u8fc7\u6d4b\u8bd5\u6570\u636e\u5bf9\u4e09\u79cd\u4e0d\u540c\u7684\u8f6c\u5f55\u7ec4\u5dee\u5f02\u5206\u6790\u65b9\u6cd5\u2014\u2014edgeR, DEseq2\u548climma\u8fdb\u884c\u5bf9\u6bd4\uff0c\u4ece\u7ed3\u679c\u770b\u4e09\u79cd\u5dee\u5f02\u5206\u6790\u65b9\u6cd5\u6574\u4f53\u4e00\u81f4\u6027\u6bd4\u8f83\u9ad8\u3002
"},{"location":"issue-50/#_4","title":"\u5de5\u5177","text":"8.mariobox
{mariobox}\u53ef\u4e3a{plumber} APIs\u7684\u6253\u5305\u63d0\u4f9b\u4e00\u4e2a\u6846\u67b6
\u94fe\u63a5\uff1ahttps://github.com/ThinkR-open/mariobox
9.progressr | \u4e00\u4e2a\u7edf\u4e00\u7684\u8fdb\u5ea6\u66f4\u65b0R\u5305
# \u7ec8\u7aef\u7528\u6237\u4f7f\u7528\u547d\u4ee4\n> library(progressr)\n> with_progress(y <- slow_sum(1:10))\n |==================== | 40%\n\u8be5\u5305\u4e3a\u5f00\u53d1\u8005\u548c\u7ec8\u7aef\u7528\u6237\u5206\u522b\u63d0\u4f9b\u4e86\u7cbe\u7b80\u7684API\uff0c\u5e2e\u52a9\u7f16\u5199\u5177\u6709\u8fdb\u5ea6\u6761\u63d0\u793a\u7684\u5206\u6790\u4ee3\u7801\u3002
\u8bbe\u8ba1\u54f2\u5b66\uff1a
The developer is responsible for providing progress updates but it\u2019s only the end user who decides if, when, and how progress should be presented. No exceptions will be allowed.
\u5373\u5f00\u53d1\u8005\u63d0\u4f9b\uff0c\u4f46\u7531\u7528\u6237\u51b3\u5b9a\u662f\u5426\u4ee5\u53ca\u5982\u4f55\u5c55\u793a\u8fdb\u5ea6\u6761\u3002\u8fd9\u4e0e\u8be5\u4f5c\u8005\u5f00\u53d1\u7684\u53e6\u4e00\u4e2a\u6d41\u884c\u5305future\u7684\u8bbe\u8ba1\u54f2\u5b66\u4e00\u81f4\u3002
10.gridExtra | \u6570\u636e\u6846\u8f6cPDF
\u6570\u636e\u6846\u5185\u7684\u6570\u636e\u901a\u5e38\u5728\u56fe\u5f62\u8bbe\u5907\u4e4b\u5916\u88ab\u683c\u5f0f\u5316\uff0c\u4f46\u5728\u67d0\u4e9b\u60c5\u51b5\u4e0b\uff0c\u5728\u56fe\u5f62\u65c1\u8fb9\u663e\u793a\u8868\u683c\u53ef\u80fd\u66f4\u65b9\u4fbf\u3002gridExtra\u53ef\u4ee5\u5c06\u6570\u636e\u6846\u8f6c\u4e3a\u56fe\u5f62\u7c7b\u683c\u5f0f\uff0c\u89e3\u51b3\u4e86\u4e0a\u8ff0\u9700\u6c42\uff0c\u5e76\u63d0\u4f9b\u4e86\u4e00\u7cfb\u5217\u8868\u683c\u7f8e\u5316\u5904\u7406\u3002
\u94fe\u63a5\uff1ahttps://cran.r-project.org/web/packages/gridExtra/vignettes/tableGrob.html
11.gtsummary | \u6279\u91cf\u5efa\u6a21\u5e76\u8f93\u51fa\u6574\u6d01\u6a21\u578b\u7ed3\u679c
\u672c\u63a8\u6587\u901a\u8fc7\u5177\u4f53\u793a\u4f8b\u4ecb\u7ecd\u4e86\u5229\u7528gtsummary\u5305\u8fdb\u884c\u5feb\u901f\u56de\u5f52\u5efa\u6a21\u5e76\u8f93\u51fa\u7edf\u8ba1\u7ed3\u679c\u7684\u65b9\u6cd5\u3002
"},{"location":"issue-50/#_5","title":"\u8d44\u6e90","text":"12.SCI\u6295\u7a3f7\u4e2a\u9636\u6bb5\u7684\u90ae\u4ef6\u6a21\u677f
\u672c\u8d44\u6e90\u603b\u7ed3\u4e86\u8bba\u6587\u6295\u7a3f\u65f6\u7528\u5230\u76847\u4e2a\u90ae\u4ef6\u6a21\u677f\uff0c\u5305\u62ecCoverletter\u3001\u50ac\u641e\u4fe1\u3001\u4fee\u6539\u7a3fCoverletter\u3001\u56de\u590d\u5ba1\u7a3f\u4eba\u610f\u89c1\u3001\u63a5\u6536\u540e\u81f4\u8c22\u3001\u8be2\u95ee\u6821\u7a3f\u4fe1\u548c\u6587\u7ae0\u6821\u7a3f\u4fe1\u3002
13.\u8f6c\u5f55\u56e0\u5b50\u6c47\u603b
\u672c\u6587\u7ae0\u6574\u7406\u4e86\u8f6c\u5f55\u56e0\u5b50\u7684\u7f51\u7edc\u8d44\u6e90\uff0c\u6570\u636e\u6765\u6e90\uff1a\u7f51\u9875\u5de5\u5177\u3001\u6587\u732e\u548cR\u5305\u3002
\u8d44\u6e90\u94fe\u63a5\uff1a - http://humantfs.ccbr.utoronto.ca/. - http://bioinfo.life.hust.edu.cn/AnimalTFDB/#!/ - http://cistrome.org/db/#/stat - https://github.com/aertslab/RcisTarget
14.2022\u5e74\u6700\u4f73\u5f00\u6e90\u8f6f\u4ef6\u51fa\u7089
InfoWorld \u516c\u5e03\u4e86 2022 \u5e74\u6700\u4f73\u5f00\u6e90\u8f6f\u4ef6\u699c\u5355\uff0c\u5176\u65e8\u5728\u8868\u5f70\u5e74\u5ea6\u6700\u91cd\u8981\u548c\u6700\u5177\u521b\u65b0\u6027\u7684\u5e94\u7528\u7a0b\u5e8f\u5f00\u53d1\u3001devops\u3001\u6570\u636e\u5206\u6790\u548c\u673a\u5668\u5b66\u4e60\u5de5\u5177\u3002
\u5173\u4e8e\u6bcf\u4e2a\u9879\u76ee\u5177\u4f53\u7684\u5165\u9009\u8bc4\u8bed\u7b49\u8be6\u7ec6\u4fe1\u606f\uff0c\u53ef\u67e5\u770b\u7f51\u7ad9\u539f\u6587\uff1ahttps://www.infoworld.com/article/3637038/the-best-open-source-software-of-2021.html#slide1
15.Web\u524d\u7aef\u6280\u672f\u7684\u7f51\u7ad9\u8d44\u6e90]
[JS\u673a\u5668\u4eba](https://lab.reaal.me/jsrobot/)
[Exercism](https://exercism.org/)
[Keyframes](https://keyframes.app/)
[Getform](https://getform.io/)\uff0c
[HTTPS \u7684\u5de5\u4f5c\u539f\u7406](https://howhttps.works/)
[DNS \u7684\u5de5\u4f5c\u539f\u7406](https://howdns.works/)
[\u5b66\u4e60 Git \u5206\u652f](https://learngitbranching.js.org/)
[\u7b97\u6cd5\u5b66\u4e60\u53ef\u89c6\u5316\u5668](https://algorithm-visualizer.org/)
[\u5b66\u4e60\u4efb\u4f55\u4e1c\u897f](https://learn-anything.xyz/)
"},{"location":"issue-50/#_6","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-51/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 51 \u671f\uff09\uff1a\u804c\u4e1a\u5bf9\u6027\u683c\u7684\u6539\u53d8","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002 \u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002 \u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d | \u300c\u751f\u4fe1\u8ba8\u8bba\u533a\uff08Gitter\uff09\u300d
"},{"location":"issue-51/#_1","title":"\u5c01\u9762\u56fe","text":""},{"location":"issue-51/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u804c\u4e1a\u5bf9\u6027\u683c\u7684\u6539\u53d8","text":"\u672c\u5468\u8bdd\u9898\u6765\u81ea@ruanyf\uff1a\u804c\u4e1a\u5bf9\u6027\u683c\u7684\u6539\u53d8\uff0c\u4eba\u7c7b\u884c\u4e3a\u53d7\u5230\u5de5\u4f5c\u73af\u5883\u7684\u5f3a\u70c8\u5f71\u54cd\uff0c\u4f60\u4f1a\u53d8\u6210\u73af\u5883\u8981\u6c42\u4f60\u6210\u4e3a\u7684\u6837\u5b50\u3002\u5f88\u591a\u4eba\u90fd\u6709\u4e00\u79cd\u5370\u8c61\uff0c\u4f1a\u8ba1\u5e08\u7684\u6027\u683c\u662f\u65a4\u65a4\u8ba1\u8f83\u3001\u5bf9\u6570\u5b57\u683c\u5916\u654f\u611f\uff0c\u5f8b\u5e08\u7684\u6027\u683c\u662f\u91cd\u89c6\u5229\u76ca\u6700\u5927\u5316\uff0c\u6d77\u5173\u6267\u6cd5\u4eba\u5458\u7684\u6027\u683c\u5219\u662f\u5145\u6ee1\u6000\u7591\u3001\u4e0d\u4fe1\u4efb\u4ed6\u4eba\uff0c\u8fd9\u5c31\u662f\u804c\u4e1a\u5bf9\u6027\u683c\u7684\u6539\u53d8\u3002\u7a0b\u5e8f\u5458\u8fd9\u4e2a\u804c\u4e1a\uff0c\u4f1a\u5982\u4f55\u6539\u53d8\u4e00\u4e2a\u4eba\u7684\u6027\u683c\uff1f\u4f60\u4f1a\u53d8\u5f97\u4e60\u60ef\u5b64\u519b\u594b\u6597\uff0c\u9760\u81ea\u5df1\u89e3\u51b3\u95ee\u9898\u3002
@NiEntropy - \u79d1\u7814\u5bf9\u6027\u683c\u6709\u4ec0\u4e48\u6539\u53d8\uff1f\u79d1\u7814\u662f\u4e00\u4e2a\u63a2\u7d22\u672a\u77e5\u3001\u4e0d\u65ad\u521b\u65b0\u7684\u5de5\u4f5c\uff0c\u65e2\u8981\u811a\u8e0f\u5b9e\u5730\uff0c\u53c8\u8981\u5929\u9a6c\u884c\u7a7a\u3002\u79d1\u7814\u5bf9\u4e8e\u6211\u5927\u6982\u5c31\u50cf\u505a\u68a6\u5427\uff0c\u795d\u5927\u5bb6\u7f8e\u68a6\u6210\u771f\uff01
"},{"location":"issue-51/#_3","title":"\u751f\u4fe1\u7814\u7a76","text":"1\u3001Nature Methods | NEAT-seq\u5728\u5355\u7ec6\u80de\u6c34\u5e73\u540c\u65f6\u68c0\u6d4b\u8f6c\u5f55\u56e0\u5b50\u3001\u67d3\u8272\u8d28\u53ef\u53ca\u6027\u53ca\u8f6c\u5f55\u7ec4
\u7531\u65af\u5766\u798f\u5927\u5b66\u56e2\u961f\u5f00\u53d1\u7684\u65b0\u6d4b\u5e8f\u6280\u672fNEAT-seq\u53ef\u4ee5\u5bf9\u5355\u4e2a\u7ec6\u80de\u540c\u6b65\u5b9a\u91cf\u6838\u86cb\u767d\u3001\u67d3\u8272\u8d28\u53ef\u53ca\u6027\u548c\u8f6c\u5f55\u7ec4\uff0c\u8fdb\u800c\u4ece\u8868\u89c2\u5c42\u9762\u63a2\u7d22\u8f6c\u5f55\u56e0\u5b50\u3001\u67d3\u8272\u8d28\u72b6\u6001\u548c\u57fa\u56e0\u8868\u8fbe\u76f4\u63a5\u7684\u5173\u7cfb\u3002
2\u3001Nat Cell Biol | \u751f\u7269\u5927\u6570\u636e\u5206\u6790\u63ed\u793a\u5168\u65b0\u7684\u57fa\u56e0\u8c03\u63a7\u6a21\u5f0f\u548c\u6f5c\u5728\u7684\u6297\u764c\u836f\u7269\u9776\u70b9
\u7814\u7a76\u56e2\u961f\u57fa\u4e8e\u5bf9\u6765\u81ea10\u79cd\u4e0d\u540c\u764c\u75c7\u7c7b\u578b\uff0c\u8d85\u8fc78000\u4e2a\u8f6c\u5f55\u7ec4\u6d4b\u5e8f\u6837\u672c\u7684\u6570\u636e\u5206\u6790\uff0c\u6587\u7ae0\u63ed\u793a\u4e86\u4e00\u79cd\u4ee5\u5f80\u88ab\u5ffd\u89c6\u7684\u57fa\u56e0\u8c03\u63a7\u6a21\u5f0f\u2014\u2014\u4f4d\u4e8e3\u2019\u7aef\u975e\u7f16\u7801\u533a\u57df\u7684\u526a\u63a5\uff0c\u5728\u764c\u7ec6\u80de\u4e2d\u666e\u904d\u5b58\u5728\uff0c\u5e76\u663e\u8457\u4e0a\u8c03\u6765\u9a71\u52a8\u80bf\u7624\u53d1\u751f\u3002\u901a\u8fc7\u5bf9\u8fd9\u4e9b\u5927\u6279\u91cf\u6d4b\u5e8f\u6570\u636e\u7684\u5206\u6790\uff0c\u4f5c\u8005\u4eec\u5728\u4e0d\u540c\u764c\u75c7\u75c5\u4eba\u6837\u672c\u4e2d\u9274\u5b9a\u51fa\u6765\u5927\u91cf\u76843\u2019\u7aef\u975e\u7f16\u7801\u533a\u57df\u526a\u63a5\u4e8b\u4ef6\uff0c\u5176\u4e2d\u5305\u62ec\u8d85\u8fc71000\u4e2a\u5e38\u89c1\u7684\u4e8b\u4ef6\u53ef\u4ee5\u5728\u8d85\u8fc7\u534a\u6570\u7684\u75c5\u4eba\u6837\u672c\u4e2d\u53d1\u73b0\u3002\u5c24\u5176\u662f\u5728\u809d\u7ec6\u80de\u764c\uff08LIHC\uff09\u4ee5\u53ca\u7ed3\u80a0\u764c\uff08COAD\uff09\u75c5\u4eba\u4e2d\uff0c\u66f4\u591a\u76843\u2019\u7aef\u975e\u7f16\u7801\u533a\u57df\u7684\u526a\u63a5\u548c\u75c5\u4eba\u66f4\u77ed\u7684\u751f\u5b58\u65f6\u95f4\u663e\u8457\u76f8\u5173\u3002\u4f5c\u8005\u4eec\u5c06\u8fd9\u8d85\u8fc71000\u79cd\u4e0d\u540c\u7684\u526a\u63a5\u4e8b\u4ef6\u572810\u79cd\u764c\u75c7\u7684\u4e30\u5ea6\uff0c\u4ee5\u53ca\u5b83\u4eec\u548c\u75c5\u4eba\u603b\u4f53\u751f\u5b58\u65f6\u95f4\u7684\u76f8\u5173\u6027\u90fd\u6536\u96c6\u5230\u4e00\u4e2a\u6570\u636e\u5e93\u2014\u2014SpUR\uff0c\u4ee5\u4f9b\u7814\u7a76\u4eba\u5458\u8bbf\u95ee\u548c\u4f7f\u7528\u3002
3\u3001Understudied Proteins Initiative | \u672a\u5145\u5206\u7814\u7a76\u86cb\u767d\u8d28\u8ba1\u5212
\u8fc4\u4eca\u4e3a\u6b62\uff0c\u5927\u591a\u6570\u7814\u7a76\u90fd\u96c6\u4e2d\u5728\u6709\u9650\u7684\u4e00\u7ec4\u8d8a\u6765\u8d8a\u77e5\u540d\u7684\u86cb\u767d\u8d28\u4e0a\uff0c\u800c\u6570\u5343\u79cd\u4eba\u7c7b\u86cb\u767d\u8d28\u7684\u751f\u7269\u5b66\u529f\u80fd\u4ecd\u7136\u77e5\u4e4b\u751a\u5c11\u3002\u8fd9\u79cd\u6ce8\u91ca\u504f\u5dee\u4e5f\u88ab\u79f0\u4e3a \u201c\u8def\u706f\u6548\u5e94\u201d \u6216 \u201c\u5bcc\u4eba-\u5bcc\u4eba\u7efc\u5408\u5f81\u201d\uff0c\u4e25\u91cd\u963b\u788d\u4e86\u751f\u7269\u533b\u5b66\u7684\u53d1\u5c55\u3002\u57fa\u56e0\u75be\u75c5\u4e4b\u95f4\u7684\u5173\u8054\u673a\u5236\u7814\u7a76\u901a\u5e38\u96c6\u4e2d\u5728\u5df2\u7ecf\u4f17\u6240\u5468\u77e5\u7684\u86cb\u767d\u8d28\u4e0a\uff0c\u4e0e\u6b64\u540c\u65f6\uff0c\u8bb8\u591a\u4e0e\u75be\u75c5\u76f8\u5173\u7684\u672a\u8868\u5f81\u7684\u86cb\u767d\u8d28\u6ca1\u6709\u7ecf\u8fc7\u529f\u80fd\u7814\u7a76\u3002
\u516d\u56fd\u79d1\u5b66\u5bb6\u8054\u5408\u53d1\u8d77\u201c\u672a\u5145\u5206\u7814\u7a76\u86cb\u767d\u8d28\u8ba1\u5212\u201d\uff0c\u8fd9\u9879\u8c03\u67e5\u7684\u76ee\u7684\u662f\u8ba9\u6211\u4eec\u66f4\u597d\u5730\u4e86\u89e3\u54ea\u4e9b\u4eba\u7c7b\u86cb\u767d\u8d28\u4ecd\u7136\u88ab\u4f4e\u4f30\uff0c\u4ee5\u53ca\u4e3a\u4ec0\u4e48\u3002
https://pubmed.ncbi.nlm.nih.gov/35534633/ https://pubmed.ncbi.nlm.nih.gov/35534555/
4\u3001Nature Medicine | \u57fa\u4e8e\u7fa4\u4f53\u5b66\u4e60\u7684\u5206\u6563\u5f0f\u4eba\u5de5\u667a\u80fd\u5728\u764c\u75c7\u7ec4\u7ec7\u75c5\u7406\u5b66\u4e2d\u7684\u5e94\u7528
\u672c\u7814\u7a76\u5c55\u793a\u4e86\u7fa4\u4f53\u5b66\u4e60(SL)\u57285000\u591a\u540d\u60a3\u8005\u7684\u5343\u5146\u50cf\u7d20\u7ec4\u7ec7\u75c5\u7406\u5b66\u56fe\u50cf\u7684\u5927\u578b\u591a\u4e2d\u5fc3\u6570\u636e\u96c6\u4e2d\u4e0a\u7684\u6210\u529f\u5e94\u7528\u3002\u4f5c\u8005\u8868\u660e\uff0c\u4f7f\u7528SL\u8bad\u7ec3\u7684\u4eba\u5de5\u667a\u80fd(AI)\u6a21\u578b\u53ef\u4ee5\u76f4\u63a5\u4ece\u7ed3\u76f4\u80a0\u764cH&E\u67d3\u8272\u7684\u75c5\u7406\u5207\u7247\u4e0a\u9884\u6d4bBRAF\u7a81\u53d8\u72b6\u6001\u548c\u5fae\u536b\u661f\u4e0d\u7a33\u5b9a\u6027\u3002\u4f5c\u8005\u5728\u5317\u7231\u5c14\u5170\u3001\u5fb7\u56fd\u548c\u7f8e\u56fd\u4e09\u7c7b\u60a3\u8005\u4eba\u7fa4\u4e2d\u8bad\u7ec3AI\u6a21\u578b\uff0c\u5e76\u5728\u6765\u81ea\u82f1\u56fd\u7684\u4e24\u4e2a\u72ec\u7acb\u6570\u636e\u96c6\u4e2d\u9a8c\u8bc1\u4e86\u9884\u6d4b\u6027\u80fd\u3002\u6570\u636e\u663e\u793a\uff0c\u7ecf\u8fc7SL\u8bad\u7ec3\u7684AI\u6a21\u578b\u4f18\u4e8e\u5927\u591a\u6570\u672c\u5730\u8bad\u7ec3\u7684\u6a21\u578b\uff0c\u5e76\u4e0e\u5728\u5408\u5e76\u6570\u636e\u96c6\u4e0a\u8bad\u7ec3\u7684\u6a21\u578b\u8868\u73b0\u76f8\u540c\u3002\u6b64\u5916\uff0c\u4f5c\u8005\u5c55\u793a\u4e86\u57fa\u4e8eSL\u7684AI\u6a21\u578b\u662f\u6570\u636e\u9ad8\u6548\u7684\u3002\u672a\u6765\uff0cSL\u53ef\u7528\u4e8e\u8bad\u7ec3\u5206\u5e03\u5f0fAI\u6a21\u578b\uff0c\u7528\u4e8e\u4efb\u4f55\u7ec4\u7ec7\u75c5\u7406\u5b66\u56fe\u50cf\u5206\u6790\u4efb\u52a1\uff0c\u4ece\u800c\u65e0\u9700\u6570\u636e\u4f20\u8f93\u3002
5\u3001\u5728\u4e0d\u5e73\u8861\u6570\u636e\u4e0a\u4f7f\u7528AUPRC\u66ff\u4ee3ROC-AUC
ROC\u66f2\u7ebf\u548c\u66f2\u7ebf\u4e0b\u9762\u79efAUC\u88ab\u5e7f\u6cdb\u7528\u4e8e\u8bc4\u4f30\u4e8c\u5143\u5206\u7c7b\u5668\u7684\u6027\u80fd\u3002\u4f46\u662f\u6709\u65f6\uff0c\u57fa\u4e8e\u7cbe\u786e\u53ec\u56de\u66f2\u7ebf\u4e0b\u9762\u79ef (AUPRC) \u7684\u6d4b\u91cf\u6765\u8bc4\u4f30\u4e0d\u5e73\u8861\u6570\u636e\u7684\u5206\u7c7b\u5374\u66f4\u4e3a\u5408\u9002\u3002\u672c\u6587\u8be6\u7ec6\u6bd4\u8f83\u8fd9\u4e24\u79cd\u6d4b\u91cf\u65b9\u6cd5\uff0c\u5e76\u8bf4\u660e\u5728AUPRC\u6570\u636e\u4e0d\u5e73\u8861\u7684\u60c5\u51b5\u4e0b\u8861\u91cf\u6027\u80fd\u65f6\u7684\u4f18\u52bf\u3002
6\u3001\u5355\u7ec6\u80de | \u4e24\u5927\u77e5\u8bc6\u9886\u57df\u4e0e\u4e09\u91cd\u5883\u754c
\u5355\u7ec6\u80de\u5927\u4f6c\u5bf9\u5355\u7ec6\u80de\u6570\u636e\u79d1\u5b66\u7814\u7a76\u7684\u611f\u609f\uff1a\u56db\u5927\u8fc7\u7a0b\u2014\u2014\u4ea7\u751f\u77e9\u9635\uff0c\u63a2\u7d22\u6570\u636e\uff0c\u63a8\u65ad\u5206\u6790\uff0c\u591a\u65b9\u9a8c\u8bc1\uff1b \u4e24\u5927\u9886\u57df\u2014\u2014\u7ec6\u80de\u751f\u7269\u5b66\u3001\u9ad8\u901a\u91cf\u591a\u7ec4\u5b66\uff1b\u4e09\u91cd\u5883\u754c\u2014\u2014\u6570\u636e\u3001\u4fe1\u606f\u3001\u77e5\u8bc6\u3002
7\u3001\u4e00\u6587\u89e3\u51b380%GEO\u82af\u7247\u6570\u636e\u5206\u6790
\u8be5\u6587\u5c55\u793a\u4e86\u4e00\u4e2a\u901a\u7528\u6027\u7684GEO\u82af\u7247\u5904\u7406\u6d41\u7a0b\uff0c\u80fd\u591f\u89e3\u51b380%\u4ee5\u4e0a\u7684\u82af\u7247\u6570\u636e\u5904\u7406\u95ee\u9898\u3002\u5305\u62ec\u6570\u636e\u7684\u4e0b\u8f7d\uff0cID\u8f6c\u6362\u548c\u6e05\u6d17\uff0c\u8d28\u63a7\u4ee5\u53ca\u5dee\u5f02\u5206\u6790\u7b49\u3002
8\u3001clusterProfiler | KEGG\u7684\u5bcc\u96c6\u5206\u6790\u7ec8\u4e8e\u771f\u7684\u672c\u5730\u5316\u4e86
\u672c\u6587\u4ecb\u7ecd\u4e86\u4f7f\u7528clusterProfiler\u8fdb\u884c\u672c\u5730\u5316 KEGG\u5bcc\u96c6\u5206\u6790\u7684\u65b9\u6cd5\uff08\u7ec8\u4e8e\u4e0d\u7528\u8054\u7f51\u7b49\u5f85\u4e86~\uff09\u3002
"},{"location":"issue-51/#_5","title":"\u5de5\u5177","text":"9\u3001vRhyme | \u4ece\u5b8f\u57fa\u56e0\u7ec4\u4e2d\u5206\u7bb1\u75c5\u6bd2\u57fa\u56e0\u7ec4
\u57fa\u56e0\u5206\u7bb1\u5bf9\u4e8e\u7814\u7a76\u7ec6\u83cc\u548c\u53e4\u83cc\u975e\u5e38\u91cd\u8981\uff0c\u6709\u5927\u91cf\u7684\u7ec6\u83cc\u548c\u53e4\u83cc\u7684\u5206\u7bb1\u5de5\u5177\uff0cvRhyme\u9996\u6b21\u63d0\u4f9b\u4e86\u4ece\u5b8f\u57fa\u56e0\u7ec4\u4e2d\u5206\u79bb\u75c5\u6bd2\u57fa\u56e0\u7ec4\u7684\u65b9\u6848\u3002vRhyme\u7684\u5de5\u4f5c\u6d41\u7a0b\u5206\u4e3a\u4e94\u4e2a\u6b65\u9aa4\uff1aread\u8986\u76d6\u7387\u5904\u7406\u3001\u5e8f\u5217\u7279\u5f81\u63d0\u53d6\u3001\u6709\u76d1\u7763\u7684\u673a\u5668\u5b66\u4e60\u3001\u8fed\u4ee3\u7f51\u7edc\u805a\u7c7b\u548cbin\u8bc4\u5206\u3002
10\u3001SCDC | \u57fa\u4e8e\u591a\u4e2a\u5355\u7ec6\u80deRNA\u6d4b\u5e8f\u53c2\u8003\u7684bulk\u57fa\u56e0\u8868\u8fbe\u53cd\u5377\u79ef
SCDC\u662f\u4e00\u79cd\u7528\u4e8ebulk RNA-seq\u7684\u53cd\u8936\u79ef\u65b9\u6cd5\uff0c\u5b83\u5229\u7528\u6765\u81ea\u591a\u4e2a\u5355\u7ec6\u80de\u53c2\u8003\u6570\u636e\u96c6\u7684\u7ec6\u80de\u7c7b\u578b\u7279\u5b9a\u57fa\u56e0\u8868\u8fbe\u3002SCDC\u91c7\u7528ENSEMBLE\u65b9\u6cd5\u96c6\u6210\u6765\u81ea\u4e0d\u540c\u5b9e\u9a8c\u5ba4\u548c\u4e0d\u540c\u65f6\u95f4\u4ea7\u751f\u7684\u4e0d\u540cscRNA-seq\u6570\u636e\u96c6\u7684\u53cd\u8936\u79ef\u7ed3\u679c\uff0c\u9690\u5f0f\u89e3\u51b3\u4e86\u6279\u5904\u7406\u6548\u5e94\u7684\u6df7\u6742\u3002
11\u3001scDIOR | \u6253\u901aR\u548cpython\u4e24\u5927\u5e73\u53f0\u7684\u5355\u7ec6\u80de\u6570\u636e\u8f6c\u6362\u5de5\u5177
scDIOR\u662f\u4e00\u4e2a\u57fa\u4e8eHDF5\u5c06\u5355\u7ec6\u80de\u6570\u636e\u5728R\u548cPyhton\u4e24\u5927\u5e73\u53f0\u4e0b\u8fdb\u884c\u6570\u636e\u8f6c\u6362\u7684\u5de5\u5177\u3002
12\u3001TRUST4 | \u514d\u75ab\u7ec4\u5e93\u5206\u6790
\u7531\u5218\u5c0f\u4e50\u8bfe\u9898\u7ec4\u4e2dLi Song\u7b49\u4eba\u5f00\u53d1\u7684TRUST4\u7b97\u6cd5\uff0c\u4e00\u79cd\u7528\u4e8ebulk RNA-seq\u548c\u5355\u7ec6\u80deRNA-seq\u6570\u636e\u4e2d\u8bc6\u522b\u514d\u75ab\u7ec6\u80de\u53d7\u4f53\u5e8f\u5217\u7684\u7b97\u6cd5\u3002TRUST4\u5bf9\u53d7\u4f53\u57fa\u56e0\u8fdb\u884c\u4ece\u5934\u7ec4\u88c5\uff0c\u6784\u6210\u91cd\u53e0\u7fa4\u3002\u7136\u540e\u5c06\u7ec4\u88c5\u597d\u7684\u91cd\u53e0\u7fa4\u4e0eIMGT\u53c2\u8003\u57fa\u56e0\u5e8f\u5217\u91cd\u65b0\u6bd4\u5bf9\uff0c\u9274\u5b9a\u51fa\u91cd\u53e0\u7fa4\u4e2d\u7684V,D,J\u4ee5\u53caC\u57fa\u56e0\u3002TRUST4\u652f\u6301\u5177\u6709\u4efb\u4f55\u8bfb\u6bb5\u957f\u5ea6\u7684\u5355\u7aef\u548c\u53cc\u7aef\u6d4b\u5e8f\u6570\u636e\u3002
13\u3001TISIDB | \u80bf\u7624\u514d\u75ab\u76f8\u5173\u6570\u636e\u5e93
TISIDB\u662f\u4e00\u4e2a\u80bf\u7624\u548c\u514d\u75ab\u7cfb\u7edf\u76f8\u4e92\u4f5c\u7528\u7684\u6570\u636e\u5e93\uff0c\u5b83\u96c6\u6210\u4e86\u591a\u79cd\u5f02\u6784\u6570\u636e\u7c7b\u578b\uff1aPubMed\u6587\u732e\u6316\u6398\u3001TCGA\u3001UniProt\u3001GO\u3001DrugBank\u7b49\u3002
14\u3001HeatmapR | \u9ad8\u8d28\u91cf\u590d\u6742\u70ed\u56fe
HeatmapR\u5305\u4e2d\u901a\u8fc7mtcars\u6570\u636e\u5c55\u793a\u4e86\u5982\u4f55\u4f7f\u7528\u672c\u5de5\u5177\u5feb\u901f\u7ed8\u5236\u590d\u6742\u70ed\u56fe\u3002
15\u3001bioinfomics | \u5355\u7ec6\u80de\u7ec4\u5b66\u7cfb\u5217\u5b66\u4e60\u7b14\u8bb0
\u6c47\u603b\u4e86scRNA-seq\u6570\u636e\u5206\u6790\uff08Seurat\u5305\u5b66\u4e60\u7b14\u8bb0\u3001Scater\u5305\u5b66\u4e60\u7b14\u8bb0\u3001Monocle2\u5305\u5b66\u4e60\u7b14\u8bb0\u3001Palantir\u5305\u5b66\u4e60\u7b14\u8bb0\uff09\u3001scATAC-seq\u6570\u636e\u5206\u6790\uff08Signac\u5305\u5b66\u4e60\u7b14\u8bb0\u3001Cicero\u5305\u5b66\u4e60\u7b14\u8bb0\uff09\u548c\u5355\u7ec6\u80de\u7c7b\u578b\u5206\u7c7b\u6ce8\u91ca\u5206\u6790\u3002
"},{"location":"issue-51/#_7","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002 \u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002 \uff08\u5b8c\uff09
"},{"location":"issue-52/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 52 \u671f\uff09\uff1a\u771f\u6b63\u7684\u201c\u79d1\u6280\u4e0e\u72e0\u6d3b\u201d\uff1a\u5168\u7403\u9996\u4e2a\u4eba\u5de5\u201c\u4f18\u9009\u57fa\u56e0\u201d\u7684\u201c\u5b8c\u7f8e\u5a74\u513f\u201d\u9a6c\u4e0a2\u5c81\u5566\uff01","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d | \u300c\u751f\u4fe1\u8ba8\u8bba\u533a\uff08Gitter\uff09\u300d
"},{"location":"issue-52/#_1","title":"\u5c01\u9762\u56fe","text":"\u4f4d\u4e8e Loch Broom \u5cb8\u8fb9\u7684Ullapool\u4f4d\u4e8e\u82cf\u683c\u5170\u5317\u90e8\u9ad8\u5730\u7684\u8fb9\u7f18\u3002\u5728\u8fd9\u4e2a\u5d0e\u5c96\u7684\u56fd\u5bb6\u5c55\u73b0\u51fa\u5b83\u51c4\u51c9\u548c\u5b64\u72ec\u7684\u8f89\u714c\u4e4b\u524d\uff0c\u8fd9\u662f\u6587\u660e\u771f\u6b63\u7684\u6700\u540e\u4e00\u70b9\u3002
"},{"location":"issue-52/#2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u771f\u6b63\u7684\u201c\u79d1\u6280\u4e0e\u72e0\u6d3b\u201d\uff1a\u5168\u7403\u9996\u4e2a\u4eba\u5de5\u201c\u4f18\u9009\u57fa\u56e0\u201d\u7684\u201c\u5b8c\u7f8e\u5a74\u513f\u201d\u9a6c\u4e0a2\u5c81\u5566\uff01","text":"\u5f53\u79d1\u5e7b\u7167\u8fdb\u73b0\u5b9e\uff0c\u4eba\u7c7b\u57fa\u56e0\u7ec4\u8ba1\u5212\u89e3\u7801\u4e86\u4eba\u7c7b\u57fa\u56e0\uff0c\u6216\u80fd\u901a\u8fc7\u4eba\u7c7b\u57fa\u56e0\u8bc4\u4f30\u60a3\u75c5\u98ce\u9669\u3002\u8d70\u5728\u79d1\u6280\u524d\u6cbf\u7684\u79d1\u5b66\u5bb6\uff0c\u603b\u662f\u7b2c\u4e00\u4e2a\u5403\u8783\u87f9\u7684\u4eba\u3002\u62e5\u6709\u9057\u4f20\u5b66\u535a\u58eb\u5b66\u4f4d\u7684\u795e\u7ecf\u5b66\u5bb6Rafal M Smigrodzki\u662f\u5168\u7403\u9996\u4e2a\u4e3a\u81ea\u5df1\u7684\u5973\u513fAurea Yenmai Smigrodzki\u201c\u4f18\u9009\u57fa\u56e0\u201d\u7684\u7236\u4eb2\uff0c\u88ab\u5176\u79f0\u4e3a\u201c\u5b8c\u7f8e\u5a74\u513f\u201d\u7684Aurea\u4e5f\u5373\u5c06\u5065\u5eb7\u6210\u957f\u81f32\u5468\u5c81\u3002\u201d\u4f18\u9009\u57fa\u56e0\u201d\u5e26\u6765\u964d\u4f4e\u75be\u75c5\u98ce\u9669\u7684\u4f18\u70b9\u7684\u540c\u65f6\uff0c\u4e5f\u4f34\u968f\u7740\u4e0d\u65ad\u7684\u4f26\u7406\u4e89\u8bae\u3002
@ShixiangWang\uff1a\u79d1\u6280\u4ece\u6765\u90fd\u662f\u53cc\u5203\u5251\uff0c\u6211\u4eec\u559c\u6b22\u5b83\u5e26\u7ed9\u6211\u4eec\u66f4\u591a\u8212\u9002\u7cbe\u5f69\u7684\u751f\u6d3b\uff0c\u4f46\u53c8\u540c\u65f6\u5bb3\u6015\u5b83\u4eec\u5e26\u6765\u7684\u4f24\u5bb3\u548c\u9053\u5fb7\u7a81\u7834\u3002\u5728\u201c\u4f18\u9009\u57fa\u56e0\u201d\u8fd9\u4e2a\u8bdd\u9898\u4e2d\uff0c\u6211\u89c9\u5f97\u6b62\u4e0d\u5982\u758f\uff0c\u600e\u4e48\u8054\u5408\u8d77\u6765\u8bbe\u5b9a\u79d1\u5b66\u4e14\u80fd\u63a5\u6536\u7684\u7814\u7a76\u89c4\u8303\u53ef\u80fd\u662f\u672a\u6765\u9700\u8981\u8ba8\u8bba\u548c\u89e3\u51b3\u7684\u95ee\u9898\u3002
2022\u5e749\u670815\u65e5\uff0c\u5357\u65b9\u79d1\u6280\u5927\u5b66\u751f\u547d\u79d1\u5b66\u5b66\u9662\u9648\u66e6\u8bfe\u9898\u7ec4\u548c\u9773\u6587\u83f2\u8bfe\u9898\u7ec4\u5408\u4f5c\u5728Nature Methods\u4e0a\u53d1\u8868\u4e86\u4e00\u79cd\u7b80\u5355\u53ef\u9760\u7684\u5355\u7ec6\u80de\u591a\u7ec4\u5b66\u6280\u672fISSAAC-seq\uff0c\u8be5\u65b9\u6cd5\u80fd\u591f\u5728\u540c\u4e00\u7ec6\u80de\u5185\u540c\u65f6\u68c0\u6d4b\u67d3\u8272\u8d28\u53ef\u53ca\u6027\uff08ATAC-seq\uff09\u4ee5\u53ca\u57fa\u56e0\u8868\u8fbe\uff08RNA-seq\uff09\u3002\u8be5\u65b9\u6cd5\u64cd\u4f5c\u7075\u6d3b\uff0c\u65e2\u9002\u7528\u4e8e\u57fa\u4e8e\u5b54\u677f\u7684\u4f4e\u901a\u91cf\u5b9e\u9a8c\u65b9\u6848\uff0c\u53c8\u53ef\u4ee5\u901a\u8fc7\u5fae\u6d41\u63a7\u88c5\u7f6e\u8fdb\u884c\u9ad8\u901a\u91cf\u7814\u7a76\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://www.nature.com/articles/s41592-022-01601-4
\u4e00\u79cd\u591a\u7528\u9014\u6df1\u5ea6\u5b66\u4e60\u65b9\u6cd5\uff0c\u7528\u4e8eCITE-seq\u548c\u5355\u7ec6\u80deRNA-seq\u6570\u636e\u4e0e\u7ec6\u80de\u8868\u9762\u86cb\u767d\u9884\u6d4b\u548c\u63d2\u8865\u7684\u96c6\u6210
CITE-seq \u5206\u6790\u7684\u4e00\u4e2a\u6311\u6218\u662f\u591a\u4e2a CITE-seq \u6570\u636e\u96c6\u7684\u96c6\u6210\u3002\u8fd9\u5e76\u975e\u5fae\u4e0d\u8db3\u9053\uff0c\u56e0\u4e3a\u4e0d\u540c CITE-seq \u6570\u636e\u96c6\u7684\u86cb\u767d\u8d28\u9762\u677f\u901a\u5e38\u6709\u4e00\u4e9b\u4e0d\u91cd\u53e0\u60c5\u51b5\uff0c\u8fd9\u4f1a\u963b\u6b62\u7b80\u5355\u7684\u8fde\u63a5\u3002\u4e3a\u4e86\u89c4\u907f\u8fd9\u4e00\u70b9\uff0c\u7814\u7a76\u4eba\u5458\u4e3a sciPENN \u5f15\u5165\u4e86\u4e00\u79cd\u5ba1\u67e5\u635f\u5931\u51fd\u6570\u7684\u65b9\u6848\uff0c\u5176\u4e2d\u86cb\u767d\u8d28\u635f\u5931\u88ab\u63a9\u76d6\uff0c\u5e76\u4e14\u5f53\u5b83\u4ece\u7ec6\u80de\u4e2d\u4e22\u5931\u65f6\u4e0d\u4f1a\u6709\u52a9\u4e8e\u53cd\u5411\u4f20\u64ad\u3002
\u8fd9\u5141\u8bb8 sciPENN \u4ece\u5177\u6709\u90e8\u5206\u4e0d\u91cd\u53e0\u86cb\u767d\u8d28\u9762\u677f\u7684\u591a\u4e2a CITE-seq \u6570\u636e\u96c6\u4e2d\u5b66\u4e60\uff0c\u4f30\u7b97\u7ec4\u6210\u6bcf\u4e2a CITE-seq \u6570\u636e\u96c6\u7684\u7f3a\u5931\u86cb\u767d\u8d28\uff0c\u751a\u81f3\u4ece\u90e8\u5206\u91cd\u53e0\u7684 CITE-seq \u6570\u636e\u96c6\u5b66\u4e60\u540e\u53ef\u4ee5\u9884\u6d4b\u5916\u90e8 scRNA-seq \u6570\u636e\u96c6\u4e2d\u7684\u86cb\u767d\u8d28\u7684\u8868\u8fbe\uff0c\u8fd9\u662f totalVI \u548c Seurat 4 \u65e0\u6cd5\u5b8c\u6210\u7684\u3002\u6b64\u5916\uff0csciPENN \u6bd4\u4e0a\u8ff0\u4e24\u4e2a\u65b9\u6cd5\u5feb\u4e00\u4e2a\u6570\u91cf\u7ea7\uff0c\u4f7f\u5176\u6210\u4e3a\u7efc\u5408 CITE-seq \u548c scRNA-seq \u6570\u636e\u5206\u6790\u7684\u7406\u60f3\u5de5\u5177\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://www.nature.com/articles/s42256-022-00545-w
Optics Express | \u6df1\u5ea6\u5b66\u4e60\u4ee5\u6700\u4f73\u7684\u7eb3\u7c73\u5c3a\u5ea6\u5206\u8fa8\u7387\u89e3\u51b3\u91cd\u53e0\u5355\u5206\u5b50\u7684\u4e09\u7ef4\u65b9\u5411\u548c\u4e8c\u7ef4\u4f4d\u7f6e\u95ee\u9898
\u534e\u76db\u987f\u5927\u5b66\u7684\u7814\u7a76\u4eba\u5458\u62a5\u544a\u4e86\u4e00\u79cd\u57fa\u4e8e\u6df1\u5ea6\u5b66\u4e60\u7684\u4f30\u8ba1\u5668\uff0c\u79f0\u5176\u4e3a Deep-SMOLM\uff0c\u5b83\u5728\u7406\u8bba\u6781\u9650\u7684 3% \u5185\u5b9e\u73b0\u4e86 3D \u65b9\u5411\u548c 2D \u4f4d\u7f6e\u7684\u5353\u8d8a\u7684\u6d4b\u91cf\u7cbe\u5ea6\uff083.8\u00b0 \u65b9\u5411\u30010.32 sr \u6446\u52a8\u89d2\u548c 8.5 nm \u6a2a\u5411\u4f4d\u7f6e\uff0c\u4f7f\u7528 1000 \u4e2a\u68c0\u6d4b\u5230\u7684\u5149\u5b50\uff09\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://pubmed.ncbi.nlm.nih.gov/36258598/
Nature Communications | SCALEX \u5355\u7ec6\u80de\u6570\u636e\u6574\u5408\u5de5\u5177
SCALEX\u662f\u4e00\u6b3e\u57fa\u4e8e\u6df1\u5ea6\u5b66\u4e60\u7684\u5355\u7ec6\u80de\u6574\u5408\u7b97\u6cd5\u3002\u5176\u901a\u8fc7\u5c06\u7ec6\u80de\u6295\u5c04\u5230\u6279\u6b21\u4e0d\u53d8\u7684\u3001\u5171\u540c\u7684\u7ec6\u80de\u5d4c\u5165\u7a7a\u95f4\uff0c\u5373\u6bcf\u6b21\u6295\u5f71\u6574\u5408\u90fd\u4e0d\u9700\u8981\u91cd\u65b0\u8bad\u7ec3\u6a21\u578b\u7684\u65b9\u6cd5\uff0c\u8282\u7701\u4e86\u8ba1\u7b97\u6210\u672c\u3002\u53e6\u5916\uff0c\u5728\u7ebf\u6570\u636e\u6574\u5408\u80fd\u529b\u548c\u5353\u8d8a\u7684\u6027\u80fd\u4e5f\u4f7fSCALEX\u7279\u522b\u9002\u5408\u4e8e\u5927\u89c4\u6a21\u7684\u5355\u7ec6\u80de\u5e94\u7528\u3002 - Github\uff1ahttps://github.com/jsxlei/SCALEX - \u8bba\u6587\u94fe\u63a5\uff1ahttps://www.nature.com/articles/s41467-022-33758-z
"},{"location":"issue-52/#_3","title":"\u535a\u6587\u8d44\u8baf","text":"\u8fd1\u65e5\uff0c\u7f8e\u56fd\u6770\u514b\u900a\u57fa\u56e0\u7ec4\u533b\u5b66\u5b9e\u9a8c\u5ba4\u7684Francesca Menghi \u548cEdison T.Liu\u5728Nature Communications\u603b\u7ed3\u5206\u6790\u4e86\u5728\u764c\u75c7\u529f\u80fd\u57fa\u56e0\u7ec4\u5b66\u9886\u57df\uff0c\u79d1\u5b66\u5bb6\u4eec\u662f\u5982\u4f55\u5229\u7528\u65b0\u4e00\u4ee3\u6d4b\u5e8f\u6280\u672f\u3001\u529f\u80fd\u57fa\u56e0\u7ec4\u5b66\u65b9\u6cd5\uff08\u901a\u5e38\u4e0e\u7cfb\u7edf\u751f\u7269\u5b66\u65b9\u6cd5\u76f8\u7ed3\u5408\uff09\u63ed\u793a\u65b0\u7684\u764c\u75c7\u53d1\u75c5\u673a\u5236\u3002\u5e76\u63d0\u51fa\u8fd9\u4e9b\u6700\u65b0\u6210\u679c\u8d85\u8d8a\u4e86\u65e9\u671f\u201c\u4e00\u79cd\u57fa\u56e0\u3001\u4e00\u79cd\u8868\u578b\u201d\u7684\u539f\u59cb\u7814\u7a76\u8303\u5f0f\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://www.nature.com/articles/s41467-022-33717-8
Docker \u955c\u50cf\u6784\u5efa\u4fdd\u59c6\u7ea7\u5165\u95e8\u5b9e\u6218\u6307\u5357
\u672c\u6587\u4eceDockerfile\u51fa\u53d1\uff0c\u8be6\u7ec6\u4ecb\u7ecd\u4e86Docker \u955c\u50cf\u6784\u5efa\u4e2d\u7684\u5177\u4f53\u53c2\u6570\u548c\u6307\u4ee4\u3002
\u8be5\u63a8\u6587\u5206\u4eab\u4e86\u9102\u7ef4\u5357\u9662\u58eb\u57282022\u5e74\u7684\u56fd\u9645\u6570\u5b66\u5bb6\u5927\u4f1a\u5bf9\u673a\u5668\u5b66\u4e60\u6570\u5b66\u672c\u8d28\u7684\u7406\u89e3\uff0c\u5373\u51fd\u6570\u903c\u8fd1\u3001\u6982\u7387\u5206\u5e03\u7684\u903c\u8fd1\u4e0e\u91c7\u6837\u3001Bellman\u65b9\u7a0b\u7684\u6c42\u89e3\u3001\u673a\u5668\u5b66\u4e60\u6a21\u578b\u7684\u903c\u8fd1\u8bef\u5dee\u3001\u6cdb\u5316\u6027\u8d28\u4ee5\u53ca\u8bad\u7ec3\u7b49\u65b9\u9762\u7684\u6570\u5b66\u7406\u8bba\uff0c\u4ee5\u53ca\u5982\u4f55\u5229\u7528\u673a\u5668\u5b66\u4e60\u6765\u6c42\u89e3\u56f0\u96be\u7684\u79d1\u5b66\u8ba1\u7b97\u548c\u79d1\u5b66\u95ee\u9898\uff0c\u5373AI for science\u3002
\u89c6\u9891\uff1a\u518d\u8c08AI for Science\uff1ahttps://www.bilibili.com/video/BV1vR4y1c7gQ/?vd_source=3afc2da90da868f4f01d17b6a37ffeba
\u5206\u5b50\u7814\u7a76\u5229\u5668 | \u76f8\u5206\u79bb
\u672c\u6587\u4ece\u5b9a\u4e49\u3001\u539f\u7406\u3001\u5206\u5b50\u529f\u80fd\u4ee5\u53ca\u751f\u7269\u4fe1\u606f\u5b66\u4e2d\u7684\u5e94\u7528\u56db\u5927\u65b9\u9762\uff0c\u4ecb\u7ecd\u4e86\u76f8\u5206\u79bb\u8fd9\u4e00\u7269\u7406\u5316\u5b66\u6982\u5ff5\u3002
"},{"location":"issue-52/#_4","title":"\u5de5\u5177","text":"UCell\u662f\u4e00\u4e2a\u53ef\u4ee5\u6839\u636e\u81ea\u5b9a\u4e49\u7684\u57fa\u56e0\u96c6\u7ed9\u5355\u7ec6\u80de\u8fdb\u884c\u6253\u5206\u7684\u5de5\u5177\uff0c\u6253\u5206\u5bf9\u8c61\u53ef\u4ee5\u662f\u77e9\u9635\u3001SingleCellExperiment\u6216\u8005Seurt\u5bf9\u8c61\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://www.sciencedirect.com/science/article/pii/S2001037021002816?via%3Dihub
sc-linker - \u5355\u7ec6\u80de\u6d4b\u5e8f\u4e0eGWAS\u6574\u5408\u5206\u6790\u5de5\u5177
sc-linker\u662f\u4e00\u4e2a\u53ef\u4ee5\u6574\u5408scRNA-seq\u3001\u8868\u89c2\u57fa\u56e0\u7ec4\u5355\u6838\u82f7\u9178\u591a\u6001\u6027\uff08SNP\uff09- \u57fa\u56e0\u56fe\u8c31\u548cGWAS\u7edf\u8ba1\u6570\u636e\u7684\u8ba1\u7b97\u6846\u67b6\uff0c\u5e76\u80fd\u591f\u8bc6\u522b\u9057\u4f20\u53d8\u5f02\u5f71\u54cd\u75be\u75c5\u7684\u6f5c\u5728\u7ec6\u80de\u7c7b\u578b\u548c\u8fc7\u7a0b\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://doi.org/10.1038/s41588-022-01187-9
sangerbox -\u53cb\u597d\u7684\u5728\u7ebf\u53ef\u89c6\u5316\u5de5\u5177
Sangerbox (http://vip.sangerbox.com) \u662f\u4e00\u4e2a\u57fa\u4e8e\u7f51\u7edc\u7684\u5de5\u5177\u5e73\u53f0\uff0c\u7528\u6237\u53ef\u4ee5\u5728\u5176\u63d0\u4f9b\u7684\u53cb\u597d\u7684\u4ea4\u4e92\u9875\u9762\u4e2d\u8fdb\u884c\u4e0d\u540c\u5206\u6790\u3002\u5e73\u53f0\u63d0\u4f9b\u4e00\u7cfb\u5217\u53ef\u4ea4\u4e92\u7684\u56fe\u5f62\u5316\u5206\u6790\u5de5\u5177\uff0c\u5305\u62ec\u76f8\u5173\u6027\u3001\u901a\u8def\u5bcc\u96c6\u3001WGCNA\u5206\u6790\u7b49\u5e38\u89c1\u7684\u5de5\u5177\u548c\u529f\u80fd\u3002
\u672c\u63a8\u6587\u6574\u7406\u4e86\u6570\u636e\u79d1\u5b66\u9879\u76ee\uff0c\u5305\u62ec\u6570\u636e\u5bfc\u5165\u3001\u6574\u7406\u4ee5\u53ca\u8f6c\u6362\u7b49\u8fc7\u7a0b\u6240\u5e38\u7528\u7684R\u5305\u3002
\u8be5\u5e93\u6536\u5f55\u4e86\u4e00\u7cfb\u5217Shiny\u76f8\u5173\u7684\u6559\u7a0b\u3001\u5de5\u5177\u3001\u8f6f\u4ef6\u5305\u3001\u56fe\u4e66\u3001\u8bba\u575b\u3002\u5b66\u4e60Shiny\uff0c\u503c\u5f97\u6536\u85cf\u3002
\u4ed3\u5e93\u94fe\u63a5\uff1a https://github.com/grabear/awesome-rshiny
\u8d44\u6e90\u63a8\u8350 | GSVA\u6559\u7a0b
\u57fa\u56e0\u96c6\u53d8\u5f02\u5206\u6790(GSVA)\u662f\u4e00\u79cd\u7279\u6b8a\u7c7b\u578b\u7684\u57fa\u56e0\u96c6\u5bcc\u96c6\u65b9\u6cd5\uff0c\u5b83\u53ef\u4ee5\u5bf9\u5355\u4e2a\u6837\u672c\u8fdb\u884c\u5206\u6790\uff0c\u5e76\u901a\u8fc7\u5728\u57fa\u56e0\u5230\u57fa\u56e0\u96c6\u7684\u5206\u6790\u529f\u80fd\u5355\u5143\u4e2d\u6267\u884c\u6982\u5ff5\u4e0a\u7b80\u5355\u4f46\u529f\u80fd\u5f3a\u5927\u7684\u53d8\u5316\uff0c\u5b9e\u73b0\u4ee5\u901a\u8def\u4e3a\u4e2d\u5fc3\u7684\u5206\u5b50\u6570\u636e\u5206\u6790\u3002
GSVA\u5305\u63d0\u4f9b\u4e86\u56db\u79cd\u5355\u6837\u672c\u57fa\u56e0\u96c6\u5bcc\u96c6\u7684\u65b9\u6cd5\uff0c\u5177\u4f53\u4e3azscore\u3001plage\u3001ssGSEA\u548c\u5b83\u81ea\u5df1\u7684GSVA\u3002\u867d\u7136\u5b83\u4eec\u6700\u521d\u662f\u4e3a\u57fa\u56e0\u8868\u8fbe\u6570\u636e\u5f00\u53d1\u7684\uff0c\u4f46\u4e5f\u53ef\u4ee5\u5e94\u7528\u4e8e\u5176\u4ed6\u7c7b\u578b\u7684\u5206\u5b50\u5206\u6790\u6570\u636e\u3002\u672c\u6559\u7a0b\u4e2d\u6211\u4eec\u6f14\u793a\u4e86\u5982\u4f55\u4f7f\u7528GSVA\u5305\u5904\u7406microarray\u548cRNA-seq\u8868\u8fbe\u6570\u636e\u3002
"},{"location":"issue-52/#_6","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-53/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 53 \u671f\uff09\uff1a\u4e3a\u4ec0\u4e48\u73b0\u5728\u7684\u4e2d\u56fd\u5927\u5b66\u751f\u666e\u904d\u7126\u8651\u5185\u5377\uff1f","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002 \u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002 \u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d | \u300c\u751f\u4fe1\u8ba8\u8bba\u533a\uff08Gitter\uff09\u300d
"},{"location":"issue-53/#_1","title":"\u5c01\u9762\u56fe","text":""},{"location":"issue-53/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u4e3a\u4ec0\u4e48\u73b0\u5728\u7684\u4e2d\u56fd\u5927\u5b66\u751f\u666e\u904d\u7126\u8651\u5185\u5377\uff1f","text":"\u94b1\u9896\u4e00\u6559\u6388\u6839\u636e\u81ea\u5df1\u5728\u6e05\u534e\u62c5\u4efb\u6559\u5e08\u3001\u9662\u957f17\u5e74\u671f\u95f4\u7684\u6539\u9769\u5b9e\u8df5\u3001\u6df1\u5165\u89c2\u5bdf\u4ee5\u53ca\u4e0e\u5b66\u751f\u7684\u503e\u5fc3\u4ea4\u6d41\uff0c\u5c06\u4e24\u4e2a\u8457\u540d\u7684\u94b1\u6c0f\u95ee\u9898\u8fdb\u4e00\u6b65\u5177\u4f53\u5316\u4e3a\u5f53\u524d\u4e2d\u56fd\u5927\u5b66\u5b66\u751f\u57f9\u517b\u4e2d\u7684\u4e03\u4e2a\u666e\u904d\u73b0\u8c61\u548c\u4e03\u4e2a\u91cd\u8981\u6743\u8861\uff0c\u5e76\u8ffd\u6eaf\u5230\u5e02\u573a\u548c\u653f\u5e9c\u7684\u8bc4\u4ef7\u4f53\u7cfb\u4ee5\u53ca \u201c\u80b2\u624d\u201d \u538b\u5012 \u201c\u80b2\u4eba\u201d \u7684\u72b6\u51b5\u3002\u7531\u6b64\u63d0\u51fa\u94b1\u6c0f\u95ee\u9898\u7684 \u201c\u7b2c\u4e09\u7ef4\u7f3a\u4f4d\u8bba\u201d\u2014\u2014\u6559\u80b2\u5728\u5e02\u573a\u548c\u653f\u5e9c\u4e4b\u5916\u7684\u7b2c\u4e09\u7ef4\u7f3a\u4f4d\u4e86\uff0c\u5373\u6559\u80b2\u5185\u5728\u7684\u8bc4\u4ef7\u548c\u613f\u666f\u8fd9\u4e2a\u7ef4\u5ea6\u7684\u7f3a\u4f4d\u3002
@He-Kai-fly - \u5256\u6790\u201c\u5185\u5377\u201d\u80cc\u540e\u7684\u539f\u56e0\uff0c\u79bb\u4e0d\u5f00\u4e00\u4e2a\u8bcd\uff1a\u7ade\u4e89\u3002\u5927\u5b66\u751f\u4eec\u5185\u5377\uff0c\u4e5f\u662f\u5e94\u5bf9\u7ade\u4e89\u538b\u529b\u7684\u6b63\u5e38\u53cd\u5e94\u3002\u4f46\u5377\u7684\u540c\u65f6\u81ea\u5df1\u4e5f\u9700\u8981\u60f3\u660e\u767d\u201c\u6211\u5230\u5e95\u5e0c\u671b\u6210\u4e3a\u600e\u6837\u7684\u4eba\u201d\u3002
"},{"location":"issue-53/#_3","title":"\u751f\u4fe1\u7814\u7a76","text":"1\u3001Genome Research|\u9ad8\u6548\u6355\u83b7\u67d3\u8272\u8d28\u5f00\u653e\u4f4d\u70b9\u548c\u67d3\u8272\u8d28\u76f8\u4e92\u4f5c\u7528\u7684\u65b0\u6280\u672fNicE-C
\u4e2d\u56fd\u79d1\u5b66\u6280\u672f\u5927\u5b66\u751f\u547d\u5b66\u9662\u4e0e\u533b\u5b66\u90e8\u5b8b\u6653\u5143\u8bfe\u9898\u7ec4\u57fa\u4e8e\u67d3\u8272\u8d28\u6784\u8c61\u6355\u83b7\uff083C\uff09\u53ca\u5176\u76f8\u5173\u6280\u672f\u7684\u7814\u7a76\u63ed\u793a\u4e86\u54fa\u4e73\u52a8\u7269\u7ec6\u80de\u5185\u4e0d\u540c\u5c42\u6b21\u7684\u67d3\u8272\u8d28\u9ad8\u7ea7\u7ed3\u6784\uff0c\u5305\u62ec\u67d3\u8272\u8d28\u9694\u5ba4\uff08A/B compartments\uff09\u3001\u62d3\u6251\u7ed3\u6784\u57df\uff08TADs\uff09\u548c\u67d3\u8272\u8d28\u73af\uff08chromatin loops\uff09\u3002\u7814\u7a76\u8868\u660e\u542f\u52a8\u5b50\u4e0e\u589e\u5f3a\u5b50\u95f4\u53ef\u4ee5\u901a\u8fc7\u5f62\u6210\u67d3\u8272\u8d28\u73af\uff08E-P loops\uff09\u6765\u8c03\u63a7\u57fa\u56e0\u7684\u8868\u8fbe\uff0c\u8be5\u6210\u679c\u8fd1\u671f\u53d1\u8868\u4e8eGenome Research\u671f\u520a\u4e0a\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://genome.cshlp.org/content/32/3/534.long
2\u3001Nature Communications| \u57fa\u4e8escRNA-Seq\u6570\u636e\u7684\u7ec6\u80de\u901a\u8baf\u63a8\u65ad\u7684\u4e0d\u540c\u65b9\u6cd5\u548c\u8d44\u6e90\u6bd4\u8f83
\u5f53\u524d\u6709\u8bb8\u591a\u8ba1\u7b97\u5de5\u5177\u7528\u4e8e\u7ec6\u80de\u901a\u8baf\u63a8\u65ad\uff0c\u6bcf\u4e2a\u90fd\u6709\u5176\u76f8\u5e94\u7684\u7ec6\u80de\u95f4\u76f8\u4e92\u4f5c\u7528\u5148\u9a8c\u77e5\u8bc6\u8d44\u6e90\u548c\u9884\u6d4b\u6f5c\u5728\u7ec6\u80de\u901a\u8baf\u4e8b\u4ef6\u65b9\u6cd5\u3002\u7136\u800c\uff0c\u7ec6\u80de\u901a\u8baf\u8d44\u6e90\u548c\u63a8\u65ad\u65b9\u6cd5\u7684\u9009\u62e9\u5bf9\u7ed3\u679c\u9884\u6d4b\u7684\u5f71\u54cd\uff0c\u5728\u5f88\u5927\u7a0b\u5ea6\u4e0a\u5c1a\u4e0d\u6e05\u695a\u3002\u4e3a\u4e86\u9610\u660e\u8fd9\u4e00\u70b9\uff0c\u4f5c\u8005\u56e2\u961f\u7cfb\u7edf\u5730\u6bd4\u8f83\u4e8616\u4e2a\u7ec6\u80de\u901a\u8baf\u63a8\u65ad\u8d44\u6e90\u548c7\u79cd\u65b9\u6cd5\uff0c\u4ee5\u53ca\u4e0d\u540c\u65b9\u6cd5\u9884\u6d4b\u7684\u4e00\u81f4\u7ed3\u679c\u3002\u5728\u8fd9\u4e9b\u8d44\u6e90\u4e2d\uff0c\u4ec5\u53d1\u73b0\u8f83\u5c11\u7684\u7279\u6709\u76f8\u4e92\u4f5c\u7528\uff0c\u5b58\u5728\u4e0d\u540c\u7a0b\u5ea6\u7684\u91cd\u53e0\uff0c\u4ee5\u53ca\u5728\u7279\u5b9a\u9014\u5f84\u548c\u7ec4\u7ec7\u5bcc\u7684\u86cb\u767d\u8d28\u7684\u4e0d\u5747\u4e00\u8986\u76d6\u5ea6\u3002\u4f5c\u8005\u56e2\u961f\u6d4b\u8bd5\u4e86\u4e0d\u540c\u65b9\u6cd5\u548c\u8d44\u6e90\u7684\u6240\u6709\u53ef\u80fd\u7ec4\u5408\uff0c\u63d0\u51fa\u4e24\u8005\u90fd\u80fd\u5f88\u5927\u7a0b\u5ea6\u5f71\u54cd\u7740\u7ec6\u80de\u95f4\u76f8\u4e92\u4f5c\u7528\u7ed3\u679c\u7684\u9884\u6d4b\u3002\u4e3a\u4e86\u65b9\u4fbf\u4f7f\u7528\u8be5\u5de5\u4f5c\u4e2d\u63cf\u8ff0\u7684\u65b9\u6cd5\u548c\u8d44\u6e90\uff0c\u4f5c\u8005\u56e2\u961f\u63d0\u4f9bLIANA\uff08LIgand-receptor ANalysis frAmework\uff09R\u5305\u4f9b\u7528\u6237\u4f7f\u7528\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://www.nature.com/articles/s41467-022-30755-0
3\u3001 Science Advances | \u764c\u75c7\u4f53\u7ec6\u80de\u7a81\u53d8AI\u6ce8\u91ca\u5e73\u53f0\u2014\u2014CancerVar
\u7f8e\u56fd\u8d39\u57ce\u513f\u7ae5\u533b\u9662\u738b\u51ef\u56e2\u961f\u3001\u5468\u7b60\u7b60\u56e2\u961f\u53ca\u5408\u4f5c\u8005\u8054\u5408\u5728Science Advances\u53d1\u8868\u4e86\u4e00\u79cd\u6539\u8fdb\u7248\u7684\u4f53\u7ec6\u80de\u7a81\u53d8\u4f53\u89e3\u91ca\u5de5\u5177\u2014\u2014CancerVar\uff0c\u662f\u57fa\u4e8ePython\u7f16\u7a0b\u8bed\u8a00\u642d\u5efa\u7684\u4e00\u4e2a\u7f51\u7edc\u670d\u52a1\u5668\uff0c\u5305\u542b1,911\u4e2a\u764c\u75c7\u76f8\u5173\u57fa\u56e0\u4e2d1,300\u4e07\u4e2a\u4f53\u7ec6\u80de\u7a81\u53d8\u7684\u4e34\u5e8a\u8bc1\u636e\u3002\u7528\u6237\u53ef\u4ee5\u4f7f\u7528\u67d3\u8272\u4f53\u4f4d\u7f6e\u6216\u86cb\u767d\u8d28\u53d8\u5316\u7b49\u4fe1\u606f\u67e5\u8be2\u53d8\u5f02\u7684\u4e34\u5e8a\u89e3\u91ca\uff0c\u5e76\u57fa\u4e8e\u5148\u9a8c\u77e5\u8bc6\u6216\u5176\u4ed6\u7528\u6237\u6307\u5b9a\u7684\u6807\u51c6\uff0c\u4ea4\u4e92\u5f0f\u5fae\u8c03\u7279\u5b9a\u8bc4\u5206\u7279\u5f81\u7684\u6743\u91cd\u3002CancerVar\u80fd\u591f\u81ea\u52a8\u751f\u6210\u603b\u7ed3\u63cf\u8ff0\u6027\u89e3\u91ca\u7684\u6587\u672c\uff0c\u5305\u62ec\u8bca\u65ad\u3001\u9884\u540e\u3001\u9776\u5411\u836f\u7269\u53cd\u5e94\u548c\u8bb8\u591a\u70ed\u70b9\u7a81\u53d8\u7684\u4e34\u5e8a\u8bd5\u9a8c\u4fe1\u606f\uff0c\u5927\u5927\u51cf\u5c11\u4e86\u7cbe\u51c6\u80bf\u7624\u5b66\u5b9e\u8df5\u4e2d\u4e34\u5e8a\u533b\u751f\u7684\u5de5\u4f5c\u91cf\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://www.ncbi.nlm.nih.gov/pmc/articles/PMC9075800/
4\u3001Nature Genetics | \u4e3a\u4f55\u5f88\u591a\u5438\u70df\u8005\u4e0d\u4f1a\u60a3\u80ba\u764c\uff1f\u5355\u7ec6\u80de\u6d4b\u5e8f\u53d1\u73b0\u90e8\u5206\u5438\u70df\u8005\u80ba\u90e8\u4f53\u7ec6\u80de\u7a81\u53d8\u9891\u7387\u5b58\u5728\u4e0a\u9650
\u4e3a\u4ec0\u4e48\u5927\u591a\u6570\u70df\u6c11\u4e0d\u4f1a\u60a3\u80ba\u764c\uff1fNature Genetics\u671f\u520a\u4e0a\u4e00\u7bc7\u6587\u7ae0\u5229\u7528\u5355\u7ec6\u80de\u5168\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u6280\u672f\uff0c\u5bf9\u4e0d\u5438\u70df\u8005\u548c\u5438\u70df\u8005\u7684\u80ba\u7ec6\u80de\u8fdb\u884c\u6d4b\u5e8f\u3002\u7ed3\u679c\u63d0\u793a\u867d\u7136\u5438\u70df\u8005\u80ba\u7ec6\u80de\u4e2d\u7684\u7a81\u53d8\u9891\u7387\u66f4\u9ad8\uff0c\u4f46\u662f\u5f53\u5438\u70df\u91cf\u7d2f\u79ef\u5230\u4e00\u5b9a\u91cf\u65f6\uff0cDNA\u7a81\u53d8\u7387\u589e\u52a0\u8d8b\u4e8e\u5e73\u7a33\uff0c\u8fd9\u4f7f\u91cd\u5ea6\u5438\u70df\u8005\u7684\u7a81\u53d8\u9891\u7387\u4e0e\u8f7b\u5ea6\u5438\u70df\u8005\u6ca1\u6709\u663e\u8457\u5dee\u5f02\uff0c\u9650\u5236\u4e86\u80ba\u90e8\u7ec6\u80de\u7684\u7a81\u53d8\u79ef\u7d2f\uff0c\u4ece\u800c\u964d\u4f4e\u80ba\u764c\u98ce\u9669\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://www.nature.com/articles/s41588-022-01035-w
"},{"location":"issue-53/#_4","title":"\u535a\u6587\u8d44\u8baf","text":"5\u3001 How to precompute package vignettes or pkgdown articles
\u622a\u81f3\u4eca\u5e74\u65e9\u4e9b\u65f6\u5019\uff0c\u6211\u4eec\u9488\u5bf9\u6240\u6709rOpenSci\u5305\u90fd\u4f1a\u81ea\u52a8\u6784\u5efa\u4e8c\u8fdb\u5236\u548cpkgdown\u6587\u4ef6\uff0c\u6211\u4eec\u9047\u5230\u7684\u95ee\u9898\u662f\u4e00\u4e9b\u542b\u6709vignette\u7684\u5305\u90fd\u9700\u8981\u4e00\u4e9b\u7279\u6b8a\u7684\u5de5\u5177/\u6570\u636e\uff0c\u800c\u8fd9\u4e9b\u5728\u901a\u5e38\u5728\u670d\u52a1\u5668\u4e0a\u4e0d\u53ef\u7528\u3002\u8fd9\u4e2a\u535a\u5ba2\u5c06\u8bf4\u660e\u5982\u4f55\u5728\u4f60\u7684\u5305\u4e2d\u5305\u88c5\u8fd9\u6837\u7684vignette\u548c\u6587\u7ae0\u3002
6\u3001scRNAtoolVis - \u63d0\u4f9b\u4e86\u4e00\u7cfb\u5217\u4e2a\u6027\u5316\u5355\u7ec6\u80de\u6570\u636e\u53ef\u89c6\u5316\u51fd\u6570
GitHub: https://github.com/junjunlab/scRNAtoolVis
7\u3001 \u82f1\u56fd\u751f\u7269\u6837\u672c\u5e93UKB-PPP\u5f00\u521b\u6027\u86cb\u767d\u7ec4\u5b66\u7814\u7a76\u8fdb\u5c55\u9996\u6279\u53d1\u5e03
\u82f1\u56fd\u751f\u7269\u6837\u672c\u5e93\uff08UK Biobank, UKB\uff09\u662f\u76ee\u524d\u4e16\u754c\u4e0a\u6700\u5927\u3001\u6700\u5168\u9762\u7684\u751f\u7269\u533b\u5b66\u6570\u636e\u5e93\u548c\u7814\u7a76\u8d44\u6e90\u4e4b\u4e00\uff0c\u81f4\u529b\u4e8e\u5bf9\u751f\u7269\u6837\u672c\u8fdb\u884c\u9ad8\u901a\u91cf\u86cb\u767d\u7ec4\u68c0\u6d4b\uff0c\u5df2\u4e0e\u7531\u5341\u5bb6\u9876\u7ea7\u751f\u7269\u5236\u836f\u516c\u53f8\u7ec4\u6210\u7684\u8054\u76df\u8054\u5408\uff0c\u542f\u52a8\u4e86\u4e00\u9879\u5168\u7403\u6700\u5927\u7684\u8840\u6db2\u86cb\u767d\u7ec4\u7814\u7a76\u3002\u6700\u8fd1\uff0c\u82f1\u56fd\u751f\u7269\u6837\u672c\u5e93\u8054\u5408\u6570\u5341\u5bb6\u836f\u5382\u53d1\u5e03\u7684\u57fa\u4e8eOlink ExploreTM\u5e73\u53f0\u7684\u5f00\u521b\u6027\u86cb\u767d\u7ec4\u5b66\u7814\u7a76\uff0c\u9996\u6b21\u62ab\u9732\u9488\u5bf954,306\u53c2\u4e0e\u8005\u7684\u86cb\u767d\u7ec4\u5b66\u548c\u57fa\u56e0\u6d4b\u5e8f\u7684\u6570\u636e\u8fdb\u884cpQTL\uff08Protein Quantiative Trait Loci\uff09Mapping\u5206\u6790\uff0c\u901a\u8fc7\u5bf91,463\u86cb\u767d\u6807\u5fd7\u7269\u7684\u7814\u7a76\uff0c\u53d1\u73b0\u4e8610,248\u4e2a\u4e3b\u8981\u9057\u4f20\u5173\u8054\uff0c\u5176\u4e2d85%\u4e4b\u524d\u5c1a\u672a\u6709\u8fc7\u62a5\u9053\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://doi.org/10.1101/2022.06.17.496443
8\u3001\u4e2d\u56fd\u57fa\u56e0\u6d4b\u5e8f\u4ea7\u4e1a\u94fe\u56fe\u8c31\u4e0e\u5e02\u573a\u5206\u6790
\u672c\u6587\u7cfb\u7edf\u5730\u4ecb\u7ecd\u4e86\u57fa\u56e0\u6d4b\u5e8f\u4ea7\u4e1a\u5728\u6211\u56fd\u7684\u53d1\u5c55\u60c5\u51b5\u3002\u503c\u5f97\u6ce8\u610f\u7684\u662f\u8be5\u4ea7\u4e1a\u94fe\u57fa\u672c\u8fd8\u6ca1\u6709\u8d70\u5411\u666e\u901a\u767e\u59d3\u54c8\uff08\u9664\u4e86\u4e00\u4e9b\u5e26\u5ffd\u60a0\u7684\u9057\u4f20\u98ce\u9669\u68c0\u6d4b\u4f53\u68c0\u670d\u52a1\uff09\uff0c\u5168\u4e16\u754c\u90fd\u8fd8\u5728\u57fa\u7840\u79d1\u7814\u548c\u4e34\u5e8a\u7814\u7a76\u4e2d\u5e94\u7528\u3002
\u6211\u56fd\u57fa\u56e0\u6d4b\u5e8f\u884c\u4e1a\u6b63\u5904\u4e8e\u9ad8\u901f\u6210\u957f\u9636\u6bb5\uff0c\u90e8\u5206\u521b\u65b0\u4f01\u4e1a\u7684\u4e09\u3001\u56db\u4ee3\u6d4b\u5e8f\u6280\u672f\u8fbe\u5230\u56fd\u5185\u9886\u5148\u3001\u56fd\u9645\u5148\u8fdb\u6c34\u5e73\uff0c\u8d8a\u6765\u8d8a\u591a\u7684\u5177\u6709\u5b8c\u5168\u81ea\u4e3b\u77e5\u8bc6\u4ea7\u6743\u7684\u57fa\u56e0\u6d4b\u5e8f\u4ea7\u54c1\u83b7\u6279\u4e0a\u5e02\u5b9e\u73b0\u5546\u4e1a\u91cf\u4ea7\uff0c\u5b9e\u73b0\u57fa\u56e0\u6d4b\u5e8f\u4eea\u8fdb\u53e3\u56fd\u4ea7\u5316\u66ff\u4ee3\u3002\u968f\u7740\u6280\u672f\u7684\u8fdb\u6b65\u3001\u7cbe\u51c6\u533b\u5b66\u7684\u53d1\u5c55\u548c\u5229\u597d\u653f\u7b56\u7684\u63a8\u52a8\uff0c\u6211\u56fd\u57fa\u56e0\u6d4b\u5e8f\u5e02\u573a\u62e5\u6709\u5de8\u5927\u7684\u5e94\u7528\u524d\u666f\uff0c\u6211\u56fd\u57fa\u56e0\u6d4b\u5e8f\u884c\u4e1a\u8fce\u6765\u201c\u9ec4\u91d1\u671f\u201d\u3002
9\u3001\u7b2c15\u5c4a\u4e2d\u56fd R \u4f1a\uff08\u5317\u4eac\uff09-\u673a\u5668\u5b66\u4e60\u4e13\u573a
\u65f6\u95f4\uff1a2022\u5e7411\u670820\u65e5 \u4e0a\u53488:30-10:55
\u817e\u8baf\u4f1a\u8bae\u53f7\uff1a191863973
"},{"location":"issue-53/#_5","title":"\u5de5\u5177","text":"10\u3001ggblend | \u4fee\u6539\u56fe\u5c42\u878d\u5408\u53e0\u52a0\u7684ggplot2\u6269\u5c55\u5305
ggblend\u662f\u5728ggplot2\u57fa\u7840\u4e0a\u4fee\u6539\u56fe\u5c42\u878d\u5408\u6a21\u5f0f\u7b49\u7ec6\u8282\u7684\u6269\u5c55R\u5305\u3002
11\u3001eVITTA - \u8f6c\u5f55\u7ec4\u5206\u6790\u7684\u4e00\u4e2a\u7b80\u5355\u7684\u5206\u6790\u53ef\u89c6\u5316\u5de5\u5177\u7bb1
\u4e3b\u8981\u63d0\u4f9b\u4e86 3 \u4e2a\u5206\u6790\u53ef\u89c6\u5316\u6a21\u5757\uff0c\u901a\u8fc7 https://tau.cmmt.ubc.ca/eVITTA/ \u53ef\u4ee5\u5728\u7ebf\u8bbf\u95ee\uff0c\u9002\u5408\u4e0d\u4f1a\u751f\u4fe1\u7684\u540c\u5fd7\u4eec\u3002
12\u3001Cog\u2014\u7528\u4e8e\u673a\u5668\u5b66\u4e60\u7684\u5bb9\u5668
Cog\u662f\u4e00\u79cd\u53ef\u4ee5\u8ba9\u60a8\u5728\u6807\u51c6\u7684\u3001\u53ef\u5236\u4f5c\u751f\u6210\u7684\u5bb9\u5668\u4e2d\u5305\u88c5\u673a\u5668\u5b66\u4e60\u6a21\u578b\uff0c\u60a8\u53ef\u4ee5\u5c06\u5305\u88c5\u6a21\u578b\u90e8\u7f72\u5230\u81ea\u5df1\u7684\u57fa\u7840\u67b6\u6784\u4e2d\uff0c\u4e5f\u53ef\u4ee5\u8fdb\u884c\u590d\u5236\u3002
Github\uff1ahttps://github.com/replicate/cog
13\u3001 Science| CellTypist-\u8de8\u7ec4\u7ec7\u514d\u75ab\u7ec6\u80de\u5206\u6790\u63ed\u793a\u4e86\u4eba\u7c7b\u7ec4\u7ec7\u7279\u5f02\u6027\u7279\u5f81
\u4eba\u514d\u75ab\u7cfb\u7edf\u7531\u8bb8\u591a\u4e0d\u540c\u7684\u7ec6\u80de\u7c7b\u578b\u7ec4\u6210\uff0c\u4f46\u76ee\u524d\u5bf9\u8fd9\u4e9b\u7ec6\u80de\u7c7b\u578b\u7684\u7ec6\u80de\u7c7b\u578b\u7684\u7ec6\u80de\u53d8\u5316\u9c9c\u4e3a\u4eba\u77e5\u3002\u4f7f\u7528\u5355\u7ec6\u80de\u57fa\u56e0\u7ec4\u5b66\uff0c\u68c0\u67e5\u4e86\u4ece12\u4e2a\u5df2\u6545\u7684\u6210\u4eba\u5668\u5b98\u4f9b\u4f53\u4e2d\u4ece16\u4e2a\u4e0d\u540c\u7ec4\u7ec7\u4e2d\u63d0\u53d6\u7684300,000\u591a\u4e2a\u5355\u4e2a\u514d\u75ab\u7ec6\u80de\u7684\u57fa\u56e0\u8868\u8fbe\u8c31\u3002\u4f7f\u7528CellTypist\uff08\u7531\u4f5c\u8005\u8bbe\u8ba1\u7684\u81ea\u52a8\u5316\u7ec6\u80de\u5206\u7c7b\u5de5\u5177\uff09\u5206\u914d\u7ec6\u80de\u8eab\u4efd,\u6df1\u5165\u7684\u6570\u636e\u5206\u6790\u63ed\u793a\u4e86\u6709\u5173\u514d\u75ab\u7cfb\u7edf\u5982\u4f55\u9002\u5e94\u5728\u4e0d\u540c\u5668\u5b98\u73af\u5883\u4e2d\u6709\u6548\u8d77\u4f5c\u7528\u7684\u89c1\u89e3\u3002
Github: https://github.com/Teichlab/celltypist \u5b98\u7f51\uff1ahttps://www.celltypist.org/ \u6587\u7ae0\uff1ahttps://www.science.org/doi/10.1126/science.abl5197
"},{"location":"issue-53/#_6","title":"\u8d44\u6e90","text":"14\u3001\u5de5\u5177/\u8d44\u6e90\u63a8\u8350 | \u652f\u6301\u4e2d\u6587\uff01\u79d2\u5efa wiki \u77e5\u8bc6\u5e93\u7684\u5f00\u6e90\u9879\u76ee\uff0c\u6784\u5efa\u79c1\u4eba\u77e5\u8bc6\u7f51\u7edc
wiki.js \u662f\u4e00\u6b3e\u8f7b\u91cf\u7ea7\u3001\u529f\u80fd\u5f3a\u5927\u7684 wiki \u5f00\u6e90\u9879\u76ee\uff0c\u62e5\u6709\u8bc4\u8bba\u3001Markdown \u7f16\u8f91\u5668\u3001\u56fe\u7247\u4e0a\u4f20\u3001\u6807\u7b7e\u3001\u5168\u5c40\u641c\u7d22\u3001\u534f\u540c\u7f16\u8f91\u3001\u7f16\u8f91\u5386\u53f2\u3001\u7528\u6237\u7ba1\u7406\u3001\u8c37\u6b4c\u5206\u6790\u7b49\u529f\u80fd\uff0c\u800c\u4e14\u652f\u6301\u9ad8\u5ea6\u81ea\u5b9a\u4e49\u3002
Github\uff1ahttps://github.com/requarks/wiki
15\u3001 ggplot2\u8bed\u6cd5\u7684\u97e6\u6069\u56fe\u7ed8\u5236R\u5305-ggvenn
\u97e6\u6069\u56fe\u53ef\u4ee5\u7528\u6765\u5c55\u793a\u5404\u4e2a\u6570\u636e\u96c6\u76f4\u63a5\u7684\u91cd\u53e0\u5173\u7cfb\uff0cggvenn\u5305\u8bbe\u8ba1\u7075\u611f\u6765\u81ea\u4e8eVenny, \u4e3b\u8981\u51fd\u6570\u4e3aggvenn\uff0c\u7b26\u5408ggplot2\u7684\u57fa\u672c\u8bed\u6cd5\u3002
16\u3001UpSetR - \u4e00\u4e2a\u4ea7\u751f\u9759\u6001UpSet\u56fe\u7684R\u5305
UpSetR\u4ea7\u751f\u9759\u6001\u7684UpSet\u56fe\u5f62\uff0c\u8fd9UpSet\u6280\u672f\u53ef\u6839\u636e\u5206\u7ec4\u548c\u67e5\u8be2\u7684\u96c6\u5408\u4ea4\u53c9\u70b9\u8fdb\u884c\u53ef\u89c6\u5316\uff0c\u6709\u6548\u7684\u5c55\u793a\u76f8\u5173\u6570\u636e\u7edf\u8ba1\u4fe1\u606f\u3002\u5bf9\u4e8e\u66f4\u8be6\u7ec6\u7ec6\u8282\u53ef\u53c2\u8003UpSet website
Github\uff1ahttps://github.com/hms-dbmi/UpSetR
"},{"location":"issue-53/#_7","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-54/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 54 \u671f\uff09\uff1a\u4eba\u7c7b\u548c\u4eba\u751f\u7684\u610f\u4e49","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-54/#_1","title":"\u5c01\u9762\u56fe","text":"\u672a\u6765\u70ab\u79d1\u6280-\u9690\u5f62\u773c\u955c\u8ba1\u7b97\u673a
"},{"location":"issue-54/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u4eba\u7c7b\u548c\u4eba\u751f\u7684\u610f\u4e49","text":"\u6211\u8bf4\uff0c\u4eba\u751f\u662f\u6709\u610f\u4e49\u7684\uff0c\u800c\u4eba\u7c7b\u5219\u662f\u6ca1\u6709\u610f\u4e49\u7684\u3002 \u4eba\u751f\u7684\u610f\u4e49\u662f\u4ec0\u4e48\u5462\uff1f\u5b83\u7684\u610f\u4e49\u5c31\u5728\u4e8e\u4e3a\u6ca1\u6709\u610f\u4e49\u7684\u4eba\u7c7b\u5de5\u4f5c\u3001\u670d\u52a1\u7b49\u7b49\uff0c\u5176\u76ee\u7684\u4e0d\u5916\u4e4e\u662f\u4f7f\u4eba\u7c7b\u751f\u6d3b\u5f97\u66f4\u597d\u5e76\u5f97\u4ee5\u5ef6\u7eed\u3002 \u53cd\u6b63\u4eba\u7c7b\u662f\u73b0\u5b9e\u7684\u5b58\u5728\uff0c\u4f60\u53c8\u662f\u5176\u4e2d\u4e00\u5458\uff0c\u4f60\u6709\u4e49\u52a1\u4f7f\u5b83\u53d1\u5c55\u5ef6\u7eed\u3002\u4f60\u53ea\u8981\u8fd9\u6837\u505a\u4e86\uff0c\u4f60\u7684\u4eba\u751f\u5c31\u5177\u6709\u4e86\u610f\u4e49\uff0c\u6216\u8005\u8bf4\u4ef7\u503c\uff0c\u5e76\u4e0d\u4e00\u5b9a\u8981\u53bb\u7406\u4f1a\u4eba\u7c7b\u5b58\u5728\u7684\u610f\u4e49\u3002
@kkjtmac - \u8fd8\u6ca1\u60f3\u900f\u5f7b\uff0c\u5c31\u5f15\u7528\u6587\u4e2d\u6709\u540c\u611f\u7684\u4e00\u53e5\u8bdd\uff1a\u201c\u4fdd\u6301\u5de5\u4f5c\uff0c\u505a\u4e00\u70b9\u6709\u76ca\u4e8e\u793e\u4f1a\u7684\u4e8b\u60c5\uff0c\u53ea\u6709\u8fd9\u6837\u624d\u80fd\u5728\u6ca1\u6709\u610f\u4e49\u7684\u4e16\u754c\u91cc\u627e\u5230\u4e00\u70b9\u610f\u4e49\u3002\u201d
@ShixiangWang - \u5c0f\u65f6\u5019\u89c9\u5f97\u4eba\u7c7b\u662f\u4e00\u4e2a\u6574\u4f53\uff0c\u957f\u5927\u540e\u89c9\u5f97\u4e2a\u4eba\u7684\u610f\u4e49\u4e5f\u96be\u786e\u5b9a\u3002\u968f\u7740\u5e74\u5c81\u957f\u5927\uff0c\u5fd9\u788c\u66ff\u6362\u4e86\u60f3\u8c61\uff0c\u75b2\u60eb\u66ff\u6362\u4e86\u73a9\u95f9\uff0c\u4eba\u751f\u7684\u610f\u4e49\u88ab\u8d8a\u6765\u8d8a\u591a\u751f\u6d3b\u7684\u4e1c\u897f\u586b\u6ee1\u3002\u8fd9\u662f\u8d8a\u6765\u8d8a\u6ca1\u6709\u610f\u4e49\uff0c\u8fd8\u662f\u6709\u8d8a\u6765\u8d8a\u6709\u610f\u4e49\u5462\uff1f\u5404\u4eba\u5404\u89e3\u5427\u3002
1\u3001Cell | \u5355\u7ec6\u80de\u7a7a\u95f4\u7ec4\u5b66\u201c\u6d3b\u5b57\u5370\u5237\u672f\u201d Pixel-Seq
\u5f53\u524d\u5404\u7c7b\u5355\u7ec6\u80de\u7a7a\u95f4\u7ec4\u5b66\u6280\u672f\u4ee5\u53ca\u76f8\u5e94DNA\u82af\u7247\u7684\u6210\u672c\u4ecd\u7136\u5f88\u9ad8\uff0c\u4e0d\u5229\u4e8e\u8be5\u6280\u672f\u7684\u63a8\u5e7f\u3002\u7814\u7a76\u56e2\u961f\u8ba1\u5212\u5c06polony gel\u82af\u7247\u5370\u5237\u6280\u672f\u8fd0\u7528\u4e8e\u82af\u7247\u7684\u5927\u89c4\u6a21\u91cf\u4ea7\uff0c\u5e94\u7528\u5230\u66f4\u591a\u9886\u57df\u3002\u4ed6\u4eec\u76f8\u4fe1\u82af\u7247\u7684\u5370\u5237\u6280\u672f\u4e0d\u4ec5\u80fd\u6781\u5927\u964d\u4f4e\u82af\u7247\u7684\u751f\u4ea7\u6210\u672c\uff0c\u8fd8\u5c06\u80fd\u5927\u89c4\u6a21\u5e94\u7528\u4e8e\u5f53\u524d\u6311\u6218\u6027\u6bd4\u8f83\u5f3a\u7684\u7814\u7a76\u9886\u57df\uff0c\u6bd4\u5982\u5355\u7ec6\u80de\u3001\u4e9a\u7ec6\u80de\u7a7a\u95f4\u591a\u7ec4\u5b66\u3002\u8be5\u6280\u672f\u4e0d\u4ec5\u5c06\u6539\u53d8\u751f\u7269\u7a7a\u95f4\u7ec4\u5b66\uff0c\u8fd8\u4f1a\u63a8\u8fdbDNA\u82af\u7247\u5728\u5176\u4ed6\u7814\u7a76\u9886\u57df\u4e2d\u7684\u66f4\u5e7f\u6cdb\u5e94\u7528\u3002
2\u3001Cancer Cell | \u764c\u7ec6\u80de\u201c\u8eba\u8d62\u201d\uff1a\u8868\u89c2\u9057\u4f20\u88ab\u7834\u574f\uff0c\u4e0d\u54cd\u5e94\u5e94\u6fc0\u5e26\u6765\u7684\u9009\u62e9\u4f18\u52bf
\u8868\u89c2\u9057\u4f20\u8c03\u63a7\u57fa\u56e0\u662f\u591a\u79cd\u764c\u75c7\u7c7b\u578b\u4e2d\u7a81\u53d8\u6700\u591a\u7684\uff0c\u4f46\u5b83\u4eec\u7684\u529f\u80fd\u5c1a\u4e0d\u6e05\u695a\u3002\u6765\u81ea\u82f1\u56fd\u5f17\u6717\u897f\u65af\u514b\u91cc\u514b\u7814\u7a76\u6240\u7684Paola Scaffidi\u56e2\u961f\u6a21\u62df\u4e86\u75c5\u4eba\u4e2d\u5e7f\u6cdb\u5b58\u5728\u7684\u8868\u89c2\u9057\u4f20\u76f8\u5173\u7a81\u53d8\uff0c\u53d1\u73b0\u8868\u73b0\u8c03\u63a7\u7f51\u7edc\u7684\u7834\u574f\u5e76\u4e0d\u4fc3\u8fdb\u4e9a\u514b\u9686\u57fa\u56e0\u578b\u7684\u9009\u62e9\uff0c\u800c\u662f\u901a\u8fc7\u5168\u5c40\u8f6c\u5f55\u7ec4\u8c03\u63a7\u6765\u963b\u6b62\u7ec6\u80de\u76f8\u5e94\u5e94\u6fc0\uff0c\u4ece\u800c\u589e\u52a0\u764c\u7ec6\u80de\u5bf9\u4e8e\u4e0d\u9002\u5b9c\u73af\u5883\u7684\u8010\u53d7\u5ea6\uff0c\u8e27\u8e16\u62b5\u6297\u538b\u529b\u4e9a\u7fa4\u7684\u51fa\u73b0\u3002\u8be5\u6210\u679c\u8fd1\u671f\u5df2\u53d1\u8868\u4e8eCancer Cell\u4e0a\u3002
3\u3001Cell | \u5168\u57fa\u56e0\u7ec4Perturb-seq\u52a9\u529b\u8868\u578b\u53d1\u73b0
\u7b2c\u4e00\u4e2a\u5728\u4eba\u7c7b\u7ec6\u80de\u5168\u57fa\u56e0\u7ec4Perturb-seq\uff0c\u5229\u7528CRISPR-Cas9\u57fa\u56e0\u7ec4\u7f16\u8f91\u6280\u672f\u540c\u65f6\u5bf9\u51e0\u767e\u4e07\u4e2a\u7ec6\u80de\u8fdb\u884c\u968f\u673a\u4e0d\u540c\u57fa\u56e0\u7684\u6572\u9664\uff0c\u7136\u540e\u5229\u7528\u5355\u7ec6\u80de\u6d4b\u5e8f\u6280\u672f\u8bc6\u522b\u7ec6\u80de\u7684\u6572\u9664\u57fa\u56e0\uff0c\u540c\u65f6\u8bb0\u5f55\u7ec6\u80de\u8f6c\u5f55\u7ec4\u6c34\u5e73\u7684\u53d8\u5316\uff0c\u4ece\u800c\u5b9e\u73b0\u5168\u57fa\u56e0\u7ec4\u6c34\u5e73\u7684\u57fa\u56e0\u6572\u9664\u5e76\u6d4b\u5e8f\u3002\u53ef\u4ee5\u60f3\u8c61\u968f\u7740\u8fd9\u4e2a\u6280\u672f\u7684\u4e0d\u65ad\u6210\u719f\uff0c\u672a\u6765\u901a\u8fc7\u6316\u6398Perturb-seq\u6570\u636e\uff0c\u5bfb\u627e\u57fa\u56e0\u6572\u9664\u540e\u5bf9\u5e94\u7684\u8868\u578b\u901a\u8def\uff0c\u4e3a\u5c1a\u672a\u5f00\u53d1\u7684\u6f5c\u5728\u6cbb\u7597\u9776\u70b9\u7684\u7814\u7a76\u5f00\u53d1\u63d0\u4f9b\u65b0\u7684\u4f9d\u636e\u3002
4\u3001projectLSI - \u5c06\u4f60\u7684\u5355\u7ec6\u80de\u6216bulk\u8f6c\u5f55\u7ec4\u6570\u636e\u6620\u5c04\u5230\u53c2\u8003\u6570\u636e\u96c6\u4e2d
\u672c\u6587\u4ecb\u7ecd projectLSI \u5305\u7684\u4f7f\u7528\u3002\u5728\u5355\u7ec6\u80de\u6570\u636e\u5206\u6790\u8fc7\u7a0b\u4e2d\uff0c\u6211\u4eec\u7ecf\u5e38\u4f1a\u9047\u5230\u4e0d\u540c\u6837\u672c\u4e4b\u95f4\u6574\u5408\u7684\u6279\u6b21\u6548\u5e94\u548c\u7ec6\u80de\u7c7b\u578b\u6ce8\u91ca\u7684\u56f0\u96be\uff0cprojectLSI\u5305\u5229\u7528term frequency\u2013inverse document frequency (TF-IDF) transformation and latent semantic indexing (LSI)\u7b97\u6cd5\u8fdb\u884c\u6570\u636e\u964d\u7ef4\u8f6c\u6362\uff0c\u53ef\u4ee5\u5c06query\u7684\u5355\u7ec6\u80de\u6216bulk\u8f6c\u5f55\u7ec4\u6570\u636e\u96c6\u6620\u5c04\u5230reference\u53c2\u8003\u6570\u636e\u96c6\u4e2d\u4ee5\u6d88\u9664\u6f5c\u5728\u7684\u6279\u6b21\u6548\u5e94\uff0c\u540c\u65f6\u4e5f\u53ef\u4ee5\u5229\u7528bulk\u8f6c\u5f55\u7ec4\u6570\u636e\u9a8c\u8bc1\u5355\u7ec6\u80de\u6ce8\u91ca\u5206\u7fa4\u7684\u7ed3\u679c\u3002
5\u3001PyClone-VI \u7684\u4f7f\u7528\u65b9\u6cd5\u2013\u80bf\u7624\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u6570\u636e\u5206\u6790\u4e13\u680f
\u672c\u6587\u9996\u5148\u89e3\u8bfb\u4e86PyClone-VI\u6027\u80fd\u8bc4\u4f30\u7684\u6587\u7ae0\uff0c\u518d\u4ecb\u7ecd\u4e86\u5176\u5b89\u88c5\u65b9\u6cd5\u548c\u5177\u4f53\u4f7f\u7528\u65b9\u6cd5\u548c\u53c2\u6570\u3002Pyclone-VI\u4f5c\u4e3aPyclone\u7684\u5347\u7ea7\u7248\u672c\uff0c\u7531\u540c\u4e00\u4e2a\u56e2\u961f\u5f00\u53d1\u7684\uff0c\u8fd0\u884c\u901f\u5ea6\u66f4\u5feb\uff0c\u5360\u7528\u5185\u5b58\u7a7a\u95f4\u66f4\u5c0f\uff0c\u4e14\u8fd0\u884c\u5f97\u5230\u7684\u7ed3\u679c\u548c PyClone \u9ad8\u5ea6\u4e00\u81f4\u3002
6\u3001Shiny for python
Shiny\u5de5\u5177\u53ef\u4ee5\u8f7b\u677e\u7684\u5229\u7528Python\u6570\u636e\u548c\u79d1\u5b66\u5806\u6808\u6784\u5efa\u4ea4\u4e92\u5f0f\u7684web\u5e94\u7528\u7a0b\u5e8f\u3002\u5177\u6709\u4ee5\u4e0b\u7279\u70b9\uff1a
Approachable:\u7528Python\u7f16\u5199\u5e94\u7528\u7a0b\u5e8f;\u4e0d\u9700\u8981web\u5f00\u53d1\u6280\u80fd\u3002
Flexible:\u4ece\u5934\u5f00\u59cb\u6784\u5efa\uff0c\u4ee5\u652f\u6301\u6210\u719f\u5e94\u7528\u7a0b\u5e8f\u6240\u9700\u7684\u81ea\u5b9a\u4e49\u5e03\u5c40\u3001\u6837\u5f0f\u548c\u6a21\u5757\u5316\uff0c\u6240\u6709\u8fd9\u4e9b\u90fd\u6765\u81eaPython\u3002
Performant:\u4f7f\u7528\u53cd\u5e94\u6027\u6765\u6709\u6548\u5730\u5904\u7406\u6570\u636e\u5904\u7406\u5e76\u5c06\u6602\u8d35\u7684\u91cd\u65b0\u8ba1\u7b97\u964d\u81f3\u6700\u4f4e\u3002
7\u3001DrugBank\u4ecb\u7ecd\u4e0e\u4f7f\u7528
DrugBank\u6570\u636e\u5e93\u662f\u963f\u5c14\u4f2f\u5854\u5927\u5b66\u63d0\u4f9b\u7684\u4e00\u4e2a\u751f\u7269\u4fe1\u606f\u5b66\u548c\u5316\u5b66\u4fe1\u606f\u5b66\u6570\u636e\u5e93\uff0c\u662f\u4e00\u79cd\u72ec\u7279\u7684\u751f\u7269\u4fe1\u606f\u5b66\u548c\u5316\u5b66\u4fe1\u606f\u5b66\u8d44\u6e90\uff0c\u5b83\u5c06\u8be6\u7ec6\u7684\u836f\u7269\u6570\u636e\u548c\u5168\u9762\u7684\u836f\u7269\u76ee\u6807\u4fe1\u606f\u7ed3\u5408\u8d77\u6765\u3002\u6700\u8fd1\u53d1\u5e03\u7684DrugBank\u5305\u542b\u8d85\u8fc750\u6761\u548c\u836f\u7269\u76f8\u5173\u6761\u76ee\uff0c\u5176\u4e2d\u5305\u62ec2723\u79cd\u7ecf\u6279\u51c6\u7684\u5c0f\u5206\u5b50\u836f\u7269\u30011540\u79cd\u7ecf\u6279\u51c6\u7684\u751f\u7269\u6280\u672f(\u86cb\u767d\u8d28/\u80bd)\u836f\u7269\u3001131\u79cd\u8425\u517b\u54c1\u548c6451\u79cd\u5b9e\u9a8c\u836f\u7269\u3002\u6b64\u5916\uff0c5236\u4e2a\u975e\u5197\u4f59\u86cb\u767d(\u5373\u836f\u7269\u9776\u6807/\u9176/\u8f6c\u8fd0\u4f53/\u8f7d\u4f53)\u5e8f\u5217\u4e0e\u8fd9\u4e9b\u836f\u7269\u6761\u76ee\u76f8\u5173\u8054\u3002\u6bcf\u4e2aDrugCard\u6761\u76ee\u5305\u542b200\u591a\u4e2a\u6570\u636e\u5b57\u6bb5\uff0c\u5176\u4e2d\u4e00\u534a\u7528\u4e8e\u836f\u7269/\u5316\u5b66\u6570\u636e\uff0c\u53e6\u4e00\u534a\u7528\u4e8e\u836f\u7269\u9776\u6807\u6216\u86cb\u767d\u8d28\u6570\u636e\u3002
8\u3001easyalluvial - \u7ed8\u5236\u51b2\u79ef\u56fe\u7684R\u5305
easyalluvial\u662f\u5feb\u901f\u7ed8\u5236\u51b2\u79ef\u56fe\uff08Alluvial diagram\uff09\u7684R\u5305\uff0c\u5176\u5916\u89c2\u7c7b\u4f3c\u6851\u5409\u56fe\uff0c\u4ece\u591a\u4e2a\u7ef4\u5ea6\u5c55\u793a\u5206\u7c7b\u6570\u636e\u6d41\u3002
9\u3001showyourwork - LaTeX\u4e2d\u5b8c\u5168\u53ef\u590d\u5236\u7684\u3001\u5f00\u6e90\u7684\u79d1\u5b66\u6587\u7ae0
showyourwork \u662f\u4e00\u4e2a\u7528\u4e8e\u5f00\u6e90\u79d1\u5b66\u6587\u7ae0\u7684\u5de5\u4f5c\u6d41\u7ba1\u7406\u5de5\u5177\u3002\u5982\u679c\u4f60\u60f3\u8ba9\u4f60\u7684\u7814\u7a76\u6587\u7ae0\u53ef\u590d\u5236\u3001\u53ef\u6269\u5c55\u3001\u900f\u660e\uff0c\u6216\u8005\u53ea\u662f\u975e\u5e38\u68d2\uff0c\u4f60\u5df2\u7ecf\u627e\u5230\u4e86\u6b63\u786e\u7684\u5de5\u5177\u3002showyourwork \u81ea\u52a8\u5316\u4f60\u7684\u6574\u4e2a\u5de5\u4f5c\u6d41\u7a0b\uff0c\u5c06\u5176\u5305\u88c5\u6210\u4e00\u4e2a\u72ec\u7acb\u7684\u98df\u8c31\uff0c\u4efb\u4f55\u4eba\u90fd\u53ef\u4ee5\u9075\u5faa\uff0c\u5e76\u5728\u70b9\u51fb\u4e00\u4e2a\u6309\u94ae\uff0c\u4f7f\u7528\u590d\u5236\u4f60\u7684\u7ed3\u679c\u3002
\u8fd9\u91cc\u6709\u4e2a\u5feb\u901f\u5f00\u59cb\u6559\u7a0b\uff1ahttps://showyourwork.readthedocs.io/en/latest/quickstart \uff0c\u4f7f\u7528Latex\u6216\u8005\u559c\u6b22\u5f00\u653e\u79d1\u5b66\u7684\u8bfb\u8005\u4e0d\u59a8\u8bd5\u8bd5\u3002
10\u3001parallel-fastq-dump - \u591a\u7ebf\u7a0b\u8fd0\u884c\u5904\u7406SRA\u6587\u4ef6
parallel-fastq-dump\u662f\u80fd\u591a\u7ebf\u7a0b\u8fd0\u884cfastq-dump\u5904\u7406SRA\u6587\u4ef6\u7684\u5de5\u5177\uff0c\u800c\u4e14\u4e0e\u53e6\u4e00\u4e2a\u5e38\u7528\u7684\u591a\u7ebf\u7a0b\u5de5\u5177fasterq-dump\u76f8\u6bd4\uff0c\u8fd8\u6709\u2013gzip\u9009\u9879\u53ef\u4ee5\u76f4\u63a5\u751f\u6210\u538b\u7f29\u683c\u5f0f\u6587\u4ef6\u3002\u7ecf\u6d4b\u8bd5\uff0c\u8c03\u752812\u7ebf\u7a0b\uff0cparallel-fastq-dump\u5904\u7406SRA\u6587\u4ef6\u6bd4fasterq-dump+pigz\u5feb2-3\u500d\uff0c \u6bd4fastq-dump\u5feb8-10\u500d!
11\u3001H12SSL-I | \u9ad8\u6027\u80fd\u684c\u9762\u7ea7\u670d\u52a1\u5668\u7684DIY\u7ec4\u88c5\u6559\u7a0b
\u9ad8\u6027\u80fd\u3001\u9ad8\u62d3\u5c55\u6027\u7684\u684c\u9762\u7ea7\u670d\u52a1\u5668\u7ec4\u88c5\u6559\u7a0b\u3002\u53ef\u4ee5\u88c5\u8fdbATX\u5c0f\u673a\u7bb1\uff0c8\u4e2a\u5185\u5b58\u63d2\u69fd\u6700\u9ad8\u53ef\u652f\u63012T\u7684\u8fd0\u884c\u5185\u5b58\uff0cCPU\u652f\u6301\u76ee\u524dAMD\u6700\u9876\u7ea7\u7684EPYC7003\u7cfb\u5217\u670d\u52a1\u5668\u5904\u7406\u5668\u4ee5\u53ca\u4e0a\u4e00\u4ee3\u76847002\u7cfb\u5217\u5904\u7406\u5668\uff1b7\u4e2aPCle\u63d2\u69fd\uff0c\u53ef\u4ee5\u63d2\u663e\u5361\u3001\u7f51\u5361\u3001\u62d3\u5c55\u5361\u7b49\u7b49\u62d3\u5c55\u6027\u975e\u5e38\u5f3a\uff08\u5b9e\u6d4b\u4e0d\u5149\u53ef\u4ee5\u8dd1\u751f\u4fe1\u6570\u636e\uff0c\u63d2\u4e0a\u516b\u5e74\u524d\u7684\u663e\u5361GTX970 \u5403\u9e21\u3001\u5143\u795e\u65e0\u538b\u529b\uff0c\u560e\u560e\u4e71\u6740\uff09\u3002\u6700\u540e\u63d0\u9192\u4e00\u4e0b\u60f3\u5165\u5751\u7684\u5c0f\u4f19\u4f34\uff0c\u9009\u8d2d\u914d\u4ef6\u4e00\u5b9a\u4e0d\u8981\u8d2a\u4fbf\u5b9c\u4e00\u5b9a\u8981\u4e70\u6709\u552e\u540e\u7684\uff01
12\u3001Roadmap\u8def\u5f84\u56fe\u7684\u8d44\u6e90\u96c6\u5408
13\u3001hrbrthemes - ggplot2\u4e3b\u9898\u548c\u5b57\u4f53\u7684\u62d3\u5c55\u8d44\u6e90
hrbrthemes\u662f\u4e00\u4e2aggplot2\u4e3b\u9898\u7684\u6269\u5c55R\u5305\uff0c\u672c\u6587\u5c55\u793a\u4e86\u8be5\u5305\u4e2d\u7684\u4e00\u4e9b\u7279\u8272\u4e3b\u9898\u53ca\u5b57\u4f53\u3002
"},{"location":"issue-54/#_7","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-55/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 55 \u671f\uff09\uff1a\u79d1\u5b66\u521b\u65b0\u56db\u5341\u5e74\uff0c\u6211\u4eec\u53ef\u80fd\u8fd8\u6ca1\u641e\u660e\u767d\u79d1\u5b66\u548c\u6280\u672f\u7684\u57fa\u672c\u6982\u5ff5","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-55/#_1","title":"\u5c01\u9762\u56fe","text":"\u6d4b\u5e8f\u4e2d\u78b1\u57fa\u8bc6\u522b
"},{"location":"issue-55/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u79d1\u5b66\u521b\u65b0\u56db\u5341\u5e74\uff0c\u6211\u4eec\u53ef\u80fd\u8fd8\u6ca1\u641e\u660e\u767d\u79d1\u5b66\u548c\u6280\u672f\u7684\u57fa\u672c\u6982\u5ff5","text":"@wangdepin - \u201c\u6211\u4eec\u4e2d\u56fd\u4eba\u9ed8\u8ba4\u7684\u79d1\u5b66\u89c2\u7684\u6838\u5fc3\u5c31\u662f\u201c\u79d1\u5b66\u201d\u4e0e\u201c\u6280\u672f\u201d\u4e0d\u5206\u3002\u5728\u6211\u4eec\u4e2d\u56fd\u4eba\u7684\u65e5\u5e38\u8bed\u8a00\u4e2d\uff0c\u201c\u79d1\u5b66\u201d\u4e8c\u5b57\u7279\u522b\u5bb9\u6613\u5ff5\u6210\u201c\u79d1\u6280\u201d\uff0c\u53ef\u662f\u201c\u79d1\u6280\u201d\u4e8c\u5b57\u6df1\u7a76\u8d77\u6765\uff0c\u66f4\u591a\u7684\u662f\u6307\u201c\u6280\u672f\u201d\uff0c\u800c\u4e0d\u662f\u201c\u79d1\u5b66\u201d\u548c\u201c\u6280\u672f\u201d\u7684\u7b80\u79f0\u3002\u8fd9\u8bf4\u660e\uff0c\u5728\u6211\u4eec\u7684\u6f5c\u610f\u8bc6\u91cc\uff0c\u662f\u5c06\u201c\u79d1\u5b66\u201d\u548c\u201c\u6280\u672f\u201d\u6df7\u4e3a\u4e00\u8c08\u7684\u3002\u201d \u2013 \u5434\u56fd\u76db\u8001\u5e08\u7684\u300a\u79d1\u5b66\u7684\u6545\u4e8b\u300b\u3002\u5982\u679c\u5728\u6982\u5ff5\u4e0a\u6211\u4eec\u90fd\u7406\u89e3\u9519\u8bef,\u600e\u4e48\u80fd\u8fdb\u884c\u521b\u65b0\u3002
"},{"location":"issue-55/#_3","title":"\u751f\u4fe1\u7814\u7a76","text":"1\u3001Cancer Discovery | \u8fc4\u4eca\u4e3a\u6b62\u6700\u5927\u89c4\u6a21\u7684\u9ed1\u8272\u7d20\u7624\u5168\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u7814\u7a76
\u8be5\u7814\u7a76\u662f\u8fc4\u4eca\u4e3a\u6b62\u6700\u5927\u89c4\u6a21\u7684\u9ed1\u8272\u7d20\u7624\u5168\u57fa\u56e0\u7ec4\u5206\u6790\uff0c\u901a\u8fc7WGS\uff0cRNA-seq\u548c\u7532\u57fa\u5316\u6d4b\u5e8f\u5168\u9762\u6bd4\u8f83\u4e86\u56db\u79cd\u4e3b\u8981\u9ed1\u8272\u7d20\u7624\u4e9a\u578b\u7684\u57fa\u56e0\u7ec4\u5b66\u3002\u8fd9\u9879\u7814\u7a76\u5f3a\u8c03\u4e86\u4e9a\u578b\u4e4b\u95f4\u7684\u76f8\u4f3c\u6027\u548c\u5dee\u5f02\uff0c\u4e3a\u9ed1\u8272\u7d20\u7624\u7684\u75c5\u56e0\u5b66\u548c\u751f\u7269\u5b66\u63d0\u4f9b\u4e86\u65b0\u7684\u89c1\u89e3\u3002
\u8bba\u6587\u94fe\u63a5: https://aacrjournals.org/cancerdiscovery/article/12/12/2856/711161/Comparative-Genomics-Provides-Etiologic-and
2\u3001Nature Medicine | MSKCC \u76f4\u80a0\u764c\u5206\u5b50\u7814\u7a76
\u8be5\u7814\u7a76\u901a\u8fc7\u5bf9\u8fc4\u4eca\u4e3a\u6b62\u6700\u5927\u6837\u672c\u91cf\u7684\u76f4\u80a0\u764c\u8fdb\u884c\u4e86\u5168\u9762\u7684\u5206\u5b50\u5c42\u9762\u7684\u5206\u6790\uff0c\u5efa\u7acb\u4e86\u57fa\u56e0\u7a81\u53d8\u3001\u8f6c\u5f55\u7ec4\u5b66\u3001\u514d\u75ab\u5b66\u7279\u5f81\u4e0e\u4e34\u5e8a\u6cbb\u7597\u7ed3\u679c\u7684\u8054\u7cfb\u3002\u8fd9\u4e9b\u7814\u7a76\u6210\u679c\u4e3a\u9884\u6d4b\u60a3\u8005\u5bf9\u65b0\u8f85\u52a9\u7597\u6cd5\u7684\u53cd\u5e94\u63d0\u4f9b\u4e86\u91cd\u8981\u53c2\u8003\u3002\u4ed6\u4eec\u6839\u636e\u80bf\u7624\u7684\u514d\u75ab\u6d78\u6da6\u7a0b\u5ea6\uff0c\u786e\u5b9a\u4e86\u4e00\u4e2a\u5fae\u536b\u661f\u7a33\u5b9a\u7684\u514d\u75ab\u70ed\u80bf\u7624\u4e9a\u578b\uff0c\u8fd9\u4e00\u4e9a\u578b\u5bf9\u65b0\u8f85\u52a9\u7597\u6cd5\u6709\u66f4\u597d\u7684\u53cd\u5e94\uff0c\u5e76\u6709\u66f4\u957f\u7684\u65e0\u75c5\u751f\u5b58\u671f\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://www.nature.com/articles/s41591-022-01930-z
3\u3001\u897f\u5b89\u4ea4\u5927\u53f6\u51ef\u6559\u6388\u56e2\u961f\u5728\u300a\u81ea\u7136\u30fb\u65b9\u6cd5\u300b\u53d1\u8868\u57fa\u56e0\u7ec4\u7ed3\u6784\u53d8\u5f02\u68c0\u6d4b\u7684\u7a81\u7834\u6027\u7814\u7a76\u6210\u679c
\u8be5\u7814\u7a76\u57fa\u4e8e\u590d\u6742\u7ed3\u6784\u53d8\u5f02\u80cc\u666f\u6df7\u6742\u3001\u7c7b\u578b\u7e41\u591a\u672a\u77e5\u7684\u96be\u70b9\uff0c\u8bbe\u8ba1\u4e86\u4e8c\u7ef4\u5e8f\u5217\u76f8\u4f3c\u6027\u56fe\uff0c\u9996\u6b21\u5c06\u7ed3\u6784\u53d8\u5f02\u7814\u7a76\u4ece\u5e8f\u5217\u7a7a\u95f4\u5efa\u6a21\u6c42\u89e3\u8f6c\u6362\u4e3a\u56fe\u50cf\u7a7a\u95f4\u7684\u591a\u76ee\u6807\u8bc6\u522b\u95ee\u9898\uff0c\u5b9e\u73b0\u4e86\u80cc\u666f\u9ad8\u566a\u58f0\u4e0b\u672a\u77e5\u590d\u6742\u7c7b\u578b\u7ed3\u6784\u53d8\u5f02\u7684\u7cbe\u51c6\u8bc6\u522b\u3002\u8be5\u65b9\u6cd5\u4e3b\u8981\u7531\u7f16\u7801\u6a21\u5757\uff0c\u57fa\u4e8e\u5377\u79ef\u795e\u7ecf\u7f51\u7edc\u7684\u591a\u76ee\u6807\u8bc6\u522b\u6a21\u5757\u4ee5\u53ca\u57fa\u4e8e\u56fe\u7ed3\u6784\u7684\u590d\u6742\u7ed3\u6784\u53d8\u5f02\u8868\u5f81\u6a21\u5757\u6784\u6210\u3002\u5176\u4e2d\u7f16\u7801\u6a21\u5757\u6210\u529f\u53bb\u9664\u4e86\u57fa\u56e0\u7ec4\u80cc\u666f\u566a\u58f0\u5bf9\u4e8e\u68c0\u6d4b\u7684\u5f71\u54cd\uff1b\u591a\u76ee\u6807\u8bc6\u522b\u6a21\u5757\u5b9e\u73b0\u4e86\u53ea\u7528\u7b80\u5355\u7ed3\u6784\u53d8\u5f02\u8bad\u7ec3\u795e\u7ecf\u7f51\u7edc\u5c31\u53ef\u4ee5\u8bc6\u522b\u672a\u77e5\u590d\u6742\u7c7b\u578b\u7ed3\u6784\u53d8\u5f02\u7684\u529f\u80fd\uff0c\u907f\u514d\u4e86\u8017\u8d39\u5927\u91cf\u8d44\u6e90\u521b\u5efa\u590d\u6742\u7ed3\u6784\u53d8\u5f02\u8bad\u7ec3\u96c6\uff1b\u590d\u6742\u7ed3\u6784\u53d8\u5f02\u8868\u5f81\u6a21\u5757\u4e3a\u540e\u7eed\u7edf\u4e00\u4e0d\u540c\u7814\u7a76\u4e2d\u62a5\u9053\u7684\u590d\u6742\u7ed3\u6784\u53d8\u5f02\u7c7b\u578b\u63d0\u51fa\u4e86\u91cd\u8981\u89e3\u51b3\u65b9\u6848\uff0c\u907f\u514d\u4e86\u4e13\u5bb6\u5bfc\u5411\u7684\u590d\u6742\u7ed3\u6784\u53d8\u5f02\u7c7b\u578b\u5b9a\u4e49\u65b9\u5f0f\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://www.nature.com/articles/s41592-022-01609-w
4\u3001Nature | \u57fa\u4e8e\u957f\u8bfb\u957f\u6d4b\u5e8f\u7684\u7b49\u4f4d\u57fa\u56e0\u7279\u5f02\u6027\u5206\u6790\u63ed\u793a\u4eba\u7c7b\u7ec4\u7ec7\u8f6c\u5f55\u7ec4\u53d8\u5f02
\u8fd1\u65e5\uff0c\u6765\u81ea\u7f8e\u56fd\u7ebd\u7ea6\u54e5\u4f26\u6bd4\u4e9a\u5927\u5b66\u7684\u7814\u7a76\u56e2\u961f\u5229\u7528ONT\u5e73\u53f0\uff0c\u5bf9GTEx\u9879\u76ee\u7684\u7ec6\u80de\u7cfb\u548c\u4eba\u4f53\u7ec4\u7ec7\u768488\u4e2a\u6837\u672c\u8fdb\u884c\u4e86\u957f\u8bfb\u957fRNA-seq\u3002\u5206\u6790\u663e\u793a\uff0c\u957f\u8bfb\u957f\u6d4b\u5e8f\u6570\u636e\u7684\u57fa\u56e0\u548c\u8f6c\u5f55\u7ec4\u5b9a\u91cf\u4e0eIllumina RNA-seq\u9ad8\u5ea6\u4e00\u81f4\u3002\u4f4e\u76f8\u5173\u6027\u57fa\u56e0\u548c\u8f6c\u5f55\u7ec4\u5728ONT\u6570\u636e\u4e2d\u8868\u8fbe\u8f83\u4f4e\uff0c\u590d\u6742\u6027\u8f83\u9ad8\u7684\u57fa\u56e0\u548c\u8f6c\u5f55\u7ec4\u5305\u542b\u591a\u4e2a\u5916\u663e\u5b50\uff0c\u8be5\u7814\u7a76\u7ed3\u679c\u53d1\u8868Nature\u4e0a\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://www.nature.com/articles/s41586-022-05035-y
"},{"location":"issue-55/#_4","title":"\u535a\u6587\u8d44\u8baf","text":"5\u30012022\u65b0\u7248TCGA\u6559\u7a0b
\u672c\u6587\u4ecb\u7ecd\u4e86\u65b0\u7248TCGA\u6570\u636e\u7684\u4e34\u5e8a\u548c\u8868\u8fbe\u77e9\u9635\u4e0b\u8f7d\u3001\u6570\u636e\u6574\u7406\u3002
6\u3001\u65e0\u6240\u4e0d\u5728\u7684\u65b9\u5dee\u5206\u6790
\u672c\u6587\u8f83\u4e3a\u7cfb\u7edf\u5730\u5bf9\u65b9\u5dee\u7684\u5e94\u7528\u505a\u4e86\u4ecb\u7ecd\uff1a\u65b9\u5dee\u5206\u6790\u662f\u7edf\u8ba1\u5b66\u4e2d\u5e38\u7528\u7684\u65b9\u6cd5\uff0c\u5b83\u5728\u7edf\u8ba1\u4e2d\u7684\u5f88\u591a\u5730\u65b9\u6216\u660e\u6216\u6697\u5730\u51fa\u73b0\u3002\u5728\u8bd5\u9a8c\u8bbe\u8ba1\u4e2d\u6709\u5b83\uff0c\u5728\u56de\u5f52\u5206\u6790\u4e2d\u6709\u5b83\uff0c\u5728\u56e0\u679c\u63a8\u65ad\u4e2d\u6709\u5b83\uff0c\u5728\u65f6\u95f4\u5e8f\u5217\u5206\u6790\u4e2d\u6709\u5b83\uff0c\u5728\u805a\u7c7b\u5206\u6790\u4e2d\u8fd8\u6709\u5b83\u3002\u7531\u4e8e\u65b9\u5dee\u5206\u6790\u7684\u8868\u73b0\u5f62\u5f0f\u5f88\u591a\uff0c\u6240\u4ee5\u5728\u5b9e\u9645\u9886\u57df\uff0c\u5b83\u7684\u5e94\u7528\u6210\u529f\u6848\u4f8b\u591a\u5f97\u6570\u4e0d\u80dc\u6570\u3002\u867d\u7136\u540d\u5b57\u53eb\u505a\u65b9\u5dee\u5206\u6790\uff0c\u4f46\u5747\u503c\u5374\u662f\u65b9\u5dee\u5206\u6790\u7684\u4e3b\u89d2\uff0c\u65b9\u5dee\u5206\u6790\u7684\u76ee\u7684\u5f80\u5f80\u662f\u5224\u5b9a\u82e5\u5e72\u603b\u4f53\u5747\u503c\u662f\u5426\u76f8\u7b49\u3002
7\u3001\u80bf\u7624\u8fdb\u5316\u7814\u7a76\u65b9\u6cd5
\u80bf\u7624\u514b\u9686\u8fdb\u5316\u662f\u80bf\u7624\u7814\u7a76\u4e2d\u7684\u5b8f\u4f1f\u547d\u9898\uff0c\u5206\u6790\u80bf\u7624\u6837\u672c\u4e2d\u7ec6\u80de\u7fa4\u7ed3\u6784\uff0c\u53ef\u4ee5\u9488\u5bf9\u6027\u9776\u5411\u80bf\u7624\u7ec6\u80de\u6cbb\u7597\uff0c\u8fd9\u91cc\u9488\u5bf9\u53d1\u8868\u5728Nature Methods\u671f\u520a\u4e0a\u7684\u51e0\u7bc7\u7efc\u8ff0\u89e3\u8bfb\u80bf\u7624\u8fdb\u5316\u7814\u7a76\u5185\u5bb9\u3002
\u53c2\u8003\u6587\u732e\uff1aA practical guide to cancer subclonal reconstruction from DNA sequencing: https://pubmed.ncbi.nlm.nih.gov/33398189/
"},{"location":"issue-55/#_5","title":"\u5de5\u5177","text":"8\u3001R\u5305:RforProteomics
\u8be5\u8f6f\u4ef6\u5305\u8be6\u7ec6\u4ecb\u7ecd\u4e86\u5982\u4f55\u7528R\u548c\u4e00\u4e9b\u4e13\u7528\u8f6f\u4ef6\u5305\u8bbf\u95ee\u8d28\u8c31\u86cb\u767d\u7ec4\u5b66\u6570\u636e\u3001\u64cd\u4f5c\u548c\u53ef\u89c6\u5316\u6570\u636e\uff0c\u5982\u4f55\u5904\u7406\u65e0\u6807\u7b7e\u548c\u6709\u6807\u7b7e\u7684\u5b9a\u91cf\u6570\u636e\u4ee5\u53ca\u5982\u4f55\u5206\u6790\u5b9a\u91cf\u6570\u636e\u3002
9\u3001aplot | \u88c5\u9970\u4e3b\u56fe\u7684\u62fc\u56feR\u5305
aplot\u5305\u662fY\u53d4\u5f00\u53d1\u7684\u5728\u4e3b\u56fe\u5468\u56f4\u52a0\u6ce8\u91ca\u56fe\u7684R\u5305\u3002
\u5de5\u5177\u6559\u7a0b\uff1ahttps://yulab-smu.top/pkgdocs/aplot.html
10\u3001Graphormer
Graphormer\u662f\u4e00\u4e2a\u6df1\u5ea6\u5b66\u4e60\u5e93\uff0c\u7814\u7a76\u4eba\u5458\u53ef\u4ee5\u5229\u7528\u8fd9\u4e2a\u5305\u8fdb\u884c\u5206\u5b50\u5efa\u6a21\u4efb\u52a1\uff0c\u8bad\u7ec3\u81ea\u5b9a\u4e49\u6a21\u578b\u3002\u5b83\u7684\u76ee\u7684\u662f\u52a0\u901f\u4eba\u5de5\u667a\u80fd\u5728\u6750\u6599\u53d1\u73b0\u3001\u836f\u7269\u53d1\u73b0\u7b49\u9886\u57df\u7684\u5e94\u7528\u3002
11\u3001rig | R\u8f6f\u4ef6\u7ba1\u7406\u5de5\u5177
rig\u662f\u4e00\u4e2a\u652f\u6301\u591a\u5e73\u53f0\u3001\u5bf9R\u8f6f\u4ef6\u8fdb\u884c\u5b89\u88c5\u3001\u7248\u672c\u5207\u6362\u7b49\u591a\u529f\u80fd\u7684\u7ba1\u7406\u8f6f\u4ef6\u3002
12\u3001\u7528\u4e8econda-\u751f\u6001\u7cfb\u7edf\u7528\u6237\u5305\u9694\u79bb\u7684conda-smith\u5b58\u50a8\u5e93
conda install conda-ecosystem-user-package-isolation\n13\u3001Bioconductor community blog
Bioconducter\u793e\u533a\u535a\u5ba2\u5730\u5740\uff1ahttps://bioconductor.github.io/biocblog/
14\u3001 R\u5305CheatSheet
\u8be5R\u5305\u53ef\u4ee5\u5feb\u901f\u5c06\u201c\u5c0f\u6284\u201d\u4f1a\u4ee5\u6346\u7ed1\u7684\u5f62\u5f0f\u53d1\u9001\u5230\u81ea\u5df1\u7684\u7535\u8111\u3002
15\u3001Shiny\u5f00\u53d1\u8d44\u6e90
\u8be5\u7cfb\u5217\u5c06\u5c55\u793ashiny\u751f\u6001\u7cfb\u7edf\u4e2d\u7684\u521b\u65b0\u5e94\u7528\u7a0b\u5e8f\u548c\u8f6f\u4ef6\u5305\uff0c\u4ee5\u53ca\u80cc\u540e\u7684\u6770\u51fa\u5f00\u53d1\u4eba\u5458\uff0c\u5305\u62ec\u8bbf\u8c08\u3001\u89c6\u9891\u6559\u7a0b\u548c\u76f4\u64ad\u4ee5\u53ca\u64ad\u5ba2\u3002
"},{"location":"issue-55/#_7","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
b1a26142567867d7589f4394698b54b2528000c7
"},{"location":"issue-56/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 56 \u671f\uff09\uff1a2022\u8bfa\u8d1d\u5c14\u5956\u7684\u70b9\u51fb\u5316\u5b66\u6216\u53ef\u4f5c\u4e3a\u5355\u7ec6\u80de\u591a\u7ec4\u5b66\u5f00\u53d1\u7684\u6709\u529b\u5de5\u5177","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-56/#_1","title":"\u5c01\u9762\u56fe","text":"2022\u5e74\u8bfa\u8d1d\u5c14\u5316\u5b66\u5956\u83b7\u5956\u8005\uff1a\u7f8e\u56fd\u5316\u5b66\u5bb6\u5361\u7f57\u7433\u00b7\u8d1d\u5c14\u6258\u897f\uff08Carolyn R. Bertozzi\uff09\u3001\u4e39\u9ea6\u5316\u5b66\u5bb6\u6469\u987f\u00b7\u6885\u5c14\u8fbe\u5c14\uff08Morten Meldal\uff09\u548c\u7f8e\u56fd\u5316\u5b66\u5bb6\u5361\u5c14\u00b7\u5df4\u91cc\u00b7\u590f\u666e\u5229\u65af\uff08K. Barry Sharpless\uff09\u3002
"},{"location":"issue-56/#2022","title":"\u672c\u5468\u8bdd\u9898\uff1a2022\u8bfa\u8d1d\u5c14\u5956\u7684\u70b9\u51fb\u5316\u5b66\u6216\u53ef\u4f5c\u4e3a\u5355\u7ec6\u80de\u591a\u7ec4\u5b66\u5f00\u53d1\u7684\u6709\u529b\u5de5\u5177","text":"\u56fe\u6e90\uff1aIntroduction: Click Chemistry
\u70b9\u51fb\u5316\u5b66\uff08Click chemistry\uff09\uff0c\u53c8\u8bd1\u4e3a\u201c\u94fe\u63a5\u5316\u5b66\u201d\u3001\u201c\u901f\u914d\u63a5\u5408\u7ec4\u5408\u5f0f\u5316\u5b66\u201d\uff0c\u662f\u7531\u5316\u5b66\u5bb6\u5df4\u91cc\u00b7\u590f\u666e\u83b1\u65af\uff08K B Sharpless\uff09\u57282001\u5e74\u5f15\u5165\u7684\u4e00\u4e2a\u5408\u6210\u6982\u5ff5\uff0c\u4e3b\u65e8\u662f\u901a\u8fc7\u5c0f\u5355\u5143\u7684\u62fc\u63a5\uff0c\u6765\u5feb\u901f\u53ef\u9760\u5730\u5b8c\u6210\u5f62\u5f62\u8272\u8272\u5206\u5b50\u7684\u5316\u5b66\u5408\u6210\u3002\u5b83\u5c24\u5176\u5f3a\u8c03\u5f00\u8f9f\u4ee5\u78b3-\u6742\u539f\u5b50\u952e\uff08C-X-C\uff09\u5408\u6210\u4e3a\u57fa\u7840\u7684\u7ec4\u5408\u5316\u5b66\u65b0\u65b9\u6cd5\uff0c\u5e76\u501f\u52a9\u8fd9\u4e9b\u53cd\u5e94\uff08\u70b9\u51fb\u53cd\u5e94\uff09\u6765\u7b80\u5355\u9ad8\u6548\u5730\u83b7\u5f97\u5206\u5b50\u591a\u6837\u6027\u3002\u70b9\u51fb\u5316\u5b66\u7684\u4ee3\u8868\u53cd\u5e94\u4e3a\u94dc\u50ac\u5316\u7684\u53e0\u6c2e-\u7094\u57faHusigen\u73af\u52a0\u6210\u53cd\u5e94\uff08Copper-Catalyzed Azide\u2013Alkyne Cycloaddition\uff09\u3002\u70b9\u51fb\u5316\u5b66\u7684\u6982\u5ff5\u5bf9\u5316\u5b66\u5408\u6210\u9886\u57df\u6709\u5f88\u5927\u7684\u8d21\u732e\uff0c\u5728\u836f\u7269\u5f00\u53d1\u548c\u751f\u7269\u533b\u7528\u6750\u6599\u7b49\u7684\u8bf8\u591a\u9886\u57df\u4e2d\uff0c\u5b83\u5df2\u7ecf\u6210\u4e3a\u6700\u4e3a\u6709\u7528\u548c\u5438\u5f15\u4eba\u7684\u5408\u6210\u7406\u5ff5\u4e4b\u4e00\u3002
@JnanZhang\uff1a\u65b0\u65b9\u6cd5\u7684\u53d1\u5c55\u548c\u65b0\u6280\u672f\u7684\u8fdb\u6b65\u5171\u540c\u63a8\u52a8\u4e86\u751f\u7269\u5b66\u7684\u84ec\u52c3\u53d1\u5c55\uff0c\u5355\u7ec6\u80de\u6d4b\u5e8f\u6280\u672f\u4e0e\u70b9\u51fb\u5316\u5b66\u7684\u7ed3\u5408\u53ef\u80fd\u4f1a\u62d3\u5c55\u5bf9\u5355\u7ec6\u80de\u8ba4\u8bc6\u7684\u8fb9\u754c\u3002
1\u3001Nature Biotechnology | \u901a\u8fc7\u8fc1\u79fb\u5b66\u4e60\u5c06\u5355\u7ec6\u80de\u6570\u636e\u6620\u5c04\u5230\u53c2\u8003\u96c6
\u5927\u578b\u5355\u7ec6\u80de Atlas \u73b0\u5728\u7ecf\u5e38\u88ab\u751f\u6210\uff0c\u6765\u4f5c\u4e3a\u8f83\u5c0f\u89c4\u6a21\u7814\u7a76\u5bf9\u8c61\u8fdb\u884c\u5206\u6790\u7684\u53c2\u8003\u3002\u7136\u800c\uff0c\u7531\u4e8e\u6570\u636e\u96c6\u4e4b\u95f4\u7684\u6279\u5904\u7406\u6548\u5e94\u3001\u8ba1\u7b97\u8d44\u6e90\u7684\u6709\u9650\u6027\u548c\u5bf9\u539f\u59cb\u6570\u636e\u7684\u5206\u4eab\u9650\u5236\uff0c\u4ece\u53c2\u8003\u6570\u636e\u4e2d\u5b66\u4e60\u662f\u590d\u6742\u7684\u3002\u672c\u6587\u4ecb\u7ecd\u4e86\u4e00\u79cd\u6df1\u5ea6\u5b66\u4e60\u7b56\u7565\uff0c\u7528\u4e8e\u5c06\u67e5\u8be2\u6570\u636e\u96c6\u6620\u5c04\u5230\u79f0\u4e3a\u5355\u7ec6\u80de\u4f53\u7cfb\u7ed3\u6784\u624b\u672f(scArches)\u7684\u53c2\u8003\u6570\u636e\u4e4b\u4e0a\u3002
2\u3001Cancer Discovery | REFLECT-\u9884\u6d4b\u764c\u75c7\u6700\u4f73\u8054\u5408\u7597\u6cd5\u7684\u65b0\u578b\u751f\u7269\u4fe1\u606f\u5b66\u5e73\u53f0
MD\u5b89\u5fb7\u68ee\u764c\u75c7\u4e2d\u5fc3\u751f\u7269\u4fe1\u606f\u5b66\u4e0e\u8ba1\u7b97\u751f\u7269\u5b66\u7cfb\u7684Anil Korkut\u6559\u6388\u548c\u674e\u65ed\u658c\u535a\u58eb\u5171\u540c\u9886\u5bfc\u7684\u7814\u7a76\u56e2\u961f\u5f00\u53d1\u7684\u4e00\u79cd\u53ef\u4ee5\u9884\u6d4b\u764c\u75c7\u7684\u6700\u4f73\u8054\u5408\u7597\u6cd5\u7684\u65b0\u578b\u751f\u7269\u4fe1\u606f\u5b66\u5e73\u53f0-REFLECT (REcurrent Features LEveraged for Combination Therapy)\u3002\u8fd9\u4e2a\u5e73\u53f0\u6574\u5408\u4e86\u673a\u5668\u5b66\u4e60\u548c\u764c\u75c7\u4fe1\u606f\u5b66\u7684\u7b97\u6cd5\uff0c\u901a\u8fc7\u5206\u6790\u764c\u75c7\u75c5\u4eba\u7684\u5206\u5b50\u6570\u636e\uff0c\u5305\u62ec\u57fa\u56e0\u7a81\u53d8\u3001 \u62f7\u8d1d\u6570\u53d8\u5f02\u3001\u57fa\u56e0\u8868\u8fbe\u3001\u86cb\u767d\u8868\u8fbe\uff0c\u5e76\u4ece\u4e2d\u53d1\u73b0\u590d\u73b0\u7684\u3001\u53ef\u4ee5\u88ab\u836f\u7269\u5206\u5b50\u9776\u5411\u7684\u534f\u540c\u7578\u53d8\uff0c\u8fdb\u800c\u83b7\u5f97\u7cfb\u7edf\u7684\u3001\u4e0e\u75c5\u4eba\u5206\u5b50\u7279\u5f81\u5339\u914d\u7684\u6700\u4f73\u8054\u5408\u6cbb\u7597\u65b9\u6848\u3002\u76f8\u5173\u7814\u7a76\u6210\u679c\u4ee5\u9898\u4e3aPrecision Combination Therapies Based on Recurrent Oncogenic Coalterations \u7684\u7814\u7a76\u8bba\u6587\u4e8e\u8fd1\u671f\u5728\u7ebf\u53d1\u5e03\u3002
3\u3001Nature|\u5229\u7528\u56fe\u6cdb\u57fa\u56e0\u7ec4\u627e\u56de\u4e22\u5931\u7684\u9057\u4f20\u529b\u548c\u4fc3\u8fdb\u756a\u8304\u80b2\u79cd
\u5168\u57fa\u56e0\u7ec4\u5173\u8054\u7814\u7a76\u4e2d\u9057\u4f20\u6027\u7f3a\u5931\u662f\u590d\u6742\u751f\u7269\u6027\u72b6\u9057\u4f20\u5206\u6790\u4e2d\u7684\u4e00\u4e2a\u4e3b\u8981\u95ee\u9898\u3002\u8fd1\u65e5\u300aNature\u300b\u4e0a\u53d1\u8868\u7684\u4e00\u7bc7\u6587\u7ae0\u62a5\u9053\u4e86\u4e00\u4e2a\u6765\u81ea838\u4e2a\u57fa\u56e0\u7ec4\u76841900\u591a\u4e07\u4e2a\u53d8\u4f53\u6784\u5efa\u7684\u756a\u8304\u6cdb\u57fa\u56e0\u7ec4\u56fe\uff0c\u8be5\u56fe\u8c31\u7528\u4e8e20323\u4e2a\u57fa\u56e0\u8868\u8fbe\u548c\u4ee3\u8c22\u7269\u6027\u72b6\u7684\u5168\u57fa\u56e0\u7ec4\u5173\u8054\u7814\u7a76\u5206\u6790\u548c\u9057\u4f20\u529b\u4f30\u8ba1\u3002\u8be5\u7814\u7a76\u4fc3\u8fdb\u4e86\u5bf9\u590d\u6742\u6027\u72b6\u9057\u4f20\u529b\u7684\u8ba4\u8bc6\uff0c\u5e76\u8bc1\u660e\u4e86\u56fe\u6cdb\u57fa\u56e0\u7ec4\u5728\u4f5c\u7269\u80b2\u79cd\u4e2d\u7684\u4f5c\u7528\u3002
4\u3001\u738b\u9e4f\u8fdc/\u9c81\u5fd7/\u5f90\u632f\u6c5f\u56e2\u961f\u5408\u4f5c\u53d1\u8868\u6cdb\u764c\u65e9\u8bca\u7814\u7a76\u65b0\u6210\u679c\uff1a\u5229\u7528\u8840\u6d46\u4e2d\u4eba\u6e90+\u5fae\u751f\u7269\u6e90cfRNA\u8bca\u65ad\u65e9\u671f\u764c\u75c7\u53ca\u5176\u7ec4\u7ec7\u6765\u6e90
\u5317\u4eac\u5927\u5b66\u7b2c\u4e00\u533b\u9662\u738b\u9e4f\u8fdc\u56e2\u961f\u4e0e\u6e05\u534e\u5927\u5b66\u9c81\u5fd7\u56e2\u961f\u3001\u5357\u660c\u5927\u5b66\u5f90\u632f\u6c5f\u56e2\u961f\u5408\u4f5c\uff0c\u5728\u751f\u7269\u533b\u5b66\u6743\u5a01\u671f\u520a\u300aeLife\u300b\u4e0a\u53d1\u6587\uff0c\u9610\u8ff0\u4e86\u7ec6\u80de\u5916RNA\uff08cfRNA\uff09\u5728\u6cdb\u764c\u65e9\u671f\u8bca\u65ad\u4e2d\u7684\u5e94\u7528\u548c\u524d\u666f\u3002\u80bf\u7624\u6db2\u4f53\u6d3b\u68c0\u6280\u672f\u4e2d\u7684\u6807\u5fd7\u7269\u5305\u62ec\u5faa\u73af\u80bf\u7624\u7ec6\u80de\uff08CTC\uff09\u3001\u7ec6\u80de\u5916DNA\uff08cfDNA\uff09\u53ca\u5176\u7532\u57fa\u5316\u3001\u7ec6\u80de\u5916 RNA(cfRNA)\u3001\u5916\u6ccc\u4f53\u86cb\u767d\u7b49\u3002\u4e0eCTC/cfDNA\u76f8\u6bd4\uff0ccfRNA\u4f5c\u4e3a\u764c\u75c7\u6807\u5fd7\u7269\u81f3\u5c11\u6709\u4ee5\u4e0b3\u4e2a\u4f18\u52bf\uff1a\u3001\u654f\u611f\u6027\u548c\u529f\u80fd\u6027\u3001\u7ec4\u7ec7\u7279\u5f02\u6027\u548c\u4f4e\u6210\u672c\u3002
5\u3001\u7528R\u8bed\u8a00\u89e3\u8bfb\u4f20\u67d3\u75c5\u6a21\u578b
\u672c\u6587\u7ed3\u5408\u4f20\u67d3\u75c5\u5b66\u7684\u4e13\u4e1a\u77e5\u8bc6\uff0c\u901a\u8fc7R\u8bed\u8a00\u7684\u6280\u672f\u624b\u6bb5\uff0c\u901a\u8fc7\u76f8\u5e94\u7684\u4ee3\u7801\u89e3\u91ca\u4e86\u4f20\u67d3\u75c5\u4f20\u64ad\u7684\u4e00\u4e9b\u5e95\u5c42\u539f\u7406\u3002
6\u3001iMeta | \u534e\u5357\u519c\u5927\u9648\u7a0b\u6770/\u590f\u745e\u7b49\u53d1\u5e03TBtools\u6784\u9020Circos\u56fe\u7684\u7b80\u5355\u65b9\u6cd5
Circos\u56fe\u4f7f\u79d1\u5b66\u5bb6\u80fd\u591f\u8f7b\u677e\u5730\u5728\u5168\u57fa\u56e0\u7ec4\u5c3a\u5ea6\u4e0a\u63a2\u7d22\u751f\u7269\u5927\u6570\u636e\uff0c\u4f46\u7e41\u7410\u7684\u8f93\u5165\u6570\u636e\u51c6\u5907\u548c\u590d\u6742\u7684\u53c2\u6570\u914d\u7f6e\u9650\u5236\u4e86\u5176\u5e94\u7528\u3002TBtools\u4e2d\u5f00\u53d1\u4e86\u201cAdvanced Circos\u201d\u529f\u80fd\uff0c\u63d0\u4f9b\u6784\u9020Circos\u56fe\u7684\u7b80\u5355\u65b9\u6cd5\u3002\u4f5c\u4e3a\u4e00\u4e2a\u5f00\u7bb1\u5373\u7528\u7684\u8f6f\u4ef6\uff0cTBtools\u96c6\u6210\u4e86\u7cfb\u5217\u4fbf\u4e8e\u8f93\u5165\u6570\u636e\u51c6\u5907\u7684\u529f\u80fd\u3002\u201cAdvanced Circos\u201d\u529f\u80fd\u63d0\u4f9b\u4e86\u4e00\u4e2a\u7528\u6237\u53cb\u597d\u754c\u9762\uff0c\u7528\u4e8e\u5b9a\u5236\u53c2\u6570\u8bbe\u7f6e\uff0c\u5e76\u53ef\u7528\u4e8e\u53ef\u89c6\u5316\u5404\u79cd\u57fa\u56e0\u7ec4\u6c34\u5e73\u6570\u636e\uff0c\u5982\u57fa\u56e0\u7ec4\u5173\u8054\u4fe1\u606f\u3001\u6bd4\u5bf9\u6570\u636e\u3001\u57fa\u56e0\u5bc6\u5ea6\u548cQTL\u4f4d\u7f6e\u3002\u672c\u6587\u4ecb\u7ecd\u4e86\u201cAdvance Circos\u201d\u7684\u4e3b\u8981\u7279\u70b9\u548c\u4e0a\u6e38\u6570\u636e\u51c6\u5907\u65b9\u6cd5\uff0c\u65e8\u5728\u8ba9\u66f4\u591a\u7528\u6237\u80fd\u591f\u4f7f\u7528Circos\u56fe\u8fdb\u884c\u57fa\u56e0\u7ec4\u5927\u6570\u636e\u63a2\u7d22\u3002
7\u3001\u56fe\u5f62\u5316\u6cdb\u57fa\u56e0\u7ec4\u6784\u5efa\u5de5\u5177-mingraph\u4ecb\u7ecd
\u968f\u7740\u6d4b\u5e8f\u6280\u672f\u7684\u53d1\u5c55\uff0c\u540c\u4e00\u7269\u79cd\u4e2d\uff0c\u8d8a\u6765\u8d8a\u591a\u7684\u9ad8\u8d28\u91cf\u57fa\u56e0\u7ec4\u88ab\u6d4b\u51fa\u3002\u5982\u4f55\u6574\u5408\u6765\u81ea\u540c\u4e00\u7269\u79cd\u7684\u591a\u4e2a\u57fa\u56e0\u7ec4\uff0c\u662f\u76ee\u524d\u4e00\u4e2a\u751f\u7269\u754c\u4e2d\u7684\u96be\u9898\u3002\u5176\u4e2d\u4e00\u79cd\u529e\u6cd5\u5c31\u662f\u4f7f\u7528\u56fe\u5f62\u5316\u6cdb\u57fa\u56e0\u7ec4\u53bb\u8868\u793a\u591a\u4e2a\u57fa\u56e0\u7ec4\u7684\u53d8\u5f02\u3002\u5728\u8fd9\u91cc\uff0c\u7ed9\u5927\u5bb6\u4ecb\u7ecd\u4e00\u4e2a\u7531\u674e\u6052\u5927\u795e\u8bbe\u8ba1\u7684\u56fe\u5f62\u5316\u6cdb\u57fa\u56e0\u7ec4\u5de5\u5177\uff1aminigraph\u3002\u8be5\u5de5\u5177\u5728\u4fdd\u7559\u7ebf\u6027\u53c2\u8003\u57fa\u56e0\u7ec4\u7684\u5750\u6807\u540c\u65f6\uff0c\u4f7f\u7528\u57fa\u4e8e\u56fe\u5f62\u7684\u6570\u636e\u6a21\u578b\u548c\u76f8\u5173\u683c\u5f0f\u6765\u8868\u793a\u591a\u4e2a\u57fa\u56e0\u7ec4\uff0c\u53ef\u4ee5\u6709\u6548\u7684\u6784\u5efa\u56fe\u5f62\u5316\u6cdb\u57fa\u56e0\u7ec4\uff0c\u8868\u793a\u5f53\u524d\u57fa\u56e0\u7ec4\u4e2d\u7f3a\u5931\u7684\u53d8\u5f02\u4f53\u3002
8\u3001forestmodel | \u53ef\u89c6\u5316\u56de\u5f52\u6a21\u578b\u5305
\u901a\u8fc7forestmodel\u5305\uff0c\u53ef\u4ee5\u6784\u5efalm\u3001glm\u3001coxph\u4e09\u79cd\u56de\u5f52\u6a21\u578b\uff0c\u540c\u65f6\u652f\u6301survival\u5305\u7684Cox\u56de\u5f52\u6a21\u578b\u7ed3\u679c\u53ef\u89c6\u5316\u3002
9\u3001fullPage | Shiny\u754c\u9762\u8bbe\u7f6e\u8c03\u6574\u7684\u5de5\u5177
fullPage\u662f\u4e00\u4e2a\u5bf9Shiny\u754c\u9762\u8fdb\u884c\u5168\u5c4f\u3001\u5206\u9875\u7b49\u591a\u79cd\u8c03\u6574\u914d\u7f6e\u7684\u5de5\u5177\u3002
10\u3001ParlAI | \u5bf9\u8bddAI
ParlAI\u662f\u4e00\u4e2a\u7528\u4e8e\u5171\u4eab\u3001\u8bad\u7ec3\u548c\u6d4b\u8bd5\u5bf9\u8bdd\u6a21\u578b\u7684 python \u6846\u67b6\uff0c\u4ece\u5f00\u653e\u57df\u804a\u5929\u5230\u9762\u5411\u4efb\u52a1\u7684\u5bf9\u8bdd\uff0c\u518d\u5230\u89c6\u89c9\u95ee\u7b54\u3002
11\u3001https://github.com/fantasticit/think
Think \u662f\u4e00\u6b3e\u5f00\u6e90\u77e5\u8bc6\u7ba1\u7406\u5de5\u5177\u3002\u901a\u8fc7\u72ec\u7acb\u7684\u77e5\u8bc6\u5e93\u7a7a\u95f4\uff0c\u7ed3\u6784\u5316\u5730\u7ec4\u7ec7\u5728\u7ebf\u534f\u4f5c\u6587\u6863\uff0c\u5b9e\u73b0\u77e5\u8bc6\u7684\u79ef\u7d2f\u4e0e\u6c89\u6dc0\uff0c\u4fc3\u8fdb\u77e5\u8bc6\u7684\u590d\u7528\u4e0e\u6d41\u901a\u3002\u540c\u65f6\u652f\u6301\u591a\u4eba\u534f\u4f5c\u6587\u6863\u3002\u4f7f\u7528\u7684\u6280\u672f\u5982\u4e0b\uff1a
\u53ef\u8bbf\u95ee\u4e91\u7b56\u6587\u6863\u5e2e\u52a9\u4e2d\u5fc3\uff0c\u67e5\u770b\u66f4\u591a\u529f\u80fd\u6587\u6863\u3002
12\u3001\u4e00\u4e2a\u89e3\u51b3\u4f60\u7684\u6240\u6709\u997c\u56fe\u7ed8\u5236\u7684 R \u5305
\u4e00\u4e2a\u6bd4\u8f83\u7efc\u5408\u6027\u7ed8\u5236\u997c\u56fe\u7684 R \u5305 ggpie\u3002
"},{"location":"issue-56/#_5","title":"\u8d44\u6e90\u63a8\u8350","text":"13\u3001https://github.com/alteryx/featuretools Featuretools
\u662f\u4e00\u4e2a\u7528\u4e8e\u81ea\u52a8\u5316\u7279\u5f81\u5de5\u7a0b\u7684python\u5e93\u3002
14\u3001\u9762\u5411\u7a0b\u5e8f\u5458\u7684 Top 10 \u7cbe\u54c1\u5f00\u6e90\u5b57\u4f53
\u672c\u6587\u63d0\u4f9b 10 \u6b3e\u5f00\u6e90\u5b57\u4f53\u7684\u4ecb\u7ecd\u3001\u9884\u89c8\u548c\u4e0b\u8f7d\u65b9\u5f0f\uff0c\u63a8\u8350\u7801\u4ee3\u7801\u7684\u5404\u4f4d\u4f7f\u7528\u3002
"},{"location":"issue-56/#_6","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"2022\u5e741\u6708\uff1a\u7b2c16\u671f\uff1a\u764c\u75c7\u65b0\u7279\u5f81
"},{"location":"issue-56/#github-id","title":"\u8d21\u732e\u8005\uff08GitHub ID\uff09","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
"},{"location":"issue-57/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 57 \u671f\uff09\uff1a\u6df1\u5ea6\u5b66\u4e60\u5e76\u975e\u201c\u7b80\u5355\u7684\u7edf\u8ba1\u201d\uff0c\u4e8c\u8005\u8ddd\u79bb\u5df2\u8d8a\u6765\u8d8a\u8fdc","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d | \u300c\u751f\u4fe1\u8ba8\u8bba\u533a\uff08Gitter\uff09\u300d
"},{"location":"issue-57/#_1","title":"\u5c01\u9762\u56fe","text":""},{"location":"issue-57/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u6df1\u5ea6\u5b66\u4e60\u5e76\u975e\u201c\u7b80\u5355\u7684\u7edf\u8ba1\u201d\uff0c\u4e8c\u8005\u8ddd\u79bb\u5df2\u8d8a\u6765\u8d8a\u8fdc","text":"\u7edf\u8ba1\u5b66\u4e60\u5728\u6df1\u5ea6\u5b66\u4e60\u4e2d\u626e\u6f14\u7740\u91cd\u8981\u7684\u89d2\u8272\uff0c\u8fd9\u662f\u6bcb\u5eb8\u7f6e\u7591\u7684\u3002\u4f46\u53ef\u4ee5\u80af\u5b9a\u7684\u662f\uff0c\u7edf\u8ba1\u89d2\u5ea6\u65e0\u6cd5\u4e3a\u7406\u89e3\u6df1\u5ea6\u5b66\u4e60\u63d0\u4f9b\u5b8c\u6574\u7684\u753b\u9762\uff0c\u8981\u7406\u89e3\u6df1\u5ea6\u5b66\u4e60\u7684\u4e0d\u540c\u65b9\u9762\uff0c\u4ecd\u9700\u8981\u4eba\u4eec\u4ece\u4e0d\u540c\u7684\u89d2\u5ea6\u51fa\u53d1\u6765\u5b9e\u73b0
@He-Kai-fly - \u6df1\u5ea6\u5b66\u4e60\u5c31\u662f\u7528\u7edf\u8ba1\u5b66\u4ece\u6570\u636e\u4e2d\u627e\u5230\u9690\u85cf\u89c4\u5f8b\uff0c\u5e76\u4e14\u90fd\u662f\u5efa\u7acb\u5728\u5927\u91cf\u6570\u5b66\u8fd0\u7b97\u7684\u60c5\u51b5\u4e0b\uff0c\u5176\u4e2d\u4e00\u90e8\u5206\u90fd\u5efa\u7acb\u5728\u7edf\u8ba1\u5b66\u7684\u57fa\u7840\u4e0a\u4f46\u53c8\u4e0d\u5b8c\u5168\u662f\u3002
"},{"location":"issue-57/#_3","title":"\u751f\u4fe1\u7814\u7a76","text":"1\u3001Nature Communication | \u5355\u7ec6\u80de\u73af\u5f62RNA\u5206\u6790\u6280\u672f\u53ca\u8868\u8fbe\u56fe\u8c31
\u8d75\u65b9\u5e86\u56e2\u961f\u57fa\u4e8e\u6d77\u91cf\u5355\u7ec6\u80de\u5168\u957f\u8f6c\u5f55\u7ec4\u6d4b\u5e8f\u6570\u636e\u96c6\uff0c\u5b9e\u73b0\u4e86\u5355\u7ec6\u80de\u5206\u8fa8\u7387\u4e0b\u73af\u5f62RNA\u7684\u9ad8\u6548\u8bc6\u522b\u53ca\u6df1\u5ea6\u6316\u6398\uff0c\u57fa\u4e8e\u5927\u89c4\u6a21\u65f6\u7a7a\u7ec4\u5b66\u6570\u636e\u7684\u6574\u5408\u5206\u6790\uff0c\u5bf9\u73af\u5f62RNA\u7684\u7ec6\u80de\u5f02\u8d28\u6027\u8fdb\u884c\u4e86\u6df1\u5165\u63a2\u7a76\uff0c\u63ed\u793a\u4e86\u73af\u5f62RNA\u4f5c\u4e3a\u7ec6\u80de\u7c7b\u578b\u6807\u5fd7\u7269\u7684\u5e94\u7528\u6f5c\u529b\u3002\u8be5\u7814\u7a76\u5c06\u76ee\u524d\u73af\u5f62RNA\u7814\u7a76\u4ece\u4f20\u7edf\u7ec4\u7ec7\u6c34\u5e73\u63d0\u5347\u81f3\u5355\u7ec6\u80de\u6c34\u5e73\uff0c\u4e3a\u63a2\u7d22\u4e0d\u540c\u7ec6\u80de\u7c7b\u578b\u4e2d\u73af\u5f62RNA\u7684\u751f\u7269\u5b66\u529f\u80fd\u63d0\u4f9b\u4e86\u91cd\u8981\u7684\u6570\u636e\u8d44\u6e90\u548c\u5206\u6790\u6280\u672f\u3002
2\u3001iMeta | \u5357\u519c\u6c88\u5176\u8363\u56e2\u961f\u53d1\u5e03\u5fae\u751f\u7269\u7f51\u7edc\u5206\u6790\u548c\u53ef\u89c6\u5316R\u5305ggClusterNet
\u7f51\u7edc\u5206\u6790\u9010\u6e10\u88ab\u751f\u6001\u5b66\u5bb6\u4eec\u91cd\u89c6\u5e76\u6301\u7eed\u5e94\u7528\u4e8e\u751f\u6001\u5b66\u9886\u57df\uff0c\u5f00\u53d1\u66f4\u4e3a\u5f3a\u5927\u548c\u65b9\u4fbf\u7684\u7f51\u7edc\u5206\u6790\u5de5\u5177\u5341\u5206\u5fc5\u8981\u3002\u6587\u7ae0\u5f00\u53d1\u4e86\u540d\u4e3aggClusterNet\u7684R\u5305\uff0c\u5c55\u793a\u5fae\u751f\u7269\u7f51\u7edc\u6a21\u5757\u5316\u4fe1\u606f\uff0c\u7528\u4e8e\u66f4\u52a0\u5bb9\u6613\u7684\u8fdb\u884c\u7f51\u7edc\u6570\u636e\u5206\u6790\u6316\u6398\u548c\u53ef\u89c6\u5316\u3002\u5728ggClusterNet\u5305\u4e2d\u8bbe\u8ba1\u4e86\u6570\u5341\u79cd\u7f51\u7edc\u5e03\u5c40\u7b97\u6cd5\u7528\u4e8e\u66f4\u597d\u7684\u5c55\u793a\u5fae\u751f\u7269\u7f51\u7edc\u6a21\u5757\u5316\u4fe1\u606f
3\u3001 Sci Adv | \u5cb3\u5cf0\u56e2\u961f\u5f00\u53d1\u6df1\u5ea6\u5b66\u4e60\u6a21\u578bEagleC \u6355\u6349\u764c\u75c7\u57fa\u56e0\u7ec4\u7ed3\u6784\u53d8\u5f02
\u8be5\u9879\u5de5\u4f5c\u57fa\u4e8e\u6df1\u5ea6\u5b66\u4e60\u548c\u96c6\u6210\u5b66\u4e60\u7b56\u7565\uff0c\u63d0\u51fa\u4e00\u4e2a\u5168\u65b0\u7684\u6355\u6349\u764c\u75c7\u57fa\u56e0\u7ec4\u4e2dSV\u7684\u8ba1\u7b97\u6846\u67b6EagleC\u3002EagleC\u80fd\u591f\u7528\u4e8e\u591a\u79cd\u67d3\u8272\u8d28\u6784\u8c61\u6355\u83b7\u6280\u672f\uff0c\u6bd4\u5982Hi-C\uff0cMicro-C\uff0cHiChIP\u3002\u66f4\u4e3a\u91cd\u8981\u7684\u662f\uff0c\u8fd9\u4e2a\u6df1\u5ea6\u5b66\u4e60\u7684\u6a21\u578b\u53ef\u4ee5\u76f4\u63a5\u7528\u5728\u5355\u7ec6\u80deHi-C\u4e0a\uff0c\u4ece\u800c\u53ef\u4ee5\u76d1\u6d4b\u5230\u764c\u75c7\u7ec4\u7ec7\u91cc\u7684\u4e0d\u540c\u764c\u7ec6\u80de\u7ed3\u6784\u53d8\u5f02\u7684\u5f02\u8d28\u6027\u3002
4\u3001NBT| \u9ad8\u6b4c\u8bfe\u9898\u7ec4\u5355\u7ec6\u80de\u591a\u7ec4\u5b66\u6570\u636e\u6574\u5408\u4e0e\u8c03\u63a7\u63a8\u65ad\u65b0\u65b9\u6cd5\uff08GLUE\uff09
\u57fa\u4e8e\u56fe\u8026\u8054\u7b56\u7565\u7684\u6df1\u5ea6\u5b66\u4e60\u65b9\u6cd5GLUE\uff0c\u5b9e\u73b0\u4e86\u5bf9\u767e\u4e07\u7ea7\u5355\u7ec6\u80de\u591a\u7ec4\u5b66\u6570\u636e\u7684\u65e0\u76d1\u7763\u7cbe\u51c6\u6574\u5408\u4e0e\u8c03\u63a7\u63a8\u65ad
5\u3001\u57fa\u4e8e R \u8bed\u8a00\u7684\u6df1\u5ea6\u5b66\u4e60\u2014\u2014\u7b80\u5355\u56de\u5f52\u6848\u4f8b
\u4ee5\u4e00\u4e2a\u4f8b\u5b50\u4ecb\u7ecd\u4e86\u5982\u4f55\u4f7f\u7528\u795e\u7ecf\u7f51\u7edc\u6765\u5904\u7406\u7b80\u5355\u95ee\u9898\uff08\u6570\u636e\u91cf\u8f83\u5c0f\u7684\u56de\u5f52\u95ee\u9898\uff09\uff0c\u4f46\u5728\u5b9e\u9645\u8fc7\u7a0b\u4e2d\u8fd8\u4f1a\u9047\u5230\u5f88\u591a\u95ee\u9898\uff0c\u76f8\u5173\u8d44\u6e90\u53ef\u89c1\uff1a\u57fa\u4e8e R \u8bed\u8a00\u7684\u6df1\u5ea6\u5b66\u4e60\u2014\u2014\u7b80\u4ecb\u53ca\u8d44\u6599\u5206\u4eab
6\u3001\u6784\u5efa\u5de5\u5177 Taskfile \u4ecb\u7ecd
Makefile \u662f\u4e00\u4e2a\u5e38\u89c1\u7684\u914d\u7f6e\u9a71\u52a8\u7684\u6784\u5efa\u7cfb\u7edf\u3002\u8fd9\u7bc7\u6587\u7ae0\u4ecb\u7ecd Taskfile\uff1a
Taskfile \u901a\u8fc7 yaml \u6765\u63cf\u8ff0\u5404\u79cd\u6267\u884c\u4efb\u52a1, \u5176\u6838\u5fc3\u91c7\u7528 go \u7f16\u5199; \u76f8\u8f83\u4e8e Makefile \u7684 tab \u5206\u5272\u548c bash \u7ed3\u5408\u8bed\u6cd5 Taskfile \u663e\u5f97\u66f4\u52a0\u73b0\u4ee3\u5316\u548c\u6613\u4e8e\u4f7f\u7528(\u867d\u7136\u4f1a\u53d8\u6210 yaml \u5de5\u7a0b\u5e08). Taskfile \u5185\u7f6e\u4e86\u52a8\u6001\u53d8\u91cf\u3001\u64cd\u4f5c\u7cfb\u7edf\u7b49\u73af\u5883\u53d8\u91cf\u8bc6\u522b\u7b49\u9ad8\u7ea7\u529f\u80fd\u90fd\u66f4\u8d34\u5408\u73b0\u4ee3\u5316\u7684 Coding \u65b9\u5f0f\u3002 - \u6587\u6863\uff1ahttps://taskfile.dev/
7\u3001\u5728\u73af\u5f62\u70ed\u56fe\u4e0a\u6dfb\u52a0\u6587\u5b57\u6807\u7b7e
\u672c\u6587\u6f14\u793a\u4e86\u5229\u7528circlizeR\u5305\u7ed8\u5236\u73af\u5f62\u70ed\u56fe\uff0c\u5e76\u6dfb\u52a0\u6587\u5b57\u6807\u7b7e
"},{"location":"issue-57/#_5","title":"\u5de5\u5177","text":"8\u3001staticmiports\u9759\u6001\u5bfc\u5165\u51fd\u6570\u5230R\u5305\u4e2d
staticimports\u53ef\u4ee5\u5f88\u5bb9\u6613\u5730\u5c06\u51fd\u6570\u9759\u6001\u5730\u5bfc\u5165\u5230R\u9879\u76ee\u6216\u5305\u4e2d\u3002\u9759\u6001\u5bfc\u5165\u610f\u5473\u7740\u51fd\u6570\u4f5c\u4e3a\u6587\u672c\u590d\u5236\u5230\u9879\u76ee\u4e2d\uff0c\u800c\u4e0d\u662f\u5728\u8fd0\u884c\u65f6\u4ece\u5355\u72ec\u7684\u5305\u4e2d\u52a0\u8f7d\u3002
9\u3001Fluent Reader | \u4e00\u6b3e\u65b0\u9896\u7684\u684c\u9762RSS\u9605\u8bfb\u5668
Fluent Reader\u662f\u4e00\u6b3e\u652f\u6301windows\u548cmac\u5e73\u53f0\u7684RSS\u9605\u8bfb\u5668\u3002
10\u3001R \u5305 - eventloop
\u5f88\u591a\u4eba\u53ef\u80fd\u4e0d\u77e5\u9053 R \u4e5f\u53ef\u4ee5\u5199 GUI \u7684\uff0c\u867d\u7136\u8bf4\u4e0d\u80fd\u8131\u79bb R \u73af\u5883\u72ec\u7acb\u8fd0\u884c\u3002
{eventloop} \u5305\u63d0\u4f9b\u4e86\u4e00\u4e2a\u6846\u67b6\uff0c\u7528\u4e8e\u5448\u73b0\u4ea4\u4e92\u5f0f\u56fe\u5f62\uff0c\u5e76\u4ee5\u8db3\u591f\u5feb\u7684\u901f\u5ea6\u5904\u7406\u7528\u6237\u7684\u9f20\u6807+\u952e\u76d8\u4e8b\u4ef6\uff0c\u4ee5\u6ee1\u8db3\u6e38\u620f\u548c\u5176\u4ed6\u5b9e\u65f6\u5e94\u7528\u7a0b\u5e8f\u7684\u9700\u6c42\u3002
11\u3001tkinter-helper - \u4e00\u6b3e\u4e3aTkinter\u6253\u9020\u7684\u5e03\u5c40\u52a9\u624b
TkinterHelper\uff08Tkinter\u5e03\u5c40\u52a9\u624b\uff09\u662f\u4e00\u6b3e\u4e3aTkinter\u6253\u9020\uff0c\u4ec5\u9700\u62d6\u62fd\u7ec4\u4ef6\u8fdb\u884c\u5e03\u5c40\uff0c\u6240\u89c1\u5373\u6240\u5f97\uff0c\u975e\u5e38\u65b9\u4fbf\u5c31\u80fd\u505a\u51fa\u4e00\u4e2aGUI\u754c\u9762\uff0c\u518d\u914d\u5408 pyinstaller \u5e93\u5c06\u7a0b\u5e8f\u6253\u5305\u6210exe\uff0c\u7b80\u76f4\u662f\u5f00\u53d1\u5c0f\u5de5\u5177\u7684\u5229\u5668\u3002
12\u3001KAAS-KEGG\u6ce8\u91ca\u5de5\u5177
\u65b9\u4fbf\u7528\u4e8e\u5b8f\u57fa\u56e0\u7ec4\u5206\u7bb1\uff08binning\uff09\u540e\u7684\u5355\u83cc\u57fa\u56e0\u7ec4fasta\u6216faa\u6587\u4ef6\u7684KEGG\u6ce8\u91ca\uff0c\u6316\u6398\u7ebf\u7d22\u652f\u6301\u540e\u7eed\u9a8c\u8bc1
"},{"location":"issue-57/#_6","title":"\u8d44\u6e90","text":"13\u3001vscode.dev-\u8f7b\u91cf\u7ea7\u7248\u672c\u7684Vscode
\u4e00\u4e2a\u5b8c\u5168\u5728\u6d4f\u89c8\u5668\u4e2d\u8fd0\u884c\u8f7b\u91cf\u7ea7\u7248\u672c\u7684VS Code\u3002\u53ef\u5728\u672c\u5730\u673a\u5668\u4e0a\u6253\u5f00\u4e00\u4e2a\u6587\u4ef6\u5939\u5e76\u76f4\u63a5\u5f00\u59cb\u7f16\u7801\u3002
14\u3001 TIP : Tracking Tumor Immunophenotype
TIP\u662f\u4e00\u4e2a\u7528\u6237\u53cb\u597d\u7684\u4e00\u7ad9\u5f0f\u7f51\u7edc\u5de5\u5177\uff0c\u7528\u4e8e\u4f7f\u7528RNA-seq\u6216\u5fae\u9635\u5217\u6570\u636e\u8ddf\u8e2a\u3001\u5206\u6790\u548c\u53ef\u89c6\u5316\u6297\u764c\u514d\u75ab\u72b6\u6001\u548c\u80bf\u7624\u6d78\u6da6\u514d\u75ab\u7ec6\u80de\u5728\u4e03\u6b65\u764c\u75c7\u514d\u75ab\u5468\u671f\u4e2d\u7684\u6bd4\u4f8b\u3002
15\u3001visR | \u5c06\u4e34\u5e8a\u6570\u636e\u7b80\u5355\u5feb\u901f\u53ef\u89c6\u5316\u7684R\u5305
"},{"location":"issue-57/#_7","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-58/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 58 \u671f\uff09\uff1a\u8bf4\u8bf4\u4f60\u662f\u600e\u4e48\u5ea6\u8fc7\ud83d\udc11\u4e86\u7684\u65e5\u5b50\uff1f","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d | \u300c\u751f\u4fe1\u8ba8\u8bba\u533a\uff08Gitter\uff09\u300d
"},{"location":"issue-58/#_1","title":"\u5c01\u9762\u56fe","text":"\u5728VR\u4e2d\u6c89\u6d78\u5f0f\u529e\u516c\u3001\u5a31\u4e50
"},{"location":"issue-58/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u8bf4\u8bf4\u4f60\u662f\u600e\u4e48\u5ea6\u8fc7\ud83d\udc11\u4e86\u7684\u65e5\u5b50\uff1f","text":"\u8eab\u8fb9\u8d8a\u6765\u8d8a\u591a\u7684\u4eba\u53d8\u6210\u4e86\u5c0f\u7f8a\u4eba\u3002\u53d8\ud83d\udc11\u540e\uff0c\u4f60\u662f\u5982\u4f55\u71ac\u8fc7\u8fd9\u4e2a\u9636\u6bb5\u7684\uff1f
@kkjtmac - \u4fa5\u5e78\u611f\u67d3\u4e86\u201c\u4f18\u826f\u201d\u6bd2\u682a\uff0c\u70e7\u4e86\u4e00\u665a\u5c31\u9000\u4e86\uff0c\u540e\u9762\u5c31\u662f\u54b3\u55fd\u6d41\u6d95\uff0c\u5bf9\u75c7\u652f\u6301\u6cbb\u7597\u540e\u6700\u7ec8\u75ca\u6108\u3002\u603b\u4f53\u611f\u53d7\u6bd4\u666e\u901a\u611f\u5192\u96be\u53d7\u591a\u4e86\uff0c\u8be5\u5403\u836f\u7684\u65f6\u5019\u8fd8\u5f97\u5403\uff0c\u5982\u679c\u4e0d\u80fd\u7f13\u89e3\u6216\u8005\u52a0\u91cd\u8fd8\u662f\u5c31\u8fd1\u533b\u9662\u5c31\u8bca\u6cbb\u7597\u5427~
@ShixiangWang - \u6211\u4eec\u8fd1\u671f\u5f88\u591a\u4eba\u90fd\uff08\u5728\uff09\u7ecf\u5386\u53d8\u7f8a\u7684\u8fc7\u7a0b\uff0c\u6211\u81ea\u5df1\u5728\u5bb6\u91cc\u8eba\u4e86\u4e09\u56db\u5929\uff0c\u524d\u4e24\u5929\u53d1\u70e7\u96be\u53d7\uff0c\u540e\u9762\u4e24\u5929\u54b3\u55fd\u96be\u53d7\uff0c\u73b0\u5728\u8fd8\u5728\u54b3\u55fd\u6d41\u9f3b\u6d95\uff0c\u6574\u4e2a\u8fc7\u7a0b\u611f\u89c9\u5230\u4e86\u5927\u81ea\u7136\u5bf9\u81ea\u5df1\u7684\u4e0d\u53cb\u597d\u3002\u4e0d\u7ba1\u548b\u6837\uff0c\u6211\u4eec\u4e3a\u6d3b\u7740\u800c\u6d3b\u7740\uff0c\u5f88\u591a\u4e8b\u60c5\u4e0d\u9700\u8981\u627e\u90a3\u4e48\u591a\u501f\u53e3\uff0c\u5c31\u50cf\u6211\u4eec\u7684\u6297\u75ab\u4e13\u5bb6\u4eec\u4f55\u5fc5\u53bb\u521b\u9020\u5404\u79cd\u540d\u8bcd\u65b9\u4fbf\u7f16\u6570\u636e\uff0c\u5766\u7136\u63a5\u53d7\uff0c\u8ba4\u771f\u5bf9\u5f85\uff0c\u597d\u597d\u4f11\u606f\u4fdd\u91cd\u8eab\u4f53\uff0c\u4ee5\u540e\u7ee7\u7eed\u5b66\u4e60\u548c\u5de5\u4f5c\u4ee5\u4fbf\u4e8e\u80fd\u6d3b\u7740\u3002
@\u533f\u540d - \u7b2c\u4e00\u5929\uff0c\u55d3\u5b50\u6709\u4e9b\u4e0d\u8212\u670d\uff0c\u5230\u4e86\u665a\u4e0a\u5f00\u59cb\u6709\u75f0\u4e86\uff1b\u7b2c\u4e8c\u5929\uff0c\u55dc\u7761\uff0c\u6d51\u8eab\u9178\u75db\uff0c\u5728\u5e8a\u4e0a\u8eba\u4e86\u4e00\u5929\uff0c\u8d8a\u7761\u5934\u8d8a\u75bc\uff0c\u611f\u89c9\u518d\u7761\u4e0b\u53bb\u6211\u53ef\u80fd\u8981\u6b7b\u5728\u5bbf\u820d\u4e86\uff0c\u60f3\u8d77\u5e08\u5144\u524d\u4e24\u5929\u8bf4\u7684\u6709\u4e2a\u540c\u5b66\u5728\u5916\u9762\u79df\u623f\u5b50\u4f4f\u4e00\u4e2a\u4eba\u5bc4\u4e86\uff0c\u6211\u73b0\u5728\u4e5f\u662f\u4e00\u4e2a\u4eba\uff0c\u60f3\u5230\u8fd9\u614c\u6781\u4e86\uff1b\u7b2c\u4e09\u5929\uff0c\u72b6\u6001\u597d\u591a\u4e86\uff0c\u8fd8\u6709\u4e9b\u54b3\u55fd\u3002 \u603b\u7ed3\uff1a\u4e00\u4e2a\u4eba\u751f\u75c5\u8fd8\u662f\u633a\u5371\u9669\u7684\uff0c\u8eab\u4f53\u518d\u96be\u53d7\uff0c\u4e5f\u4e00\u5b9a\u8981\u6309\u65f6\u5403\u996d\u559d\u6c34\u5403\u836f\uff0c\u4e0d\u7136\u53ea\u4f1a\u52a0\u91cd\u75c5\u60c5\u6076\u6027\u5faa\u73af\u3002
1\u3001NAR | GPSAdb,\u7ed9\u4f60\u7684\u6570\u636e\u5206\u6790\u52a0\u5165\u57fa\u56e0\u6270\u52a8\u4fe1\u606f
\u57fa\u56e0\u6572\u9664\u65b9\u6cd5\u901a\u5e38\u7528\u4e8e\u63a2\u7d22\u611f\u5174\u8da3\u57fa\u56e0\u7684\u529f\u80fd\uff0c\u4f46\u76ee\u524d\u8fd8\u6ca1\u6709\u7cfb\u7edf\u6536\u96c6\u6270\u52a8\u6570\u636e\u7684\u6570\u636e\u5e93\u3002\u672c\u7814\u7a76\u5f00\u53d1\u4e00\u4e2a\u5168\u9762\u7684\u4eba\u7c7b\u6270\u52a8\u6570\u636e\u5e93(GPSAdb, https://www.gpsadb.com/ )\u3002\u5f53\u524d\u7248\u672c\u7684GPSAdb\u6536\u96c6\u4e86\u4e0e1458\u4e2a\u57fa\u56e0\u76f8\u5173\u76843048\u4e2aRNA-seq\u6570\u636e\u96c6\uff0c\u8fd9\u4e9b\u57fa\u56e0\u88absiRNA\u3001shRNA\u3001CRISPR/Cas9\u6216CRISPRi\u6572\u9664/\u4e0b\u8c03\u3002\u8be5\u6570\u636e\u5e93\u63d0\u4f9b\u4e86\u5bf9\u8fd9\u4e9b\u6570\u636e\u96c6\u7684\u5168\u9762\u63a2\u7d22\uff0c\u5e76\u751f\u6210\u4e866096\u4e2a\u65b0\u7684\u6270\u52a8\u57fa\u56e0\u96c6(\u5206\u522b\u5411\u4e0a\u548c\u5411\u4e0b)\u3002GPSAdb\u6574\u5408\u4e86\u8fd9\u4e9b\u57fa\u56e0\u96c6\uff0c\u5e76\u5f00\u53d1\u4e86\u4e00\u4e2a\u5728\u7ebf\u5de5\u5177\u2014\u2014\u9057\u4f20\u5fae\u6270\u76f8\u4f3c\u6027\u5206\u6790(GPSA)\uff0c\u4ee5\u4ece\u5dee\u5f02\u57fa\u56e0\u8868\u8fbe\u6570\u636e\u4e2d\u8bc6\u522b\u6f5c\u5728\u7684\u56e0\u679c\u5fae\u6270\u3002GPSAdb\u662f\u4e00\u4e2a\u529f\u80fd\u5f3a\u5927\u7684\u5e73\u53f0\uff0c\u65e8\u5728\u5e2e\u52a9\u751f\u547d\u79d1\u5b66\u7814\u7a76\u4eba\u5458\u65b9\u4fbf\u5730\u8bbf\u95ee\u548c\u5206\u6790\u516c\u5171\u6270\u52a8\u6570\u636e\uff0c\u5e76\u6df1\u5165\u63a2\u7d22\u5dee\u5f02\u57fa\u56e0\u8868\u8fbe\u6570\u636e\u3002
2\u3001Nat Biomed Eng | \u57fa\u4e8e\u81ea\u76d1\u7763\u6df1\u5ea6\u5b66\u4e60\u7684\u5168\u5207\u7247\u75c5\u7406\u56fe\u50cf\u5feb\u901f\u53ef\u6269\u5c55\u641c\u7d22
\u6570\u5b57\u75c5\u7406\u5b66\u7684\u91c7\u7528\u4f7f\u5f97\u7ba1\u7406\u6570\u5341\u4ebf\u50cf\u7d20\u5168\u5207\u7247\u75c5\u7406\u56fe\u50cf(WSIs)\u7684\u5927\u578b\u5b58\u50a8\u5e93\u6210\u4e3a\u53ef\u80fd\u3002\u5728\u4e0d\u9700\u8981\u76d1\u7763\u8bad\u7ec3\u7684\u60c5\u51b5\u4e0b\uff0c\u5728\u5927\u578b\u5b58\u50a8\u5e93\u4e2d\u8ba1\u7b97\u8bc6\u522b\u5177\u6709\u76f8\u4f3c\u5f62\u6001\u7279\u5f81\u7684WSIs\u5177\u6709\u91cd\u8981\u7684\u5e94\u7528\u4ef7\u503c\u3002\u7136\u800c\uff0c\u641c\u7d22\u76f8\u4f3cWSIs\u7684\u7b97\u6cd5\u7684\u68c0\u7d22\u901f\u5ea6\u5f80\u5f80\u4e0e\u8d44\u6e90\u5e93\u7684\u5927\u5c0f\u6210\u6b63\u6bd4\uff0c\u8fd9\u9650\u5236\u4e86\u5b83\u4eec\u7684\u4e34\u5e8a\u548c\u7814\u7a76\u6f5c\u529b\u3002\u672c\u6587\u5c55\u793a\u4e86\u53ef\u4ee5\u5229\u7528\u81ea\u76d1\u7763\u6df1\u5ea6\u5b66\u4e60\u4ee5\u72ec\u7acb\u4e8e\u5b58\u50a8\u5e93\u5927\u5c0f\u7684\u901f\u5ea6\u641c\u7d22\u548c\u68c0\u7d22WSIs\u3002\u4f5c\u8005\u5c06\u8be5\u7b97\u6cd5\u547d\u540d\u4e3aSISH(\u7528\u4e8e\u81ea\u6211\u76d1\u7763\u7684\u7ec4\u7ec7\u5b66\u56fe\u50cf\u641c\u7d22)\uff0c\u5e76\u4f5c\u4e3a\u4e00\u4e2a\u5f00\u6e90\u5305\u63d0\u4f9b\uff0c\u5b83\u53ea\u9700\u8981\u7528\u4e8e\u8bad\u7ec3\u7684\u56fe\u50cf\u7ea7\u6ce8\u91ca\uff0c\u5c06WSIs\u7f16\u7801\u4e3a\u6709\u610f\u4e49\u7684\u79bb\u6563\u6f5c\u5728\u8868\u793a\uff0c\u5e76\u5229\u7528\u6811\u6570\u636e\u7ed3\u6784\u8fdb\u884c\u5feb\u901f\u641c\u7d22\uff0c\u7136\u540e\u4f7f\u7528\u57fa\u4e8e\u4e0d\u786e\u5b9a\u6027\u7684\u6392\u5e8f\u7b97\u6cd5\u8fdb\u884cWSI\u68c0\u7d22\u3002
3\u3001Nat Commun | \u57fa\u4e8e\u7caa\u4fbf\u5fae\u751f\u7269\u7ec4\u7684\u673a\u5668\u5b66\u4e60\u591a\u7c7b\u8bca\u65ad\u6a21\u578b
\u9999\u6e2f\u4e2d\u6587\u5927\u5b66\u9ec4\u79c0\u5a1f\u6559\u6388\u56e2\u961f\u5728Nature Communications\u4e0a\u53d1\u8868\u7684\u9898\u4e3a\u201cFaecal microbiome-based machine learning for multi-class disease diagnosis\u201d\u7684\u7814\u7a76\u6587\u7ae0\u3002\u5bf9\u4e0d\u540c\u75be\u75c5\u8868\u578b\u76842320\u540d\u9999\u6e2f\u534e\u4eba\u7684\u7caa\u4fbf\u6837\u672c\u5b8f\u57fa\u56e0\u7ec4\u6d4b\u5e8f\uff0c\u63a5\u7740\u901a\u8fc7\u673a\u5668\u5b66\u4e60\u7b97\u6cd5\u6784\u5efa\u75be\u75c5\u7684\u8bca\u65ad\u6a21\u578b\uff0c\u5e76\u901a\u8fc7\u4e00\u7cfb\u5217\u5df2\u53d1\u5e03\u7684\u516c\u5171\u5b8f\u57fa\u56e0\u7ec4\u6570\u636e\u96c6\u5bf9\u6a21\u578b\u8fdb\u884c\u9a8c\u8bc1\u3002\u6587\u7ae0\u63d0\u4f9b\u4e86\u7caa\u4fbf\u6837\u672c\u5b8f\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u6570\u636e\u53ef\u4eceENA\u4e0b\u8f7d\u3002
4\u3001clusterProfiler | \u5355\u7ec6\u80de\u7684marker genes\u505a\u529f\u80fd\u5bcc\u96c6\u5206\u6790
\u4e00\u884c\u4ee3\u7801\u89e3\u51b3\u5355\u7ec6\u80demarker gene\u7684\u5bcc\u96c6\u5206\u6790\u3002
5\u3001ChatGPT | OpenAI\u751f\u6210\u5f0f\u8bed\u8a00\u6a21\u578b
ChatGPT\u662fOpenAI\u5f00\u53d1\u7684\u5927\u578b\u9884\u8bad\u7ec3\u8bed\u8a00\u6a21\u578b\uff0c\u5b83\u901a\u8fc7\u5bf9\u8bdd\u7684\u65b9\u5f0f\u8fdb\u884c\u4ea4\u4e92\uff0cChatGPT\u53ef\u4ee5\u56de\u7b54\u540e\u7eed\u95ee\u9898\uff0c\u627f\u8ba4\u9519\u8bef\uff0c\u6311\u6218\u4e0d\u6b63\u786e\u7684\u524d\u63d0\u5e76\u62d2\u7edd\u4e0d\u9002\u5f53\u7684\u8bf7\u6c42\u3002
\u7b2c\u4e00\u6b21\u7528\u611f\u89c9\u597d\u795e\u5947\uff0c\u53ef\u60dc\u56de\u7b54\u6709\u5b57\u6570\u9650\u5236\uff0c\u63d0\u95ee\u592a\u9891\u7e41\u4f1a\u62a5\u9519\u3002\u8981\u662f\u6709\u5355\u673a\u7248\u7684\u5c31\u592a\u9999\u4e86\uff01\u6ca1\u6709\u56fd\u5916\u7684\u624b\u673a\u53f7\u6ce8\u518c\u4e0d\u4e86\uff0c\u9001\u5927\u5bb6\u4e2a\u8d26\u53f7\uff1a\u8d26\u53f7\uff1anwnz19800123208@163.com \u5bc6\u7801\uff1a6sa2a06FfW
6\u3001\u718a\u8bfb\u6587\u732e\uff5cNature Cancer\uff1a\u9ad8\u5ea6\u975e\u6574\u500d\u4f53\u7684\u975e\u5c0f\u7ec6\u80de\u80ba\u764c\uff0c\u653e\u7597\u540c\u6b65\u514d\u75ab\u6cbb\u7597\u66f4\u654f\u611f
\u672c\u6587\u718a\u5bf9\u975e\u6574\u500d\u6027\u4e0e\u8fd1\u671f\u7814\u7a76\u8fdb\u884c\u4e86\u76f8\u5173\u7684\u4ecb\u7ecd\u89e3\u8bfb\u3002
\u8fd9\u91cc\u4e5f\u63d0\u5230\u4e00\u7bc7 NG \u6587\u7ae0\uff0c\u4e5f\u6709\u76f8\u5173\u7684\u89e3\u8bfb\u3002\u6bd4\u8f83\u5947\u602a\u7684\u662f\uff0c\u7814\u7a76\u8005\u81ea\u5df1\u90fd\u53d1\u73b0\u4e86\u975e\u6574\u500d\u6027\u4e0e\u62f7\u8d1d\u6570\u8d1f\u8f7d\u6709\u6781\u9ad8\u7684\u76f8\u5173\u6027\uff0c\u90a3\u7a81\u51fa\u8fd9\u4e2a\u975e\u6574\u500d\u6307\u6807\u7684\u610f\u4e49\u6211\u4e2a\u4eba\u8fd8\u662f\u6301\u4fdd\u7559\u610f\u89c1\u3002\u2014\u2014@ShixiangWang
"},{"location":"issue-58/#_5","title":"\u5de5\u5177","text":"7\u3001CellKb Immune:\u8f7b\u677e\u62ff\u634f\u5c0f\u9f20\u514d\u75ab\u7ec6\u80de\u6ce8\u91ca
\u5bf9\u4e8e\u57fa\u7840\u7814\u7a76\u7684\u79d1\u7814\u5de5\u4f5c\u8005\u6765\u8bf4\uff0c\u5c0f\u9f20\u662f\u8fdb\u884c\u529f\u80fd\u673a\u5236\u7814\u7a76\u4e2d\u6700\u5e38\u7528\u7684\u52a8\u7269\u6a21\u578b\u3002\u56e0\u6b64\uff0c\u5728\u5355\u7ec6\u80de\u6d4b\u5e8f\u4ea7\u751f\u7684\u6570\u636e\u4e2d\uff0c\u9664\u4e86\u6700\u591a\u7684\u4eba\u6765\u6e90\u7684\u7814\u7a76\u5916\uff0c\u7d27\u63a5\u7740\u5c31\u662f\u5c0f\u9f20\u7684\u6570\u636e\u3002\u672c\u6587\u4ecb\u7ecd\u4e00\u6b3e\u4e13\u95e8\u9488\u5bf9\u5c0f\u9f20\u5355\u7ec6\u80de\u6570\u636e\u8fdb\u884c\u7ec6\u80de\u6ce8\u91ca\u7684\u7f51\u7ad9\uff1aCellKb Immune\uff0c\u4e0d\u540c\u4e8e\u5f88\u591a\u5176\u5b83R\u5305\u6216\u8005\u5de5\u5177\uff0c\u53ea\u80fd\u5bf9\u90a3\u4e9b\u4f1a\u6570\u636e\u5206\u6790\u7684\u4eba\u7fa4\uff0c\u8fd9\u4e2a\u7f51\u7ad9\u5bf9\u6240\u6709\u79d1\u7814\u4eba\u5458\u90fd\u975e\u5e38\u53cb\u597d\uff0c\u53ea\u9700\u8981\u70b9\u51fb\u5c31\u80fd\u5bf9\u6570\u636e\u7c7b\u578b\u8fdb\u884c\u6ce8\u91ca\u3002
8\u3001\u65f6\u5e8f\u57fa\u56e0\u5171\u8868\u8fbe\u7f51\u7edcTime-ordered Gene Coexpression Network (TO-GCN)
\u65f6\u5e8f\u57fa\u56e0\u5171\u8868\u8fbe\u7f51\u7edc\uff08TO-GCN\uff09\u662f\u57fa\u4e8e\u4e09\u7ef4\uff08\u57fa\u56e0\u8868\u8fbe\u3001\u6761\u4ef6\u548c\u65f6\u95f4\uff09\u6570\u636e\u6240\u6784\u5efapipeline\u3002 \u8be5pipeline\u5305\u542b\u4e09\u4e2a\u6b65\u9aa4\uff1a\uff081\uff09\u786e\u5b9acutoff\u503c\uff082\uff09\u4e3a\u4e0d\u540c\u7684\u5171\u8868\u8fbe\u7c7b\u578b\u6784\u5efa\u516b\u4e2a GCN\uff083\uff09\u4e3a\u611f\u5174\u8da3\u7684 GCN \u4e2d\u7684\u8282\u70b9\u786e\u5b9a\u65f6\u95f4\u6392\u5e8f\u7ea7\u522b\u3002
9\u3001tdiyxl
tidyxl\u5c06Excel\u6587\u4ef6\u4e2d\u7684\u975e\u8868\u683c\u5f62\u5f0f\u7684\u6570\u636e\u5bfc\u5165\u5230r\u4e2d\u3002\u5b83\u4ee5tidy\u6570\u636e\u7ed3\u6784\u5c55\u793a\u5355\u5143\u683c\u5185\u5bb9\u3001\u4f4d\u7f6e\u3001\u683c\u5f0f\u548c\u6ce8\u91ca\uff0c\u4ee5\u4fbf\u8fdb\u4e00\u6b65\u64cd\u4f5c\uff0c\u7279\u522b\u662f\u7531unpivotr\u5305\u8fdb\u884c\u64cd\u4f5c\u3002\u5b83\u652f\u6301\u57fa\u4e8exml\u7684\u6587\u4ef6\u683c\u5f0f\u2019.xlsx \u2018\u548c\u2019.xlsm\u2019, \u901a\u8fc7\u5d4c\u5165\u5f0fRapidXML c++\u5e93\u5b9e\u73b0xlsm\u3002\u5b83\u4e0d\u652f\u6301\u4e8c\u8fdb\u5236 \u2018.xlsb\u2019\u6216\u2019 .xls \u2018\u7b49\u6587\u4ef6\u683c\u5f0f\u3002
10\u3001CRISPRcleanR | \u5904\u7406 CRISPR-Cas9\u76f8\u5173\u5168\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u6570\u636e\u7684R\u5305
CRISPRcleanR\u662f\u4e00\u4e2aR\u5305\uff0c\u7528\u4e8e\u5904\u7406\u6c47\u96c6\u7684\u5168\u57fa\u56e0\u7ec4CRISPR-Cas9\u6240\u884d\u751f\u7684\u5fc5\u9700\u6027\u8c31\u3002\u8fd9\u4e9b\u5fc5\u8981\u6027\u8c31\u8bc4\u4f30\u56e0sgRNA\u6572\u9664\u9776\u5411\u7834\u574f\u57fa\u56e0\u800c\u5bfc\u81f4\u7684\u7ec6\u80de\u9002\u5e94\u6027\u635f\u5931\u6216\u589e\u76ca\u7684\u7a0b\u5ea6\u3002
11\u3001BEST\uff1a\u4e00\u7ad9\u5f0fBiomarker\u591a\u961f\u5217\u591a\u5c42\u9762\u5206\u6790\u5229\u5668
"},{"location":"issue-58/#_6","title":"\u8d44\u6e90","text":"12\u3001\u751f\u4fe1\u7b97\u6cd5\u8bfe\u7a0b DS202
\u672c\u8bfe\u7a0b\u7684\u76ee\u6807\u662f\u63d0\u4f9b\u751f\u7269\u6570\u636e\u5206\u6790\u7684\u7b97\u6cd5\u548c\u6570\u636e\u7ed3\u6784\u7684\u5e7f\u6cdb\u6982\u8ff0\u3002\u5c06\u91cd\u70b9\u7814\u7a76\u57fa\u56e0\u7ec4\u5b66\u548c\u76f8\u5173\u95ee\u9898\uff0c\u5982\u751f\u7269\u5e8f\u5217\u7684\u9ad8\u901a\u91cf\u6a21\u5f0f\u5339\u914d\u3001\u6570\u636e\u538b\u7f29\u7b97\u6cd5\u3001\u57fa\u56e0\u6316\u6398\u3001\u57fa\u56e0\u7ec4\u7ec4\u88c5\u548c\u7cfb\u7edf\u53d1\u80b2\u3002\u540c\u65f6\u63d0\u4f9b\u5b9e\u8df5\u7f16\u7a0b\u4f5c\u4e1a\u5c55\u793a\u5b9e\u9645\u6d4b\u5e8f\u6570\u636e\u7684\u590d\u6742\u6027\u3002\u8fd9\u91cc\u5217\u51fa\u4e86\u6682\u5b9a\u7684\u4e3b\u9898\u548c\u5148\u51b3\u6761\u4ef6\u3002\u5728\u672c\u8bfe\u7a0b\u4e2d\u5b66\u4e60\u7684\u8bb8\u591a\u7b97\u6cd5\u6280\u672f\u4e5f\u9002\u7528\u4e8e\u751f\u7269\u5b66\u4ee5\u5916\u7684\u9886\u57df\uff0c\u5982\u6587\u672c\u6316\u6398\uff0c\u81ea\u7136\u8bed\u8a00\u5904\u7406\u3002
13\u3001Jupyter Notebook \u4f7f\u7528\u901f\u67e5\u8868
\u672c\u63a8\u6587\u6574\u7406\u4e86Jupyter Notebook\u64cd\u4f5c\u754c\u9762\u8be6\u7ec6\u529f\u80fd\u4ecb\u7ecd\u53ca\u76f8\u5173\u5feb\u6377\u952e\u3002
2022\u5e741\u6708\uff1a\u7b2c18\u671f\uff1a\u8fc7\u53bb50\u5e74\u6700\u91cd\u8981\u7684\u7edf\u8ba1\u5b66\u601d\u60f3\u662f\u4ec0\u4e48\uff1f
"},{"location":"issue-58/#github-id","title":"\u8d21\u732e\u8005\uff08GitHub ID\uff09","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-59/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 59 \u671f\uff09\uff1aAlphaCode \u7f16\u7a0b\u5927\u8d5b\u5377\u8db4\u4e00\u534a\u7a0b\u5e8f\u5458","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-59/#_1","title":"\u5377\u9996\u8bed","text":"2022 \u5e74\u968f\u7740\u53c8\u4e00\u5e74\u7684\u75ab\u60c5\u8d70\u8fc7\u53bb\u4e86\uff0c\u6211\u4eec\u4e00\u8d77\u8fce\u6765\u4e86 2023 \u5e74\u7684\u7b2c\u4e00\u5929\u3002\u4ece\u53bb\u5e74\u672b\u5f00\u59cb\uff0c\u6211\u4eec\u56fd\u5bb6\u7ecf\u5386\u65b0\u7684\u53d8\u5316\uff0c\u6211\u4eec\u7684\u751f\u6d3b\u4e5f\u5728\u7ecf\u5386\u65b0\u7684\u8f6c\u673a\u3002\u5728\u8fd9\u4e2a\u9635\u75db\u65f6\u523b\uff0c\u6211\u4eec\u8f9e\u65e7\u8fce\u65b0\u3001\u590d\u76d8\u8fc7\u53bb\u3001\u671f\u5f85\u5c06\u6765\u3002\u6211\u60f3\u8bf4\uff0c\u597d\u7684\u672a\u6765\uff0c\u5c31\u662f\u575a\u6301\u7684\u73b0\u5728\u3002\u5728\u8fc7\u53bb\u7684\u4e00\u5e74\u91cc\uff0c\u6211\u4eec\u6210\u7acb\u4e13\u95e8\u7684\u5468\u520a\u8fd0\u7ef4\u56e2\u961f\uff0c\u575a\u6301\u8d21\u732e\u7740\u5f52\u7eb3\u548c\u5206\u4eab\uff0c\u5411\u5927\u5bb6\u4f20\u9012\u77e5\u8bc6\u548c\u66f4\u591a\u7684\u53ef\u80fd\u6027\u3002\u611f\u8c22\u5404\u4f4d\u8bfb\u8005\u7684\u5173\u6ce8\uff0c\u4e5f\u8877\u5fc3\u611f\u8c22\u4e00\u4e9b\u8bfb\u8005\u7684\u559c\u6b22\uff0c\u5e0c\u671b\u8fd9\u91cc\u7684\u4e00\u70b9\u5fae\u5149\uff0c\u80fd\u5728\u67d0\u4e2a\u65f6\u95f4\u7167\u4eae\u4f60\u672a\u66fe\u53ef\u53ca\u7684\u89d2\u843d\uff0c\u90a3\u5c31\u662f\u8fd9\u91cc\u575a\u5b88\u7684\u610f\u4e49\u3002
\u5411\u6240\u6709\u5949\u732e\u5728\u4e00\u7ebf\u9632\u75ab\u5de5\u4f5c\u7684\u4eba\u5458\u81f4\u656c\uff01\ud83e\udee1
\u5411\u6240\u6709\u8fc7\u53bb\u4e00\u5e74\u5728\u52aa\u529b\u6d3b\u7740\u7684\u5bb6\u5ead\u81f4\u656c\uff01\ud83e\udee1
\u5411\u5728\u4eba\u751f\u4e2d\u5bfb\u5bfb\u89c5\u89c5\u7684\u4f60\u81f4\u656c\uff01\ud83e\udee1
\u2014\u2014 \u738b\u8bd7\u7fd4
"},{"location":"issue-59/#_2","title":"\u5c01\u9762\u56fe","text":"\u9996\u4e2a\u201c\u866b\u6d1e\u201d\u767b\u4e0a Nature \u5c01\u9762\uff08\u56fe\u6765\u6e90\uff09\u3002
"},{"location":"issue-59/#alphacode","title":"\u672c\u5468\u8bdd\u9898\uff1aAlphaCode \u7f16\u7a0b\u5927\u8d5b\u5377\u8db4\u4e00\u534a\u7a0b\u5e8f\u5458","text":"\u7a0b\u5e8f\u5458\u4e2d\u975e\u5e38\u6d41\u884c\u8fd9\u6837\u4e00\u79cd\u6d4b\u8bd5\u2014\u2014\u7f16\u7a0b\u7ade\u8d5b\u3002\u5728\u7ade\u8d5b\u4e2d\uff0c\u4e3b\u8981\u8003\u5bdf\u7684\u5c31\u662f\u7a0b\u5e8f\u5458\u901a\u8fc7\u7ecf\u9a8c\u8fdb\u884c\u6279\u5224\u6027\u601d\u7ef4\uff0c\u4e3a\u4e0d\u53ef\u9884\u89c1\u7684\u95ee\u9898\u521b\u5efa\u89e3\u51b3\u65b9\u6848\u7684\u80fd\u529b\u3002\u8fd9\u4f53\u73b0\u4e86\u4eba\u7c7b\u667a\u80fd\u7684\u5173\u952e\uff0c\u800c\u673a\u5668\u5b66\u4e60\u6a21\u578b\uff0c\u5f80\u5f80\u5f88\u96be\u6a21\u4eff\u8fd9\u79cd\u4eba\u7c7b\u667a\u80fd\u3002\u4f46DeepMind\u7684\u79d1\u5b66\u5bb6\u4eec\uff0c\u6253\u7834\u4e86\u8fd9\u4e00\u89c4\u5f8b\u3002
YujiA Li\u7b49\u4eba\uff0c\u4f7f\u7528\u81ea\u76d1\u7763\u5b66\u4e60\u548c\u7f16\u7801\u5668-\u89e3\u7801\u5668\u8f6c\u6362\u5668\u67b6\u6784\uff0c\u5f00\u53d1\u51fa\u4e86AlphaCode\u3002\u5b83\u5c31\u5728\u8457\u540d\u7684Codeforces\u4e0a\uff0c\u6084\u6084\u5730\u53c2\u52a0\u4e8610\u573a\u7f16\u7a0b\u6bd4\u8d5b\uff0c\u5e76\u4e00\u4e3e\u51fb\u8d25\u4e86\u534a\u6570\u7684\u4eba\u7c7b\u7801\u519c\u3002
@ShixiangWang - AI \u6b63\u5728\u4e3a\u751f\u6d3b\u548c\u79d1\u6280\u5de5\u4f5c\u521b\u9020\u66f4\u591a\u7684\u53ef\u80fd\u6027\u3002\u4f5c\u4e3a\u7814\u7a76\u8005\uff0c\u6211\u4eec\u9700\u8981\u5c3d\u529b\u53bb\u5229\u7528\u6280\u672f\u6b66\u88c5\u81ea\u5df1\uff0c\u63d0\u9ad8\u6548\u7387\uff1b\u540c\u65f6\u4e5f\u8981\u5173\u6ce8\u6280\u672f\u7ed9\u6211\u4eec\u5e26\u6765\u7684\u590d\u6742\u6027\u3001\u8bf1\u5bfc\u6027\uff0c\u907f\u514d\u504f\u79bb\u6211\u4eec\u5b9e\u9645\u6240\u8ffd\u5bfb\u7684\u76ee\u6807\u3002
1\u3001Science | \u62df\u5357\u82a5\u7740\u4e1d\u7c92\u7684\u9057\u4f20\u548c\u8868\u89c2\u9057\u4f20\u56fe\u666f
T2T\u6d4b\u5e8f\u5728\u52a8\u7269\u9886\u57df\u6bd4\u690d\u7269\u9886\u57df\u5e94\u7528\u66f4\u5e7f\u6cdb\u3002\u672c\u6587\u6210\u529f\u7ec4\u88c5\u4e86\u62df\u5357\u82a55\u6761\u67d3\u8272\u4f53\u7740\u4e1d\u7c92\u7684\u9996\u4e2a\u5168\u5e8f\u5217\u57fa\u56e0\u7ec4Col-CEN\uff0c\u63ed\u793a\u4e86\u62df\u5357\u82a5\u7740\u4e1d\u7c92\u7684\u9057\u4f20\u548c\u8868\u89c2\u9057\u4f20\u56fe\u666f\u3002
2\u3001Nature Communication | \u57fa\u4e8e\u5168\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u6570\u636e\u5b9a\u5236\u764c\u75c7\u7597\u6cd5\uff0c\u57fa\u56e0\u7ec4\u7279\u5f81\u6a21\u578biGenSig\u52a9\u529b\u7cbe\u51c6\u533b\u7597\u4e34\u5e8a\u51b3\u7b56\u652f\u6301
\u7f8e\u56fdUPMC\u5e0c\u5c14\u66fc\u764c\u75c7\u4e2d\u5fc3\u7684\u7814\u7a76\u56e2\u961f\u5f00\u53d1\u4e86\u4e00\u7ec4\u7528\u4e8e\u9884\u6d4b\u764c\u75c7\u836f\u7269\u53cd\u5e94\u7684\u57fa\u56e0\u7ec4\u7279\u5f81\u6a21\u578biGenSig\uff0c\u5e76\u4f7f\u7528\u72ec\u7acb\u7684\u7ec6\u80de\u7cfb\u548c\u4e34\u5e8a\u6570\u636e\u96c6\u5bf9\u8be5\u6a21\u578b\u8fdb\u884c\u4e86\u9a8c\u8bc1\u3002\u8be5\u56e2\u961f\u5f15\u5165\u4e86\u4e00\u79cd\u767d\u76d2\u65b9\u6cd5\uff0c\u79f0\u4e3a\u6574\u5408\u57fa\u56e0\u7ec4\u7279\u5f81\u5206\u6790\uff08iGenSig\uff09\uff08\u56fe1\uff09\uff0c\u5229\u7528\u9ad8\u7ef4\u5197\u4f59\u57fa\u56e0\u7ec4\u7279\u5f81\u4f5c\u4e3a\u6574\u5408\u57fa\u56e0\u7ec4\u7279\u5f81\uff0c\u4ee5\u589e\u5f3a\u57fa\u4e8e\u591a\u7ec4\u5b66\u7684\u7cbe\u51c6\u80bf\u7624\u5b66\u5efa\u6a21\u7684\u53ef\u8f6c\u79fb\u6027\u3002iGenSig\u65b9\u6cd5\u65e8\u5728\u89e3\u51b3\u57fa\u4e8e\u5927\u6570\u636e\u5efa\u6a21\u7684\u900f\u660e\u6027\u3001\u8de8\u6570\u636e\u96c6\u9002\u7528\u6027\u548c\u53ef\u89e3\u91ca\u6027\u95ee\u9898\u3002\u5728\u4e34\u5e8a\u8bd5\u9a8c\u6570\u636e\u96c6\u7684\u4ea4\u53c9\u9002\u7528\u6027\u65b9\u9762\uff0ciGenSig\u6a21\u578b\u8868\u73b0\u51fa\u4e86\u66f4\u597d\u7684\u6027\u80fd\uff0c\u80fd\u591f\u5bb9\u5fcd\u57fa\u56e0\u7ec4\u6570\u636e\u4e2d\u7684\u5b9e\u9a8c\u53d8\u5f02\u548c\u504f\u5dee\u3002iGenSig\u6a21\u578b\u53ef\u4ee5\u5728\u6bcf\u4e00\u4e2a\u8be6\u7ec6\u7684\u6b65\u9aa4\u4e2d\u8fdb\u884c\u7ba1\u7406\uff0c\u5229\u7528\u7814\u7a76\u56e2\u961f\u5f00\u53d1\u7684\u5bcc\u96c6\u5206\u6790\u65b9\u6cd5\uff0c\u53ef\u4ee5\u5f88\u5bb9\u6613\u5730\u4ece\u751f\u7269\u5b66\u89d2\u5ea6\u89e3\u91ca\u57fa\u56e0\u7ec4\u7279\u5f81\u7684\u6f5c\u5728\u901a\u8def\u3002\u7814\u7a76\u56e2\u961f\u671f\u671b\uff0c\u4f5c\u4e3a\u57fa\u4e8e\u5927\u6570\u636e\u7684\u5efa\u6a21\u65b9\u6cd5\uff0ciGenSig\u5c06\u5728\u836f\u7269\u57fa\u56e0\u7ec4\u5b66\u548c\u4e34\u5e8a\u8bd5\u9a8c\u6570\u636e\u96c6\u7684\u6cbb\u7597\u53cd\u5e94\u5efa\u6a21\u4e2d\u6709\u5e7f\u6cdb\u5e94\u7528\u3002
3\u3001iMeta | iMetaLab Suite-\u5b8f\u86cb\u767d\u7ec4\u5b66\u5206\u7bb1\u4e00\u7ad9\u5f0f\u5de5\u5177\u7bb1
\u5b8f\u86cb\u767d\u7ec4\u5b66\u7814\u7a76\u6240\u9700\u7684\u751f\u7269\u4fe1\u606f\u5b66\u5de5\u4f5c\u6d41\u7a0b\u5305\u542b\u4e86\u86cb\u767d\u8d28\u9274\u5b9a\uff08\u641c\u5e93\uff09\u3001\u5b9a\u91cf\u81f3\u4e0b\u6e38\u529f\u80fd\u548c\u5206\u7c7b\u5206\u6790\uff0c\u4e00\u5b9a\u7a0b\u5ea6\u4e0a\u9650\u5236\u4e86\u5176\u4ed6\u9886\u57df\u5fae\u751f\u7269\u7814\u7a76\u4eba\u5458\u5bf9\u5b8f\u86cb\u767d\u7ec4\u5b66\u7684\u4f7f\u7528\u548c\u63a2\u7d22\uff0c\u4e3a\u6b64\uff0c\u672c\u5de5\u4f5c\u5f00\u53d1\u4e86\u6db5\u76d6\u5b8f\u86cb\u767d\u7ec4\u4e2d\u6700\u5e38\u7528\u7684\u529f\u80fd\u3001\u5206\u7c7b\u548c\u7edf\u8ba1\u5206\u6790\u7684\u6d41\u7a0b\u5316\u5de5\u5177\u7bb1\u3002
4\u3001Nature Communication | \u5982\u4f55\u6d4b\u91cf\u590d\u6742\u7f51\u7edc\u7684\u7ef4\u5ea6\uff1f
\u672c\u7814\u7a76\u63d0\u51fa\u901a\u8fc7\u6269\u6563\u52a8\u529b\u5b66\u8fc7\u7a0b\u6765\u63a2\u6d4b\u7a7a\u95f4\u51e0\u4f55\u5e76\u5b9a\u4e49\u7ef4\u5ea6\u7684\u65b0\u65b9\u6cd5\uff0c\u7a7a\u95f4\u4e2d\u7684\u6bcf\u4e2a\u70b9\u90fd\u53ef\u4ee5\u88ab\u5206\u914d\u4e00\u4e2a\u76f8\u5bf9\u4e8e\u6269\u6563\u6e90\u7684\u76f8\u5bf9\u7ef4\u5ea6\uff08relative dimension\uff09\u3002\u8fd9\u4e00\u6982\u5ff5\u4e3a\u7f51\u7edc\u7684\u5c40\u90e8\u548c\u5168\u5c40\u7ef4\u5ea6\u63d0\u4f9b\u4e86\u4f9d\u8d56\u4e8e\u5c3a\u5ea6\u7684\u5b9a\u4e49\uff0c\u80fd\u53cd\u6620\u7f51\u7edc\u7684\u62d3\u6251\u5c5e\u6027\u3002\u4e3a\u4e86\u5c55\u793a\u76f8\u5bf9\u7ef4\u5ea6\u6982\u5ff5\u53ef\u4ee5\u5728\u73b0\u5b9e\u590d\u6742\u7cfb\u7edf\u5e94\u7528\uff0c\u4f5c\u8005\u8fd8\u5c55\u793a\u4e86\u7ef4\u5ea6\u6d4b\u91cf\u5728\u7f51\u7edc\u4f20\u64ad\u52a8\u6001\u8fc7\u7a0b\u7684\u5e94\u7528\u3002
5\u3001\u7eb3\u7c73\u5b54\u6d4b\u5e8f\u6280\u672f\u524d\u6cbf
\u57282022\u5e74\u4f26\u6566\u4f1a\u8bae\u4e0a\uff0cNanopore technologies\u5ba3\u5e03Guppy\u5df2\u66f4\u65b0\u5230v6.1.1\u3002Remora\u662f\u4e00\u6b3e\u4f4d\u4e8eMinion\u7684\u65b0\u8f6f\u4ef6\uff0c\u6b63\u5f0f\u63a8\u8350\u7528\u4e8e\u68c0\u6d4bDNA\u4fee\u9970\u3002
6\u3001\u504f\u5dee-\u65b9\u5dee\u6743\u8861\u7684\u76f4\u89c2\u89e3\u91ca\u662f\u4ec0\u4e48?
bias-variance tradeoff \u662f\u673a\u5668\u5b66\u4e60\u7684\u6838\u5fc3\u6982\u5ff5\uff0c\u672c\u5e16\u5b50\u5c55\u793a\u4e86\u5927\u5bb6\u5bf9\u4e8e\u8fd9\u4e00\u6982\u5ff5\u7684\u7406\u89e3\u548c\u8ba8\u8bba\u3002
7\u3001R\u8bed\u8a00\u6784\u5efa\u57fa\u56e0\u4e4b\u95f4\u76f8\u5173\u6027\u3001cox\u98ce\u9669\u548c\u5f52\u7c7b\u5c5e\u6027\u56fe
\u672c\u6587\u4ee5TCGA-THCA\u6570\u636e\u4e3a\u4f8b\uff0c\u4ecb\u7ecd\u4e86\u5982\u4f55\u5c06\u57fa\u56e0\u76f8\u5173\u6027\u3001cox\u98ce\u9669\u548c\u5f52\u7c7b\u5c5e\u6027\u5728\u540c\u4e00\u5f20\u56fe\u4e2d\u8fdb\u884c\u5c55\u793a\u3002
8\u3001ComplexHeatmap \u70ed\u56fe\u6587\u672c\u6846\u6ce8\u91ca
\u8be5\u6587\u4ecb\u7ecd\u4e86\u5982\u4f55\u7ed8\u5236textbox(\u6587\u672c\u6846)\u5e76\u4e14\u5982\u4f55\u5c06\u5176\u4f5c\u4e3a\u70ed\u56fe\u7684annotation\u3002
"},{"location":"issue-59/#_5","title":"\u5de5\u5177","text":"9\u3001Bpipe \uff5c \u4e00\u4e2a\u8fd0\u884c\u548c\u7ba1\u7406\u751f\u7269\u4fe1\u606f\u5b66\u7ba1\u9053\u7684\u5de5\u5177
hello = {\n exec \"echo Hello\"\n}\nworld = {\n exec \"echo World\"\n}\n\nBpipe.run { hello + world }\n\u8bb8\u591a\u4ece\u4e8b\u6570\u636e\u79d1\u5b66\u5de5\u4f5c\u7684\u4eba\u6700\u7ec8\u4ee5shell\u811a\u672c\u7684\u5f62\u5f0f\u8fd0\u884c\u4f5c\u4e1a\u3002\u867d\u7136\u8fd9\u4f7f\u5f97\u8fd0\u884c\u5b83\u4eec\u5f88\u5bb9\u6613\uff0c\u4f46\u4e5f\u6709\u5f88\u591a\u9650\u5236\u3002\u4f8b\u5982\uff0c\u5f53\u811a\u672c\u4e2d\u9014\u5931\u8d25\u65f6\uff0c\u901a\u5e38\u5f88\u96be\u5224\u65ad\u5931\u8d25\u7684\u4f4d\u7f6e\u6216\u539f\u56e0\uff0c\u4ece\u5931\u8d25\u70b9\u91cd\u65b0\u542f\u52a8\u4f5c\u4e1a\u5c31\u66f4\u96be\u4e86\u3002\u6ca1\u6709\u6267\u884c\u547d\u4ee4\u6216\u63a7\u5236\u53f0\u8f93\u51fa\u7684\u81ea\u52a8\u65e5\u5fd7\uff0c\u4ee5\u786e\u4fdd\u4ee5\u540e\u53ef\u4ee5\u770b\u5230\u53d1\u751f\u4e86\u4ec0\u4e48\u3002\u6709\u65f6\u4f5c\u4e1a\u4f1a\u5728\u4e2d\u9014\u5931\u8d25\uff0c\u7559\u4e0b\u521b\u5efa\u4e00\u534a\u7684\u6587\u4ef6\uff0c\u53ef\u80fd\u4f1a\u4e0e\u597d\u6587\u4ef6\u6df7\u6dc6\u3002\u4fee\u6539\u7ba1\u9053\u4e5f\u5f88\u8017\u65f6\uff0c\u800c\u4e14\u5bb9\u6613\u51fa\u9519\u2014\u2014\u6dfb\u52a0\u6216\u5220\u9664\u4e00\u4e2a\u6b65\u9aa4\u9700\u8981\u5728\u591a\u4e2a\u5730\u65b9\u8fdb\u884c\u4fee\u6539\uff0c\u5728\u4e00\u4e2a\u5730\u65b9\u66f4\u6539\u6587\u4ef6\u540d\u5f88\u5bb9\u6613\u5bfc\u81f4\u540e\u9762\u7684\u547d\u4ee4\u5931\u8d25\uff0c\u751a\u81f3\u66f4\u7cdf\uff0c\u5728\u4e0d\u6b63\u786e\u7684\u6570\u636e\u4e0a\u8fd0\u884c\u3002Bpipe\u8bd5\u56fe\u89e3\u51b3\u6240\u6709\u8fd9\u4e9b\u95ee\u9898\uff08\u751a\u81f3\u66f4\u591a!\uff09\uff0c\u540c\u65f6\u5c3d\u53ef\u80fd\u5c11\u5730\u504f\u79bbshell\u811a\u672c\u7684\u7b80\u5355\u6027\u3002\u4e8b\u5b9e\u4e0a\uff0c\u4f60\u7684Bpipe\u811a\u672c\u901a\u5e38\u770b\u8d77\u6765\u4e0e\u60a8\u5f00\u59cb\u65f6\u4f7f\u7528\u7684\u539f\u59cbshell\u811a\u672c\u975e\u5e38\u76f8\u4f3c\u3002
10\u3001rGREAT | \u57fa\u56e0\u533a\u57df\u529f\u80fd\u5bcc\u96c6\u5206\u6790\u7684R\u5305
GREAT\u5305\u662f\u4e00\u4e2a\u76f4\u63a5\u5bf9\u57fa\u56e0\u533a\u57df\u8fdb\u884c\u529f\u80fd\u5bcc\u96c6\u5206\u6790\u7684R\u5305\uff0c\u5206\u4e3a\u672c\u5730\u5206\u6790\u548c\u5728\u7ebf\u5206\u6790\u3002
11\u3001breakDown | \u53d8\u91cf\u5bf9\u6700\u7ec8\u9884\u6d4b\u6a21\u578b\u7684\u8d21\u732e
\u6838\u5fc3\u529f\u80fd\uff1abroken()\u51fd\u6570\uff0c\u8f93\u5165\u4e00\u7ec4\u89c2\u6d4b\u6307\u6807\u548c\u4e00\u4e2a\u7ebf\u6027\u6a21\u578b\u6216\u903b\u8f91\u56de\u5f52\u6a21\u578b\uff0c\u8f93\u51fa\u8fd9\u4e9b\u6307\u6807\u5bf9\u6a21\u578b\u9884\u6d4b\u7ed3\u679c\u7684\u8d21\u732e\u3002
12\u3001stLearn | \u7a7a\u95f4\u8f6c\u5f55\u7ec4\u6570\u636e\u5206\u6790\u5de5\u5177\u5305
stLearn\u652f\u6301\u7a7a\u95f4\u8f6c\u5f55\u7ec4\u6570\u636e\u7684\u7ec6\u80de\u805a\u7c7b\u3001\u7ec6\u80de\u8f68\u8ff9\u5206\u6790\u3001\u7ec6\u80de-\u7ec6\u80de\u76f8\u4e92\u4f5c\u7528\u4ee5\u53ca\u53ef\u89c6\u5316\u7b49\u529f\u80fd\u3002
13\u3001bigstatsr \uff5c \u7528\u4e8e\u5b58\u50a8\u5728\u78c1\u76d8\u4e0a\u7684\u5927\u77e9\u9635\u7684\u7edf\u8ba1\u5de5\u5177R\u5305
\u5f88\u591a\u60c5\u51b5\u4e0b\u57fa\u56e0\u7ec4\u5b66\u6570\u636e\u7531\u4e8e\u6240\u9700\u5185\u5b58\u592a\u5927\u800c\u65e0\u6cd5\u8f7d\u5165 R \u8fdb\u884c\u5904\u7406\u3002\u672c\u5305\u63d0\u4f9b\u5bf9\u7f16\u7801\u4e3a\u77e9\u9635\u7684\u5927\u89c4\u6a21\u6570\u636e\u8fdb\u884c\u5feb\u901f\u7edf\u8ba1\u5206\u6790\u7684\u529f\u80fd\u3002\u7531\u4e8e\u5185\u5b58\u6620\u5c04\u5230\u78c1\u76d8\u4e0a\u7684\u4e8c\u8fdb\u5236\u6587\u4ef6\uff0c\u8fd9\u4e2a\u5305\u53ef\u4ee5\u5904\u7406\u592a\u5927\u800c\u65e0\u6cd5\u88c5\u5165\u5185\u5b58\u7684\u77e9\u9635\u3002
14\u3001Plotsr \uff5c \u7ed3\u6784\u53d8\u5f02\u53ef\u89c6\u5316\u5de5\u5177
\u4e00\u4e2a\u6709\u6548\u7684\u53ef\u89c6\u5316\u57fa\u56e0\u7ec4\u4e4b\u95f4\u7ed3\u6784\u53d8\u5f02\u548c\u91cd\u6392\u7684\u6709\u6548\u5de5\u5177\uff0c\u5e76\u53ef\u4ee5\u7528\u4e8e\u5728\u67d3\u8272\u4f53\u6c34\u5e73\u4e0a\u6bd4\u8f83\u57fa\u56e0\u7ec4\u6216\u653e\u5927\u4efb\u4f55\u9009\u5b9a\u533a\u57df\u3002
15\u3001\u5496\u5561\u5427\u5bfc\u822a | \u79d1\u6280\u8d44\u6e90\u5bfc\u822a\u7f51\u7ad9
16\u3001\u89c6\u9891 \uff5c David Liu \u6559\u6388\u4ecb\u7ecd\u65e0\u9700\u6253\u65ad DNA \u53cc\u94fe\u7684\u57fa\u56e0\u7f16\u8f91
David Liu \uff08\u7f8e\u7c4d\u534e\u88d4\uff0c\u4e2d\u6587\u540d\uff1a\u5218\u5982\u8c26\uff09\u662f\u54c8\u4f5b\u5927\u5b66\u7684\u6559\u6388\uff0c\u4e13\u653b\u65b9\u5411\u662f\u57fa\u56e0\u7f16\u8f91\u3002
David Liu \u5728\u8fd9\u4e2a\u89c6\u9891\u4e2d\u4ecb\u7ecd\u4e86\u65b0\u7684\u78b1\u57fa\u7f16\u8f91\u65b9\u6cd5\u3001\u548c prime \u7f16\u8f91\u65b9\u6cd5\u3002
\u8fd9\u4e24\u79cd\u57fa\u56e0\u7f16\u8f91\u7684\u65b9\u6cd5\uff0c\u90fd\u907f\u514d\u4e86\u7528 CRISPR \u65b9\u6cd5\u4f1a\u5bfc\u81f4\u7684 DNA \u53cc\u94fe\u65ad\u88c2\u3002
"},{"location":"issue-59/#_7","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-6/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 6 \u671f\uff09\uff1a\u4f60\u4f1a\u4e70\u201c\u70b8\u573a\u201dMacbook Pro\u641e\u751f\u4fe1\u5417\uff1f","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
GitHub \u7c89\u4eec\u53ef\u4ee5\u901a\u8fc7 Watch \u4ed3\u5e93\u7684 Release\uff08\u63d0\u524d\uff09\u5173\u6ce8\u53d1\u5e03\u5185\u5bb9\u3002
\u8ba8\u8bba\u533a\u7684\u5e16\u5b50\u300a\u8c01\u5728\u62db\u4eba\uff1f\u300b\uff0c\u63d0\u4f9b\u751f\u4fe1\u6df1\u9020\u548c\u5c31\u4e1a\u4fe1\u606f\uff0c\u6b22\u8fce\u8bbf\u95ee\u6216\u53d1\u5e03\u5b66\u4f4d\u653b\u8bfb/\u5de5\u4f5c/\u5b9e\u4e60\u7b49\u5c97\u4f4d\u3002
\u300c\u672c\u671f\u4e13\u7528\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-6/#_1","title":"\u5c01\u9762\u56fe","text":"\u770b\u4e0a\u53bb\u662f\u4e0d\u540c\u89d2\u5ea6\u62cd\u6444\u7684\u540c\u4e00\u6761\u8857\u9053\uff0c\u4f46\u662f\u5b9e\u9645\u4e0a\uff0c\u5b83\u4eec\u662f\u540c\u4e00\u5f20\u56fe\u7247\u5e76\u6392\u653e\u5728\u4e00\u8d77\u3002(via)
\u53ef\u89c6\u5316\u662f\u5de5\u5177\uff0c\u4e0d\u662f\u7ed3\u679c\u3002\u5229\u7528\u5b83\uff0c\u4f46\u522b\u88ab\u5b83\u63a7\u5236\u3002
"},{"location":"issue-6/#macbook-pro","title":"\u672c\u5468\u8bdd\u9898\uff1a\u4f60\u4f1a\u4e70\u201c\u70b8\u573a\u201dMacbook Pro\u641e\u751f\u4fe1\u5417\uff1f","text":"\u4eca\u540e\u4eba\u4eec\u8981\u5410\u69fd\u7684\u5c31\u662f\u7adf\u7136\u8fde\u82f9\u679c\u7535\u8111\u90fd\u8981\u6709\u5218\u6d77\u4e86\u3002 \u65b0\u6b3eMacBook Pro\u4e3a\u4e86\u8ba9\u5c4f\u5e55\u9762\u79ef\u66f4\u5927\uff0c\u4e3a\u7535\u8111\u5c4f\u5e55\u52a0\u4e0a\u4e86\u4e00\u4e2a\u5218\u6d77\u8bbe\u8ba1\u3002
\u4f60\u89c9\u5f97\u5b83\u6f02\u4eae\u5417\uff1f\u4e2a\u4eba\u89c9\u5f97\u4e11\u88c2\u2026
\u4e0d\u8fc7\u5218\u6d77\u662f\u6b21\u8981\u7684\uff0c\u8fd1\u671f\u53d1\u5e03\u4f1a\u7684\u6700\u5927\u4eae\u70b9\uff0c\u5f53\u5c5e\u82f9\u679c\u65b0\u53d1\u5e03\u7684\u4e24\u6b3e\u82af\u7247\u2014\u2014M1 Pro\u548cM1 Max\u3002
M1 Pro \u914d\u5907\u4e86\u591a\u8fbe 10 \u4e2a CPU \u6838\u5fc3\uff0c\u5176\u4e2d\u5305\u62ec 8 \u4e2a\u9ad8\u6027\u80fd\u6838\u5fc3\u548c\u4e24\u4e2a\u8282\u80fd\u6838\u5fc3\uff0c\u6bd4M1\u63d0\u901f70%\u3002\u5728\u56fe\u5f62\u65b9\u9762\uff0cM1 Pro \u62e5\u6709 16 \u6838 GPU\uff0c\u5176\u6027\u80fd\u662fM1 \u7684\u4e24\u500d\u3002\u65b0\u82af\u7247\u8fd8\u652f\u6301\u66f4\u591a\u5185\u5b58\uff0c\u914d\u7f6e\u9009\u9879\u6700\u9ad8\u53ef\u8fbe 32GB\uff0c\u62e5\u6709\u9ad8\u8fbe200GB/s\u7684\u5185\u5b58\u5e26\u5bbd\u3002M1 Pro\u4f7f\u7528\u4e86337\u4ebf\u4e2a\u6676\u4f53\u7ba1\uff0c\u5927\u7ea6\u662f M1 \u6676\u4f53\u7ba1\u6570\u91cf\u7684\u4e24\u500d\u3002\u652f\u6301\u5916\u63a5\u4e24\u53f0\u663e\u793a\u5668\uff0c\u53ef\u4ee5\u540c\u65f6\u64ad\u653e\u591a\u8fbe20\u67614K ProRes\u89c6\u9891\u3002
M1 Max\u662f\u662fM1 Pro\u7684\u8fdb\u9636\u7248\uff0c\u867d\u7136\u8ddfPro\u4e00\u6837\u6837\u62e5\u670910\u4e2aCPU\uff0c\u4f46M1 Max\u5c06\u7edf\u4e00\u5185\u5b58\u8fdb\u4e00\u6b65\u62d3\u5c55\u523064GB\uff0c\u5185\u5b58\u5e26\u5bbd\u81f3 400GB/s\uff0c\u6bd4M1\u63d0\u901f6\u500d\u3002\u540c\u65f6\u5728GPU\u65b9\u9762\uff0cMax\u5728Pro\u7684\u57fa\u7840\u4e0a\u518d\u5ea6\u7ffb\u4e86\u4e00\u500d\uff0c32\u6838GPU\u8ba9\u5176\u901f\u5ea6\u8fbe\u5230M1 \u7684\u56db\u500d\u4e4b\u591a\u3002\uff08\u6765\u6e90\uff1a\u516c\u4f17\u53f7\u300c\u7845\u661f\u4eba\u300d\uff09
So\uff0c\u4f60\u4f1a\u4e70\u201c\u70b8\u573a\u201dMacbook Pro\u641e\u751f\u4fe1\u5417\uff1f
"},{"location":"issue-6/#_2","title":"\u751f\u4fe1\u79d1\u6280\u52a8\u6001","text":"1\u3001\u65b0\u578bAI\u7cfb\u7edf\u53ef\u57fa\u4e8e\u4e73\u817a\u8d85\u58f0\u56fe\u50cf\u8bc6\u522b\u6076\u6027\u75c5\u53d8\uff0c\u51c6\u786e\u7387\u4e0e\u653e\u5c04\u79d1\u533b\u751f\u76f8\u5f53
\u4e73\u817a\u764c\u662f\u5973\u6027\u764c\u75c7\u6b7b\u4ea1\u7684\u7b2c\u4e8c\u5927\u539f\u56e0\uff0c\u65e9\u671f\u53d1\u73b0\u3001\u6cbb\u7597\u53ef\u4ee5\u6709\u6548\u63d0\u9ad8\u6cbb\u6108\u7387\u3002X\u5149\u68c0\u67e5\u662f\u5e94\u7528\u6700\u5e7f\u6cdb\u7684\u4e73\u817a\u764c\u7b5b\u67e5\u548c\u65e9\u671f\u53d1\u73b0\u7684\u6210\u50cf\u6280\u672f\uff0c\u4f46\u5bf9\u4e8e\u7ec4\u7ec7\u81f4\u5bc6\u7684\u4e73\u817a\uff0c\u5728X\u5149\u68c0\u67e5\u4e2d\u5f88\u96be\u53d1\u73b0\u764c\u75c7\u3002\u4e73\u817a\u8d85\u58f0\u68c0\u67e5\u5df2\u88ab\u8bc1\u5b9e\u80fd\u591f\u68c0\u6d4b\u5230X\u5149\u68c0\u67e5\u4e2d\u7684\u9690\u533f\u6027\u764c\u75c7\uff0c\u901a\u5e38\u88ab\u4f5c\u4e3a\u4e73\u623fX\u5149\u68c0\u67e5\u7684\u8865\u5145\u624b\u6bb5\uff0c\u5728\u4e73\u817a\u764c\u7b5b\u67e5\u3001\u68c0\u6d4b\u548c\u9274\u5b9a\u4e2d\u53d1\u6325\u91cd\u8981\u4f5c\u7528\u3002\u4f46\u4e73\u817a\u8d85\u58f0\u68c0\u67e5\u7ed3\u679c\u4ecd\u4f1a\u83b7\u5f97\u8f83\u9ad8\u7684\u5047\u9633\u6027\u7387\uff0c\u8fdb\u800c\u5bfc\u81f4\u4e0d\u5fc5\u8981\u7684\u7ec4\u7ec7\u6d3b\u68c0\u3002
\u8fd1\u65e5\uff0c\u7f8e\u56fd\u7ebd\u7ea6\u5927\u5b66\u7814\u7a76\u56e2\u961f\u5f00\u53d1\u4e86\u4e00\u79cd\u65b0\u578b\u4eba\u5de5\u667a\u80fd\uff08AI\uff09\u7cfb\u7edf\uff0c\u53ef\u4ee5\u5728\u8d85\u58f0\u56fe\u50cf\u4e2d\u5b9e\u73b0\u653e\u5c04\u79d1\u533b\u751f\u7ea7\u522b\u7684\u51c6\u786e\u7387\u6765\u8bc6\u522b\u4e73\u817a\u764c\u3002\u7ed3\u679c\u663e\u793a\uff0c\u5728\u8be5\u4eba\u5de5\u667a\u80fd\u7cfb\u7edf\u7684\u5e2e\u52a9\u4e0b\uff0c\u653e\u5c04\u79d1\u533b\u751f\u8bca\u65ad\u7684\u5047\u9633\u6027\u7387\u964d\u4f4e37.3%\uff0c\u5728\u4fdd\u6301\u76f8\u540c\u654f\u611f\u6027\u6c34\u5e73\u7684\u524d\u63d0\u4e0b\uff0c\u7ec4\u7ec7\u6d3b\u68c0\u7387\u51cf\u5c1127.8%\uff0c\u7a81\u51fa\u4e86\u4eba\u5de5\u667a\u80fd\u5728\u63d0\u9ad8\u4e73\u817a\u8d85\u58f0\u8bca\u65ad\u7684\u51c6\u786e\u6027\u3001\u4e00\u81f4\u6027\u548c\u6548\u7387\u65b9\u9762\u5177\u6709\u5f88\u5927\u7684\u6f5c\u529b\u3002\u8be5\u7814\u7a76\u6210\u679c\u5df2\u53d1\u8868\u4e8eNature Communications\u671f\u520a\u4e0a\uff0c\u6587\u7ae0\u9898\u4e3a\u201cArtificial intelligence system reduces false-positive findings in the interpretation of breast ultrasound exams\u201d\u3002
2\u3001DDInter\uff1a\u836f\u7269-\u836f\u7269\u76f8\u4e92\u4f5c\u7528\u6570\u636e\u5e93
\u836f\u7269-\u836f\u7269\u76f8\u4e92\u4f5c\u7528 (DDI) \u662f\u4e34\u5e8a\u5408\u7406\u7528\u836f\u548c\u4e0a\u5e02\u540e\u836f\u7269\u8b66\u6212\u4e2d\u6700\u91cd\u8981\u7684\u95ee\u9898\u4e4b\u4e00\u3002DDI\u662f\u6307\u540c\u65f6\u6216\u8fde\u7eed\u670d\u7528\u4e24\u79cd\u6216\u4e24\u79cd\u4ee5\u4e0a\u836f\u7269\u65f6\uff0c\u4e00\u79cd\u836f\u7269\u7684\u6d3b\u6027\u53ef\u80fd\u56e0\u5176\u4ed6\u836f\u7269\u7684\u5b58\u5728\u800c\u53d1\u751f\u6539\u53d8\u3002\u968f\u7740\u73b0\u4ee3\u75be\u75c5\u8c31\u7684\u589e\u52a0\u4ee5\u53ca\u60a3\u8005\u8010\u836f\u6027\u7684\u5347\u9ad8\uff0c\u591a\u836f\u5904\u65b9\u5df2\u6210\u4e3a\u5e38\u89c1\u7684\u6cbb\u7597\u9009\u62e9\uff0c\u7279\u522b\u662f\u5bf9\u4e8e\u4f34\u6709\u764c\u75c7\u3001\u7cd6\u5c3f\u75c5\u3001\u5fc3\u8840\u7ba1\u75be\u75c5\u7b49\u591a\u79cd\u6162\u6027\u75be\u75c5\u7684\u60a3\u8005\u3002\u8fd9\u5f80\u5f80\u4f1a\u589e\u52a0\u4e34\u5e8a\u76f8\u5173 DDI \u7684\u98ce\u9669\uff0c\u5e76\u5bf9\u6cbb\u7597\u7ba1\u7406\u63d0\u51fa\u4e86\u65b0\u7684\u6311\u6218\u3002
\u6765\u81ea\u4e2d\u5357\u5927\u5b66\u66f9\u4e1c\u5347\u6559\u6388\u8bfe\u9898\u7ec4\u3001\u6d59\u6c5f\u5927\u5b66\u4faf\u5ef7\u519b\u6559\u6388\u8bfe\u9898\u7ec4\u548c\u6e58\u96c5\u533b\u9662\u5218\u97f6\u6559\u6388\u8bfe\u9898\u7ec4\u8054\u5408\u53d1\u8868\u7684\u4e00\u7bc7\u6587\u7ae0\u201cDDInter: an online drug\u2013drug interaction database towards improving clinical decision-making and patient safety\u201d\u3002\u672c\u6587\u4ecb\u7ecd\u4e86\u4e00\u4e2a\u5168\u9762\u4e14\u5b9e\u7528\u7684\u6570\u636e\u5e93DDInter\uff0c\u5305\u542b\u7ea624\u4e07\u4e2a\u7ecf\u4e34\u5e8a\u836f\u5e08\u5ba1\u9605\u548c\u6821\u6b63\u7684\u76f8\u4e92\u4f5c\u7528\u836f\u7269\u5bf9\uff0c\u8986\u76d6\u4e861833\u4e2aFDA\u6279\u51c6\u836f\u7269\u3002DDInter \u4e3a\u6bcf\u4e2aDDI\u63d0\u4f9b\u4e86\u4e30\u5bcc\u7684\u4fe1\u606f\uff0c\u5305\u62ec\u4f5c\u7528\u673a\u5236\u3001\u4e25\u91cd\u7a0b\u5ea6\u3001\u5bf9\u4e8e\u6f5c\u5728\u98ce\u9669\u7684\u7ba1\u7406\u7b56\u7565\u3001\u836f\u7269\u66ff\u6362\u65b9\u6848\u3001\u6587\u732e\u5f15\u7528\u7b49\u3002\u7528\u6237\u53ef\u4ee5\u8f7b\u677e\u6d4f\u89c8\u836f\u7269\u6761\u76ee\u548c\u76f8\u4e92\u4f5c\u7528\uff0c\u68c0\u7d22\u57fa\u672c\u4fe1\u606f\u548c\u836f\u7269\u76f8\u4e92\u4f5c\u7528\u7f51\u7edc\uff0c\u5e76\u501f\u52a9\u76f8\u4e92\u4f5c\u7528\u68c0\u67e5\u5668\u7ec4\u4ef6\u8fdb\u884c\u5904\u65b9\u68c0\u67e5\u3002\u4e3a\u4e86\u5e2e\u52a9\u7528\u6237\u66f4\u597d\u5730\u7406\u89e3\u548c\u63a2\u7d22\u641c\u7d22\u7ed3\u679c\uff0c\u5d4c\u5165\u4e86\u591a\u4e2a\u6570\u636e\u53ef\u89c6\u5316\u5de5\u5177\u6765\u52a8\u6001\u663e\u793a\u590d\u6742\u7684\u5173\u7cfb\u3002\u533b\u751f\u548c\u836f\u5242\u5e08\u901a\u8fc7\u4f7f\u7528DDInter\u53ef\u4ee5\u83b7\u5f97\u5242\u91cf\u8c03\u6574\u3001\u836f\u7269\u66f4\u6362\u4ee5\u53ca\u98ce\u9669\u5224\u65ad\u548c\u7ba1\u7406\u7684\u5b9e\u7528\u6307\u5bfc\uff1b\u6570\u636e\u79d1\u5b66\u5bb6\u53ef\u4ee5\u5c06\u5176\u7528\u4e8e\u6f5c\u5728DDI\u7684\u63a8\u5bfc\u548c\u5176\u4ed6\u9884\u6d4b\u5de5\u5177\u7684\u8bc4\u4f30\u3002
3\u3001\u4e3a\u4ec0\u4e48\u4e0d\u5438\u70df\u4e5f\u4f1a\u5f97\u80ba\u764c\uff1fNIH\u56e2\u961f\u63ed\u793a\u4e0d\u5438\u70df\u80ba\u764c\u60a3\u8005\u57fa\u56e0\u7a81\u53d8\u6f14\u5316\u53f2
\u8fd1\u671f\uff0c\u6765\u81ea\u7f8e\u56fd\u56fd\u7acb\u536b\u751f\u7814\u7a76\u9662\uff08NIH\uff09\u4e0b\u5c5e\u56fd\u5bb6\u764c\u75c7\u7814\u7a76\u6240\uff08NCI\uff09\u764c\u75c7\u6d41\u884c\u75c5\u5b66\u548c\u9057\u4f20\u5b66\u90e8\u95e8\u7684\u6d41\u884c\u75c5\u5b66\u5bb6Maria Teresa Landi\u535a\u58eb\u9886\u5bfc\u7684\u7814\u7a76\u56e2\u961f\u5728Nature Genetics\u671f\u520a\u4e0a\u53d1\u8868\u9898\u4e3a\u201cGenomic and evolutionary classification of lung cancer in never smokers\u201d\u7684\u7814\u7a76\u6587\u7ae0\u3002\u7814\u7a76\u56e2\u961f\u5bf9\u65e0\u5438\u70df\u53f2\u80ba\u764c\u60a3\u8005\u8fdb\u884c\u5168\u57fa\u56e0\u7ec4\u6d4b\u5e8f\uff0c\u7ed8\u5236\u4e86\u4e0d\u5438\u70df\u80ba\u764c\u60a3\u8005\u57fa\u56e0\u7a81\u53d8\u6f14\u5316\u53f2\u3002\u5206\u6790\u7ed3\u679c\u53d1\u73b0\uff0c\u5927\u90e8\u5206\u80bf\u7624\u90fd\u662f\u7531\u673a\u4f53\u81ea\u7136\u8fc7\u7a0b\u6240\u5f15\u8d77\u7684\u7a81\u53d8\u800c\u5f15\u53d1\u3002\u540c\u65f6\uff0c\u8be5\u7814\u7a76\u8fd8\u5173\u6ce8\u4e86\u4e0d\u5438\u70df\u7fa4\u4f53\u4e0e\u80ba\u764c\u4e4b\u95f4\u7684\u5065\u5eb7\u95ee\u9898\uff0c\u4e3a\u80ba\u764c\u65e9\u671f\u8bca\u7597\u63d0\u4f9b\u4e86\u79d1\u5b66\u4f9d\u636e\u3002
\u57fa\u56e0\u7ec4\u7a81\u53d8\u56fe\u8c31\u7ed3\u679c\u663e\u793a\uff0cEGFR\u662f\u6700\u5e38\u89c1\u7684\u7a81\u53d8\uff0828.4%\uff09\uff0c\u5176\u6b21\u662fKRAS\uff087.3%\uff09\u3001ALK \uff086.0%\uff09\u3001MET\uff084.3%\uff09\u3001ERBB2\uff083.9%\uff09\u3001ROS1\uff082.6%\uff09\u548cRET\uff081.3%\uff09\uff0c\u8fd97\u4e2a\u57fa\u56e0\u7a81\u53d8\u4e92\u76f8\u5448\u73b0\u5f3a\u70c8\u7684\u4e92\u65a5\u5206\u5e03\u3002
4\u3001\u673a\u5668\u5b66\u4e60\u63ed\u793a\u57fa\u56e0\u7ec4\u5728\u5355\u4e2a\u7ec6\u80de\u4e2d\u7684\u8868\u8fbe\u5dee\u5f02
\u5728\u5355\u4e2a\u4eba\u7c7b\u7ec6\u80de\u7684\u5fae\u89c2\u89c6\u754c\u5185\uff0c\u86cb\u767d\u8d28\u548c DNA \u7684\u590d\u6742\u6298\u53e0\u548c\u6392\u5217\u51b3\u5b9a\u4e86\u6bcf\u4e2a\u7ec6\u80de\u7684\u547d\u8fd0\uff1a\u54ea\u4e9b\u57fa\u56e0\u88ab\u8868\u8fbe\uff0c\u54ea\u4e9b\u57fa\u56e0\u88ab\u6291\u5236\uff0c\u8fd9\u51b3\u5b9a\u4e86\u7ec6\u80de\u662f\u4fdd\u6301\u5065\u5eb7\u8fd8\u662f\u53d1\u751f\u75c5\u53d8\uff1b\u5b8f\u89c2\u89d2\u5ea6\u5219\u53cd\u6620\u4e86\u4e00\u4e2a\u4eba\u7684\u5065\u5eb7\u72b6\u51b5\u3002\u5355\u7ec6\u80de Hi-C \uff08scHi-C\uff09 \u6280\u672f\u53ef\u4ee5\u8bc6\u522b\u4e09\u7ef4 \uff083D\uff09 \u67d3\u8272\u8d28\u7ec4\u7ec7\u7684\u7ec6\u80de\u95f4\u5dee\u5f02\u6027\uff0c\u4f46\u6d4b\u91cf\u76f8\u4e92\u4f5c\u7528\u7684\u7a00\u758f\u6027\u4f1a\u5e26\u6765\u5206\u6790\u6311\u6218\u3002
\u5361\u5185\u57fa\u6885\u9686\u5927\u5b66\u7684\u7814\u7a76\u4eba\u5458\u63d0\u51fa\u4e86\u4e00\u79cd\u57fa\u4e8e\u8d85\u56fe\u8868\u793a\u5b66\u4e60\u6846\u67b6\u7684\u7b97\u6cd5\u2014\u2014Higashi\uff0c\u53ef\u4ee5\u5408\u5e76\u5355\u4e2a\u7ec6\u80de\u4e4b\u95f4\u7684\u6f5c\u5728\u76f8\u5173\u6027\uff0c\u4ee5\u589e\u5f3a\u63a5\u89e6\u56fe\u7684\u6574\u4f53\u63d2\u8865\u3002Higashi \u4f18\u4e8e\u73b0\u6709\u7684 scHi-C \u6570\u636e\u5d4c\u5165\u548c\u63d2\u8865\u65b9\u6cd5\uff0c\u5e76\u4e14\u80fd\u591f\u8bc6\u522b\u5355\u4e2a\u7ec6\u80de\u4e2d\u7684\u591a\u5c3a\u5ea6 3D \u57fa\u56e0\u7ec4\u7279\u5f81\uff0c\u4f8b\u5982\u533a\u5ba4\u5316\u548c TAD \u6837\u57df\u8fb9\u754c\uff0c\u4ece\u800c\u53ef\u4ee5\u7cbe\u786e\u63cf\u7ed8\u5176\u7ec6\u80de\u95f4\u5dee\u5f02\u6027\u3002\u8be5\u7814\u7a76\u4ee5Multiscale and integrative single-cell Hi-C analysis with Higashi\u4e3a\u9898\uff0c\u4e8e2021\u5e7410\u670811\u65e5\u53d1\u5e03\u5728\u6742\u5fd7Nature Biotechnology\u3002
5\u30013 \u4e2a\u95ee\u9898\uff1aMIT\u4e13\u5bb6\u8bba\u8ff0\u5173\u4e8e\u963b\u788dAutoML\u53d1\u5c55\u7684\u969c\u788d
\u7814\u7a76\u4eba\u5458\u5e0c\u671b\u66f4\u591a\u7528\u6237\u53cb\u597d\u7684\u673a\u5668\u5b66\u4e60\u7cfb\u7edf\u5c06\u4f7f\u975e\u4e13\u5bb6\u80fd\u591f\u5206\u6790\u5927\u6570\u636e\u2014\u2014\u4f46\u8fd9\u6837\u7684\u7cfb\u7edf\u80fd\u5b8c\u5168\u81ea\u4e3b\u5417\uff1f\u672c\u6587\u4ecb\u7ecd\u9ebb\u7701\u7406\u5de5\u5b66\u9662\u8ba1\u7b97\u673a\u79d1\u5b66\u5bb6 Kalyan Veeramachaneni\u5206\u4eab\u4e86\u4ed6\u5bf9\u81ea\u52a8\u5316\u673a\u5668\u5b66\u4e60 \uff08AutoML\uff09\u73b0\u72b6\u3001\u521b\u5efa\u5168\u81ea\u52a8\u673a\u5668\u5b66\u4e60\u7cfb\u7edf\u7684\u6311\u6218\u4ee5\u53ca\u672a\u6765\u9053\u8def\u7684\u770b\u6cd5\u3002Kalyan Veeramachaneni \u662f\u9ebb\u7701\u7406\u5de5\u5b66\u9662\u4fe1\u606f\u4e0e\u51b3\u7b56\u7cfb\u7edf\u5b9e\u9a8c\u5ba4\u7684\u9996\u5e2d\u7814\u7a76\u79d1\u5b66\u5bb6\uff0c\u81ea 2010 \u5e74\u4ee5\u6765\u4e00\u76f4\u5728\u7814\u7a76 AutoML\uff0c\u4ed6\u5728 ACM Computing Surveys \u6742\u5fd7\u4e0a\u5408\u8457\u4e86\u4e00\u7bc7\u8bba\u6587\uff0c\u8be6\u7ec6\u4ecb\u7ecd\u4e86\u4e00\u4e2a\u4e03\u5c42\u793a\u610f\u56fe\uff0c\u7528\u4e8e\u6839\u636e AutoML \u5de5\u5177\u7684\u81ea\u4e3b\u7ea7\u522b\u6765\u8bc4\u4f30\u5b83\u4eec\u3002
3\u4e2a\u95ee\u9898\uff1a
1\u3001\u53ef\u522b\u518d\u8bf4base plot\u4e0d\u80fd\u56fe\u5f62\u8bed\u6cd5\uff01
R\u81ea\u5e26\u7ed8\u56fe\u5305\u91c7\u7528\u753b\u5bb6\u6a21\u5f0f\uff0c\u96be\u4ee5\u5b9e\u73b0\u7075\u6d3b\u6709\u5e8f\u7684\u56fe\u5f62\u751f\u6210\u3002\u672c\u6587\u4e2dY\u53d4\u4ecb\u7ecd\u4e86\u57fa\u4e8e\u56fe\u50cf\u8bed\u6cd5\u7684base plot\u751f\u6210\u4ee5\u53ca\u76f8\u5e94\u7684R\u5305\u5b9e\u73b0plotbb\u3002\u5bf9\u53ef\u89c6\u5316\u611f\u5174\u8da3\u7684\u8bfb\u8005\u975e\u5e38\u63a8\u8350\u9605\u8bfb\uff01
2\u3001GATK \u7684Somatic Mutation\u6d41\u7a0b\u2013\u80bf\u7624\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u6570\u636e\u5206\u6790\u4e13\u680f
\u672c\u6587\u4ecb\u7ecd\u4e86GATK \u7684Somatic Mutation\u68c0\u6d4b\u6d41\u7a0b\u3002
3\u3001R\u5305earth\u7684\u591a\u5143\u81ea\u9002\u5e94\u6837\u6761\u56de\u5f52\uff08MARS\uff09\u4ee5\u53ca\u5bf9\u53d8\u91cf\u91cd\u8981\u6027\u7684\u8bc4\u4f30
\u591a\u5143\u81ea\u9002\u5e94\u6837\u6761\u56de\u5f52\uff08Multivariate Adaptive Regression Splines\uff0cMARS\uff09\u662f\u4e00\u79cd\u975e\u53c2\u6570\u56de\u5f52\u65b9\u6cd5\uff0c\u5b83\u901a\u8fc7\u5bf9\u6570\u636e\u8fdb\u884c\u5206\u533a\uff0c\u5e76\u5728\u6bcf\u4e2a\u533a\u95f4\u7684\u9884\u6d4b\u53d8\u91cf\u503c\u8303\u56f4\u5185\u5206\u522b\u6784\u5efa\u7ebf\u6027\u6a21\u578b\u6216\u5e7f\u4e49\u7ebf\u6027\u6a21\u578b\u6765\u5b9e\u73b0\uff0c\u5373\u4e00\u79cd\u5206\u6bb5\u56de\u5f52\u5f62\u5f0f\u3002\u672c\u6587\u4ecb\u7ecd\u4e86\u8be5\u65b9\u6cd5\u7684\u57fa\u672c\u539f\u7406\u548c\u901a\u8fc7\u5b9e\u4f8b\u8bc4\u4f30\u53d8\u91cf\u91cd\u8981\u6027\u3002
4\u3001R\u8bed\u8a00\u5feb\u901f\u5236\u4f5c\u5b66\u672f\u8bba\u6587\u4e09\u7ebf\u8868
\u4e09\u7ebf\u8868\u4ee5\u5176\u5f62\u5f0f\u7b80\u6d01\u3001\u529f\u80fd\u5206\u660e\u3001\u9605\u8bfb\u65b9\u4fbf\u800c\u5728\u79d1\u6280\u8bba\u6587\u4e2d\u88ab\u63a8\u8350\u4f7f\u7528\u3002
\u672c\u6587\u4e3b\u8981\u4f7f\u7528table1\u5305\u5236\u4f5c\u4e09\u7ebf\u8868\uff0c\u751f\u6210\u7684\u4e09\u7ebf\u8868\u4e3ahtml\u683c\u5f0f\uff0c\u53ef\u4ee5\u76f4\u63a5\u590d\u5236\u5230word\u4e2d\u3002
5\u3001\u4e00\u4e2a\u4eba\u80fd\u9886\u5bfc\u591a\u5c11\u4eba\uff1f
\u8fd9\u4e2a\u95ee\u9898\u6ca1\u6709\u7b80\u5355\u7684\u7b54\u6848\u3002\u867d\u7136\u672c\u6587\u4f5c\u8005\u901a\u5e38\u4f7f\u75285-7\u4e2a\u4eba\u7684\u7ecf\u9a8c\u6cd5\u5219\uff0c\u4f46\u4f60\u53ef\u4ee5\u770b\u5230\u8fd9\u5b8c\u5168\u53d6\u51b3\u4e8e\u60c5\u51b5\u3002
"},{"location":"issue-6/#_4","title":"\u5de5\u5177","text":"1\u3001survminer\uff1a\u751f\u5b58\u5206\u6790\u548c\u53ef\u89c6\u5316
2\u3001rstatix\uff1a\u57fa\u7840\u7edf\u8ba1\u68c0\u9a8c\u7684\u7ba1\u9053\u53cb\u597d\u6846\u67b6
\u63d0\u4f9b\u7b80\u5355\u76f4\u89c2\u7684\u7ba1\u9053\u53cb\u597d\u6846\u67b6\uff0c\u4e0e\u201ctidyverse\u201d\u8bbe\u8ba1\u54f2\u5b66\u76f8\u4e00\u81f4\uff0c\u7528\u4e8e\u6267\u884c\u57fa\u672c\u7edf\u8ba1\u68c0\u9a8c\uff0c\u5305\u62ect\u68c0\u9a8c\u3001Wilcoxon\u68c0\u9a8c\u3001\u65b9\u5dee\u5206\u6790\u3001Kruskal-Wallis\u548c\u76f8\u5173\u5206\u6790\u3002
3\u3001lexer\uff1a\u4e00\u4e2a\u652f\u6301\u591a\u8bed\u8a00\u6269\u5c55\u7684JS\u7248\u5f00\u6e90\u8bcd\u6cd5\u5206\u6790\u5668
\u4e00\u4e2a\u57fa\u4e8eDFA\u6cd5\u7684\u652f\u6301\u591a\u8bed\u8a00\u6269\u5c55\u7684JS\u7248\u5f00\u6e90\u8bcd\u6cd5\u5206\u6790\u5668\uff0c\u4ee3\u7801\u7cbe\u7b80\uff0c\u6613\u4e8e\u5b66\u4e60\u548c\u4f7f\u7528\u3002\uff08@WGrape\u6295\u7a3f\uff09
4\u3001annotables\uff1a\u7528\u4e8e\u6ce8\u91ca/\u8f6c\u6362\u57fa\u56e0id\u7684R\u6570\u636e\u5305
grch38 %>% \n dplyr::filter(biotype == \"protein_coding\" & chr == \"1\") %>% \n dplyr::select(ensgene, symbol, chr, start, end, description) %>% \n head %>% \n knitr::kable(.)\n5\u3001styler\uff1aR\u4ee3\u7801\u683c\u5f0f\u5316
R\u4ee3\u7801\u4e11\uff1f\u5c31\u7528\u5b83\u3002\u6211\u5e38\u7528\u7684\u4e00\u4e2aR\u5305\uff0c\u53ef\u4ee5\u4ece\u6587\u4ef6\u3001\u76ee\u5f55\u548c\u5305\u4e09\u4e2a\u4e0d\u540c\u7684\u6c34\u5e73\u683c\u5f0f\u5316R\u4ee3\u7801\u3002
6\u3001docker\u4e0epodman\uff1a\u5bb9\u5668\u4e0e\u7ba1\u7406\u5de5\u5177
\u5bb9\u5668\u5316\u6280\u672f\u5df2\u7ecf\u53d8\u9769\u4e86\u4e91\u670d\u52a1\u4e0e\u8f6f\u4ef6\u5e94\u7528\u5f00\u53d1\u548c\u90e8\u7f72\u65b9\u5f0f\uff0c\u4e5f\u4e3a\u53ef\u91cd\u590d\u7684\u6570\u636e\u5206\u6790\u63d0\u4f9b\u5f3a\u5927\u7684\u5e95\u5c42\u652f\u6491\u3002\u5bf9\u6280\u672f\u611f\u5174\u8da3\u7684\u8bfb\u8005\u4e00\u5b9a\u4e0d\u8981\u9519\u8fc7\u5bb9\u5668\u6280\u672f\u3002\uff08\u77e5\u4e4e\u7528\u6237 @\u5e7b\u821e\u82b1\u706b \u7684\u6295\u7a3f\uff09
7\u3001rsthemes\uff1a\u5b8c\u6574\u7684RStudio IDE\u548c\u8bed\u6cd5\u4e3b\u9898
# \u5b89\u88c5\u5305\ndevtools::install_github(\"gadenbuie/rsthemes\")\n\n# \u5b89\u88c5\u4e3b\u9898\nrsthemes::install_rsthemes()\n\n# \u5c1d\u8bd5\u4e3b\u9898\nrsthemes::try_rsthemes()\n1\u3001\u300a\u751f\u7269\u4fe1\u606f\u5c31\u8be5\u8fd9\u4e48\u5b66\u300b\u4e13\u680f\u5408\u96c6
2\u3001\u674e\u6c90\uff1a\u6df1\u5ea6\u5b66\u4e60\u8bba\u6587\u7cbe\u8bfb
\u63a8\u8350\u5b66\u4e60\u6df1\u5ea6\u5b66\u4e60\u7684\u8bfb\u8005\u5173\u6ce8\u3002
3\u3001\u514d\u75ab\u5b66\u62fe\u9057
"},{"location":"issue-6/#_6","title":"\u8d5e\u8d4f","text":"\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
\u611f\u8c22\u4ee5\u4e0b\u8bfb\u8005\u5f80\u671f\u7684\u8d5e\u8d4f\uff1a
\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-60/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 60 \u671f\uff09\uff1a\u5b5f\u5fb7\u5c14\u8bde\u8fb0 200 \u5468\u5e74","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-60/#_1","title":"\u5c01\u9762\u56fe","text":"AI R\u5305\u751f\u6210\u7684\u827a\u672f\u7167\u7247
"},{"location":"issue-60/#200","title":"\u672c\u5468\u8bdd\u9898\uff1a\u5b5f\u5fb7\u5c14\u8bde\u8fb0 200 \u5468\u5e74","text":"1822 \u5e74 7 \u6708 20 \u65e5\uff0c\u73b0\u4ee3\u9057\u4f20\u5b66\u4e4b\u7236\u5b5f\u5fb7\u5c14\u51fa\u751f\u4e8e\u5965\u5730\u5229\u5e1d\u56fd\u897f\u91cc\u897f\u4e9a\u6d77\u56e0\u7b56\u9053\u592b\u6751\u30022022\u5e74\u662f\u5b5f\u5fb7\u5c14\u8bde\u8fb0 200 \u5468\u5e74\u7eaa\u5ff5\u3002\u501f\u7528\u9976\u6bc5\u8001\u5e08\u5728\u4ed6\u6587\u7ae0\u4e2d\u7684\u8bf4\u6cd5\uff1a\u751f\u7269\u5b66\u6709\u4e24\u5ea7\u667a\u529b\u9ad8\u5cf0\uff1a\u7b2c\u4e00\u6b21\u662f 1854 \u5e74\u81f3 1866 \u5e74\u5b5f\u5fb7\u5c14\u72ec\u81ea\u4e00\u4eba\uff1b\u7b2c\u4e8c\u6b21\u662f 1951 \u5e74\u81f3 1965 \u5e74\u514b\u91cc\u514b (Francis Crick) \u53ca\u5176\u5408\u4f5c\u8005\u4eec\u3002\u4e24\u4e2a\u9ad8\u5cf0\u78b0\u5de7\u76f8\u9694\u4e00\u767e\u5e74\u3002\u4eca\u5929\u91cd\u8bfb\u5b5f\u5fb7\u5c14\u7684\u8bba\u6587\uff0c\u8ffd\u5bfb\u5b5f\u5fb7\u5c14\u7684\u601d\u8def\uff0c\u601d\u8003\u5b5f\u5fb7\u5c14\u7684\u73af\u5883\uff0c\u4ecd\u7136\u5f88\u6709\u610f\u4e49\u3002
@wangdepin - 2022\u5e74\u662f\u5b5f\u5fb7\u5c14\u8bde\u8fb0200\u5468\u5e74\uff0c\u540c\u65f6\u4e5f\u662f\u5df4\u65af\u5fb7\u8bde\u8fb0200\u5468\u5e74\u3002\u5b5f\u5fb7\u5c14\uff08Gregor Johann Mendel,1822-1884\uff09\u53d1\u73b0\u4e86\u9057\u4f20\u5b66\u5b9a\u5f8b\uff0c\u627e\u5230\u4e86\u51b3\u5b9a\u751f\u547d\u73b0\u8c61\u7684\u672c\u8d28\uff1b\u5df4\u65af\u5fb7\uff08Louis Pasteur,1822-1895\uff09\u5f00\u521b\u4e86\u5fae\u751f\u7269\u5b66\u548c\u514d\u75ab\u5b66\uff0c\u4e3a\u4eba\u7c7b\u7684\u5065\u5eb7\u505a\u51fa\u4e86\u5de8\u5927\u7684\u8d21\u732e\u3002\u5f88\u591a\u5b66\u8005\u5199\u4e86\u7eaa\u5ff5\u4ed6\u4eec\u7684\u6587\u7ae0\uff0c\u4e2d\u56fd\u9057\u4f20\u5b66\u4f1a\u4e5f\u4e13\u95e8\u4e3e\u529e\u4e86\u4e00\u7cfb\u5217\u8bb2\u5ea7\u6765\u7eaa\u5ff5\u8fd9\u4e00\u91cd\u8981\u65e5\u5b50\uff0c\u8db3\u89c1\u5b5f\u5fb7\u5c14\u5728\u751f\u547d\u79d1\u5b66\u53f2\u4e0a\u7684\u91cd\u8981\u5730\u4f4d\u3002\u8be6\u7ec6\u4e86\u89e3\u8fd9\u4e9b\u4f1f\u5927\u79d1\u5b66\u5bb6\u5728\u5f53\u65f6\u6240\u521b\u9020\u7684\u4e00\u7cfb\u5217\u79d1\u7814\u91cd\u5927\u53d1\u73b0\u7684\u8fc7\u7a0b\uff0c\u7ed9\u6211\u4eec\u8fd9\u4e9b\u540e\u8f88\u5728\u79d1\u7814\u8def\u4e0a\u5e26\u6765\u5f88\u5927\u7684\u542f\u53d1\u3002
"},{"location":"issue-60/#_2","title":"\u751f\u4fe1\u7814\u7a76","text":"1\u3001Nature Machine Intelligence\uff5c\u57fa\u4e8e AI \u7b97\u6cd5\u9884\u6d4b\u57fa\u56e0\u7ec4\u9519\u4e49\u53d8\u5f02\u7684\u529f\u80fd\u5f71\u54cd
\u7f8e\u56fd\u54e5\u4f26\u6bd4\u4e9a\u5927\u5b66\u7cfb\u7edf\u751f\u7269\u5b66\u7cfb\u548c\u751f\u7269\u533b\u5b66\u4fe1\u606f\u5b66\u7cfb\u526f\u6559\u6388\u6c88\u5b87\u950b\u535a\u58eb\u53ca\u5176\u56e2\u961f\u524d\u535a\u58eb\u540e\u5f20\u6d77\u4ed3\uff0c\u5f00\u53d1\u4e86\u4e00\u79cd\u65b0\u65b9\u6cd5 gMVP \u6765\u9884\u6d4b\u54ea\u4e9b\u9519\u4e49\u53d8\u5f02\u5177\u6709\u6f5c\u5728\u529f\u80fd\u5f71\u54cd\u3002gMVP \u4f7f\u7528\u6700\u65b0\u7684\u673a\u5668\u5b66\u4e60\u6280\u672f\u6df1\u5ea6\u56fe\u6ce8\u610f\u529b\u795e\u7ecf\u7f51\u7edc\u6a21\u578b\uff0c\u6765\u62bd\u53d6\u76f8\u5173\u7279\u5f81\u5e76\u9884\u6d4b\u54ea\u4e9b\u53d8\u5f02\u5177\u6709\u529f\u80fd\u5f71\u54cd\u3002gMVP \u65b9\u6cd5\u4f7f\u7528\u86cb\u767d\u8d28\u4e2d\u6c28\u57fa\u9178 - \u6c28\u57fa\u9178\u95f4\u7684\u5171\u8fdb\u5316\u4fe1\u606f\u6765\u786e\u5b9a\u4e0d\u540c\u4f4d\u7f6e\u95f4\u662f\u5426\u5728\u529f\u80fd\u4e0a\u76f8\u5173\uff0c\u8fd9\u4f7f\u5f97 gMVP \u4e0d\u4ec5\u53ef\u4ee5\u523b\u753b\u53d8\u5f02\u6240\u5728\u7684\u4e00\u7ef4\u5e8f\u5217\u73af\u5883\uff0c\u4e5f\u53ef\u4ee5\u523b\u753b\u53d8\u5f02\u6240\u5728\u7684\u86cb\u767d\u8d28\u4e09\u7ef4\u7ed3\u6784\u73af\u5883\u3002\u7814\u7a76\u56e2\u961f\u5728\u591a\u4e2a\u4e0d\u540c\u7684\u72ec\u7acb\u6570\u636e\u96c6\u4e0a\u8bc4\u4f30\u4e86 gMVP \u7684\u6027\u80fd\uff0c\u6d89\u53ca\u7684\u5e94\u7528\u5305\u62ec\u4e34\u5e8a\u57fa\u56e0\u6d4b\u8bd5\u4ee5\u53ca\u81f4\u75c5\u65b0\u98ce\u9669\u57fa\u56e0\u7684\u53d1\u73b0\u3002 \u5728\u6240\u6709\u6d4b\u8bd5\u4e2d\uff0cgMVP \u7684\u8868\u73b0\u660e\u663e\u4f18\u4e8e\u5176\u4ed6\u65b9\u6cd5\u3002
2\u3001Nature Machine Intelligence | \u8d85\u8d8a Neural ODE\uff0c\u65b0\u673a\u5668\u5b66\u4e60\u6a21\u578b\u663e\u8457\u63d0\u5347\u8ba1\u7b97\u901f\u5ea6\u4e0e\u6027\u80fd
\u8fd1\u65e5\uff0cMIT\u7684\u7814\u7a76\u4eba\u5458\u5728 Nature Machine Intelligence \u6742\u5fd7\u4e0a\u53d1\u8868\u8bba\u6587\uff0c\u63d0\u51fa\u4e86\u4e00\u7c7b\u65b0\u7684\u673a\u5668\u5b66\u4e60\u6a21\u578b\u2014\u2014\u95ed\u5408\u5f62\u5f0f\u8fde\u7eed\u65f6\u95f4\u795e\u7ecf\u7f51\u7edc\uff08Closed-form continuous-time neural networks\uff0cCfC\uff09\uff0c\u4ee5\u95ed\u5408\u7684\u5f62\u5f0f\u903c\u8fd1\u795e\u7ecf\u5143\u548c\u7a81\u89e6\u4e4b\u95f4\u7684\u76f8\u4e92\u4f5c\u7528\u3002CfC\u6a21\u578b\u5177\u6709\u56e0\u679c\u6027\u3001\u7d27\u51d1\u6027\u548c\u53ef\u89e3\u91ca\u6027\uff0c\u5728\u901a\u8fc7\u8fd0\u52a8\u4f20\u611f\u5668\u8bc6\u522b\u4eba\u7c7b\u6d3b\u52a8\uff0c\u6a21\u62df\u6b65\u884c\u673a\u5668\u4eba\u7684\u7269\u7406\u52a8\u529b\u5b66\u5efa\u6a21\uff0c\u4ee5\u53ca\u57fa\u4e8e\u4e8b\u4ef6\u7684\u5e8f\u5217\u56fe\u50cf\u5904\u7406\u65b9\u9762\u5177\u6709\u66f4\u5feb\u7684\u901f\u5ea6\u548c\u66f4\u597d\u7684\u6027\u80fd\u3002\u6b64\u5916\uff0c\u6a21\u578b\u8fd8\u53ef\u4ee5\u5e2e\u52a9\u5efa\u7acb\u5177\u6709\u6570\u5341\u4ebf\u7ec6\u80de\u7684\u5927\u8111\u8ba1\u7b97\u6a21\u578b\uff0c\u4e3a\u7406\u89e3\u667a\u80fd\u5f00\u542f\u65b0\u7684\u7814\u7a76\u9014\u5f84\u3002
3\u3001Clin Chem | PacBio\u548cONT\u6d4b\u5e8f\u5e73\u53f0\u5bf9\u8840\u6d46cfDNA\u5206\u6790\u6027\u80fd\u6bd4\u8f83\u6210\u679c
\u672c\u7814\u7a76\u6bd4\u8f83\u4e86PacBio\u548cONT\u6d4b\u5e8f\u5728\u8840\u6d46cfDNA\u5206\u6790\u4e2d\u7684\u5e94\u7528\uff0c\u5206\u6790\u4e86\u6765\u81ea\u4e0d\u540c\u598a\u5a20\u671f\u7684\u5973\u6027\u3001\u4e59\u578b\u809d\u708e\u75c5\u6bd2\uff08HBV\uff09\u643a\u5e26\u8005\u548cHCC\u60a3\u8005\u7684\u8840\u6d46cfDNA\u6837\u672c\u3002\u6bd4\u8f83\u4e86\u4e24\u4e2a\u5e73\u53f0\u7684\u6d4b\u5e8f\u7ed3\u679c\uff0c\u5305\u62ec\u5927\u5c0f\u548c\u7247\u6bb5\u672b\u7aef\u56fe\u8c31\uff0c\u4ee5\u53ca\u57fa\u4e8ecfDNA\u5355\u5206\u5b50\u7532\u57fa\u5316\u6a21\u5f0f\u7684\u7ec4\u7ec7\u6765\u6e90\u5206\u6790\u3002\u5176\u4e2d\u4e00\u4e2a\u53d1\u73b0\u662f\uff0cPacBio\u6d4b\u5e8f\u7684\u8840\u6d46cfDNA\u6bd4ONT\u6d4b\u5e8f\u5e73\u53f0\u5f97\u5230\u7684\u66f4\u957f\uff0cPacBio\u4e2d\u5927\u4e8e1kb\u7684cfDNA\u7247\u6bb5\u6bd4\u4f8b\u662fONT\u768430\u500d\u5de6\u53f3\u3002cfDNA\u7247\u6bb5\u56fe\u8c31\u4e2d\uff0ccfDNA\u77ed\u7247\u6bb5\u670910 bp\u7684\u5468\u671f\u6027\u5cf0\uff0c\u8fd9\u5728PacBio\u7684\u6570\u636e\u4e2d\u5f88\u660e\u663e\uff0c\u4f46\u5728\u672a\u6765\u7814\u7a76\u4e2d\uff0c\u8fd8\u662f\u5f88\u6709\u5fc5\u8981\u4f7f\u7528\u975e\u6d4b\u5e8f\u4e3a\u57fa\u7840\u7684\u65b9\u6cd5\u8fdb\u4e00\u6b65\u9a8c\u8bc1\u8840\u6d46\u4e2d\u957f\u7247\u6bb5cfDNA\u7684\u5b58\u5728\u3002\uff08\u6574\u4f53\u4e0a\u770bPacBio\u5728\u8fd9\u91cc\u662f\u6709\u4f18\u52bf\u7684\uff09
4\u3001Cancer Discov | \u809d\u764c\u5168\u57fa\u56e0\u7ec4cfDNA\u7247\u6bb5\u5316\u7279\u5f81\u68c0\u6d4b\u65b9\u6cd5DELFI\uff0c\u53ef\u9ad8\u7075\u654f\u5ea6\u3001\u7279\u5f02\u6027\u7b5b\u67e5\u9ad8\u5371\u4eba\u7fa4
\u7ea6\u7ff0\u970d\u666e\u91d1\u65af\u5927\u5b66\u7814\u7a76\u56e2\u961f\u5f00\u53d1\u51fa\u4e00\u79cd\u57fa\u4e8e\u8840\u6db2\u7684\u5168\u57fa\u56e0\u7ec4cfDNA\u7247\u6bb5\u5316\u7279\u5f81\u68c0\u6d4b\u65b9\u6cd5,\u5bf9HCC\u5177\u6709\u9ad8\u7075\u654f\u5ea6\u548c\u7279\u5f02\u6027\u3002\u7814\u7a76\u8868\u660e\u7247\u6bb5\u5316\u6982\u51b5\u6355\u83b7\u4e86\u57fa\u56e0\u7ec4\u548c\u67d3\u8272\u8d28\u7279\u5f81\uff0c\u5305\u62ec\u5df2\u77e5\u5728HCC\u4e2d\u5f88\u91cd\u8981\u7684\u6539\u53d8\u3002cfDNA\u7247\u6bb5\u5316\u7ec4\u5206\u6790\u65b9\u6cd5\u201cDELFI\u201d\u662f\u7b2c\u4e00\u4e2a\u5728\u5355\u72ec\u7684\u9ad8\u98ce\u9669\u4eba\u7fa4\u4e2d\u72ec\u7acb\u9a8c\u8bc1\u7684\u5168\u57fa\u56e0\u7ec4\u7247\u6bb5\u5316\u5206\u6790\uff0c\u5728\u68c0\u6d4bHCC\u65b9\u9762\u5177\u6709\u7a33\u5b9a\u548c\u5f3a\u5927\u7684\u6027\u80fd\uff0c\u5305\u62ec\u975e\u5e38\u65e9\u671f\u7684\u75be\u75c5\uff0c\u4e14\u4e0e\u75be\u75c5\u75c5\u56e0\u65e0\u5173\u3002
"},{"location":"issue-60/#_3","title":"\u535a\u6587\u8d44\u8baf","text":"5\u3001 20 \u4e2a\u66f4\u6709\u6548\u5730\u4f7f\u7528\u8c37\u6b4c\u641c\u7d22\u7684\u6280\u5de7
\u6211\u4eec\u6bcf\u5929\u90fd\u5728\u7528goole\u641c\u7d22\uff0c\u5b66\u4f1a\u4e00\u4e9b\u5c0f\u6280\u5de7\u66f4\u6709\u5229\u4e8e\u641c\u7d22\u51fa\u66f4\u597d\u7684\u7ed3\u679c\u3002
6\u3001\u4e3a\u4e86\u641e\u6e05\u695aCDN\u7684\u539f\u7406\uff0c\u6211\u5934\u90fd\u79c3\u4e86\u2026
\u672c\u6587\u6df1\u5165\u6d45\u51fa\u4ecb\u7ecd\u4e86CDN\u7684\u6982\u5ff5\u3001\u5de5\u4f5c\u539f\u7406\u548c\u7f13\u5b58\u7b56\u7565\u4ee5\u53ca\u76f8\u5173\u540d\u5b57\u89e3\u91ca\u3002
7\u3001\u91cd\u65b0\u5b9a\u4e49\u4e86\u4ec0\u4e48\u53eb\u6478\u9c7c\uff01
\u6709\u4eba\u5df2\u7ecf\u5f00\u53d1\u51fagpchatteR\u5305\uff0c\u548c\u673a\u5668\u4eba\u804a\u804a\u5929\u5c31\u628a\u6d3b\u7ed9\u5e72\u4e86\u3002
8\u3001redis\u5165\u95e8
Redis \u662f\u4e00\u4e2a\u5f00\u6e90\uff08BSD\u8bb8\u53ef\uff09\u7684\uff0c\u5185\u5b58\u4e2d\u7684\u6570\u636e\u7ed3\u6784\u5b58\u50a8\u7cfb\u7edf\uff0c\u5b83\u53ef\u4ee5\u7528\u4f5c\u6570\u636e\u5e93\u3001\u7f13\u5b58\u548c\u6d88\u606f\u4e2d\u95f4\u4ef6\u3002\u672c\u6587\u5c06\u4f1a\u4ece\uff1aRedis \u4f7f\u7528\u573a\u666f\u4e0e\u4ecb\u7ecd -> \u6570\u636e\u7ed3\u6784\u4e0e\u7b80\u5355\u4f7f\u7528 -> \u5c0f\u529f\u80fd\u5927\u7528\u5904 -> \u6301\u4e45\u5316\u3001\u4e3b\u4ece\u540c\u6b65\u4e0e\u7f13\u5b58\u8bbe\u8ba1 -> \u77e5\u8bc6\u62d3\u5c55 \u6765\u8fdb\u884c\u4ecb\u7ecd\u3002
"},{"location":"issue-60/#_4","title":"\u5de5\u5177","text":"9\u3001Scidown\u6587\u732e\u4e0b\u8f7d\u5de5\u5177
Scidown\u662f\u53c8\u4e00\u56fd\u4ea7\u6587\u732e\u4e0b\u8f7d\u7f51\u9875\u5de5\u5177\uff0c\u6ce8\u518c\u8d26\u53f7\u540e\u8f93\u5165\u5bf9\u5e94\u7684DOI\u53f7\u5c31\u80fd\u83b7\u53d6\u5927\u90e8\u5206\u6587\u732e\uff0c\u611f\u5174\u8da3\u7684\u5c0f\u4f19\u4f34\u53ef\u4ee5\u5c1d\u8bd5\u4e00\u4e0b~
10\u3001https://github.com/leiurayer/downkyi
\u54d4\u54e9\u4e0b\u8f7d\u59ec\uff08DownKyi\uff09\u662f\u4e00\u4e2a\u7b80\u5355\u6613\u7528\u7684\u54d4\u54e9\u54d4\u54e9\u89c6\u9891\u4e0b\u8f7d\u5de5\u5177\uff0c\u5177\u6709\u7b80\u6d01\u7684\u754c\u9762\uff0c\u6d41\u7545\u7684\u64cd\u4f5c\u903b\u8f91\u3002\u54d4\u54e9\u4e0b\u8f7d\u59ec\u53ef\u4ee5\u4e0b\u8f7d\u51e0\u4e4e\u6240\u6709\u7684B\u7ad9\u89c6\u9891\uff0c\u5e76\u8f93\u51famp4\u683c\u5f0f\u7684\u6587\u4ef6\uff1b\u91c7\u7528Aria\u4e0b\u8f7d\u5668\u591a\u7ebf\u7a0b\u4e0b\u8f7d\uff0c\u91c7\u7528FFmpeg\u5bf9\u89c6\u9891\u8fdb\u884c\u6df7\u6d41\u3001\u63d0\u53d6\u97f3\u89c6\u9891\u7b49\u64cd\u4f5c\u3002
11\u3001cronologia-\u521b\u5efa\u4ea4\u4e92\u6027\u65f6\u95f4\u8f74
cronologia\u7684\u76ee\u6807\u662f\u5728RMarkdown\u6587\u6863\u548cShiny\u5e94\u7528\u7a0b\u5e8f\u4e2d\u521b\u5efa\u4e00\u4e2a\u4ea4\u4e92\u5f0f\u65f6\u95f4\u8f74\u5c0f\u90e8\u4ef6\u3002
12\u3001R \u5305 - Sigminer
Sigminer \u662f\u4e00\u4e2a\u4e00\u7ad9\u5f0f\u7684\u764c\u75c7\u57fa\u56e0\u7ec4\u53d8\u5f02\u6a21\u5f0f\uff08Mutational Signature\uff09\u5206\u6790\u5de5\u5177\uff0c\u63d0\u4f9b\u4e86\u5bf9\u591a\u79cd\u53d8\u5f02\u7c7b\u578b\uff08SBS\u3001DBS\u3001INDEL\u3001CNV\u3001Rearrangement\uff09\u548c\u591a\u79cd\u8ba1\u7b97\u89e3\u6790\u7b97\u6cd5\u7684\u652f\u6301\uff08NMF\u3001SigProfiler \u7b49\uff09\uff0c\u53ef\u4ee5\u901a\u8fc7 GitHub/CRAN/Bioconda/Docker \u7b49\u9014\u5f84\u4e0b\u8f7d\u548c\u4f7f\u7528\u3002
13\u3001\u7231\u601d\u552f\u5c14\u51fa\u7248\u793e\u8bfe\u7a0b | \u6210\u4e3a\u6709\u8d44\u8d28\u7684\u5ba1\u7a3f\u4eba
\u7231\u601d\u552f\u5c14\u51fa\u7248\u793e\u5f00\u8bbe\u7684\u5173\u4e8e\u5982\u4f55\u6210\u4e3a\u4e00\u4e2a\u5408\u683c\u7684\u5ba1\u7a3f\u4eba\u7684\u8bfe\u7a0b\uff0c\u603b\u5171\u5206\u4e3a12\u4e2a\u6a21\u5757\uff0c\u603b\u8ba1\u7ea64\u5c0f\u65f6\u5de6\u53f3\u3002
14\u3001 \u8fdc\u7a0b\u5de5\u4f5c\u5c97\u4f4d\u8d44\u6e90\u63a8\u8350
\u4e00\u4e2agithub\u4ed3\u5e93\u4ee5\u53ca\u7f51\u7ad9\uff0c\u5305\u542b\u4e92\u8054\u7f51\u76f8\u5173\u516c\u53f8\u8fdc\u7a0b\u5de5\u4f5c\u6216\u8005\u534a\u8fdc\u7a0b\u5de5\u4f5c\u5c97\u4f4d\u3002\u5e0c\u671b\u8fd9\u6837\u7684\u5c97\u4f4d\u8d8a\u6765\u8d8a\u591a\uff0c\u7279\u522b\u662f\u751f\u4fe1\u76f8\u5173\u7684\u3002
15\u3001https://github.com/jiqizhixin/Artificial-Intelligence-Terminology-Database
\u4eba\u5de5\u667a\u80fd\u9886\u57df\u82f1\u4e2d\u6280\u672f\u8bcd\u6c47\u7684\u7efc\u5408\u6620\u5c04\u6570\u636e\u5e93\u3002\u672c\u672f\u8bed\u5e93\u76ee\u524d\u62e5\u6709\u4e13\u4e1a\u672f\u8bed\u7ea6 2442 \u4e2a\u3001\u4e13\u9879\u9886\u57df\u7bc7 2 \u7bc7\uff0c\u4e3b\u8981\u4e3a\u4eba\u5de5\u667a\u80fd\u9886\u57df\u57fa\u7840\u6982\u5ff5\u548c\u672f\u8bed\u3002
"},{"location":"issue-60/#_6","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-61/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 61 \u671f\uff09\uff1a\u57fa\u56e0\u5bf9\u5bff\u547d\u7684\u5f71\u54cd","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-61/#_1","title":"\u5c01\u9762\u56fe","text":"\u4eba\u7684\u4e00\u751f\u526a\u5f71\u56fe\uff08\u56fe\u6765\u6e90\uff09\u3002
"},{"location":"issue-61/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u57fa\u56e0\u5bf9\u5bff\u547d\u7684\u5f71\u54cd","text":"\u745e\u58eb\u6d1b\u6851\u5927\u5b66\u548c\u7f8e\u56fd\u7530\u7eb3\u897f\u5927\u5b66\u5065\u5eb7\u79d1\u5b66\u4e2d\u5fc3\u7684\u7814\u7a76\u56e2\u961f\u5728\u56fd\u9645\u9876\u5c16\u5b66\u672f\u671f\u520a Science \u4e0a\u53d1\u8868\u4e86\u9898\u4e3a\uff1aSex- and age-dependent genetics of longevity in a heterogeneous mouse population \u7684\u7814\u7a76\u8bba\u6587\u3002\u8be5\u7814\u7a76\u901a\u8fc7\u89c2\u5bdf\u4e863200\u591a\u53ea\u57fa\u56e0\u591a\u6837\u5316\u7684\u5c0f\u9f20\uff0c\u53d1\u73b0\u4e86\u5f71\u54cd\u5c0f\u9f20\u5bff\u547d\u7684\u51e0\u4e2a\u67d3\u8272\u4f53\u533a\u57df\u3002\u5e76\u4e14\u6709\u4e9b\u57fa\u56e0\u6548\u5e94\u5728\u96c4\u6027\u548c\u96cc\u6027\u4e4b\u95f4\u6709\u6240\u4e0d\u540c\uff0c\u800c\u6709\u4e9b\u57fa\u56e0\u6548\u5e94\u53ea\u5f71\u54cd\u5230\u4e86\u4e00\u5b9a\u5e74\u9f84\u540e\u7684\u5bff\u547d\u3002
@NiEntropy - \u60f3\u5230\u4e86\u751f\u7269\u8bfe\u672c\u4e2d\u7684\u4e00\u53e5\u8bdd\uff1a\u751f\u7269\u7684\u6027\u72b6\u662f\u7531\u57fa\u56e0\u51b3\u5b9a\u7684\uff0c\u800c\u57fa\u56e0\u7684\u8868\u8fbe\u53d7\u73af\u5883\u56e0\u7d20\u5f71\u54cd\uff1b\u60f3\u5230\u4e86\u79e6\u59cb\u7687\u70bc\u4e39\u6e21\u6d77\u5bfb\u4ed9\u6c42\u957f\u751f\uff0cGoogle\u6295\u8d44Calico\u4e13\u6ce8\u8870\u8001\u7814\u7a76\u3002\u4ece\u53e4\u81f3\u4eca\uff0c\u4eba\u7c7b\u4e00\u76f4\u5728\u8ffd\u5bfb\u7740\u957f\u5bff\uff0c\u800c\u5728\u65e5\u590d\u4e00\u65e5\u7684\u751f\u6d3b\u4e2d\uff0c\u6211\u66f4\u611f\u5174\u8da3\u672a\u6765\u4f1a\u662f\u4ec0\u4e48\u6837\uff1f\u662f\u50cf\u300a\u8d5b\u535a\u670b\u514b\uff1a\u8fb9\u7f18\u884c\u8005\u300b\u4e2d\u201c\u4f4e\u7aef\u751f\u6d3b\u4e0e\u9ad8\u7b49\u79d1\u6280\u7ed3\u5408\u201d\u7684\u60b2\u5267\uff0c\u8fd8\u662f\u6211\u4eec\u5171\u540c\u7684\u7406\u60f3\uff1a\u5728\u9ad8\u5ea6\u53d1\u8fbe\u7684\u793e\u4f1a\u751f\u4ea7\u529b\u548c\u5e7f\u5927\u5171\u8bc6\u8303\u56f4\uff0c\u4eba\u4eec\u79d1\u5b66\u6587\u5316\u6c34\u5e73\u548c\u601d\u60f3\u89c9\u609f\uff0c\u9053\u5fb7\u6c34\u5e73\u6781\u5927\u63d0\u9ad8\u7684\u57fa\u7840\u4e0a\uff0c\u5b9e\u884c\u5404\u5c3d\u6240\u80fd\u3001\u6309\u9700\u5206\u914d\u539f\u5219\u7684\u52b3\u52a8\u8005\u6709\u5e8f\u81ea\u7531\u8054\u5408\u7684\u793e\u4f1a\u7ecf\u6d4e\u5f62\u6001\u3002\u672a\u6765\u6e90\u4e8e\u5f53\u4e0b\uff0c\u8fd8\u662f\u8981\u811a\u8e0f\u5b9e\u5730\u628a\u5f53\u4e0b\u7684\u5de5\u4f5c\u5e72\u597d\u3002
1\u3001Nat Biotechnol | \u9996\u4e2a\u9ad8\u7075\u654f\u5ea6\u3001\u9ad8\u901a\u91cf\u3001\u5355\u7ec6\u80de\u5168\u957f\u8f6c\u5f55\u7ec4\u6d4b\u5e8f\u65b9\u6cd5VASA-seq
Nature Biotechnology\u4e0a\u7684\u8fd9\u7bc7\u9898\u4e3a\u201cHigh-throughput total RNA sequencing in single cells using VASA-seq\u201d\u7684\u6587\u7ae0\u4ecb\u7ecd\u4e86\u4e00\u79cd\u7ed3\u5408\u4e86\u9ad8\u7075\u654f\u5ea6\u3001\u5168\u957f\u8f6c\u5f55\u7ec4\u8986\u76d6\u548c\u9ad8\u901a\u91cf\u7684\u5355\u7ec6\u80de\u6d4b\u5e8f\u6280\u672f-\u2018vast transcriptome analysis of single cells by dA-tailing\u2019 \uff08VASA-seq\uff09\u3002VASA-seq\u7ed3\u5408\u4e8610x Chromium\u5e73\u53f0\u63d0\u4f9b\u7684\u9ad8\u901a\u91cf\u3001Smart-seq3\u65b9\u6cd5\u7684\u9ad8\u7075\u654f\u5ea6\u548cSmart-seq-total\u5728\u5355\u4e00\u5b9e\u9a8c\u5de5\u4f5c\u6d41\u4e2d\u63d0\u4f9b\u7684\u975e\u7f16\u7801RNA\u7684\u5e7f\u8c31\u6355\u83b7\u3002\u6b64\u5916\uff0cVASA-seq\u65b9\u6cd5\u6d89\u53ca\u7684\u8bd5\u5242\u6210\u672c\u8f83\u4f4e\uff0c\u4e0d\u4f9d\u8d56\u5176\u4ed6\u5546\u4e1a\u8bd5\u5242\u76d2\uff0c\u4e3a\u5ec9\u4ef7\u3001\u5927\u89c4\u6a21\u3001\u6df1\u5165\u7684\u8fdb\u884c\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u6d4b\u5e8f\u6210\u4e3a\u53ef\u80fd\u3002
2\u3001Nat Commun | \u6027\u80fd\u4f18\u4e8e\u4f20\u7edf\u751f\u7269\u6807\u5fd7\u7269\uff01\u57fa\u4e8e\u7f51\u7edc\u751f\u7269\u5b66\u7684\u673a\u5668\u5b66\u4e60\u65b9\u6cd5\u53ef\u51c6\u786e\u9884\u6d4b\u764c\u75c7\u60a3\u8005\u514d\u75ab\u6cbb\u7597\u53cd\u5e94
\u8fd1\u65e5\uff0c\u97e9\u56fd\u6d66\u9879\u79d1\u6280\u5927\u5b66\u3001\u5ef6\u4e16\u5927\u5b66\u7684\u7814\u7a76\u56e2\u961f\u63d0\u51fa\u4e86\u4e00\u79cd\u57fa\u4e8e\u7f51\u7edc\u751f\u7269\u5b66\u7684\u673a\u5668\u5b66\u4e60\uff08ML\uff09\u6a21\u578b\uff0c\u53ef\u4ee5\u5bf9ICI\u6570\u636e\u96c6\u8fdb\u884c\u7a33\u5065\u7684\u9884\u6d4b\uff0c\u5e76\u8bc6\u522b\u6f5c\u5728\u7684\u7f51\u7edc\u751f\u7269\u6807\u5fd7\u7269\uff08NetBio\uff09\u3002\u7814\u7a76\u56e2\u961f\u6574\u7406\u4e86700\u591a\u4f8b\u63a5\u53d7ICI\u6cbb\u7597\u7684\u60a3\u8005\u6837\u672c\uff0c\u5305\u62ec\u4e34\u5e8a\u7ed3\u679c\u548c\u8f6c\u5f55\u7ec4\u6570\u636e\u3002\u5728\u57fa\u4e8eNetBio\u7684\u9884\u6d4b\u4e2d\uff0c\u8be5\u65b9\u6cd5\u51c6\u786e\u9884\u6d4b\u4e86\u4e09\u79cd\u4e0d\u540c\u764c\u75c7\uff08\u9ed1\u8272\u7d20\u7624\u3001\u80c3\u764c\u548c\u8180\u80f1\u764c\uff09\u5bf9ICI\u6cbb\u7597\u7684\u53cd\u5e94\u3002\u6b64\u5916\uff0c\u57fa\u4e8eNetBio\u7684\u9884\u6d4b\u6548\u679c\u4f18\u4e8e\u57fa\u4e8e\u5176\u4ed6\u4f20\u7edf\u751f\u7269\u6807\u5fd7\u7269\uff08\u5982ICI\u9776\u6807\u6216\u80bf\u7624\u5fae\u73af\u5883\u76f8\u5173\u6807\u5fd7\u7269\uff09\u7684\u9884\u6d4b\u3002
3\u3001Nat Mach Intel\uff5c\u7528\u8bed\u8a00\u6a21\u578b\u8fdb\u884c\u53ef\u63a7\u7684\u86cb\u767d\u8d28\u8bbe\u8ba1
\u86cb\u767d\u8d28\u5e8f\u5217\u5728\u672c\u8d28\u4e0a\u7c7b\u4f3c\u4e8e\u81ea\u7136\u8bed\u8a00\uff1a\u6c28\u57fa\u9178\u4ee5\u591a\u79cd\u7ec4\u5408\u65b9\u5f0f\u6392\u5217\uff0c\u5f62\u6210\u627f\u8f7d\u529f\u80fd\u7684\u7ed3\u6784\uff0c\u5c31\u50cf\u5b57\u6bcd\u7ec4\u6210\u5355\u8bcd\u548c\u53e5\u5b50\u627f\u8f7d\u610f\u4e49\u4e00\u6837\u3002\u56e0\u6b64\u81ea\u7136\u8bed\u8a00\u5904\u7406\uff08NLP\uff09\u7684\u8bb8\u591a\u6280\u672f\u88ab\u5e94\u7528\u4e8e\u86cb\u767d\u8d28\u7814\u7a76\u95ee\u9898\u3002 \u6709\u51e0\u4e2a\u7279\u5f81\u8bc1\u660e\u4e86\u4eba\u7c7b\u8bed\u8a00\u548c\u86cb\u767d\u8d28\u5e8f\u5217\u4e4b\u95f4\u7684\u76f8\u4f3c\u6027\uff0c\u5176\u4e2d\u6700\u660e\u663e\u7684\u53ef\u80fd\u662f\u5b83\u4eec\u7684\u5206\u5c42\u7ec4\u7ec7\u3002\u4e0e\u4eba\u7c7b\u8bed\u8a00\u7c7b\u4f3c\uff0c\u86cb\u767d\u8d28\u662f\u7531\u5b57\u7b26\u4e32\u7684\u8fde\u63a5\u8868\u793a\u7684\uff1a20\u4e2a\u6807\u51c6\u6c28\u57fa\u9178\u3002\u7136\u540e\u5b57\u6bcd\u7ec4\u5408\u6210\u5355\u8bcd\uff0c\u6c28\u57fa\u9178\u7ec4\u5408\u6210\u4e8c\u7ea7\u7ed3\u6784\u6216\u4fdd\u5b88\u7684\u86cb\u767d\u8d28\u7247\u6bb5\u3002\u7136\u540e\uff0c\u5c31\u50cf\u5355\u8bcd\u7ec4\u5408\u6210\u5e26\u6709\u610f\u4e49\u7684\u53e5\u5b50\u4e00\u6837\uff0c\u7247\u6bb5\u53ef\u4ee5\u7ec4\u5408\u6210\u5e26\u6709\u529f\u80fd\u7684\u4e0d\u540c\u86cb\u767d\u8d28\u7ed3\u6784\u3002
\u8fc7\u53bb\u51e0\u5e74\u91cc\uff0cNLP\u9886\u57df\u6709\u4e86\u9769\u547d\u6027\u7684\u7a81\u7834\u3002\u6765\u81ea\u897f\u73ed\u7259\u8d6b\u7f57\u7eb3\u5927\u5b66\u4fe1\u606f\u5b66\u4e0e\u5e94\u7528\u7814\u7a76\u6240\u7684Noelia Ferruz\u7b49\u4eba\u5728Nat Mach Intel\u6742\u5fd7\u53d1\u8868\u6587\u7ae0\uff0c\u8ba8\u8bba\u4e86\u4eba\u5de5\u667a\u80fd\u9886\u57df\u7684\u6700\u65b0\u8fdb\u5c55\u2013\u8bed\u8a00\u6a21\u578b\u5728\u86cb\u767d\u8d28\u8bbe\u8ba1\u4e2d\u7684\u6f5c\u529b\u548c\u5f71\u54cd\u3002Transformer\u9884\u8bad\u7ec3\u6a21\u578b\u7684\u5b9e\u65bd\u4f7f\u6587\u672c\u751f\u6210\u5177\u6709\u7c7b\u4f3c\u4eba\u7c7b\u7684\u80fd\u529b\uff0c\u4e8eTransformer\u7684\u86cb\u767d\u8d28\u8bed\u8a00\u6a21\u578b\u5c06\u5f7b\u5e95\u6539\u53d8\u86cb\u767d\u8d28\u8bbe\u8ba1\u9886\u57df\uff0c\u5e76\u4e3a\u8bb8\u591a\u5f53\u524d\u548c\u672a\u6765\u7684\u793e\u4f1a\u6311\u6218\u63d0\u4f9b\u65b0\u7684\u89e3\u51b3\u65b9\u6848\u3002
4\u3001Genome Research | scFEA\uff1a\u4e00\u7ad9\u5f0f\u89e3\u51b3\u5355\u7ec6\u80de\u4ee3\u8c22\u5206\u6790
\u7ec6\u80de\u4ee3\u8c22\u662f\u5f71\u54cd\u7ec6\u80de\u529f\u80fd\u7684\u57fa\u7840\u6761\u4ef6\u4e4b\u4e00\uff0c\u5728\u5f88\u591a\u7279\u5b9a\u6761\u4ef6\u4e0b\uff0c\u7ec6\u80de\u4ee3\u8c22\u7684\u6539\u53d8\u5f80\u5f80\u65e9\u4e8e\u7ec6\u80de\u529f\u80fd\u7684\u6539\u53d8\u3002\u56e0\u6b64\uff0c\u6210\u529f\u7684\u63ed\u793a\u4e0d\u540c\u6761\u4ef6\u4e0b\u7ec6\u80de\u7684\u4ee3\u8c22\u72b6\u6001\uff0c\u80fd\u591f\u7ed9\u6211\u4eec\u7814\u7a76\u7ec6\u80de\u529f\u80fd\u63d0\u4f9b\u5f88\u597d\u7684\u53c2\u8003\u4ef7\u503c\u3002\u4f46\u662f\uff0c\u5373\u4f7f\u662f\u7ec4\u7ec7\u6c34\u5e73\u7684\u4ee3\u8c22\u6d41\u4e5f\u662f\u7a0d\u7eb5\u5373\u901d\u7684\uff0c\u4f20\u7edf\u7684\u751f\u7269\u5b66\u6280\u672f\u65e0\u6cd5\u8f83\u597d\u7684\u6355\u6349\u540c\u4e00\u65f6\u95f4\u4e0b\u4e0d\u540c\u529f\u80fd\u72b6\u6001\u4e0b\u7684\u7ec6\u80de\u4ee3\u8c22\uff0c\u800c\u5355\u7ec6\u80de\u6d4b\u5e8f\u6280\u672f\u53ef\u4ee5\u7ed9\u6211\u4eec\u63d0\u4f9b\u4e00\u4e2a\u65b0\u7684\u7814\u7a76\u601d\u8def\u3002 \u7ec6\u80de\u95f4\u7684\u4ee3\u8c22\u5f02\u8d28\u6027\uff0c\u548c\u4ee3\u8c22\u7269\u4e4b\u95f4\u7684\u76f8\u4e92\u4f5c\u7528\u88ab\u8ba4\u4e3a\u662f\u75be\u75c5\u6cbb\u7597\u8010\u836f\u6027\u7684\u91cd\u8981\u5f71\u54cd\u56e0\u7d20\u3002\u7136\u800c\uff0c\u7531\u4e8e\u7f3a\u4e4f\u6210\u719f\u7684\u9ad8\u901a\u91cf\u5355\u7ec6\u80de\u4ee3\u8c22\u7ec4\u5b66\u6280\u672f\uff0c\u6211\u4eec\u5c1a\u672a\u5bf9\u7ec4\u7ec7\u5185\u4ee3\u8c22\u5f02\u8d28\u6027\u548c\u534f\u540c\u673a\u5236\u5efa\u7acb\u7cfb\u7edf\u7684\u8ba4\u8bc6\u3002\u4e3a\u4e86\u7f13\u89e3\u8fd9\u4e00\u6280\u672f\u77ed\u677f\uff0c\u4f5c\u8005\u5f00\u53d1\u4e86\u4e00\u79cd\u65b0\u7684\u8ba1\u7b97\u65b9\u6cd5\uff0c\u5373\u5355\u7ec6\u80de\u901a\u91cf\u4f30\u8ba1\u5206\u6790(scFEA)\uff0c\u4ee5\u4ecescRNA-seq\u6570\u636e\u63a8\u65ad\u7ec6\u80de\u5185\u4ee3\u8c22\u7269\u7684\u901a\u91cf\u7814\u7a76\u3002
5\u3001\u63ed\u79d8\u751f\u5b58\u66f2\u7ebf\u80cc\u540e\u7684\u751f\u7269\u7edf\u8ba1\u5b66
\u6bd4\u8f83\u7cfb\u7edf\u7684\u751f\u5b58\u5206\u6790\u6982\u5ff5\u79d1\u666e\uff0c\u63a8\u8350\u5927\u5bb6\u9605\u8bfb\u3002
\u8fd1\u5e74\u6765\u4e2d\u6587\u51fa\u7248\u754c\u51fa\u73b0\u4e86\u5305\u542b\u6570\u5b66\u516c\u5f0f\u7684\u4e13\u4e1a\u79d1\u666e\u672a\u5fc5\u66f2\u9ad8\u548c\u5be1\u7684\u53ef\u559c\u73b0\u8c61\u3002\u5728\u8fd9\u4e9b\u6210\u529f\u8303\u4f8b\u7684\u9f13\u821e\u4e0b\uff0c\u672c\u6587\u5c06\u4ece\u6700\u57fa\u672c\u7684\u6982\u5ff5\u5f00\u59cb\uff0c\u5bf9\u201c\u751f\u5b58\u5206\u6790\u6d77\u6d0b\u201d\u7684\u4e24\u5927\u6c34\u57df\u5927\u80c6\u8fdb\u884c\u6df1\u5ea6\u6f5c\u6c34\u5f0f\u79d1\u666e\u3002
6\u3001jjAnno | \u4f18\u96c5\u7684\u5e2e\u4f60\u6dfb\u52a0\u6ce8\u91ca
\u672c\u6587\u4ecb\u7ecd\u4e86\u5982\u4f55\u901a\u8fc7jjAnno\u5305\u7ed9Figure\u5468\u56f4\u6dfb\u52a0\u5404\u79cd\u5404\u6837\u7684\u6ce8\u91ca(\u6587\u5b57\u3001\u7ebf\u6bb5\u548c\u77e9\u5f62\u7b49\u7b49)\u3002
7\u3001\u8fde\u7ebf\u56fe\u5e94\u8be5\u5982\u4f55\u753b\uff1f
\u7ec6\u80de-\u7ec6\u80de\u914d\u4f53-\u53d7\u4f53 (LRs) \u548c\u7ec6\u80de\u56e0\u5b50\u76f8\u5173\u901a\u8def\u7f51\u7edc\u5206\u6790\u56fe\u7684\u7ed8\u753b\u6559\u7a0b\u3002
8\u3001xTrimo Multimer | \u52a0\u901f\u86cb\u767d\u8d28\u9884\u6d4b\uff0c\u6bd4AlphaFold2\u5feb10\u500d
\u57282022\u5e743\u6708\uff0cColossal-AI \u56e2\u961f\u66fe\u63a8\u51fa\u86cb\u767d\u8d28\u7ed3\u6784\u9884\u6d4b\u6a21\u578bAlphaFold\u7684\u8bad\u7ec3\u63a8\u7406\u52a0\u901f\u65b9\u6848FastFold\uff0c\u7528\u66f4\u4f4e\u7684\u6210\u672c\u5c06\u603b\u4f53\u8bad\u7ec3\u65f6\u95f4\u4ece11\u5929\u51cf\u5c11\u523067\u5c0f\u65f6\uff0c\u5728\u957f\u5e8f\u5217\u63a8\u7406\u5e94\u7528\u4e2d\u5b9e\u73b0\u8d8511\u500d\u7684\u63d0\u5347\u3002\u4ee5\u6b64\u4e3a\u8d77\u70b9\uff0cColossal-AI \u56e2\u961f\u5728\u8fdb\u4e00\u6b65\u63a2\u7d22\u86cb\u767d\u8d28\u7ed3\u6784\u9884\u6d4b\u9886\u57df\u7684\u6280\u672f\u9769\u65b0\u3002\u9488\u5bf9\u86cb\u767d\u8d28\u5355\u4f53(Monomer)\u4e0e\u590d\u5408\u7269(Multimer)\u7ed3\u6784\u9884\u6d4b\u7684\u96be\u9898\uff0c\u672c\u6b21Colossal-AI \u56e2\u961f\u8054\u5408\u767e\u56fe\u751f\u79d1\u63d0\u51fa\u884c\u4e1a\u5185\u6700\u65b0\u89e3\u51b3\u65b9\u6848 xTrimo Multimer\u5f00\u6e90\u7248\u6a21\u578b\uff0c\u80fd\u591f\u66f4\u597d\u5730\u7406\u89e3\u86cb\u767d\u4e92\u4f5c\u5173\u7cfb\uff0c\u4ece\u800c\u63d0\u5347\u836f\u7269\u7814\u53d1\u5e73\u53f0\u4e2d\u9776\u70b9\u5206\u6790\u3001\u86cb\u767d\u8d28\u7ed3\u6784\u9884\u6d4b\u548c\u6a21\u62df\u4ee5\u53ca\u9ad8\u7cbe\u51c6\u6297\u4f53\u8bbe\u8ba1\u7b49\u65b9\u9762\u7684\u80fd\u529b\u3002xTrimo Multimer\u53ef\u4ee5\u652f\u6301\u957f\u8fbe4K\u7684\u5e8f\u5217\u63a8\u7406\uff0c\u6b64\u65f6OpenFold\u548cAlphaFold 2\u53d7\u9650\u4e8e\u663e\u5b58\u65e0\u6cd5\u5b8c\u6210\u63a8\u7406\uff0c\u800cxTrimo Multimer\u53ef\u4ee5\u572820\u5206\u949f\u5de6\u53f3\u5b8c\u6210\u3002
9\u3001Nezzle | \u4e00\u4e2a\u7528Python\u7f16\u5199\u7684\u4ea4\u4e92\u5f0f\u548c\u53ef\u7f16\u7a0b\u7684\u751f\u7269\u7f51\u7edc\u53ef\u89c6\u5316\u8f6f\u4ef6
Nezzle\u662f\u4e00\u6b3e\u7f51\u7edc\u53ef\u89c6\u5316\u8f6f\u4ef6\uff08\u610f\u601d\u662fNet + Puzzle\uff0c\u56e0\u4e3a\u8c03\u6574\u7f51\u7edc\u7684\u8282\u70b9\u548c\u8fb9\u8fdb\u884c\u53ef\u89c6\u5316\u7c7b\u4f3c\u4e8e\u62fc\u56fe\uff09\u3002\u5b83\u63d0\u4f9b\u4ea4\u4e92\u5f0f\u548c\u53ef\u7f16\u7a0b\u7684\u754c\u9762\uff0c\u5141\u8bb8\u7528\u6237\u901a\u8fc7Python\u7f16\u7a0b\u8c03\u6574\u8282\u70b9\u548c\u8fb9\u7684\u4f4d\u7f6e\uff0c\u5e76\u81ea\u52a8\u5b9e\u73b0\u56fe\u5f62\u7ec4\u4ef6\u7684\u98ce\u683c\u5316\u3002
10\u3001diagrams.net | \u56fe\u8868\u7ed8\u5236
diagrams \u662f\u4e00\u4e2a\u514d\u8d39\u7684\u56fe\u8868\u7ed8\u5236\u7f51\u7ad9\uff0c\u63d0\u4f9b\u7684\u4e30\u5bcc\u7684\u529f\u80fd\u548c\u591a\u5e73\u53f0\u7684\u5e94\u7528\u3002
11\u3001facets | \u53ef\u89c6\u5316\u673a\u5668\u5b66\u4e60\u6570\u636e\u96c6
facets\u9879\u76ee\u5305\u542b\u4e86\u4e24\u4e2a\u53ef\u89c6\u5316\u529f\u80fd\u7406\u89e3\u548c\u5206\u6790\u673a\u5668\u5b66\u4e60\u6570\u636e\u96c6\uff1aFacets Overview \u548c Facets Dive\u3002\u53ef\u89c6\u5316\u7531Polymer\u7f51\u9875\u90e8\u4ef6\u5b9e\u65bd\uff0c\u7531Typescript\u4ee3\u7801\u652f\u6491\u53ef\u4ee5\u8f7b\u677e\u5d4c\u5165\u5230Jupyter\u7b14\u8bb0\u672c\u548c\u7f51\u9875\u4e2d\u3002
12\u3001ProteinContactNetworks | \u86cb\u767d\u63a5\u89e6\u7f51\u7edc\u5206\u6790
\u86cb\u767d\u8d28\u63a5\u89e6\u7f51\u7edc\u5206\u6790\u56fe\uff0c\u8282\u70b9\u4ee3\u8868\u6c28\u57fa\u9178\uff0c\u5f53\u4e24\u4e2a\u8282\u70b9\u7684\u8ddd\u79bb\u5728 4 \u5230 8 Angstrom\u95f4\u65f6\uff0c\u8ba4\u4e3a\u4e24\u4e2a\u8282\u70b9\u95f4\u5b58\u5728\u63a5\u89e6\u3002
1 Angstrom = 0.1 nanometre
13\u3001nf-core/sarek | \u4f53\u7ec6\u80de\u53d8\u5f02\u5f00\u6e90\u5206\u6790\u7ba1\u9053
14\u3001pzweuj | \u751f\u7269\u4fe1\u606f\u5b9e\u8df5
\u76ee\u524d\u535a\u4e3b\u66f4\u65b0\u4e86\uff0cDNA-seq\u3001RNA-seq\u3001mNGS\u7684\u76f8\u5173\u5206\u6790\u6559\u7a0b\u3002
15\u3001WebStack-Hugo | \u65e0\u9700\u670d\u52a1\u5668\u9759\u6001\u54cd\u5e94\u5f0f\u7f51\u5740\u5bfc\u822a\u4e3b\u9898
\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-62/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 62 \u671f\uff09\uff1a\u56de\u671b\u4e0e\u5154\u5e74\u5bc4\u8bed","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-62/#_1","title":"\u5c01\u9762\u56fe","text":"\u6d77\u4e0a\u57ce\u5e02\u8bbe\u8ba1\u3002\u56fe\u6e90\uff1ahttps://www.pangeosyacht.com/projects
"},{"location":"issue-62/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u56de\u671b\u4e0e\u5154\u5e74\u5bc4\u8bed","text":"\u738b\u8bd7\u7fd4\uff1a
\u300c\u56de\u671b\u300d\u975e\u5e38\u5f00\u5fc3\u5728\u53bb\u5e74\u901a\u8fc7Openbiox\u7ec4\u5efa\u4e86\u5c0f\u56e2\u961f\u6765\u6301\u7eed\u5316\u8fd0\u7ef4\u5f00\u6e90\u7684\u751f\u4fe1\u5468\u520a\u9879\u76ee\uff0c\u6240\u6709\u7684\u53c2\u4e0e\u4eba\u5458\u90fd\u975e\u5e38\u79ef\u6781\u5730\u53c2\u4e0e\u548c\u8d21\u732e\u4e86\u540e\u7eed\u7684\u8ba1\u5212\u548c\u5185\u5bb9\u3002\u613f\u6211\u4eec\u7684\u6301\u7eed\u7684\u4e00\u70b9\u5c0f\u575a\u6301\u3001\u5c0f\u8d21\u732e\uff0c\u4e3a\u6574\u4e2a\u751f\u6001\u7cfb\u7edf\u7684\u5efa\u8bbe\u6dfb\u7816\u52a0\u74e6\uff0c\u4e3a\u76f8\u5173\u7684\u5b66\u4e60\u8005\u3001\u5de5\u4f5c\u8005\u5e26\u53bb\u5e2e\u52a9\u3002
\u300c\u5154\u5e74\u5bc4\u8bed\u300d\u795d\u5168\u90e8\u8fd0\u7ef4\u6210\u5458\u548c\u6240\u6709\u7684\u8bfb\u8005\u5728\u65b0\u7684\u4e00\u5e74\u91cc\u9f99\u817e\u864e\u8dc3\uff0c\u94b1\u5154\u65e0\u91cf\uff0c\u9e3f\u5154\u5927\u5c55\uff0c\u4e8b\u4e1a\u6709\u6210\uff0c\u5bb6\u5ead\u7f8e\u6ee1\uff01
\u4f55\u51ef\uff1a
\u300c\u56de\u671b\u300d\u52a0\u5165Openbiox\u793e\u533a\u5df2\u534a\u5e74\u6709\u4f59\uff0c\u5f88\u5f00\u5fc3\u80fd\u5206\u914d\u5230\u8bd7\u7fd4\u5e26\u9886\u7684\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\u5c0f\u5206\u961f\u4e2d\uff0c\u521a\u8fdb\u5165\u56e2\u961f\u65f6\uff0c\u4ece\u5185\u5bb9\u641c\u96c6\u5230\u5468\u65e5\u53d1\u8868\u6574\u4e2a\u6d41\u7a0b\u90fd\u5df2\u89c4\u5212\u7684\u5341\u5206\u8be6\u7ec6\u4e86\uff0c\u4f7f\u5f97\u5927\u5bb6\u5f88\u5feb\u4e0a\u624b\u534f\u4f5c\u8d77\u6765\uff0c\u622a\u6b62\u76ee\u524d\u5171\u53c2\u4e0e\u4e8627\u671f\u7684\u5185\u5bb9\uff0c3\u6b21\u4f5c\u4e3a\u4e3b\u8d1f\u8d23\u4eba\u6574\u7406\u5e76\u53d1\u5e03\uff0c\u771f\u5fc3\u89c9\u5f97\u5728\u6b64\u8fc7\u7a0b\u4e2d\u6536\u83b7\u6210\u957f\u4e86\u5f88\u591a\uff0c\u6700\u5927\u7684\u611f\u609f\u5c31\u662f\u773c\u754c\u4e0d\u518d\u5c40\u9650\u4e8e\u81ea\u5df1\u6240\u8ba4\u77e5\u6216\u64c5\u957f\u7684\u90a3\u4e00\u7247\u9886\u57df\u5185\uff0c\u6539\u6389\u4e86\u4e00\u4e9b\u4e0d\u597d\u7684\u4e60\u60ef(\u6bd4\u5982\u628a\u77e5\u8bc6\u653e\u8fdb\u6536\u85cf\u5939\u91cc\u5403\u7070)\uff0c\u5728\u4e0d\u65ad\u5206\u4eab\u77e5\u8bc6\u8fc7\u7a0b\u4e2d\u5bf9\u67d0\u4e9b\u95ee\u9898\u7684\u7406\u89e3\u4e5f\u66f4\u52a0\u6df1\u523b\u5e7f\u6cdb\u3002
\u300c\u5154\u5e74\u5bc4\u8bed\u300d1. \u65b0\u7684\u4e00\u5e74\uff0c\u5e0c\u671b\u5728\u6709\u7cbe\u529b\u524d\u63d0\u4e0b\u66f4\u591a\u53c2\u4e0e\u8d1f\u8d23\u5468\u520a\u7684\u5185\u5bb9\u641c\u96c6\u6574\u7406\uff0c\u4e0d\u65ad\u5f00\u62d3\u81ea\u5df1\u77e5\u8bc6\u9886\u57df\uff1b2. \u987a\u5229\u5b8c\u6210\u81ea\u5df1\u7684\u8bfe\u9898\uff0c\u5728\u6295\u7684\u51e0\u7bc7paper\u80fd\u987a\u5229accpet\uff0c\u540c\u65f6\u63d0\u5347\u81ea\u5df1coding\u6c34\u5e73 \uff1b 3. \u4e92\u76f8\u534f\u4f5c\u534a\u5e74\u4e4b\u4e45\uff0c\u5e0c\u671b\u540e\u7eed\u6709\u673a\u4f1a\u548c\u51e0\u4f4d\u5c0f\u4f19\u4f34\u7ebf\u4e0a/\u4e0b\u89c1\u9762\u6709\u66f4\u591a\u7684\u4ea4\u6d41\u8ba4\u8bc6\u3002
\u8d75\u542f\u7965\uff1a
\u300c\u56de\u671b\u300d\u5f88\u9ad8\u5174\u52a0\u5165Openbiox\u793e\u7fa4\uff0c\u5728\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\u5c0f\u5206\u961f\u91cc\uff01\u6bcf\u4e00\u6b21\u53c2\u4e0e\u5468\u520a\u5185\u5bb9\u7684\u5206\u4eab\u90fd\u53ef\u4ee5\u5b66\u5230\u65b0\u7684\u77e5\u8bc6\uff0c\u63a5\u89e6\u65b0\u9886\u57df\uff0c\u7ed9\u67af\u71e5\u7684\u79d1\u7814\u751f\u6d3b\u6ce8\u5165\u6d3b\u529b\uff01
\u300c\u5154\u5e74\u5bc4\u8bed\u300d\u65b0\u5e74\u5feb\u4e50\uff01\u795d\u5927\u5bb6\u5728\u65b0\u7684\u4e00\u5e74\u91cc\u987a\u987a\u5229\u5229\uff0c\u4e8b\u4e1a\u6709\u6210\uff0c\u9616\u5bb6\u56e2\u5706\uff01
"},{"location":"issue-62/#_3","title":"\u751f\u4fe1\u7814\u7a76","text":"1\u3001Science | \u51b7\u51bb\u4eba\u7c7b\u5927\u8111\u5206\u6790\u63ed\u793a\u51fa\u4e0e\u5e74\u9f84\u76f8\u5173\u7684\u201c\u8d85\u7a81\u53d8\u6027\u201d
\u6765\u81ea\u6885\u5965\u8bca\u6240\u3001\u8036\u9c81\u5927\u5b66\u548c\u7ea6\u7ff0\u970d\u666e\u91d1\u65af\u5927\u5b66\u9886\u5bfc\u7684\u7814\u7a76\u56e2\u961f\u9996\u6b21\u5bf9\u5927\u89c4\u6a21\u4eba\u7c7b\u6b7b\u540e\u51b7\u51bb\u5927\u8111\u8fdb\u884c\u4e86\u6df1\u5ea6\u5168\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u5206\u6790\uff0c\u63ed\u793a\u4e86\u5927\u8111\u4e2d\u4f53\u7ec6\u80de\u7a81\u53d8\u7684\u590d\u6742\u75c5\u56e0\u5b66\u53ca\u5176\u4e0e\u8870\u8001\u7684\u6f5c\u5728\u5173\u7cfb\u3002\u8be5\u56e2\u961f\u8fd8\u8868\u793a\uff0c\u867d\u7136\u5728\u8fd9\u9879\u7814\u7a76\u4e2d\u6ca1\u6709\u53d1\u73b0\u4f53\u7ec6\u80de\u7a81\u53d8\u4e0e\u7cbe\u795e\u5206\u88c2\u75c7\u548c\u56fe\u96f7\u7279\u7efc\u5408\u5f81\u4e4b\u95f4\u7684\u8054\u7cfb\uff0c\u4f46\u8fd8\u9700\u8981\u66f4\u591a\u7684\u7814\u7a76\u6765\u6392\u9664\u8fd9\u4e00\u53ef\u80fd\u3002\u4ed6\u4eec\u5f3a\u8c03\uff0c\u9274\u4e8e\u4e0a\u8ff0\u53d1\u73b0\uff0c\u6709\u5fc5\u8981\u5bf9\u66f4\u5927\u89c4\u6a21\u7684\u81ea\u95ed\u75c7\u548c\u5176\u4ed6\u75be\u75c5\u961f\u5217\u8fdb\u884c\u8fdb\u4e00\u6b65\u7814\u7a76\uff0c\u4ee5\u5bf9\u8fd9\u4e00\u89c2\u5bdf\u7ed3\u679c\u505a\u51fa\u660e\u786e\u7684\u7ed3\u8bba\u3002
2\u3001PeerJ \u7efc\u8ff0 | \u57fa\u56e0\u7ec4\u5b66\u8fdb\u5165\u6df1\u5ea6\u5b66\u4e60\u65f6\u4ee3
\u5927\u91cf\u7684\u751f\u7269\u5e8f\u5217\u6570\u636e\uff0c\u52a0\u4e0a\u6700\u8fd1\u5728\u8ba1\u7b97\u673a\u89c6\u89c9\u6216\u81ea\u7136\u8bed\u8a00\u5904\u7406\u7b49\u9886\u57df\u7684\u6df1\u5ea6\u5b66\u4e60\u65b9\u6cd5\u4e0a\u7684\u7a81\u7834\uff0c\u5f53\u4e0b\u6b63\u9762\u4e34\u6df1\u5ea6\u57fa\u56e0\u7ec4\u5b66\u4e0b\u751f\u7269\u4fe1\u606f\u5b66\u7684\u53d8\u9769\u3002\u8fd9\u7bc7\u7efc\u8ff0\u56de\u987e\u4e86\u6df1\u5ea6\u5b66\u4e60\u5728\u8be5\u9886\u57df\u7684\u65b0\u5e94\u7528\uff0c\u4e3b\u8981\u96c6\u4e2d\u5728\u4e09\u4e2a\u65b9\u9762\uff1a\u57fa\u56e0\u7ec4\u7684\u529f\u80fd\u6ce8\u91ca\u3001\u57fa\u56e0\u7ec4\u529f\u80fd\u7684\u5e8f\u5217\u51b3\u5b9a\u56e0\u7d20\u548c\u7f16\u5199\u5408\u6210\u57fa\u56e0\u7ec4\u5e8f\u5217\u7684\u53ef\u80fd\u6027\u3002
3\u3001\u6d4b\u5e8f\u5e02\u573a\u5230\u5e95\u6709\u591a\u5927\uff1f
\u672c\u6587\u9610\u8ff0\u4e86\u51e0\u4e2a\u6d4b\u5e8f\u9f99\u5934\u516c\u53f8\u7684\u5e02\u573a\u4ef7\u503c\u3002
\u6ce8\uff1a
4\u3001\u56fd\u5185\u670d\u52a1\u5668\u65e0\u6cd5\u8bbf\u95eeGithub\u5bfc\u81f4git pull\u5931\u6548\u7684\u89e3\u51b3\u529e\u6cd5
\u672c\u6587\u9488\u5bf9lamp\u73af\u5883\u66f4\u65b0\u540e\uff0c\u6267\u884cgit pull\u5374\u53d1\u73b0\u65e0\u6cd5\u8bbf\u95eegithub\u670d\u52a1\u5668\u7684\u95ee\u9898\uff0c\u63d0\u51fa\u4e86\u4fee\u6539hosts\u6587\u4ef6\u7684\u89e3\u51b3\u65b9\u6cd5\u3002\u5e76\u63d0\u4f9b\u4e86\u6700\u65b0\u7684GitHub IP\u5730\u5740\u3002
"},{"location":"issue-62/#_5","title":"\u5de5\u5177","text":"5\u3001gGnome.js \uff5c \u4e00\u4e2a\u7528\u6237\u53cb\u597d\u5316\u7684\u7f51\u9875\u5de5\u5177\uff0c\u7528\u4e8e\u5c55\u793a\u57fa\u56e0\u7ec4\u4e0a\u5404\u79cd\u4fe1\u606f
6\u3001juicr \uff5c \u89e3\u6790\u56fe\u50cf\u6570\u636e
juicr \u662f\u4e00\u4e2a\u5229\u7528\u81ea\u52a8\u3001\u534a\u81ea\u52a8\u548c\u624b\u52a8\u5de5\u5177\uff0c\u4ece\u79d1\u5b66\u56fe\u50cf\u4e2d\u63d0\u53d6\u6570\u636e\u7684GUI \u754c\u9762\u3002\u9002\u7528\u8303\u56f4\u5305\u542b\u6570\u636e\u7684\u6563\u70b9\u56fe\u548c\u6761\u5f62\u56fe\uff0c\u6216\u5177\u6709\u53ef\u8fdb\u884c\u6570\u5b57\u8f6c\u6362\u6216\u5750\u6807\u5206\u7c7b\u7684\u4fe1\u606f\u7684\u5176\u4ed6\u56fe\u50cf\u3002
7\u3001Selfspy | \u591a\u5e73\u53f0\u76d1\u63a7\u5e76\u8bb0\u5f55\u7535\u8111\u64cd\u4f5c\u7684\u5de5\u5177
Selfspy\u662f\u4e00\u6b3e\u652f\u6301Unix\u3001MacOS\u548cWindows\u5e73\u53f0\u3001\u5b9e\u65f6\u76d1\u63a7\u5e76\u8bb0\u5f55\u4f60\u7535\u8111\u5404\u79cd\u64cd\u4f5c\u7684\u5de5\u5177\uff0c\u901a\u8fc7\u76f8\u5e94\u7684\u6307\u4ee4\u53ef\u4ee5\u56de\u987e\u5e76\u67e5\u8be2\u65e2\u5f80\u7684\u64cd\u4f5c\u3002
"},{"location":"issue-62/#_6","title":"\u8d44\u6e90","text":"8\u3001100\u591a\u6b3e\u7f16\u7a0b\u5b57\u4f53\u9884\u89c8\u548c\u4e0b\u8f7d
"},{"location":"issue-62/#_7","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-63/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 63 \u671f\uff09\uff1a\u505c\u6b62\u5bfb\u627e\u7684\u6700\u4f73\u65f6\u95f4","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-63/#_1","title":"\u5c01\u9762\u56fe","text":"\u6765\u6e90\uff1aKatie-Marie Case
\u8fd9\u4e9b\u4eba\u7c7b\u9f3b\u8154\u7ec6\u80de\u8986\u76d6\u7740\u7ea4\u6bdb\u2014\u2014\u6293\u4f4f\u5e76\u6e05\u7406\u9f3b\u8154\u5f02\u7269\u7684\u7ec6\u5c0f\u6bdb\u53d1\u3002\u5728\u7814\u7a76COVID-19\u4e3a\u4f55\u5bf9\u67d0\u4e9b\u5e74\u9f84\u9636\u6bb5\u7684\u5f71\u54cd\u8f83\u5927\u65f6\uff0c\u535a\u58eb\u751fKatie-Marie Case\u6ce8\u610f\u5230\u8fd9\u4e9b\u661f\u7cfb\u822c\u7684\u9f3b\u7ec6\u80de\u87ba\u65cb\u53ea\u51fa\u73b0\u5728\u8001\u5e74\u60a3\u8005\u8eab\u4e0a\u3002
"},{"location":"issue-63/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u505c\u6b62\u5bfb\u627e\u7684\u6700\u4f73\u65f6\u95f4","text":"\u65e5\u5e38\u751f\u6d3b\u6709\u5f88\u591a\u201d\u5bfb\u627e-\u51b3\u7b56\u8fc7\u7a0b\u201d\uff0c\u5982\u679c\u8003\u5bdf\u6240\u6709\u9009\u9879\uff0c\u8981\u82b1\u8d39\u5f88\u957f\u65f6\u95f4\uff0c\u53ef\u80fd\u8fd8\u4f1a\u9519\u5931\u673a\u4f1a\uff0c\u540e\u9762\u9047\u5230\u7684\u672a\u5fc5\u6709\u524d\u9762\u7684\u597d\u3002\u80fd\u5426\u786e\u5b9a\u4e00\u4e2a\u65f6\u95f4\u70b9\uff0c\u5230\u4e86\u67d0\u4e2a\u9636\u6bb5\u5c31\u505c\u4e0b\u6765\uff0c\u4e0d\u518d\u5bfb\u627e\u4e86\uff0c\u8fd9\u65f6\u627e\u5230\u5408\u9002\u5019\u9009\u4eba\u7684\u6982\u7387\u6700\u5927\uff1f
@\u300a\u6700\u4f73\u505c\u6b62\u65f6\u95f4\u300b \u201c37%\u6cd5\u5219\u201d\u7684\u610f\u601d\u5c31\u662f\uff0c\u5bfb\u627e\u9636\u6bb5\u8fdb\u884c\u523037%\u5c31\u8981\u505c\u6b62\u3002\u65e5\u5e38\u751f\u6d3b\u4e2d\uff0c\u53ea\u8981\u7b26\u5408\u201d\u5bfb\u627e-\u51b3\u7b56\u8fc7\u7a0b\u201d\u7684\u573a\u666f\uff0c\u90fd\u53ef\u4ee5\u9002\u752837%\u6cd5\u5219\u3002
@kkjtmac \u4e4b\u524d\u4e5f\u9047\u5230\u8fc7\u7c7b\u4f3c\u7684\u51b3\u7b56\u72b9\u8c6b\u4e0d\u51b3\u7684\u65f6\u5019\uff0c\u6ca1\u6709\u4e00\u4e2a\u6807\u51c6\u8fdb\u884c\u6700\u7ec8\u7684\u51b3\u5b9a\uff0c\u51c6\u5907\u540e\u7eed\u9047\u5230\u76f8\u4f3c\u7684\u60c5\u51b5\u5b9e\u884c\u201d37%\u6cd5\u5219\u201d\uff01
@ShixiangWang \u8fd9\u4e2a\u7b56\u7565\u5728\u6210\u672c\u6709\u9650\u65f6\u53ef\u4ee5\u83b7\u53d6\u6bd4\u8f83\u4f18\u79c0\u7684\u7ed3\u679c\uff0c\u4f46\u5728\u9053\u5fb7\u4e0a\u53ef\u80fd\u6d89\u53ca\u5230\u5bf9\u53c2\u4e0e\u8005\u4e0d\u516c\u5e73\u7684\u5f85\u9047\u3002
1\u3001Nature Medicine\u89c2\u70b9\u6587\u7ae0 | \u4eba\u7c7b\u7ec6\u80de\u56fe\u8c31\u5bf9\u533b\u5b66\u7684\u5f71\u54cd
\u5251\u6865\u5927\u5b66\u56e2\u961f\u8054\u5408Genentech\u516c\u53f8\u56e2\u961f\u5728Nature Medicine\u4e0a\u53d1\u8868\u89c2\u70b9\u6587\u7ae0\u201cImpact of the Human Cell Atlas on medicine\u201d\uff0c\u5c55\u671b\u4e86\u7ec6\u80de\u56fe\u8c31\u5f71\u54cd\u533b\u5b66\u672a\u6765\u7684\u6f5c\u529b\uff0c\u5e76\u63cf\u8ff0\u4e86\u8fc7\u53bb\u5341\u5e74\u4e2d\uff0c\u8be5\u9886\u57df\u7814\u7a76\u8fdb\u5c55\u5982\u4f55\u5728\u5e38\u89c1\u590d\u6742\u75be\u75c5\u3001\u4f20\u67d3\u75c5\uff08\u5305\u62ecCOVID-19\uff09\u3001\u7f55\u89c1\u75be\u75c5\u548c\u764c\u75c7\u4e2d\u5b9e\u73b0\u8fd9\u4e00\u6f5c\u529b\u3002
2\u3001Cancer Research \uff5c \u89e3\u7801\u764c\u75c7\u9057\u4f20\u7956\u5148\u7684\u65b0\u7b97\u6cd5\uff0c\u53ef\u4ece\u764c\u75c7\u884d\u751f\u5206\u5b50\u6570\u636e\u8fdb\u884c\u9057\u4f20\u8840\u7edf\u63a8\u65ad
\u8be5\u7814\u7a76\u56e2\u961f\u5f00\u53d1\u4e86\u4e00\u79cd\u4ece\u764c\u75c7\u884d\u751f\u7684\u5206\u5b50\u6570\u636e\u4e2d\u8fdb\u884c\u51c6\u786e\u3001\u7a33\u5065\u5730\u7956\u5148\u63a8\u65ad\u7684\u8ba1\u7b97\u65b9\u6cd5\u3002\u8be5\u65b9\u6cd5\u5c06\u4e00\u79cd\u57fa\u4e8ePCA\u7684\u7956\u5148\u63a8\u65ad\u6280\u672f\u4e0e\u4f7f\u7528\u5408\u6210\u6570\u636e\u8fdb\u884c\u63a8\u65ad\u53c2\u6570\u4f18\u5316\u7684\u65b9\u6cd5\u76f8\u7ed3\u5408\uff0c\u6709\u52a9\u4e8e\u9057\u4f20\u8840\u7edf\u5bfc\u5411\u7684\u764c\u75c7\u7814\u7a76\u3002\u7814\u7a76\u56e2\u961f\u8fd8\u4ece\u5df2\u77e5\u80cc\u666f\u7684\u764c\u75c7\u548c\u4e0d\u76f8\u5173\u65e0\u764c\u57fa\u56e0\u7ec4\u4e2d\u521b\u5efa\u6837\u672c\u56fe\u8c31\uff0c\u5e76\u5229\u7528\u5df2\u77e5\u8840\u7edf\u7684\u80f0\u817a\u764c\u3001\u5375\u5de2\u764c\u3001\u4e73\u817a\u764c\u548c\u8840\u764c\u6837\u672c\u9a8c\u8bc1\u4e86\u8be5\u7b97\u6cd5\u7684\u6027\u80fd\uff0c\u7ed3\u679c\u663e\u793a\u8be5\u7b97\u6cd5\u51c6\u786e\u7387\u8d8595%\u3002
3\u3001Genome Biology | \u591a\u6a21\u6001\u548c\u5355\u7ec6\u80de/\u4e9a\u7ec6\u80de\u6c34\u5e73\u7a7a\u95f4\u7ec4\u5b66\u6280\u672f\u7684\u73b0\u72b6\u53ca\u53d1\u5c55\u524d\u666f
\u7a7a\u95f4\u7ec4\u5b66\u6280\u672f\u80fd\u591f\u5e2e\u52a9\u4eba\u4eec\u66f4\u6df1\u5165\u5730\u4e86\u89e3\u7ec6\u80de\u7ec4\u7ec7\u548c\u76ee\u6807\u7ec4\u7ec7\u5185\u7684\u76f8\u4e92\u4f5c\u7528\u3002\u8fd9\u4e9b\u6280\u672f\u65b9\u6cd5\u53ef\u4ee5\u8bc6\u522b\u7ec4\u7ec7\u4e2d\u5177\u6709\u5dee\u5f02\u8f6c\u5f55\u7269\u6216\u86cb\u767d\u8d28\u4e30\u5ea6\u7684\u7279\u5b9a\u533a\u6bb5\u6216\u533a\u57df\uff0c\u63cf\u8ff0\u5176\u76f8\u4e92\u4f5c\u7528\uff0c\u5e76\u8865\u5145\u5b9a\u4e49\u7ec6\u80de\u8868\u578b\u7684\u5176\u4ed6\u65b9\u6cd5\u3002\u4e0e\u4f20\u7edf\u7684\u5355\u7ec6\u80de\u6d4b\u5e8f\u65b9\u6cd5\u76f8\u6bd4\uff0c\u9ad8\u5206\u8fa8\u7387\u7a7a\u95f4\u7ec4\u5b66\u6570\u636e\u5305\u542b\u539f\u751f\u7ec4\u7ec7\u6784\u8c61\u7684\u6210\u5bf9\u7a7a\u95f4\u4fe1\u606f\uff0c\u5141\u8bb8\u53d1\u73b0\u65b0\u7684\u7ec6\u80de\u7c7b\u578b\u3001\u7ec6\u80de\u76f8\u4e92\u4f5c\u7528\u548c\u7ec4\u7ec7\u7ed3\u6784\u3002\u7f8e\u56fd\u5a01\u5c14\u5eb7\u5948\u5c14\u533b\u5b66\u9662\u7684\u7814\u7a76\u56e2\u961f\u56de\u987e\u4e86\u4ece\u5355\u7ec6\u80de\u5230\u4e9a\u7ec6\u80de\u5206\u8fa8\u7387\u7684\u7a7a\u95f4\u7ec4\u5b66\u6280\u672f\u548c\u5206\u6790\u5de5\u5177\u7684\u73b0\u72b6\u53ca\u524d\u666f\uff0c\u4e3a\u79d1\u7814\u7814\u7a76\u548c\u4e34\u5e8a\u5e94\u7528\u63d0\u4f9b\u4e86\u4e00\u4e2a\u5168\u9762\u3001\u8be6\u5c3d\u7684\u7efc\u5408\u5206\u6790\u3002
4\u3001 \u628aOpenAI\u63a5\u5165\u5fae\u4fe1
\u4f5c\u8005\u8be6\u7ec6\u4ecb\u7ecd\u4e86\u5c06OpenAI\u63a5\u5165\u5fae\u4fe1\u7684\u6d41\u7a0b\uff0c\u611f\u5174\u8da3\u7684\u53ef\u4ee5\u5c1d\u8bd5\u4e00\u4e0b\u3002
5\u3001\u5e15\u535a\u5229\u73e0\u5355\u6297\u3001\u7eb3\u6b66\u5229\u5c24\u5355\u6297\u2026\u2026\u4e00\u6587\u8bb2\u6e05\u80bf\u7624\u79d1\u5e38\u7528\u5355\u6297
\u968f\u7740\u6297\u80bf\u7624\u9776\u5411\u6cbb\u7597\u836f\u7269\u548c\u514d\u75ab\u6cbb\u7597\u836f\u7269\u7684\u53d1\u5c55\uff0c\u5355\u514b\u9686\u6297\u4f53\u6210\u4e3a\u80bf\u7624\u4e34\u5e8a\u6cbb\u7597\u5341\u5206\u5e38\u89c1\u7684\u836f\u7269\u4e4b\u4e00\u3002\u672c\u6587\u5c31\u5355\u514b\u9686\u6297\u4f53\u7684\u6982\u5ff5\u3001\u5206\u7c7b\u3001\u547d\u540d\u548c\u8f93\u6db2\u53cd\u5e94\u7b49\u65b9\u9762\u8fdb\u884c\u9610\u8ff0\u8bf4\u660e\u3002
6\u30012023\u5e74\u6700\u503c\u5f97\u5173\u6ce8\u7684AI\u5236\u836f\u516c\u53f8TOP10
\u968f\u7740\u4eba\u5de5\u667a\u80fd\uff08AI\uff09\u548c\u673a\u5668\u5b66\u4e60\uff08ML\uff09\u7684\u4e0d\u65ad\u53d1\u5c55\uff0c\u836f\u7269\u5f00\u53d1\u8fc7\u7a0b\u4e2d\u7684\u4e00\u4e9b\u95ee\u9898\u5f97\u5230\u4e86\u6709\u6548\u89e3\u51b3\u30022022\u5e74\uff0c\u5168\u7403\u591a\u5bb6AI\u5236\u836f\u516c\u53f8\u7ecf\u5386\u4e86\u878d\u8d44\u3001\u5408\u4f5c\u3001\u4ea4\u6613\u7b49\u91cd\u8981\u4e8b\u4ef6\uff0c\u672c\u6587\u7ed3\u5408\u533b\u836f\u9b54\u65b9PharmaInvest\u6570\u636e\u5e93\u4e13\u6709\u7684\u8bc4\u5206\u7cfb\u7edf\uff0c\u7b5b\u9009\u4e8610\u5bb6\u57282022\u5e74\u53d6\u5f97\u8f83\u5927\u8fdb\u5c55\u7684AI\u5236\u836f\u516c\u53f8\uff0c\u4e5f\u662f2023\u5e74\u8be5\u9886\u57df\u503c\u5f97\u5173\u6ce8\u768410\u5bb6\u516c\u53f8\uff0c\u5c31\u5176\u878d\u8d44\u3001\u4ea4\u6613\u548c\u5408\u4f5c\u7b49\u60c5\u51b5\u8fdb\u884c\u7b80\u8981\u4ecb\u7ecd\u3002
"},{"location":"issue-63/#_5","title":"\u5de5\u5177","text":"7\u3001scCATCH - \u5355\u7ec6\u80de\u81ea\u52a8\u6ce8\u91ca\u5de5\u5177
8\u3001paperneed - \u6587\u732e\u641c\u7d22\u5de5\u5177
paperneed\u662f\u4e00\u6b3e\u5728\u7ebf\u6587\u732e\u641c\u7d22\u5f15\u64ce\uff0c\u53ef\u4ee5\u6839\u636e\u6587\u732e\u540d\u6216\u671f\u520a\u540d\u8fdb\u884c\u67e5\u627e\u3002
9\u3001scGSVA - \u5355\u7ec6\u80deGSVA\u57fa\u56e0\u96c6\u53d8\u5f02\u5206\u6790\u5de5\u5177
scGSVA\u5305\u63d0\u4f9b\u4e86\u5bf9\u5355\u7ec6\u80de\u6570\u636e\u8fdb\u884cGSVA\u5206\u6790\u7684wrap\u51fd\u6570\u3002scGSVA\u5305\u542b\u4e3a\u51e0\u4e4e\u6240\u6709\u7269\u79cd\u6784\u5efa\u6ce8\u91ca\u7684\u51fd\u6570\u3002scGSVA\u8fd8\u63d0\u4f9b\u4e86\u57fa\u4e8eGSVA\u7ed3\u679c\u751f\u6210\u56fe\u5f62\u7684\u529f\u80fd\u3002scGSVA\u63d0\u4f9b\u4e86\u751f\u6210\u6ce8\u91ca\u6570\u636e\u7684\u51fd\u6570\uff0c\u8fd9\u4e9b\u6ce8\u91ca\u6570\u636e\u53ef\u7528\u4e8e\u5206\u6790\u3002
10\u3001AutoClass - \u5355\u7ec6\u80de\u6570\u636e\u6e05\u6d17\u3001\u964d\u566a\u5de5\u5177
AutoClass\u662f\u4e00\u6b3e\u7528\u4e8escRNA-Seq\u6570\u636e\u6e05\u7406\u548c\u53bb\u566a\u7684\u6df1\u5ea6\u5b66\u4e60\u5de5\u5177\u3002AutoClass \u96c6\u6210\u4e86\u4e24\u4e2a\u6df1\u5ea6\u795e\u7ecf\u7f51\u7edc\u7ec4\u4ef6\uff1a\u4e00\u4e2a\u81ea\u52a8\u7f16\u7801\u5668\u548c\u4e00\u4e2a\u5206\u7c7b\u5668\uff0c\u4ee5\u6700\u5927\u9650\u5ea6\u5730\u63d0\u9ad8\u566a\u58f0\u6d88\u9664\u6548\u7387\u548c\u4fe1\u53f7\u4fdd\u7559\u7a0b\u5ea6\u3002
11\u3001Coding Club R Course\u914d\u5957\u8d44\u6599\u7eaf\u94fe\u63a5\u7248
\u82f1\u56fdR\u8bfe9\u6b21\u8bfe\u7a0b\u5b66\u4e60\u7ed3\u675f\uff0c\u672c\u6587\u5386\u65f6\u957f\u8fbe10\u5468\u6574\u7406\u4e86\u76f8\u5173\u7684\u914d\u5957\u8d44\u6599\u3002\u5373\u4f7f\u6ca1\u6709\u53c2\u52a0\u8fc7\u8bfe\u7a0b\uff0c\u4ece\u5934\u5230\u5c3e\u8fc7\u4e00\u904d\u8fd9\u4e9b\u8d44\u6599\uff0c\u4e5f\u53ef\u4ee5\u589e\u52a0\u5bf9R\u8bed\u8a00\u7684\u5e94\u7528\u7406\u89e3\u3002
12\u300123\u4e2a\u673a\u5668\u5b66\u4e60\u6700\u4f73\u5165\u95e8\u9879\u76ee\uff08\u9644\u6e90\u4ee3\u7801\uff09
\u5728\u672c\u6587\u4e2d\uff0c\u6db5\u76d6\u9762\u5411\u521d\u5b66\u8005\uff0c\u4e2d\u7ea7\u4e13\u5bb6\u548c\u4e13\u5bb6\u768423\u79cd\u673a\u5668\u5b66\u4e60\u9879\u76ee\u521b\u610f\uff0c\u53ef\u83b7\u53d6\u6709\u5173\u8be5\u589e\u957f\u6280\u672f\u7684\u771f\u5b9e\u7ecf\u9a8c\u3002
"},{"location":"issue-63/#_7","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-64/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 64 \u671f\uff09\uff1a\u201c\u8ba8\u597d\u578b\u4eba\u683c\u201d\uff1a\u8d8a\u662f\u4e5e\u6c42\uff0c\u8d8a\u662f\u88ab\u63a8\u5f00","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d | \u300c\u751f\u4fe1\u8ba8\u8bba\u533a\uff08Gitter\uff09\u300d
"},{"location":"issue-64/#_1","title":"\u5c01\u9762\u56fe","text":""},{"location":"issue-64/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u201c\u8ba8\u597d\u578b\u4eba\u683c\u201d\uff1a\u8d8a\u662f\u4e5e\u6c42\uff0c\u8d8a\u662f\u88ab\u63a8\u5f00)","text":"\u5728\u5927\u591a\u6570\u8c08\u53ca\u5982\u4f55\u4e0d\u53d6\u60a6\u3001\u4e0d\u8ba8\u597d\u7684\u8bba\u8ff0\u4e2d\uff0c\u89e3\u51b3\u65b9\u6cd5\u6709\u5f88\u591a\uff0c\u542c\u8d77\u6765\u90fd\u50cf\u662f\u65e0\u7528\u7684\u201c\u9e21\u6c64\u201d\uff0c\u9053\u7406\u8c01\u90fd\u61c2\uff0c\u4f46\u843d\u5230\u81ea\u5df1\u8eab\u4e0a\u90fd\u6293\u778e\u3002\u603b\u7ed3\u8d77\u6765\u5c31\u662f\u7231\u81ea\u5df1\uff0c\u65f6\u523b\u5173\u6ce8\u81ea\u5df1\u7684\u60f3\u6cd5\uff0c\u95ee\u6e05\u81ea\u5df1\u7684\u8bc9\u6c42\u3002\u5728\u73b0\u5728\u8fd9\u4e2a\u65f6\u4ee3\uff0c\u201c\u7231\u81ea\u5df1\u201d\u4f3c\u4e4e\u662f\u89e3\u51b3\u4e00\u5207\u5fc3\u7406\u95ee\u9898\u7684\u836f\u65b9\uff0c\u9762\u5bf9\u5a5a\u59fb\u3001\u804c\u573a\u3001\u4eb2\u5bc6\u5173\u7cfb\u7b49\u7b49\uff0c\u5728\u53cc\u5411\u5173\u7cfb\u4e2d\u4f46\u51e1\u54ea\u91cc\u51fa\u4e86\u95ee\u9898\uff0c\u597d\u50cf\u90fd\u53ef\u4ee5\u7528\u201c\u7231\u81ea\u5df1\u201d\u8fd9\u4e2a\u5355\u5411\u65b9\u5f0f\u53bb\u89e3\u51b3\u3002
@He-Kai-fly - \u5148\u5b66\u4f1a\u6b23\u8d4f\u81ea\u5df1\uff0c\u80af\u5b9a\u81ea\u5df1\uff0c\u7231\u81ea\u5df1\uff0c\u61c2\u5f97\u62d2\u7edd\u4ed6\u4eba\uff0c\u7529\u5f00\u601d\u60f3\u5305\u88b1\uff0c\u7406\u6027\u5224\u65ad\u95ee\u9898\uff0c\u5927\u80c6\u8868\u8fbe\u81ea\u5df1\u7684\u60f3\u6cd5\uff0c\u624d\u80fd\u4ece\u8ba8\u597d\u578b\u4eba\u683c\u4e2d\u89e3\u653e\u51fa\u6765\u3002
"},{"location":"issue-64/#_3","title":"\u751f\u4fe1\u7814\u7a76","text":"1\u3001Sci Adv | \u5355\u78b1\u57fa\u5206\u8fa8\u7387\u7ed8\u5236\u6c27\u5316\u6027DNA\u635f\u4f24\u56fe\u8c31\uff0c\u63ed\u793a8-oxo-G\u4e0e2\u79cd\u764c\u75c7\u7a81\u53d8\u7279\u5f81\u7684\u4e00\u81f4\u6027
\u7814\u7a76\u4eba\u5458\u63d0\u51fa\u4e86\u4e00\u79cd\u57fa\u4e8eCD-seq\u7684\u65b9\u6cd5\uff0c\u7528\u4e8e\u5728\u4eba\u7c7b\u57fa\u56e0\u7ec4\u4e2d\u5355\u78b1\u57fa\u5206\u8fa8\u7387\u7ed8\u5236\u5404\u79cd\u7c7b\u578b\u7684\u6c27\u5316\u635f\u4f24DNA\u78b1\u57fa\uff0c\u4e3aH2O2\u8bf1\u5bfc\u7684\u6c27\u5316\u9e1f\u560c\u5464\u548c\u9ad8\u9530\u9178\u76d0\u8bf1\u5bfc\u7684\u6c27\u5316\u80f8\u817a\u5627\u5576\u5b9a\u4e49\u4e86\u5e8f\u5217\u7279\u5f02\u6027\u6a21\u5f0f\u3002\u968f\u7740\u8fdb\u4e00\u6b65\u7684\u6539\u8fdb\u548c\u6709\u6548\u7684\u9884\u9632\u63aa\u65bd\u4ee5\u9632\u6b62DNA\u4f53\u5916\u635f\u4f24\uff0cCD-seq\u65b9\u6cd5\u6709\u671b\u4ee5\u8db3\u591f\u9ad8\u7684\u7075\u654f\u5ea6\u68c0\u6d4b\u4eba\u4f53\u7ec4\u7ec7\u4e2d\u7684\u6c27\u5316DNA\u78b1\u57fa\u3002
2\u3001Nature Communication | \u57fa\u4e8e\u5c3f\u86cb\u767d\u56fe\u8c31\u7684CRC\u8bca\u65ad\u53ca\u8f6c\u79fb\u98ce\u9669\u5206\u5c42\u7814\u7a76
\u8d75\u6653\u822a/\u5b59\u4f1f\u7814\u7a76\u56e2\u961f\u7ed3\u5408\u5b9a\u91cf\u86cb\u767d\u8d28\u7ec4\u5b66\u3001\u9776\u5411\u86cb\u767d\u8d28\u7ec4\u5b66\u3001\u514d\u75ab\u7ec4\u5b66\u7b49\u65b9\u6cd5\uff0c\u7cfb\u7edf\u5206\u6790\u4e86\u7528\u4e8eCRC\u8bca\u65ad\u548c\u9884\u540e\u9884\u6d4b\u7684\u5c3f\u86cb\u767d\u3002\u622a\u6b62\u5230\u76ee\u524d\uff0c\u8be5\u7814\u7a76\u662f\u786e\u5b9aCRC\u975e\u4fb5\u88ad\u6027\u751f\u7269\u6807\u5fd7\u7269\u6700\u5927\u548c\u6700\u5168\u9762\u7684\u7814\u7a76\uff0c\u53d1\u73b0\u5728\u764c\u524d\u75c5\u53d8\u548c\u65e9\u671f\u80bf\u7624\u7ec4\u7ec7\u4e2d\u5b58\u5728\u5f02\u5e38\u9ad8\u6c34\u5e73\u7684\u8bca\u65ad\u76f8\u5173\u5c3f\u86cb\u767d\u751f\u7269\u6807\u5fd7\u7269\u3002\u6b64\u5916\uff0c\u5c3f\u86cb\u767d\u7ec4\u80fd\u591f\u7efc\u5408\u53cd\u6620\u4e0d\u540c\u7684CRC\u5206\u671f\uff0c\u4ee5\u53ca\u65e9\u671fCRC\u7684\u75c5\u7406\u548c\u751f\u7406\u53d8\u5316\u3002\u8be5\u7814\u7a76\u4e3a\u53ef\u9760\u7684CRC\u8bca\u65ad\u548c\u68c0\u6d4b\u63d0\u4f9b\u4e86\u6709\u6f5c\u529b\u7684\u5c3f\u86cb\u767d\u751f\u7269\u6807\u5fd7\u7269\u3002
3\u3001 Nat Comput Sci | \u5229\u7528\u56fe\u795e\u7ecf\u7f51\u7edc\u5bf9\u7a7a\u95f4\u8f6c\u5f55\u7ec4\u6570\u636e\u8fdb\u884c\u7ec6\u80de\u805a\u7c7b
\u8be5\u6587\u7ae0\u63d0\u51fa\u4e86\u4e00\u79cd\u57fa\u4e8e\u56fe\u5377\u79ef\u795e\u7ecf\u7f51\u7edc\u7684\u7b97\u6cd5\u5bf9\u7a7a\u95f4\u8f6c\u5f55\u7ec4\u4e2d\u7684\u7ec6\u80de\u8fdb\u884c\u805a\u7c7b\u5206\u6790\u7684\u65b9\u6cd5\uff08Cell Clustering for Spatial Transcriptomics\uff0cCCST\uff09\u3002\u76f8\u5bf9\u4e8e\u5927\u90e8\u5206\u7b97\u6cd5\u57fa\u4e8e\u201c\u540c\u79cd\u7ec6\u80de\u5728\u7a7a\u95f4\u4e0a\u76f8\u4e92\u4e34\u8fd1\u201d\u7684\u5047\u8bbe\uff0cCCST\u65b9\u6cd5\u5e76\u4e0d\u4f9d\u8d56\u4e8e\u5c40\u90e8\u7279\u5f81\uff0c\u800c\u662f\u53ef\u4ee5\u4ece\u7ec6\u80de\u7684\u5168\u5c40\u7a7a\u95f4\u5206\u5e03\u4e2d\u5b66\u4e60\u8282\u70b9\u5d4c\u5165\u3002\u5728\u6587\u7ae0\u4e2d\uff0c\u4f5c\u8005\u901a\u8fc7\u51e0\u79cd\u4e0d\u540c\u7c7b\u578b\u6570\u636e\u96c6\u7efc\u5408\u5bf9\u6bd4\u4e86\u8fd1\u671f\u5b66\u672f\u754c\u63d0\u51fa\u7684\u591a\u4e2a\u76f8\u5173\u7b97\u6cd5\u3002\u5728\u8111\u524d\u989d\u53f6\u76ae\u8d28\u548c\u4eba\u4e73\u817a\u764c\u7ec6\u80deST\u6570\u636e\u96c6\u4e0a\u7684\u5b9e\u9a8c\u8868\u660e\uff0cCCST\u5728ARI\u3001NMI\u548cFMI\u7b49\u591a\u4e2a\u805a\u7c7b\u8bc4\u4ef7\u6307\u6807\u4e0a\u5747\u4f53\u73b0\u51fa\u4f18\u52bf\uff0c\u4e3a\u5206\u6790\u7a7a\u95f4\u8f6c\u5f55\u7ec4\u6570\u636e\u63d0\u4f9b\u4e86\u65b0\u89d2\u5ea6\u548c\u65b0\u7b97\u6cd5\u3002
4\u3001renderthis\u5305-\u6e32\u67d3xaringan\u5e7b\u706f\u7247\u4e3a\u4e0d\u540c\u683c\u5f0f
renderthis\u5305\uff0c\u6700\u521d\u540d\u4e3axaringanBuilder\u3002\u8be5\u5305\u5305\u542b\u5c06xaringan\u5e7b\u706f\u7247\u5448\u73b0\u4e3a\u4e0d\u540c\u683c\u5f0f\u7684\u51fd\u6570\u3002renderthis\u5305\u5305\u542b\u5c06xaringan\u5e7b\u706f\u7247(Quarto\u652f\u6301\u5373\u5c06\u5230\u6765!)\u6e32\u67d3\u4e3a\u4e0d\u540c\u683c\u5f0f\u7684\u51fd\u6570\uff0c\u5305\u62echtml, pdf, png, gif, pptx\u548cmp4\u683c\u5f0f\uff0c\u4ee5\u5728\u793e\u4ea4\u5a92\u4f53\u4e0a\u5206\u4eab\u3002
5\u3001\u591a\u4e2a\u997c\u56fe\u4e0d\u9700\u8981\u5206\u9762\u753b\u4e86\u54e6!
\u672c\u6587\u4ecb\u7ecd\u5982\u4f55\u4f7f\u7528 jjplot \u7ed8\u5236\u6837\u5f0f\u4e30\u5bcc\u7684\u997c\u72b6\u56fe\u3002
6\u3001DeSci\u6700\u5168\u6307\u5357\u2014\u2014\u6700\u65b0\u7684Web3\u8fd0\u52a8 (qq.com)
\u8d8a\u6765\u8d8a\u591a\u7684\u79d1\u5b66\u5bb6\u548c\u4f01\u4e1a\u5bb6\u6b63\u5728\u5229\u7528\u533a\u5757\u94fe\u5de5\u5177\uff0c\u5305\u62ec\u667a\u80fd\u5408\u7ea6\u548c\u4ee3\u5e01\uff0c\u4ee5\u8bd5\u56fe\u6539\u5584\u73b0\u4ee3\u79d1\u5b66\u3002\u603b\u4f53\u800c\u8a00\uff0c\u4ed6\u4eec\u7684\u5de5\u4f5c\u5df2\u88ab\u79f0\u4e3a\u53bb\u4e2d\u5fc3\u5316\u7684\u79d1\u5b66\u8fd0\u52a8\uff0c\u6216DeSci\u3002DeSci\u8fd0\u52a8\u7684\u76ee\u7684\u662f\u52a0\u5f3a\u79d1\u5b66\u8d44\u52a9\uff1b\u5c06\u77e5\u8bc6\u4ece\u5b64\u5c9b\u4e2d\u91ca\u653e\u51fa\u6765\uff1b\u6d88\u9664\u5bf9\u51fa\u7248\u5546\u96c6\u56e2\u7b49\u9010\u5229\u7684\u4e2d\u4ecb\u673a\u6784\u7684\u4f9d\u8d56\uff1b\u5e76\u52a0\u5f3a\u6574\u4e2a\u9886\u57df\u7684\u5408\u4f5c\u3002
7\u3001Xgboost \u6253\u8d25\u6df1\u5ea6\u5b66\u4e60 \uff1f
\u4e3a\u4ec0\u4e48\u57fa\u4e8e\u6811\u7684\u673a\u5668\u5b66\u4e60\u65b9\u6cd5\uff0c\u5982 XGBoost \u548c\u968f\u673a\u68ee\u6797\u5728\u8868\u683c\u6570\u636e\u4e0a\u4f18\u4e8e\u6df1\u5ea6\u5b66\u4e60\uff1f\u672c\u6587\u7ed9\u51fa\u4e86\u8fd9\u79cd\u73b0\u8c61\u80cc\u540e\u7684\u539f\u56e0\uff0c\u4ed6\u4eec\u9009\u53d6\u4e86 45 \u4e2a\u5f00\u653e\u6570\u636e\u96c6\uff0c\u5e76\u5b9a\u4e49\u4e86\u4e00\u4e2a\u65b0\u57fa\u51c6\uff0c\u5bf9\u57fa\u4e8e\u6811\u7684\u6a21\u578b\u548c\u6df1\u5ea6\u6a21\u578b\u8fdb\u884c\u6bd4\u8f83\uff0c\u603b\u7ed3\u51fa\u4e09\u70b9\u539f\u56e0\u6765\u89e3\u91ca\u8fd9\u79cd\u73b0\u8c61\u3002
8\u3001httpgd - R\u56fe\u5f62\u5316\u5c55\u793a\u6269\u5c55\u5305
httpgd\u662f\u4e00\u4e2a\u901a\u8fc7\u7f51\u9875\u7b49\u65b9\u5f0f\u8fde\u63a5R\u8bed\u8a00\u56fe\u5f62\u7684\u6269\u5c55\u5305\uff0c\u53ef\u4ee5\u66f4\u8f7b\u677e\u7684\u5b9e\u65f6\u5c06R\u751f\u6210\u7684\u56fe\u5d4c\u5165\u5230\u96c6\u6210\u5f00\u53d1\u73af\u5883\u7b49\u5e94\u7528\u4e2d\uff08\u5305\u62ecHtml/JavaScript\uff09\u3002
9\u3001pipebind\u5305-\u4f18\u5316R\u8bed\u8a00\u4e2d\u7684\u7ba1\u9053\u5bf9\u8c61
\u4e0e{magrittr} %>%\u7ba1\u9053\u76f8\u6bd4\uff0c\u57fa\u672cR |>\u7ba1\u9053\u7f3a\u4e4f\u4e00\u4e9b\u9ad8\u7ea7\u529f\u80fd\u3002\u4f8b\u5982\uff0c\u7ba1\u9053\u5bf9\u8c61\u53ea\u80fd\u5728\u7ba1\u9053\u7684\u53f3\u4fa7\u51fa\u73b0\u4e00\u6b21(\u4f5c\u4e3a\u7b2c\u4e00\u4e2a\u672a\u547d\u540d\u7684\u53c2\u6570\u6216\u4f7f\u7528\u5360\u4f4d\u7b26\u7684\u5176\u4ed6\u5730\u65b9)\uff0c\u5e76\u4e14\u5360\u4f4d\u7b26\u4e0d\u80fd\u51fa\u73b0\u5728\u8bf8\u5982$\u3001[\u3001[[\u6216@\u7b49\u5b50\u8bbe\u7f6e\u51fd\u6570\u7684\u5de6\u4fa7\u3002
\u8fd9\u4e2a\u5305\u63d0\u4f9b\u4e86\u4e00\u4e2abind()\u51fd\u6570\u6765\u65b9\u4fbf\u5730\u89c4\u907f\u8fd9\u4e9b\u9650\u5236\u3002\u5c06\u4e00\u4e2a\u5bf9\u8c61\u7ba1\u9053\u5230bind()\u4e2d\uff0c\u9009\u62e9\u4e00\u4e2a\u5360\u4f4d\u7b26\u6765\u8868\u793a\u5b83\uff0c\u7136\u540e\u5728R\u8868\u8fbe\u5f0f\u4e2d\u4f7f\u7528\u8fd9\u4e2a\u5360\u4f4d\u7b26\u4ee5\u4efb\u4f55\u65b9\u5f0f\u5f15\u7528\u7ba1\u9053\u5bf9\u8c61\uff0c\u5e76\u6839\u636e\u9700\u8981\u591a\u6b21\u5f15\u7528\u8be5\u5bf9\u8c61\u3002
10\u3001jjPlot
\u57fa\u4e8e ggplot2\uff0cjjPlot\u63d0\u4f9b\u4e86\u8bf8\u591a\u4e30\u5bcc\u7684\u7ed8\u56fe\u56fe\u5c42\u548c\u56fe\u5f62\u6837\u5f0f\u3002
11\u3001 riskyr - \u98ce\u9669\u76f8\u5173\u4fe1\u606f\u8ba1\u7b97\u4e8e\u53ef\u89c6\u5316R\u5305
\u4e0e\u98ce\u9669\u76f8\u5173\u7684\u4fe1\u606f\u2014\u2014\u4f8b\u5982\u60a3\u75c5\u7387\u3001\u8bca\u65ad\u6027\u68c0\u67e5\u7684\u654f\u611f\u6027\u548c\u7279\u5f02\u6027\u3001\u5e72\u9884\u6216\u6cbb\u7597\u7684\u6709\u6548\u6027\u2014\u2014\u53ef\u4ee5\u7528\u9891\u7387\u6216\u6982\u7387\u6765\u8868\u793a\u3002\u901a\u8fc7\u63d0\u4f9b\u4e00\u4e2a\u76f8\u5e94\u6307\u6807\u7684\u5de5\u5177\u7bb1\uff0criskyr \u53ef\u4ee5\u901a\u8fc7\u5404\u79cd\u65b9\u5f0f\u5bf9\u98ce\u9669\u76f8\u5173\u4fe1\u606f\u8fdb\u884c\u8ba1\u7b97\u3001\u8f6c\u6362\u548c\u53ef\u89c6\u5316\u3002\u91c7\u7528\u591a\u4e2a\u4e92\u8865\u89c6\u89d2\u63d0\u4f9b\u4e86\u5bf9\u5173\u952e\u53c2\u6570\u4e4b\u95f4\u76f8\u4e92\u4f5c\u7528\u7684\u66f4\u6df1\u5c42\u6b21\u7406\u89e3\uff0c\u5e76\u4f7f\u6709\u5173\u98ce\u9669\u7684\u6559\u5b66\u548c\u8bad\u7ec3\u66f4\u52a0\u900f\u660e\u3002
12\u3001\u8ba1\u7b97\u673a\u7f51\u7edc\u77e5\u8bc6\u70b9\u5168\u9762\u603b\u7ed3
\u672c\u6587\u9488\u5bf9\u8ba1\u7b97\u673a\u57fa\u7840\u77e5\u8bc6\u70b9\u8fdb\u884c\u68b3\u7406\u603b\u7ed3\uff0c\u503c\u5f97\u6536\u85cf
13\u3001Coursera\u8bfe\u7a0b\uff1a\u9488\u5bf9Web\u5f00\u53d1\u8005\u63d0\u4f9b\u7684HTML\u3001CSS\u548cJavascrpit\u7684\u5b66\u4e60\u8d44\u6599
14\u3001\u5229\u7528Maxstat\u7edf\u8ba1\u91cf\u786e\u5b9a\u751f\u5b58\u56fe\u4e2d\u6570\u503c\u53d8\u91cf\u7684\u6700\u4f73\u5207\u70b9
\u751f\u7269\u7edf\u8ba1\u5b66\u7814\u7a76\u4e2d\u7684\u5e38\u89c1\u9700\u6c42\u662f\u6839\u636e\u8fde\u7eed\u7684\u89e3\u91ca\u53d8\u91cf\u5bf9\u60a3\u8005\u8fdb\u884c\u5206\u7ec4\u3002\u5728\u67d0\u4e9b\u60c5\u51b5\u4e0b\uff0c\u8981\u6c42\u6d4b\u8bd5\u906d\u53d7\u7279\u5b9a\u57fa\u56e0\u7a81\u53d8\u5e76\u5728\u5176\u4ed6\u7ed9\u5b9a\u57fa\u56e0\u4e2d\u5177\u6709\u9ad8\u8868\u8fbe\uff08\u8fc7\u8868\u8fbe\uff09\u7684\u53d7\u8bd5\u8005\u7684\u603b\u4f53\u751f\u5b58\u671f\u3002\u4e3a\u4e86\u53ef\u89c6\u5316\u7ec4\u95f4\u751f\u5b58\u66f2\u7ebf\u7684Kaplan-Meier\u4f30\u8ba1\u503c\u7684\u5dee\u5f02\uff0c\u9996\u5148\u6267\u884c\u8fde\u7eed\u53d8\u91cf\u7684\u79bb\u6563\u5316\u3002\u7531\u8fde\u7eed\u53d8\u91cf\u5206\u7c7b\u5f15\u8d77\u7684\u95ee\u9898\u5e7f\u4e3a\u4eba\u77e5\u4e14\u4e00\u76f4\u5b58\u5728\uff0c\u4f46\u5728\u8fd9\u79cd\u60c5\u51b5\u4e0b\uff0c\u79bb\u6563\u5316\u4f3c\u4e4e\u6709\u7b80\u5316\u7684\u8981\u6c42\u3002\u5728\u8fd9\u7bc7\u6587\u7ae0\u4e2d\uff0c\u4f5c\u8005\u63d0\u51fa\u4e86maxstat\uff08\u6700\u5927\u9009\u62e9\u6392\u540d\u7edf\u8ba1\uff09\u7edf\u8ba1\u91cf\uff0c\u4ee5\u786e\u5b9a\u8fde\u7eed\u53d8\u91cf\u7684\u6700\u4f73\u5207\u70b9\uff0c\u8fd9\u662f\u7531Alboukadel Kassambara\u5728survminer\u5305\u4e2d\u6240\u63d0\u4f9b\u7684\u3002
\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-65/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 65 \u671f\uff09\uff1a125\u4e2a\u79d1\u5b66\u95ee\u9898\uff1a\u63a2\u7d22\u4e0e\u53d1\u73b0","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-65/#_1","title":"\u5c01\u9762\u56fe","text":""},{"location":"issue-65/#125","title":"\u672c\u5468\u8bdd\u9898\uff1a125\u4e2a\u79d1\u5b66\u95ee\u9898\uff1a\u63a2\u7d22\u4e0e\u53d1\u73b0","text":"2005\u5e74\uff0c\u5728\u5e86\u795d\u521b\u520a125\u5468\u5e74\u4e4b\u9645\uff0cScience\u516c\u5e03\u4e86125\u4e2a\u6700\u5177\u6311\u6218\u6027\u7684\u79d1\u5b66\u95ee\u9898\u3002\u5bf9\u6307\u5f15\u8fd1\u5341\u51e0\u5e74\u7684\u79d1\u5b66\u53d1\u5c55\u4ea7\u751f\u79ef\u6781\u5f71\u54cd\uff0c\u8be6\u89c1\uff1a Science\u516c\u5e03\uff1a\u5168\u4e16\u754c\u6700\u524d\u6cbf\u7684125\u4e2a\u79d1\u5b66\u95ee\u9898\u3002 16\u5e74\u4e4b\u540e\u76842021\u5e74\uff0c\u968f\u7740\u79d1\u5b66\u7684\u4e0d\u65ad\u7a81\u7834\uff0c\u8bb8\u591a\u95ee\u9898\u5f97\u5230\u4e00\u5b9a\u7a0b\u5ea6\u7684\u89e3\u7b54\uff0c\u4e00\u4e9b\u95ee\u9898\u4e5f\u66f4\u52a0\u6df1\u5165\u3002\u8fd1\u65e5\uff0c\u4e0a\u6d77\u4ea4\u901a\u5927\u5b66\u643a\u624bScience\u6742\u5fd7\u53d1\u5e03\u4e86\u201c\u65b0125\u4e2a\u79d1\u5b66\u95ee\u9898\u201d\u2014\u2014\u300a125\u4e2a\u79d1\u5b66\u95ee\u9898\uff1a\u63a2\u7d22\u4e0e\u53d1\u73b0\u300b\u3002
@JnanZhang\uff1a\u201c\u6bcf\u4e00\u9879\u79d1\u5b66\u7a81\u7834\u90fd\u59cb\u4e8e\u4e00\u4e2a\u95ee\u9898\u3002\u6211\u4eec\u53ef\u80fd\u65e0\u6cd5\u7acb\u5373\u63d0\u4f9b\u6240\u6709\u7b54\u6848\uff0c\u4f46\u4e5f\u8bb8\u5171\u4eab\u95ee\u9898\u5e76\u4e0e\u4ed6\u4eba\u8fdb\u884c\u5bf9\u8bdd\uff0c\u662f\u4e00\u4e2a\u5f88\u597d\u7684\u8d77\u70b9\u3002\u201d
1\u3001 Nucleic Acids Research | \u6c64\u5bcc\u916c\u8bfe\u9898\u7ec4\u5b9e\u73b0\u57fa\u4e8e\u5355\u7ec6\u80de\u6d4b\u5e8f\u6570\u636e\u7684\u4eba\u7c7b\u57fa\u56e0\u7ec4\u4ece\u5934\u7ec4\u88c5
\u6c64\u5bcc\u916c\u8bfe\u9898\u7ec4\u4f7f\u7528\u5355\u7ec6\u80de\u57fa\u56e0\u7ec4\u4e09\u4ee3\u6d4b\u5e8f\u6280\u672f\uff0c\u9996\u6b21\u5728\u5355\u7ec6\u80de\u6c34\u5e73\u4e0a\u5b8c\u6210\u4e86 Mb \u7ea7\u8fde\u7eed\u6027\u7684\u4eba\u7c7b\u57fa\u56e0\u7ec4\u7ec4\u88c5\u3002\u6b64\u6280\u672f\u53ef\u4ee5\u7528\u6765\u89e3\u51b3\u4eba\u7c7b\u57fa\u56e0\u7ec4\u4ece\u5934\u7ec4\u88c5\u5728\u5b9e\u9645\u5e94\u7528\u4e2d\u9047\u5230\u7684\u7ec6\u80de\u9057\u4f20\u5f02\u8d28\u6027\u548c\u7ec6\u80de\u7a00\u7f3a\u6027\u7684\u95ee\u9898\u3002\u901a\u8fc7\u8be5\u65b9\u6cd5\uff0c\u4f5c\u8005\u80fd\u591f\u5728\u5355\u7ec6\u80de\u6c34\u5e73\uff08\u5c11\u81f330\u4e2a\u5355\u7ec6\u80de\uff09\u5b9e\u73b0\u9ad8\u8d28\u91cf\u57fa\u56e0\u7ec4\u7ec4\u88c5\uff0c\u5e76\u786e\u5b9a\u4e86\u5f71\u54cd\u7ec4\u88c5\u7ed3\u679c\u7684\u4e3b\u8981\u56e0\u7d20\u3002\u7814\u7a76\u7ed3\u679c\u8868\u660e\uff0c\u4f7f\u7528\u5355\u7ec6\u80de\u6d4b\u5e8f\u6570\u636e\u4ece\u5934\u7ec4\u88c5\u4eba\u7c7b\u57fa\u56e0\u7ec4\u662f\u53ef\u884c\u7684\uff0c\u5e76\u4e14\u8be5\u65b9\u6cd5\u5177\u6709\u8f83\u9ad8\u7684\u5206\u8fa8\u7387\uff0c\u53ef\u4ee5\u66f4\u51c6\u786e\u5730\u89e3\u6790\u5355\u4e2a\u7ec6\u80de\u7684\u57fa\u56e0\u7ec4\u7279\u5f81\u3002\u8fd9\u4e00\u6280\u672f\u7684\u6210\u529f\u5f00\u53d1\u5c06\u4e3a\u5355\u7ec6\u80de\u57fa\u56e0\u7ec4\u7814\u7a76\u548c\u4eba\u7c7b\u57fa\u56e0\u7ec4\u7684\u4ece\u5934\u7ec4\u88c5\u63d0\u4f9b\u66f4\u6709\u6548\u7684\u5de5\u5177\u548c\u65b9\u6cd5\u3002
2\u3001The Innovation | \u7528\u7cfb\u7edf\u751f\u7269\u5b66\u7684\u89c2\u70b9\u9e1f\u77b0\u80bf\u7624\u6613\u611f\u57fa\u56e0
\u764c\u75c7\u6613\u611f\u57fa\u56e0\uff08Cancer susceptibility gene\uff09\u662f\u4e00\u7c7b\u53ef\u5f15\u8d77\u764c\u75c7\u53d1\u751f\u98ce\u9669\u589e\u52a0\u7684\u57fa\u56e0\u3002\u8fd9\u4e9b\u57fa\u56e0\u7684\u7a81\u53d8\u53ef\u80fd\u5bfc\u81f4\u7ec6\u80de\u53d1\u751f\u5f02\u5e38\u589e\u6b96\u548c\u6076\u6027\u8f6c\u5316\u3002\u56e0\u6b64\uff0c\u901a\u8fc7\u68c0\u6d4b\u4e00\u4e2a\u4eba\u7684\u764c\u75c7\u6613\u611f\u57fa\u56e0\u6982\u51b5\uff0c\u53ef\u4ee5\u8bc4\u4f30\u5176\u764c\u75c7\u98ce\u9669\uff0c\u5e76\u4e3a\u4e2a\u6027\u5316\u764c\u75c7\u9884\u9632\u548c\u6cbb\u7597\u63d0\u4f9b\u542f\u793a\u3002\u8fd9\u7bc7\u6587\u7ae0\u91cc\u6765\u81ea\u897f\u6fb3\u5927\u5229\u4e9a\u5927\u5b66\u7684 Grant Morahan \u6559\u6388\u56e2\u961f\u6574\u7406\u4e86\u76ee\u524d\u6700\u65b0\u7684\u80bf\u7624\u6613\u611f\u57fa\u56e0\u5217\u8868\uff0c\u5e76\u5bf9\u5176\u8fdb\u884c\u4e86\u7cfb\u7edf\u6027\u7684\u5206\u6790\u3002\u8be5\u7814\u7a76\u5bf9\u764c\u75c7\u6613\u611f\u57fa\u56e0\u7684\u529f\u80fd\u3001\u8c03\u8282\u673a\u5236\u4ee5\u53ca\u4e0e\u4e0d\u540c\u7c7b\u578b\u764c\u75c7\u7684\u76f8\u5173\u6027\u8fdb\u884c\u4e86\u6df1\u5165\u7814\u7a76\u3002\u7814\u7a76\u7ed3\u679c\u8868\u660e\uff0c\u8fd9\u4e9b\u80bf\u7624\u6613\u611f\u57fa\u56e0\u5728\u4e0d\u540c\u7c7b\u578b\u7684\u764c\u75c7\u4e2d\u5177\u6709\u4e0d\u540c\u7684\u4f5c\u7528\u548c\u8868\u8fbe\u6a21\u5f0f\u3002\u6b64\u5916\uff0c\u7814\u7a76\u56e2\u961f\u8fd8\u53d1\u73b0\u4e00\u4e9b\u65b0\u7684\u4e0e\u764c\u75c7\u76f8\u5173\u7684\u57fa\u56e0\uff0c\u5e76\u63d0\u4f9b\u4e86\u65b0\u7684\u7406\u89e3\u764c\u75c7\u53d1\u751f\u548c\u53d1\u5c55\u673a\u5236\u7684\u7ebf\u7d22\u3002\u8fd9\u9879\u7814\u7a76\u7684\u53d1\u73b0\u6709\u671b\u4e3a\u4e2a\u6027\u5316\u7684\u764c\u75c7\u9884\u9632\u63d0\u4f9b\u65b0\u7684\u5951\u673a\uff0c\u4e3a\u57fa\u4e8e\u80bf\u7624\u6613\u611f\u57fa\u56e0\u7684\u6cbb\u7597\u7b56\u7565\u63d0\u4f9b\u66f4\u4e3a\u7cbe\u51c6\u7684\u6307\u5bfc\uff0c\u6709\u671b\u63a8\u52a8\u764c\u75c7\u7814\u7a76\u548c\u6cbb\u7597\u7684\u8fdb\u4e00\u6b65\u53d1\u5c55\u3002
3\u3001 Mol Cell | \u7ed8\u5236\u4eba\u7c7bRNA\u7ffb\u8bd1\u7684\u9ad8\u5206\u8fa8\u7387\u56fe\u8c31
\u65b0\u52a0\u5761\u675c\u514b-\u65b0\u52a0\u5761\u56fd\u7acb\u5927\u5b66\u7684Sebastian Schafer\u548cOwen J.L. Rackham\u8bfe\u9898\u7ec4\u786e\u5b9a\u4e86\u516d\u79cd\u4e3b\u8981\u4eba\u7c7b\u7ec6\u80de\u7c7b\u578b\u548c\u4e94\u79cd\u7ec4\u7ec7\u7684\u6838\u7cd6\u4f53\u4f4d\u7f6e\uff0c\u5e76\u68c0\u6d4b\u52307767\u4e2a\u5177\u6709\u4e0e\u5df2\u77e5\u86cb\u767d\u8d28\u5339\u914d\u7684\u7ffb\u8bd1\u8c31\u7684smORFs\u3002\u53d1\u73b0\u4eba\u7c7b\u57fa\u56e0\u7ec4\u5305\u542b\u9ad8\u5ea6\u7279\u5f02\u6027\u7684\u7ec6\u80de\u7c7b\u578b\u548c\u7ec4\u7ec7smORFs\uff0c\u5e76\u4e14\u5b83\u7684\u5f88\u5927\u7684\u4e00\u90e8\u5206\u80fd\u591f\u7f16\u7801\u9ad8\u5ea6\u4fdd\u5b88\u7684\u6c28\u57fa\u9178\u5e8f\u5217\u3002\u8fd9\u4e9b\u7814\u7a76\u4e0e456\u4e2a\u8d28\u8c31\u6570\u636e\u96c6\u4e00\u8d77\u8bc1\u5b9e\u4e86\u4eba\u7c7b\u86cb\u767d\u6c34\u5e73\u4e0a\u5b58\u5728603\u4e2a\u5c0f\u80bd\uff0c\u5e76\u4e3a\u8fd9\u4e9b\u5c0f\u86cb\u767d\u7684\u4e9a\u7ec6\u80de\u5b9a\u4f4d\u63d0\u4f9b\u4e86\u89c1\u89e3\u3002\u672c\u7814\u7a76\u63d0\u4f9b\u4e86\u4e00\u4e2a\u6765\u81ea\u539f\u4ee3\u4eba\u7c7b\u7ec6\u80de\u548c\u7ec4\u7ec7\u7684\u9ad8\u7f6e\u4fe1\u5ea6\u7ffb\u8bd1\u7684smORFs\u7684\u5168\u9762\u56fe\u8c31\uff0c\u5e2e\u52a9\u6211\u4eec\u5bf9\u7ffb\u8bd1\u7684\u4eba\u7c7b\u57fa\u56e0\u7ec4\u63d0\u4f9b\u66f4\u5168\u9762\u7684\u7406\u89e3\u3002 - \u8bba\u6587\u94fe\u63a5\uff1ahttps://doi.org/10.1016/j.molcel.2022.06.023
4\u3001BMC Bioinformatics | \u8054\u5408\u6df1\u5ea6\u5b66\u4e60\u4f18\u5316\u4ee3\u8c22\u7ec4\u5b66\u7814\u7a76
\u4ee3\u8c22\u7ec4\u5b66\u662f\u4e00\u4e2a\u4e3b\u8981\u7684\u7ec4\u5b66\u8bfe\u9898\uff0c\u5728\u4ee3\u8c22\u7279\u5f81\u548c\u751f\u7269\u6807\u5fd7\u7269\u7684\u4e34\u5e8a\u5e94\u7528\u548c\u57fa\u7840\u7814\u7a76\u4e2d\u90fd\u5360\u6709\u91cd\u8981\u5730\u4f4d\u3002\u4e0d\u5e78\u7684\u662f\uff0c\u76f8\u5173\u7814\u7a76\u53d7\u5230\u8bb8\u591a\u5916\u90e8\u56e0\u7d20\u9020\u6210\u7684\u6279\u6b21\u6548\u5e94\u7684\u6311\u6218\u3002\u5728\u8fc7\u53bb\u5341\u5e74\u4e2d\uff0c\u6df1\u5ea6\u5b66\u4e60\u6280\u672f\u5df2\u6210\u4e3a\u6570\u636e\u79d1\u5b66\u4e2d\u7684\u4e3b\u8981\u5de5\u5177\uff0c\u4eba\u4eec\u53ef\u4ee5\u4ece\u5df2\u77e5\u6279\u6b21\u8bad\u7ec3\u8bca\u65ad\u7f51\u7edc\uff0c\u7136\u540e\u5c06\u5176\u63a8\u5e7f\u5230\u65b0\u6279\u6b21\u3002\u7136\u800c\uff0c\u6279\u6b21\u6548\u5e94\u4e0d\u53ef\u907f\u514d\u5730\u963b\u788d\u4e86\u8fd9\u79cd\u52aa\u529b\uff0c\u56e0\u4e3a\u6240\u8003\u8651\u7684\u4e24\u4e2a\u6279\u6b21\u53ef\u80fd\u9ad8\u5ea6\u4e0d\u5339\u914d\u3002\u4e0a\u6d77\u4ea4\u901a\u5927\u5b66\u548c\u4e0a\u6d77\u79d1\u6280\u5927\u5b66\u7684\u7814\u7a76\u4eba\u5458\u63d0\u51fa\u4e86\u4e00\u4e2a\u7aef\u5230\u7aef\u7684\u6df1\u5ea6\u5b66\u4e60\u6846\u67b6\uff0c\u7528\u4e8e\u8054\u5408\u6279\u6b21\u6548\u5e94\u53bb\u9664\uff0c\u7136\u540e\u5bf9\u4ee3\u8c22\u7ec4\u5b66\u6570\u636e\u8fdb\u884c\u5206\u7c7b\u3002
5\u3001 https://www.rstudio.com/blog/shiny-and-arrow/
shiny\u662f\u4e00\u4e2a\u4ee4\u4eba\u96be\u4ee5\u7f6e\u4fe1\u7684\u5de5\u5177\uff0c\u5b83\u5c06\u6570\u636e\u79d1\u5b66\u5e26\u5165\u65e5\u5e38\u751f\u6d3b\u3002\u540c\u65f6\uff0c\u5b83\u53ef\u4ee5\u5e2e\u52a9\u5c06\u5206\u6790\u7ed3\u679c\u4f20\u8fbe\u7ed9\u975e\u6280\u672f\u5229\u76ca\u76f8\u5173\u4eba\u5458\uff0c\u6216\u4e3a\u4efb\u4f55\u4eba\u63d0\u4f9b\u81ea\u52a9\u5f0f\u7684\u6570\u636e\u63a2\u7d22\u3002\u672c\u6587\u4ecb\u7ecd\u4e86Ketchbrook Analytics\u9996\u5e2d\u6570\u636e\u79d1\u5b66\u5bb6Michael Thomas\u5982\u4f55\u5229\u7528shiny\u6709\u6548\u5229\u7528\u6570\u636e\u5e2e\u52a9\u4f01\u4e1a\u83b7\u5f97\u663e\u8457\u7684\u7ade\u4e89\u4f18\u52bf\u3002
6\u3001\u5982\u4f55\u8fdb\u884c\u6587\u732e\u9605\u8bfb?
\u672c\u63a8\u6587\u5206\u4eab\u4e86\u7b14\u8005\u4ece\u6587\u732e\u9605\u8bfb\u524d\u3001\u9605\u8bfb\u4e2d\u3001\u9605\u8bfb\u540e\u8fd9\u4e09\u4e2a\u8fc7\u7a0b\u4e2d\u7684\u5fc3\u5f97\u4f53\u4f1a\uff0c\u5e76\u4ecb\u7ecd\u4e86\u5404\u9636\u6bb5\u7684\u76f8\u5173\u5de5\u5177\u3002
7\u3001 NEJM | \u795e\u901f\uff01\u57fa\u4e8e\u7eb3\u7c73\u5b54\u6d4b\u5e8f\u7684\u4ea7\u524d\u68c0\u6d4b\u65b9\u6cd5\u53ef2\u5c0f\u65f6\u5185\u5feb\u901f\u9274\u5b9a\u80ce\u513f\u67d3\u8272\u4f53\u5f02\u5e38
\u7814\u7a76\u56e2\u961f\u57fa\u4e8e\u7eb3\u7c73\u5b54\u6d4b\u5e8f\u6280\u672f\u5f00\u53d1\u4e86\u53ef\u5206\u6790DNA\u5fae\u5c0f\u7247\u6bb5\u7684STORK\u65b9\u6cd5\uff0c\u53ef\u57282\u5c0f\u65f6\u5185\u63d0\u4f9b\u7ed3\u679c\uff0c\u6bd4\u76ee\u524d\u53ef\u7528\u7684\u67d3\u8272\u4f53\u68c0\u6d4b\u65b9\u6cd5\u5feb15,000\u500d\uff0c\u4e14\u6bcf\u4e2a\u6837\u672c\u7684\u5904\u7406\u6210\u672c\u7ea6\u4e3a\u5f53\u524d\u68c0\u6d4b\u7684\u5341\u5206\u4e4b\u4e00\u3002\u6b64\u5916\uff0cSTORK\u65b9\u6cd5\u53ea\u9700\u4f7f\u7528\u7ea6\u6709\u53e3\u7434\u5927\u5c0f\u7684\u6d4b\u5e8f\u8bbe\u5907\uff0c\u91cd\u91cf\u4ec5\u4e3a 450\u514b\uff0c\u5728\u533b\u751f\u529e\u516c\u5ba4\u5185\u5373\u53ef\u5b8c\u6210\u68c0\u6d4b\u3002 - \u8bba\u6587\u94fe\u63a5\uff1ahttps://www.nejm.org/doi/10.1056/NEJMc2201810
8\u3001LaTeX \u5e38\u7528\u6570\u5b66\u7b26\u53f7\u6c47\u603b
\u672c\u6587\u4e3b\u8981\u662f\u5bf9\u5e38\u7528\u7684\u5404\u7c7b LaTeX \u7b26\u53f7\u8fdb\u884c\u6c47\u603b\uff0c\u65b9\u4fbf\u5927\u5bb6\u67e5\u8be2\u3002\u4e3b\u8981\u53c2\u8003 CSDN \u6587\u7ae0 \u548c AoPS Wiki \u7f51\u7ad9\u3002
"},{"location":"issue-65/#_4","title":"\u5de5\u5177","text":"9\u3001 VizTracer \u53ef\u89c6\u5316\u8ffd\u8e2apython\u4ee3\u7801\u6267\u884c
VizTracer \u662f\u4e00\u6b3e\u7528\u4e8e Python \u4ee3\u7801\u7684\u8c03\u8bd5\u548c\u6027\u80fd\u5206\u6790\u7684\u5de5\u5177\uff0c\u53ef\u8ffd\u8e2a\u548c\u53ef\u89c6\u5316 Python \u4ee3\u7801\u7684\u6267\u884c\u8fc7\u7a0b\u3002\u5b83\u6613\u4e8e\u4f7f\u7528\uff0c\u652f\u6301\u591a\u7ebf\u7a0b\uff0c\u5e76\u4e14\u9002\u7528\u4e8e Linux\u3001MacOS \u548c Windows \u7b49\u591a\u4e2a\u64cd\u4f5c\u7cfb\u7edf\u3002
10\u3001Mito-\u4e00\u6b3e\u8d85\u7ea7\u68d2\u7684 JupyterLab \u6269\u5c55\u7a0b\u5e8f
Mito \u662f\u4e00\u4e2a\u514d\u8d39\u7684 JupyterLab \u6269\u5c55\u7a0b\u5e8f\uff0c\u53ef\u4ee5\u4f7f\u7528 Excel \u8f7b\u677e\u63a2\u7d22\u548c\u8f6c\u6362\u6570\u636e\u96c6\u3002
11\u3001\u4ee3\u8c22\u7269\u6eaf\u6e90/\u5fae\u751f\u7269\u7ec4\u4e0e\u4ee3\u8c22\u7ec4\u6574\u5408\u5206\u6790\u8f6f\u4ef6MetOrigin
\u80a0\u9053\u5fae\u751f\u7269\u7ec4\u548c\u4ee3\u8c22\u7ec4\u4e4b\u95f4\u7684\u76f8\u4e92\u4f5c\u7528\u5728\u4eba\u7c7b\u5065\u5eb7\u548c\u75be\u75c5\u4e2d\u8d77\u91cd\u8981\u4f5c\u7528\u3002\u5f53\u524d\u7684\u7814\u7a76\u4e3b\u8981\u91c7\u7528\u80a0\u9053\u5fae\u751f\u7269\u7ec4\u548c\u6240\u6709\u786e\u5b9a\u7684\u4ee3\u8c22\u7269\u4e4b\u95f4\u7684\u7edf\u8ba1\u76f8\u5173\u5206\u6790\u6765\u63a2\u7d22\u5176\u5173\u7cfb\u3002\u7136\u800c\uff0c\u5728\u6ca1\u6709\u4f53\u5916\u57f9\u517b\u5b9e\u9a8c\u7684\u60c5\u51b5\u4e0b\uff0c\u786e\u5b9a\u5fae\u751f\u7269\u7684\u7279\u5b9a\u4ee3\u8c22\u529f\u80fd\u4ecd\u7136\u5177\u6709\u6311\u6218\u6027\u3002\u533a\u5206\u5fae\u751f\u7269\u4ee3\u8c22\u7269\u4e0e\u5176\u4ed6\u4eba\uff08\u4f8b\u5982\u5bbf\u4e3b\uff0c\u98df\u7269\u6216\u73af\u5883\uff09\u5e76\u63a2\u7d22\u5176\u4ee3\u8c22\u529f\u80fd\u4ee5\u53ca\u4e0e\u5fae\u751f\u7269\u7ec4\u7684\u76f8\u5173\u6027\u53ef\u80fd\u4f1a\u63d0\u9ad8\u751f\u7269\u6807\u5fd7\u7269\u53d1\u73b0\u7684\u6548\u7387\u548c\u51c6\u786e\u6027\u3002\u5230\u76ee\u524d\u4e3a\u6b62\u8fd8\u6ca1\u6709\u6b64\u7c7b\u751f\u7269\u4fe1\u606f\u5b66\u5de5\u5177\u53ef\u7528\u3002\u672c\u6587\u5f00\u53d1\u4e86Metorigin\u4ea4\u4e92\u5f0fWeb\u670d\u52a1\u5668\uff0c\u53ef\u533a\u5206\u6e90\u81ea\u5fae\u751f\u7269\u7ec4\u7684\u4ee3\u8c22\u7269\uff0c\u6267\u884c\u57fa\u4e8e\u539f\u59cb\u7684\u4ee3\u8c22\u9014\u5f84\u5bcc\u96c6\u5206\u6790\uff0c\u5e76\u4f7f\u7528Sankey\u7f51\u7edc\u53ef\u89c6\u5316\u5728\u6570\u636e\u5e93\u4e2d\u96c6\u6210\u4e86\u6570\u636e\u5e93\u4e2d\u7684\u7edf\u8ba1\u76f8\u5173\u6027\u548c\u751f\u7269\u5173\u7cfb\u3002 Metorigin\u4e0d\u4ec5\u53ef\u4ee5\u5feb\u901f\u9274\u5b9a\u5fae\u751f\u7269\u4ee3\u8c22\u7269\u53ca\u5176\u4ee3\u8c22\u529f\u80fd\uff0c\u800c\u4e14\u8fd8\u4fc3\u8fdb\u4e86\u53d1\u73b0\u7279\u5b9a\u7ec6\u83cc\u7269\u79cd\uff0c\u8fd9\u4e9b\u7ec6\u83cc\u7269\u79cd\u5728\u7edf\u8ba1\u548c\u751f\u7269\u5b66\u4e0a\u4e0e\u4ee3\u8c22\u7269\u7d27\u5bc6\u76f8\u5173\u3002
"},{"location":"issue-65/#_5","title":"\u8d44\u6e90","text":"12\u3001SoupX-\u68c0\u6d4b\u5e76\u6e05\u9664\u5355\u7ec6\u80de\u6d4b\u5e8f\u4e2d\u7684\u5916\u6e90\u6027mRNA\u7684R\u5305
13\u3001LncPipe \uff5c \u4e00\u4e2a\u57fa\u4e8enextflow\u7684\u7ba1\u9053\uff0c\u7528\u4e8e\u4eceRNA-seq\u6570\u636e\u96c6\u4e2d\u5168\u9762\u5206\u6790\u957f\u975e\u7f16\u7801RNA
14\u3001https://github.com/shiftkey/desktop
GitHub Desktop\u662f\u4e00\u4e2a\u57fa\u4e8eElectron\u7684\u5f00\u6e90GitHub app\u3002\u6b64\u5b58\u50a8\u5e93\u5305\u542b\u4e0a\u6e38\u5b58\u50a8\u5e93\u9876\u90e8\u7684\u7279\u5b9a\u8865\u4e01\uff0c\u4ee5\u652f\u6301 Linux \u7684\u4f7f\u7528\u3002\u540c\u65f6\uff0c\u5b83\u8fd8\u6258\u7ba1\u5404\u79cd Linux \u53d1\u884c\u7248\u7684\u9884\u89c8\u5305\u3002
\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09@kongjianyang\uff08\u7a7a\u95f4\u9633\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-66/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 66 \u671f\uff09\uff1a\u9000\u4f11\u8d8a\u665a\u3001\u5bff\u547d\u8d8a\u77ed\uff1f\u6709\u5173\u7cfb\u4e48","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d | \u300c\u751f\u4fe1\u8ba8\u8bba\u533a\uff08Gitter\uff09\u300d
"},{"location":"issue-66/#_1","title":"\u5c01\u9762\u56fe","text":""},{"location":"issue-66/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u9000\u4f11\u8d8a\u665a\u3001\u5bff\u547d\u8d8a\u77ed\uff1f\u6709\u5173\u7cfb\u4e48","text":"\u8fd9\u4e24\u5929\uff0c\u4e00\u5219\u5ef6\u8fdf\u9000\u4f11\u7684\u6d88\u606f\u5728\u7f51\u7edc\u4e0a\u75af\u4f20\uff0c\u6839\u636e\u5176\u4e2d\u7684\u8bf4\u6cd5\uff0c\u56fd\u5bb6\u5c06\u4e8e\u4eca\u5e74\u5ba3\u5e03\u6e10\u8fdb\u5f0f\u5ef6\u8fdf\u9000\u4f11\u65b9\u6848\uff0c\u52302025\u5e74\u6b63\u5f0f\u5b9e\u65bd\uff0c\u800c\u52302055\u5e74\u524d\u540e\uff0c\u65e0\u8bba\u7537\u5973\u90fd\u5c06\u5de5\u4f5c\u81f365\u5c81\u65b9\u53ef\u9000\u4f11\u3002\u770b\u5230\u8fd9\u5219\u6d88\u606f\uff0c\u6253\u5de5\u4eba\u4eec\u4e00\u7247\u54d7\u7136\u3002\u9664\u4e86\u611f\u6168\u201c\u65e9\u65e5\u8eba\u5e73\u201d\u7684\u68a6\u60f3\u7834\u88c2\u5916\uff0c\u8fd8\u6709\u4e0d\u5c11\u4eba\u5173\u6ce8\u5ef6\u8fdf\u9000\u4f11\u53ef\u80fd\u5e26\u6765\u7684\u5065\u5eb7\u95ee\u9898\u3002\u8fd9\u65b9\u9762\u7684\u7126\u70b9\uff0c\u662f\u53f7\u79f0\u6765\u81ea\u7f8e\u56fd\u6ce2\u97f3\u516c\u53f8\u3001\u6d1b\u514b\u5e0c\u5fb7\u00b7\u9a6c\u4e01\u516c\u53f8\u548c\u798f\u7279\u6c7d\u8f66\u516c\u53f8\u5458\u5de5\u7684\u771f\u5b9e\u6570\u636e\uff0c\u5176\u4e2d\u663e\u793a\uff1a\u9000\u4f11\u8d8a\u665a\uff0c\u5bff\u547d\u8d8a\u77ed\uff0c\u5c24\u5176\u662f\u5458\u5de5\u5de5\u4f5c\u6ee155\u5c81\u540e\uff0c\u6bcf\u5de5\u4f5c1\u5e74\uff0c\u5e73\u5747\u5bff\u547d\u5c31\u51cf\u5c11\u4e24\u5e74\u3002\u5173\u4e8e\u8fd9\u4e2a\u95ee\u9898\uff0c\u4f60\u600e\u4e48\u770b\uff1f
"},{"location":"issue-66/#_3","title":"\u751f\u4fe1\u7814\u7a76","text":"2022\u5e7411\u6708\uff0c\u6e56\u5357\u5927\u5b66DrugAI\u5b9e\u9a8c\u5ba4\u5728Nature\u5b50\u520a\u300aNature Machine Intelligence\u300b\u4e0a\u53d1\u8868\u540d\u4e3a\u201dAccurate prediction of molecular properties and drug targets using a self-supervised image representation learning framework\u201d\u7684\u7814\u7a76\u8bba\u6587\uff0c\u63d0\u51fa\u4e86\u4e00\u79cd\u5168\u65b0\u7684\u5206\u5b50\u8868\u5f81\u6846\u67b6\u2014\u2014\u57fa\u4e8e\u5206\u5b50\u56fe\u50cf\u7684\u81ea\u76d1\u7763\u6df1\u5ea6\u5b66\u4e60\u6846\u67b6ImageMol\u3002\u5b83\u901a\u8fc7\u57281000\u4e07\u4e2a\u672a\u6807\u8bb0\u7684\u7c7b\u836f\u751f\u7269\u6d3b\u6027\u5206\u5b50\u4e0a\u8fdb\u884c\u9884\u8bad\u7ec3\uff0c\u5b9e\u73b0\u4e86\u5bf9\u5206\u5b50\u6027\u8d28\u548c\u836f\u7269\u9776\u6807\u7684\u51c6\u786e\u9884\u6d4b\uff0c\u5f00\u521b\u4e86\u5206\u5b50\u8868\u5f81\u5b66\u4e60\u7684\u65b0\u8303\u5f0f\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://www.nature.com/articles/s42256-022-00557-6
Transl Res | \u80ba\u764c\u9776\u5411\u7528\u836f\u4f34\u968f\u8bca\u65ad\u91cd\u5927\u8fdb\u5c55
\u6cb3\u5357\u5927\u5b66\u5b89\u78ca\u56e2\u961f\u548c\u90d1\u5dde\u5927\u5b66\u7cbe\u51c6\u533b\u5b66\u4e2d\u5fc3\u8bb8\u7ea2\u6069\u56e2\u961f\u9996\u6b21\u5229\u7528\u9971\u548c\u7a81\u53d8\u626b\u63cf\uff08DMS\uff09\u6280\u672f\u7cfb\u7edf\u7814\u7a76\u4e8674389\u79cd\u8868\u76ae\u751f\u957f\u56e0\u5b50\u53d7\u4f53\uff08EGFR\uff09\u7f55\u89c1\u53d8\u5f02\u7a81\u53d8\u5bf95\u79cd\u4e34\u5e8a\u4e00\u7ebfEGFR-\u916a\u6c28\u9178\u6fc0\u9176\u6291\u5236\u5242\uff08EGFR-TKI\uff09\u9776\u5411\u836f\u7684\u654f\u611f\u6027\uff0c\u8be5\u7814\u7a76\u65b9\u6cd5\u5177\u6709\u901a\u7528\u6027\uff0c\u53ef\u4ee5\u7528\u4e8e\u7814\u7a76\u5176\u4ed6\u9776\u5411\u6291\u5236\u5242\u7684\u654f\u611f\u7a81\u53d8\u548c\u6297\u836f\u7a81\u53d8\uff0c\u63a8\u52a8\u80bf\u7624\u7cbe\u51c6\u533b\u7597\u7684\u53d1\u5c55\u3002
\u6587\u7ae0\u94fe\u63a5\uff1ahttps://www.translationalres.com/article/S1931-5244(22)00244-4/fulltext
\u81ea\u7136\u00b7\u533b\u5b66\uff1aMSKCC\u53d1\u5e03\u80ba\u764c\u6db2\u4f53\u6d3b\u68c0\u91cd\u78c5\u6210\u679c
\u7eaa\u5ff5\u65af\u9686\u00b7\u51ef\u7279\u6797\u764c\u75c7\u4e2d\u5fc3\u7684\u7814\u7a76\u9a8c\u8bc1\u4e86\u8840\u6db2\u5faa\u73af\u80bf\u7624DNA\uff08ctDNA\uff09\u9633\u6027\u7ed3\u679c\u4e0e\u975e\u5c0f\u7ec6\u80de\u80ba\u764c\uff08NSCLC\uff09\u60a3\u8005\u7684\u603b\u751f\u5b58\u7387\uff08OS\uff09\u6709\u5173\uff08HR=2.05\uff0cp\uff1c0.001\uff09\uff0c\u4e14\u72ec\u7acb\u4e8e\u4e34\u5e8a\u75c5\u7406\u7279\u5f81\u548c\u80bf\u7624\u4ee3\u8c22\u4f53\u79ef\uff0c\u63a5\u53d7ctDNA\u6d4b\u5e8f\u540e\u5339\u914d\u7684\u9776\u5411\u6cbb\u7597\u7684\u60a3\u8005\u76f8\u6bd4\u672a\u63a5\u53d7\u7684\uff0cOS\u66f4\u9ad8\u3002\u8fd9\u9879\u7814\u7a76\u8868\u660e\uff0cctDNA\u4e0d\u4ec5\u53ef\u4ee5\u6307\u5bfc\u6cbb\u7597\u51b3\u7b56\uff0c\u5b83\u672c\u8eab\u4e5f\u5177\u6709\u9884\u6d4b\u9884\u540e\u7684\u4ef7\u503c\u3002
\u6587\u7ae0\u94fe\u63a5\uff1ahttps://pubmed.ncbi.nlm.nih.gov/36357680/
Cell Reports Methods | \u534e\u4e3a\u56e2\u961f\u5f00\u53d1\u7ec4\u5408\u8d1d\u53f6\u65af\u4f18\u5316\u6846\u67b6\uff0c\u8fdb\u884c\u6297\u4f53\u8ba1\u7b97\u673a\u8bbe\u8ba1
\u534e\u4e3a\u8bfa\u4e9a\u65b9\u821f\u5b9e\u9a8c\u5ba4\u3001\u4f26\u6566\u5927\u5b66\u4ee5\u53ca\u7231\u4e01\u5821\u5927\u5b66\u7684\u7814\u7a76\u56e2\u961f\u5f00\u53d1\u4e86 AntBO\uff0c\u8fd9\u662f\u4e00\u79cd\u7ec4\u5408\u8d1d\u53f6\u65af\u4f18\u5316\u6846\u67b6\uff0c\u5229\u7528 CDRH3 \u4fe1\u4efb\u533a\u5bf9\u5177\u6709\u826f\u597d\u53ef\u5f00\u53d1\u6027\u5206\u6570\u7684\u6297\u4f53\u8fdb\u884c\u8ba1\u7b97\u673a\u8bbe\u8ba1\u3002\u9488\u5bf9 159 \u79cd\u6297\u539f\u7684\u8ba1\u7b97\u673a\u5b9e\u9a8c\u8868\u660e\uff0cAntBO \u662f\u671d\u7740\u5b9e\u9645\u53ef\u884c\u7684\u4f53\u5916\u6297\u4f53\u8bbe\u8ba1\u8fc8\u51fa\u7684\u4e00\u6b65\u3002\u5728\u5bf9 oracle \u7684\u4e0d\u5230 200 \u6b21\u8c03\u7528\u4e2d\uff0cAntBO \u5efa\u8bae\u6297\u4f53\u4f18\u4e8e\u6765\u81ea 690 \u4e07\u4e2a\u5b9e\u9a8c\u83b7\u5f97\u7684 CDRH3 \u7684\u6700\u4f73\u7ed3\u5408\u5e8f\u5217\u3002\u6b64\u5916\uff0cAntBO \u5728\u4e0d\u9700\u8981\u9886\u57df\u77e5\u8bc6\u7684\u60c5\u51b5\u4e0b\u4ec5\u5728 38 \u79cd\u86cb\u767d\u8d28\u8bbe\u8ba1\u4e2d\u53d1\u73b0\u4e86\u975e\u5e38\u9ad8\u4eb2\u548c\u529b\u7684 CDRH3\u3002 - \u6587\u7ae0\u94fe\u63a5\uff1ahttps://doi.org/10.1016/j.crmeth.2022.100374
"},{"location":"issue-66/#_4","title":"\u535a\u6587\u8d44\u8baf","text":"\u8fd9\u7bc710x Genomics\u5b98\u65b9\u7684\u63a8\u6587\u4ecb\u7ecd\u4e86\u5355\u7ec6\u80de\u6d4b\u5e8f\u7684\u57fa\u672c\u6982\u51b5\uff0c\u5e76\u9644\u4e0a\u4e86\u76f8\u5173\u8d44\u6e90\u3002
\u8d1f\u8f7d\u5747\u8861\u662f\u4e00\u4e2a\u901a\u7528\u672f\u8bed\uff0c\u6307\u7684\u662f\u4e3a\u4e86\u786e\u4fdd\u9ad8\u6548\u5206\u914d\u6240\u7ba1\u7406\u7684\u8d44\u6e90\u800c\u505a\u7684\u4e8b\u60c5\u3002\u5bf9\u4e8e Web \u670d\u52a1\u5668\u7684\u7cfb\u7edf\u7ba1\u7406\u5458\u6765\u8bf4\uff0c\u8d1f\u8f7d\u5747\u8861\u901a\u5e38\u610f\u5473\u7740\u786e\u4fdd Web \u670d\u52a1\u5668\u8f6f\u4ef6\u914d\u7f6e\u4e86\u8db3\u591f\u7684\u5de5\u4f5c\u8282\u70b9\u6765\u5904\u7406\u6fc0\u589e\u7684\u8bbf\u5ba2\u3002\u6362\u8a00\u4e4b\uff0c\u5982\u679c\u4e00\u4e2a\u7f51\u7ad9\u7a81\u7136\u53d8\u5f97\u975e\u5e38\u53d7\u6b22\u8fce\uff0c\u5176\u8bbf\u95ee\u8005\u5728\u51e0\u5206\u949f\u5185\u589e\u52a0\u4e86\u56db\u500d\uff0c\u90a3\u4e48\u8fd0\u884c\u670d\u52a1\u5668\u7684\u8f6f\u4ef6\u5fc5\u987b\u80fd\u591f\u54cd\u5e94\u6bcf\u4e2a\u8bbf\u95ee\u8005\uff0c\u5e76\u4e0d\u80fd\u8ba9\u4efb\u4f55\u8bbf\u95ee\u8005\u53d1\u73b0\u670d\u52a1\u8d28\u91cf\u4e0b\u964d\u3002
\u6587\u7ae0\u94fe\u63a5\uff1ahttps://linux.cn/article-15121-1.html?utm_source=rss&utm_medium=rss
\u8fd9\u4e2a\u7f51\u9875\u901a\u8fc7 CSS \u5728\u5bf9 HTML \u6392\u7248\u7684\u540c\u65f6\uff0c\u80fd\u591f\u663e\u793a HTML \u6e90\u7801\u3002
\u672c\u6587\u4ecb\u7ecd\u4e86\u53ef\u4ee5\u63d0\u5347Jupyter Notebook \u6548\u7387\u7684\u4e94\u4e2a\u63d2\u4ef6\uff1aTable of Contents\u3001Autopep8\u3001variable inspector\u3001ExecuteTime\u3001Hide Code input\u3002
"},{"location":"issue-66/#_5","title":"\u5de5\u5177","text":"\u672c\u6587\u4ecb\u7ecd\u4e86\u81ea\u52a8\u673a\u5668\u5b66\u4e60AutoML\u4e2d\u4e0d\u540c\u7684\u7f16\u7a0b\u8bed\u8a00\u63d0\u4f9b\u7684\u4e00\u4e9b\u6700\u5e38\u89c1\u768420\u4e2a\u5e93\u3002
\u8be5\u9879\u76ee\u5229\u7528GPT \u6a21\u578b\uff0c\u501f\u52a9gptcommit for VS Code \u6765\u81ea\u52a8\u63d0\u4ea4\u6d88\u606f\u3002
\u94fe\u63a5\uff1ahttps://github.com/pwwang/vscode-gptcommit
wukong-robot \u662f\u4e00\u4e2a\u7b80\u5355\u3001\u7075\u6d3b\u3001\u4f18\u96c5\u7684\u4e2d\u6587\u8bed\u97f3\u5bf9\u8bdd\u673a\u5668\u4eba/\u667a\u80fd\u97f3\u7bb1\u9879\u76ee\uff0c\u8fd8\u53ef\u80fd\u662f\u9996\u4e2a\u652f\u6301\u8111\u673a\u4ea4\u4e92\u7684\u5f00\u6e90\u667a\u80fd\u97f3\u7bb1\u9879\u76ee\u3002
\u94fe\u63a5\uff1ahttps://github.com/wzpan/wukong-robot
"},{"location":"issue-66/#_6","title":"\u8d44\u6e90","text":"\u8fd9\u662f\u300a\u8fd4\u6734\u300b\u516c\u4f17\u53f7\u8fc7\u5f80\u53d1\u8868\u8fc7\u7684\u5173\u4e8e\u79d1\u7814\u804c\u4e1a\u5316\u7684\u5185\u5bb9\uff0c\u6709\u4e9b\u5185\u5bb9\u503c\u5f97\u5b66\u4e60\u3002
\u8fd9\u7bc7\u535a\u5ba2\u8ba8\u8bba\u4e86\u4fdd\u6301\u4e86\u89e3\u751f\u7269\u5236\u836f\u884c\u4e1a\u6700\u65b0\u6d88\u606f\u7684\u6700\u4f73\u65b9\u6cd5\u3002\u4f5c\u8005\u5efa\u8bae\u8ddf\u968f\u53ef\u4fe1\u7684\u4fe1\u606f\u6765\u6e90\u4ee5\u83b7\u53d6\u51c6\u786e\u53ef\u9760\u7684\u65b0\u95fb\u3002\u8fd9\u4e9b\u6765\u6e90\u53ef\u4ee5\u5305\u62ec\u884c\u4e1a\u4e13\u4e1a\u51fa\u7248\u7269\u3001\u76d1\u7ba1\u673a\u6784\u548c\u5b66\u672f\u673a\u6784\u3002\u4f5c\u8005\u8fd8\u5efa\u8bae\u4f7f\u7528\u793e\u4ea4\u5a92\u4f53\u5e73\u53f0\uff0c\u5982 Twitter \u548c LinkedIn\uff0c\u5173\u6ce8\u5173\u952e\u610f\u89c1\u9886\u8896\u3001\u884c\u4e1a\u4e13\u5bb6\u548c\u4e13\u4e1a\u7ec4\u7ec7\u3002\u751f\u7269\u533b\u836f\u9886\u57df\u7684\u4ece\u4e1a\u8005\u53ef\u4ee5\u770b\u770b\u3002
2022\u5e74\uff0c\u745e\u5178\u56fd\u5bb6\u751f\u7269\u4fe1\u606f\u5b66\u57fa\u7840\u8bbe\u65bd (NBIS) \u7ec4\u7ec7\u5f00\u8bbe\u7684\u514d\u8d39Epigenomics workshop\uff0c\u5305\u62ecDNA Methylation\u5206\u6790\u3001ATACseq\u5206\u6790\u3001CHIPseq\u5206\u6790\uff0c\u4ece\u539f\u7406\u5230\u5206\u6790pipeline\u90fd\u6709\u6d89\u53ca\uff0c\u5f88\u9002\u5408\u81ea\u5b66\u3002\u53e6\u5916NIBS\u8fd8\u4f1a\u5b9a\u671f\u7ec4\u7ec7\u5176\u5b83\u751f\u4fe1\u76f8\u5173\u7684\u6559\u7a0b\uff0c\u5927\u5bb6\u4e5f\u53ef\u4ee5\u5173\u6ce8\u4e00\u4e0b\u3002
\u94fe\u63a5\uff1ahttps://nbis-workshop-epigenomics.readthedocs.io/en/latest/index.html
\u672c\u6587\u5bf9 Python \u7684\u6838\u5fc3\u57fa\u7840\u77e5\u8bc6\u8fdb\u884c\u4e86\u68b3\u7406\u3002
"},{"location":"issue-66/#_7","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09@kongjianyang\uff08\u7a7a\u95f4\u9633\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-67/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 67 \u671f\uff09\uff1a\u4f60\u662f\u5982\u4f55\u6d3b\u7528ChatGPT\u7ed9\u4f60\u6253\u5de5\u7684\uff1f","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-67/#_1","title":"\u5c01\u9762\u56fe","text":"OpenAI\u2019s ChatGPT\u662f\u5f53\u4e0b\u6700\u4f73\u804a\u5929\u673a\u5668\u4eba\u3002(\u56fe\u6e90\uff1a Midjourney)
"},{"location":"issue-67/#chatgpt","title":"\u672c\u5468\u8bdd\u9898\uff1a\u4f60\u662f\u5982\u4f55\u6d3b\u7528ChatGPT\u7ed9\u4f60\u6253\u5de5\u7684\uff1f","text":"@kkjtmac \u76ee\u524d\u5229\u7528ChatGPT\u8fdb\u884c\u5957\u8bdd\u7684\u7f16\u5199\u3001\u7ed9\u4e2a\u521d\u6b65\u4ee3\u7801\u601d\u8def\u4ee5\u53ca\u5927\u6bb5\u82f1\u6587\u7684\u6982\u62ec\u603b\u7ed3\u3002
@ShixiangWang \u6700\u8fd1\u5229\u7528 ChatGPT \u8fdb\u884c\u82f1\u6587\u5199\u4f5c\u548c\u57fa\u91d1\u6458\u8981\u82f1\u6587\u7684\u7ffb\u8bd1\uff0c\u80fd\u89e3\u51b3\u5f88\u591a\u5934\u75bc\u7684\u95ee\u9898\uff0c\u63a8\u8350\u5927\u5bb6\u90fd\u8bd5\u8bd5\u3002
1\u3001Science | \u8868\u89c2\u9057\u4f20\u5b66\u548c\u6570\u5b66\u7ed3\u5408\uff0c\u9884\u6d4b\u764c\u7ec6\u80de\u884c\u4e3a
\u8fd9\u7bc7\u7efc\u8ff0\u6587\u7ae0\u6307\u51fa\uff0c\u901a\u8fc7\u6570\u5b66\u5efa\u6a21\u53ef\u4ee5\u5c06\u764c\u75c7\u7684\u8868\u578b\u53ef\u5851\u6027\u4e0e\u9a71\u52a8\u764c\u75c7\u7684\u8868\u89c2\u9057\u4f20\u53d8\u5316\u8054\u7cfb\u8d77\u6765\u3002\u8fd9\u79cd\u65b0\u7684\u8868\u89c2\u9057\u4f20\u5b9a\u91cf\u65b9\u6cd5\u53ef\u4ee5\u66f4\u597d\u5730\u5b9a\u4e49\u548c\u6d4b\u91cf\u57fa\u56e0\u529f\u80fd\u4e2d\u7684\u8868\u89c2\u9057\u4f20\u5b66\u7f3a\u9677\u53ca\u5176\u4e0e\u764c\u75c7\u9057\u4f20\u666f\u89c2\u7684\u76f8\u4e92\u4f5c\u7528\uff0c\u4ece\u800c\u66f4\u597d\u3001\u66f4\u65e9\u5730\u8bca\u65ad\u764c\u75c7\u5e76\u9884\u6d4b\u5176\u884c\u4e3a\u3002
2\u3001Nat Genet | \u8840\u6d46\u4ee3\u8c22\u7ec4\u57fa\u56e0\u7ec4\u56fe\u8c31\u7a81\u51fa\u4ee3\u8c22\u7269\u4e0e\u4eba\u7c7b\u75be\u75c5\u7684\u8054\u7cfb
\u52a0\u62ff\u5927\u6234\u7ef4\u65af\u592b\u4eba\u533b\u5b66\u7814\u7a76\u6240\u5bf91,091\u4e2a\u8840\u6db2\u4ee3\u8c22\u7269\u548c309\u4e2a\u4ee3\u8c22\u6bd4\u7387\u8fdb\u884c\u4e86\u57fa\u56e0\u7ec4\u5173\u8054\u5206\u6790\uff0c\u5206\u522b\u8bc6\u522b\u4e86248\u4e2a\u4f4d\u70b9\uff0c690\u79cd\u4ee3\u8c22\u7269\u548c69\u4e2a\u4f4d\u70b9\uff0c143\u4e2a\u4ee3\u8c22\u6bd4\u7387\u7684\u5173\u8054\u3002\u6574\u5408\u4ee3\u8c22\u7269\u2014\u2014\u57fa\u56e0\u548c\u57fa\u56e0\u8868\u8fbe\u4fe1\u606f\uff0c\u4f5c\u8005\u8bc6\u522b\u4e86109\u79cd\u4ee3\u8c22\u7269\u548c48\u4e2a\u4ee3\u8c22\u6bd4\u7387\u768494\u4e2a\u6548\u5e94\u57fa\u56e0\uff0c\u8fdb\u4e00\u6b65\u5730\uff0c\u4f5c\u8005\u8bc6\u522b\u4e86\u4e0e12\u79cd\u6027\u72b6\u548c\u75be\u75c5\u5b58\u5728\u56e0\u679c\u5173\u7cfb\u768422\u79cd\u4ee3\u8c22\u7269\u548c20\u4e2a\u4ee3\u8c22\u6bd4\u7387\u3002\u7814\u7a76\u63cf\u8ff0\u4e86\u4ee3\u8c22\u7269\u7684\u9057\u4f20\u7ed3\u6784\uff0c\u4e3a\u7814\u7a76\u4ee3\u8c22\u7269\u5728\u57fa\u7840\u75be\u75c5\u4e2d\u7684\u4f5c\u7528\u63d0\u4f9b\u4e86\u5b9d\u8d35\u8d44\u6e90\uff0c\u4e5f\u4e3a\u6cbb\u7597\u9776\u70b9\u7684\u5bfb\u627e\u63d0\u4f9b\u7ebf\u7d22\u3002
3\u3001Science Advances | \u57fa\u4e8eDNA \u6d4b\u5e8f\u7684\u673a\u5668\u5b66\u4e60\u6a21\u578b\u89e3\u7801\u6d4b\u5e8f\u8bfb\u6570\u7f16\u7801\u6570\u636e\u503c
2023\u5e741\u67084\u65e5\u4e0d\u5217\u98a0\u54e5\u4f26\u6bd4\u4e9a\u5927\u5b66\u548c\u4e1c\u4eac\u5927\u5b66\u7684\u7814\u7a76\u4eba\u5458\u5728\u300aScience Advances\u300b\u4e0a\u53d1\u8868\u4e86A universal sequencing read interpreter\u7684\u6587\u7ae0\uff0c\u62a5\u544a\u4e86 INTERSTELLAR\uff08interpretation, scalable transformation, and emulation of large-scale sequencing reads\uff0c\u5927\u89c4\u6a21\u6d4b\u5e8f\u8bfb\u6570\u7684\u89e3\u91ca\u3001\u53ef\u6269\u5c55\u8f6c\u6362\u548c\u4eff\u771f\uff09\uff0c \u6210\u529f\u5730\u4ece\u4e00\u7cfb\u5217\u77ed\u8bfb\u957f\u548c\u957f\u8bfb\u957f\u6d4b\u5e8f\u8bfb\u6570\u4e2d\u63d0\u53d6\u4e86\u4fe1\u606f\uff0c\u5e76\u7ffb\u8bd1\u4e86\u5355\u7ec6\u80de (sc)RNA-seq\u3001scATAC-seq \u548c\u7a7a\u95f4\u8f6c\u5f55\u7ec4\u5b66\u7684\u90a3\u4e9b\u6570\u636e\uff0c\u4ece\u800c\u65b9\u4fbf\u7814\u7a76\u4eba\u5458\u7528\u4e0d\u540c\u8f6f\u4ef6\u5de5\u5177\u8fdb\u884c\u5206\u6790\u3002INTERSTELLAR \u5c06\u6781\u5927\u5730\u4fc3\u8fdb\u57fa\u4e8e\u6d4b\u5e8f\u7684\u5b9e\u9a8c\u7684\u5f00\u53d1\u548c\u6570\u636e\u5206\u6790\u7ba1\u9053\u7684\u5171\u4eab\u3002\u7406\u8bba\u4e0a\uff0c\u5b83\u53ef\u4ee5\u89e3\u7801\u4efb\u4f55\u7c7b\u578b\u7684\u6d4b\u5e8f\u8bfb\u6570\u4e2d\u7f16\u7801\u7684\u6570\u636e\u503c\uff0c\u5e76\u5c06\u5b83\u4eec\u8f6c\u5316\u4e3a\u53e6\u4e00\u79cd\u9009\u62e9\u7ed3\u6784\u7684\u6d4b\u5e8f\u8bfb\u6570\u3002
4\u3001WGCNA,all in \u8fd8\u662fDEGs\uff1f
\u8f6c\u5f55\u7ec4\u7684\u6570\u636e\u5206\u6790\u4e2d\uff0cWGCNA\u5206\u6790\u662f\u4e00\u79cd\u6bd4\u8f83\u5e38\u7528\u7684\u624b\u6bb5\u53ef\u4ee5\u534f\u52a9\u6211\u4eec\u5feb\u901f\u5bfb\u627e\u5230\u7279\u5b9a\u6a21\u5757\u4e2d\u7684hub gene\uff0c\u76ee\u524d\u5e02\u9762\u4e0a\u5bf9\u8f6c\u5f55\u7ec4\u7684\u5206\u6790\u4e3b\u8981\u662f4\u79cd\uff1a1\uff0c\u76f4\u63a5\u5dee\u5f02\u5206\u6790\uff1b2\uff0c\u5168\u90e8\u57fa\u56e0WGCNA; 3, \u5dee\u5f02\u5206\u6790\u7136\u540e\u518dWGCNA\uff1b4\u5168\u90e8\u5dee\u5f02\u57fa\u56e0WGCNA\u518d\u5dee\u5f02\u5206\u6790\u3002\u6709\u7814\u7a76\u8005\u5bf9\u8fd9\u51e0\u79cd\u65b9\u5f0f\u8fdb\u884c\u4e86\u6709\u6548\u7684\u8bc4\u4f30\uff0c\u5f97\u51fa\u7ed3\u8bba\uff1a\u5728\u6240\u6709\u60c5\u51b5\u4e0b\uff0cWGCNA + DEGs\u7684\u8868\u73b0\u660e\u663e\u4f18\u4e8eDEGs + WGCNA\u3002\u53e6\uff0c\u5bf9\u4e8eDEGs+WGCNA\uff0c\u4f5c\u8005\u6307\u51fa\uff1aDEGs+WGCNA\u4f1a\u5f71\u54cd\u7f51\u7edc\u7684\u7ed3\u6784\u5e76\u5bfc\u81f4\u9519\u8bef\u7684\u7ed3\u8bba\u3002\u6b64\u5916\uff0c\u8fd9\u79cd\u65b9\u6cd5\u7684\u6709\u6548\u6027\u4ece\u672a\u88ab\u8bc1\u5b9e\uff0c\u5b98\u65b9\u4e5f\u5e76\u4e0d\u5efa\u8bae\u5728WGCNA\u4e4b\u524d\u5e94\u7528DEGs\u3002
5\u3001 \u4f7f\u7528 Openbiox Hiplot (ORG) \u5728\u7ebf\u5f00\u6e90\u7ed8\u56fe\u5de5\u5177\u7ed8\u5236\u53d1\u8868\u7ea7\u7f51\u7edc\u56fe
\u7f51\u7edc\u56fe\u662f\u79d1\u5b66\u6570\u636e\u5206\u6790\u4e2d\u6700\u5e38\u7528\u7684\u56fe\u5f62\u4e4b\u4e00\u3002Openbiox Hiplot (ORG) \u5f00\u6e90\u7ed8\u56fe\u5de5\u5177\u5728\u57fa\u7840\u6a21\u5757\u4e2d\u63d0\u4f9b\u4e86\u57fa\u4e8e igraph \u7684\u53d1\u8868\u7ea7\u7f51\u7edc\u56fe\u7ed8\u5236\u529f\u80fd Network (igraph)\u3002\u66f4\u590d\u6742\u7684\u7f51\u7edc\u56fe\u8003\u8651\u4f7f\u7528 Cytoscape \u8fdb\u884c\u7ed8\u5236\u3002
6\u300113\u5f20\u52a8\u56fe\u5feb\u901f\u7406\u89e3\u9a6c\u5c14\u79d1\u592b\u94fe\u3001PCA\u3001\u8d1d\u53f6\u65af\uff01
\u8ba1\u7b97\u673a\u5b66\u4e2d\u62bd\u8c61\u7684\u9a6c\u5c14\u79d1\u592b\u94fe\u3001\u4e3b\u6210\u5206\u5206\u6790\u4ee5\u53ca\u6761\u4ef6\u6982\u7387\u7b49\u6982\u5ff5\u5f80\u5f80\u8ba9\u4eba\u5f88\u96be\u6df1\u5165\u5730\u53bb\u4f53\u4f1a\u548c\u7406\u89e3\u3002\u901a\u8fc7\u672c\u6587\u5c06\u8fd9\u4e9b\u62bd\u8c61\u7684\u7406\u8bba\u6982\u5ff5\u8fdb\u884c\u53ef\u89c6\u5316\uff0c\u8fd8\u53ef\u8c03\u8282\u76f8\u5e94\u53c2\u6570\u6765\u6539\u53d8\u7ed3\u679c\uff0c\u4f7f\u8fd9\u4e9b\u62bd\u8c61\u6982\u5ff5\u751f\u52a8\u800c\u7acb\u4f53\u5316\u3002
7\u3001\u751f\u4fe1\u8f6f\u4ef6\u516c\u53f8\u5982\u4f55\u53d1\u5c55\uff1f
\u745e\u5178\u79c1\u52df\u80a1\u6743\u57fa\u91d1Summa Equity\u6536\u8d2d\u4e86\u4e09\u5bb6\u751f\u4fe1\u8f6f\u4ef6\u516c\u53f8\uff1aPierian\u3001Seven Bridges \u548c UgenTec\uff0c\u5c06\u5176\u6574\u5408\u6210\u4e86\u65b0\u516c\u53f8Velsera\u3002\u8fd9\u7bc7\u6587\u7ae0\u8bb2\u8ff0\u4e86\u8fd9\u4e09\u5bb6\u751f\u4fe1\u516c\u53f8\u7684\u4e3b\u8981\u4e1a\u52a1\u548c\u53d1\u5c55\u5386\u53f2\uff0c\u5e76\u8ba8\u8bba\u4e86\u672a\u6765\u751f\u4fe1\u8f6f\u4ef6\u516c\u53f8\u7684\u53d1\u5c55\u903b\u8f91\u3002
"},{"location":"issue-67/#_4","title":"\u5de5\u5177","text":"8\u3001 \u6211\u4eec\u5f00\u53d1\u4e86\u7b2c\u4e00\u6b3e\u4e2d\u82f1\u53cc\u8bedChatGPT\u68c0\u6d4b\u5668\uff0c\u8fd8\u6709\u2026
\u5f00\u53d1\u4e00\u5957ChatGPT\u68c0\u6d4b\u5de5\u5177\uff0c\u540c\u65f6\u6536\u96c6\u7b2c\u4e00\u624b\u5b9d\u8d35\u7684\u4eba\u7c7b-ChatGPT\u5bf9\u6bd4\u6570\u636e\u96c6\uff0c\u6765\u52a9\u529b\u76f8\u5173\u5b66\u672f\u7814\u7a76\u3002 \u4e3b\u8981\u8ba1\u5212\uff1a \u6536\u96c6\u4e00\u6279\u6709\u4ef7\u503c\u7684\u4eba\u7c7b\u548c ChatGPT \u5bf9\u6bd4\u7684\u4e2d\u82f1\u53cc\u8bed\u95ee\u7b54\u8bed\u6599\uff0c\u8fd9\u5bf9\u4e8e\u6211\u4eec\u7814\u7a76\u4eba\u7c7b\u548c\u5927\u578b\u8bed\u8a00\u6a21\u578b\uff08LLM\uff09\u5f88\u91cd\u8981\uff0c\u53ef\u4ee5\u5e2e\u52a9\u6211\u4eec\u7814\u7a76LLM\u7684\u7279\u70b9\u3001\u8ddf\u4eba\u7c7b\u7684\u5dee\u8ddd\u3001\u672a\u6765LLM\u6539\u8fdb\u7684\u65b9\u5411\uff1b \u5bf9\u5927\u91cf\u7684\u4eba\u673a\u5bf9\u6bd4\u8bed\u6599\u8fdb\u884c\u7ec6\u81f4\u7684\u5206\u6790\uff0c\u5e76\u8fdb\u884c\u591a\u65b9\u9762\u7684\u4eba\u5de5\u8bc4\u6d4b\uff0c\u63a2\u7a76\u4eba\u7c7b\u548cChatGPT\u5206\u522b\u5177\u6709\u4ec0\u4e48\u6709\u8da3\u7684\u6f5c\u5728\u7684\u6a21\u5f0f\u3002\u8fd9\u4e9b\u63a2\u7d22\u5c06\u6709\u52a9\u4e8e\u601d\u8003LLM\u672a\u6765\u5e94\u53bb\u5f80\u4f55\u65b9\uff1b \u6700\u540e\uff0c\u57fa\u4e8e\u5bf9\u6bd4\u6570\u636e\u96c6\u4ee5\u53ca\u8bed\u6599\u5206\u6790\uff0c\u5f00\u53d1\u5e94\u5bf9\u4e0d\u540c\u573a\u666f\u7684\u4e00\u7cfb\u5217\u68c0\u6d4b\u6a21\u578b\uff0c\u8fd9\u4e9b\u6a21\u578b\u53ef\u5e2e\u52a9\u666e\u901a\u7528\u6237\u548cUGC\u5e73\u53f0\u6765\u8bc6\u522b\u3001\u76d1\u7ba1 AIGC (AI Generated Content)\u3002
9\u3001\u7092\u9e21\u5f3a\u5927\u7684\u6c49\u5316\u7248Pubmed
\u79d1\u7814\u8005\u4e4b\u5bb6\u4e0a\u7ebf\u4e86Medreading\u677f\u5757\uff0c\u6587\u732e\u6570\u636e\u540c\u6b65Pubmed\uff0c\u754c\u9762\u8fdb\u884c\u6700\u5f7b\u5e95\u7684\u6c49\u5316\uff0c\u5e76\u5177\u6709\u6781\u81f4\u7684\u68c0\u7d22\u901f\u5ea6\u548c\u591a\u6837\u5316\u7684\u6587\u732e\u5206\u6790\u7279\u70b9\u3002
10\u3001shinyhelper | \u4e00\u6b3e\u5e2e\u52a9Shiny\u6dfb\u52a0\u5e2e\u52a9\u6587\u6863\u7684R\u5305
\u8fd9\u4e2aR\u5305\u53ef\u4ee5\u4f7f\u7528Markdown\u6587\u4ef6\u5411Shiny\u6dfb\u52a0\u5e2e\u52a9\u6587\u6863\u3002
11\u3001MIT \u751f\u4fe1\u673a\u5668\u5b66\u4e60\u8bfe\u7a0b
12\u3001\u81ea\u5b66\u662f\u95e8\u624b\u827a
# pseudo-code of selfteaching in Python\n\ndef teach_yourself(anything):\n while not create():\n learn()\n practice()\n return teach_yourself(another)\n\nteach_yourself(coding)\n\u8fd9\u672c\u4e66\u6838\u5fc3\u4e24\u4e2a\u6982\u5ff5\u201c\u81ea\u5b66\u201d+\u201c\u7f16\u7a0b\u201d\u3002
\u4e0d\u5938\u5f20\u5730\u8bb2\uff0c\u8fd9\u53ef\u80fd\u662f\u5f53\u524d\u4e16\u754c\u4e0a\u6700\u786c\u6838\u7684\u9e21\u6c64\u4e66\u4e86 \u2014\u2014 \u56e0\u4e3a\uff0c\u867d\u7136\u5b83\u5c31\u662f\u9e21\u6c64\uff08\u674e\u7b11\u6765\u81ea\u8ba4\u5c31\u662f\u4e2a\u9e21\u6c64\u4f5c\u8005\uff09\uff0c\u4f46\u5b83\u4e0d\u662f \u201c\u53ea\u662f\u62ff\u8bdd\u7cca\u5f04\u4f60\u201d \u90a3\u79cd\uff0c\u4e5f\u4e0d\u662f \u201c\u53ea\u4e0d\u8fc7\u662f\u5584\u610f\u7684\u9f13\u52b1\u201d \u90a3\u79cd\uff0c\u5b83\u662f\u90a3\u79cd \u201c\u6559\u4f1a\u4f60\u4eba\u751f\u6700\u91cd\u8981\u7684\u6280\u80fd\u201d \u7684\u9e21\u6c64\uff0c\u5e76\u4e14\u8fd8\u4e0d\u4ec5\u4ec5\u53ea\u6709\u4e00\u79cd\u6280\u80fd\uff0c\u8d77\u7801\u4e24\u4e2a\uff1a\u201c\u81ea\u5b66\u80fd\u529b\u201d \u548c \u201c\u7f16\u7a0b\u80fd\u529b\u201d\u2026\u2026 \u800c\u8fd9\u4e24\u4e2a\u80fd\u529b\u4e2d\u7684\u65e0\u8bba\u54ea\u4e00\u79cd\uff0c\u90fd\u662f\u80fd\u786e\u5b9a\u5730\u63d0\u9ad8\u8bfb\u8005\u672a\u6765\u6536\u5165\u7684\u6280\u80fd\uff0c\u5bf9\uff0c\u5c31\u662f 100% \u5730\u786e\u5b9a \u2014\u2014 \u6709\u4e2a\u4f1a\u8ba1\u4e13\u4e1a\u7684\u4eba\u6c42\u804c\u7684\u65f6\u5019\u8bf4 \u201c\u6211\u8fd8\u4f1a\u7f16\u7a0b\u201d \u4e14\u8fd8\u80fd\u62ff\u51fa\u4f5c\u54c1\uff0c\u4f60\u770b\u770b\u4ed6\u53ef\u4e0d\u53ef\u80fd\u627e\u4e0d\u5230\u5de5\u4f5c\uff1f\u4f60\u770b\u770b\u4ed6\u662f\u4e0d\u662f\u80fd\u85aa\u6c34\u66f4\u9ad8\uff1f
"},{"location":"issue-67/#_6","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09@kongjianyang\uff08\u7a7a\u95f4\u9633\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-68/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 68 \u671f\uff09\uff1a\u98a0\u8986\u6027\u5927\u6ed1\u5761\uff0c\u79d1\u7814\u8fd8\u80fd\u6709\u5b9e\u8d28\u521b\u65b0\u5417\uff1f","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-68/#_1","title":"\u5c01\u9762\u56fe","text":""},{"location":"issue-68/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u98a0\u8986\u6027\u5927\u6ed1\u5761\uff0c\u79d1\u7814\u8fd8\u80fd\u6709\u5b9e\u8d28\u521b\u65b0\u5417\uff1f","text":"\u79d1\u5e7b\u5c0f\u8bf4\u300a\u4e09\u4f53\u300b\u8bb2\u8ff0\u4e86\u8fd9\u6837\u4e00\u4e2a\u60c5\u8282\uff1a\u901a\u8fc7\u5e72\u6270\u7c92\u5b50\u7269\u7406\u7814\u7a76\uff0c\u4e09\u4f53\u6587\u660e\u201c\u5c01\u9501\u201d\u4e86\u4eba\u7c7b\u7684\u79d1\u6280\u53d1\u5c55\u3002\u6b64\u540e\uff0c\u4eba\u7c7b\u793e\u4f1a\u867d\u4ecd\u6709\u5404\u79cd\u6280\u672f\u8fdb\u6b65\uff0c\u5374\u4e0d\u518d\u6709\u6839\u672c\u6027\u7684\u79d1\u6280\u53d8\u9769\u3002\u7f8e\u56fd\u660e\u5c3c\u82cf\u8fbe\u5927\u5b66\u7684Michael Park\u3001Russell J. Funk\u4e0e\u4e9a\u5229\u6851\u90a3\u5927\u5b66\u7684Erin Leahey\u8fd1\u65e5\u5728Nature\u53d1\u8868\u6587\u7ae0\u79f0\uff1a\u201c\u901a\u8fc7\u5bf9\u516d\u4e2a\u5927\u578b\u6570\u636e\u5e93\u4e2d\u76844500\u4e07\u7bc7\u8bba\u6587\u548c390 \u4e07\u9879\u4e13\u5229\u8fdb\u884c\u5206\u6790\uff0c\u6211\u4eec\u53d1\u73b0\u8bba\u6587\u548c\u4e13\u5229\u8d8a\u6765\u8d8a\u96be\u4ee5\u98a0\u8986\u65e2\u5f80\uff0c\u4e5f\u96be\u4ee5\u5f15\u9886\u79d1\u6280\u8fdb\u5165\u65b0\u65b9\u5411\u3002\u201d \u7814\u7a76\u4eba\u5458\u8ba4\u4e3a\uff0c\u8fd9\u79cd\u98a0\u8986\u6027\u8fdb\u5c55\u7684\u7f3a\u4f4d\uff0c\u53cd\u6620\u4e86\u79d1\u6280\u53d1\u5c55\u6027\u8d28\u7684\u6839\u672c\u6027\u8f6c\u5411\u3002
@He-Kai-fly - \u79d1\u5b66\u7814\u7a76\u56fa\u7136\u9700\u8981\u53d8\u9769\u6027\u8fdb\u5c55\uff0c\u4f46\u7d2f\u79ef\u5f0f\u6e10\u8fdb\uff0c\u624d\u662f\u5207\u5b9e\u63a8\u52a8\u793e\u4f1a\u8fdb\u6b65\u7684\u57fa\u77f3\u3002
"},{"location":"issue-68/#_3","title":"\u751f\u4fe1\u7814\u7a76","text":"1\u3001Advance Funtional Materials | \u4e00\u6b3e\u65b0\u578b\u9690\u5f62\u773c\u955c\u901a\u8fc7\u5feb\u901f\u6355\u83b7\u7ec6\u80de\u7684\u201c\u5783\u573e\u888b\u201d\u6765\u8fdb\u884c\u764c\u75c7\u8bca\u65ad
2022\u5e748\u670810\u65e5\uff0c \u53d1\u8868\u5728\u300aAdvance Funtional Materials\u300b\u4e0a\u7684\u4e00\u9879\u65b0\u7814\u7a76\u4e2d\uff0c\u6765\u81ea\u5bfa\u5d0e\u751f\u7269\u533b\u5b66\u521b\u65b0\u7814\u7a76\u6240\uff08TIBI\uff09\u9886\u5bfc\u7684\u7814\u7a76\u56e2\u961f\u5f00\u53d1\u4e86\u4e00\u79cd\u667a\u80fd\u9690\u5f62\u773c\u955c\uff0c\u8be5\u955c\u7247\u5d4c\u6709\u4e0e\u6297\u4f53\u7ed3\u5408\u7684\u5fae\u578b\u8154\u5ba4\uff0c\u53ef\u4ee5\u5f88\u5bb9\u6613\u5730\u6355\u83b7\u6cea\u6db2\u4e2d\u7684\u5916\u6ccc\u4f53\uff0c\u4ece\u800c\u4e3a\u764c\u75c7\u9884\u7b5b\u67e5\u63d0\u4f9b\u4e86\u4e00\u79cd\u7b80\u5355\u3001\u5feb\u901f\u3001\u7075\u654f\u3001\u7ecf\u6d4e\u3001\u65e0\u521b\u7684\u652f\u6301\u6027\u8bca\u65ad\u5e73\u53f0\u3002\u8be5\u56e2\u961f\u8868\u793a\uff0c\u8fd9\u4e00\u7a81\u7834\u6709\u671b\u4e3a\u5ec9\u4ef7\u7684\u201c\u4e00\u5200\u5207\u201d\u5f0f\u75be\u75c5\u7b5b\u67e5\u9879\u76ee\u6253\u5f00\u5927\u95e8\u3002
2\u3001Nature Biotechnology | \u65b0\u578b\u5355\u78b1\u57fa\u5206\u8fa8\u7387\u6d4b\u5e8f\u65b9\u6cd5\u540c\u65f6\u83b7\u53d6DNA\u7684\u9057\u4f20\u548c\u8868\u89c2\u9057\u4f20\u4fe1\u606f
\u82f1\u56fd\u5251\u6865\u5927\u5b66\u7814\u7a76\u56e2\u961f\u63d0\u51fa\u4e86\u4e00\u79cd\u65b0\u7684\u5355\u78b1\u57fa\u5206\u8fa8\u7387\u5168\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u65b9\u6cd5\uff0c\u5728\u4e00\u4e2a\u5de5\u4f5c\u6d41\u7a0b\u4e2d\u5bf9\u5b8c\u6574\u7684\u9057\u4f20\u5b66\u548c\u4e24\u79cd\u6700\u5e38\u89c1\u7684\u80de\u5627\u5576\u4fee\u9970\u8fdb\u884c\u6d4b\u5e8f\u3002\u8fd9\u79cd\u5168\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u65b9\u6cd5\u53ef\u4ee5\u5728\u8fdb\u884c\u6d4b\u5e8f\u7684\u540c\u65f6\uff0c\u68c0\u6d4b\u51fa5mC\uff085-\u7532\u57fa\u80de\u5627\u5576\uff09\u548c5hmC\uff085-\u7f9f\u7532\u57fa\u80de\u5627\u5576\uff09\u3002DNA\u6837\u672c\u53ea\u4f7f\u7528\u9176\u8fdb\u884c\u5904\u7406\uff0c\u907f\u514d\u4e86\u4e9a\u786b\u9178\u6c22\u76d0\u5904\u7406\u7684DNA\u964d\u89e3\u548c\u57fa\u56e0\u7ec4\u8986\u76d6\u504f\u5dee\u3002
3\u3001Genome Biol\u4e28\u5168\u9762\u8bc4\u4f30\u9762\u5411\u80bf\u7624\u7814\u7a76\u7684\u57fa\u4e8e\u6df1\u5ea6\u5b66\u4e60\u7684\u591a\u7ec4\u5b66\u6570\u636e\u878d\u5408\u65b9\u6cd5
\u8be5\u7814\u7a76\u5c0616\u79cd\u5177\u6709\u4ee3\u8868\u6027\u7684\u6df1\u5ea6\u5b66\u4e60\u65b9\u6cd5\u5728\u6a21\u62df\u591a\u7ec4\u5b66\u6570\u636e\u96c6\u3001\u5355\u7ec6\u80de\u591a\u7ec4\u5b66\u6570\u636e\u96c6\u548c\u764c\u75c7\u75c5\u4eba\u591a\u7ec4\u5b66\u6570\u636e\u96c6\u4e0a\u8fdb\u884c\u4e86\u5168\u9762\u8bc4\u4f30\uff0c\u4e3a\u751f\u7269\u533b\u5b66\u7814\u7a76\u4eba\u5458\u9009\u62e9\u5408\u9002\u7684\u57fa\u4e8e\u6df1\u5ea6\u5b66\u4e60\u7684\u591a\u7ec4\u5b66\u6570\u636e\u878d\u5408\u65b9\u6cd5\u63d0\u4f9b\u4e86\u53c2\u8003\uff0c\u4e5f\u4e3a\u672a\u6765\u5f00\u53d1\u66f4\u6709\u6548\u7684\u591a\u7ec4\u5b66\u6570\u636e\u878d\u5408\u65b9\u6cd5\u63d0\u51fa\u4e86\u6307\u5bfc\u6027\u5efa\u8bae\u3002
4\u3001Cancer Cell | \u57fa\u4e8e949\u79cd\u7ec6\u80de\u7cfb\u7684\u6cdb\u764c\u75c7\u86cb\u767d\u8d28\u7ec4\u56fe\u8c31
\u5728Cancer Cell\u4e0a\u53d1\u8868\u4e86\u9898\u4e3a\u201cPan-cancer proteomic map of 949 human cell lines\u201d\u7684\u6587\u7ae0\u3002\u4f5c\u8005\u56e2\u961f\u4f7f\u7528\u8d28\u8c31\u6cd5\u5206\u6790\u4e8628\u79cd\u7ec4\u7ec7\u548c40\u591a\u79cd\u764c\u75c7\u7c7b\u578b\u7684949\u4e2a\u4eba\u7c7b\u764c\u7ec6\u80de\u7cfb\u7684\u86cb\u767d\u8d28\u7ec4\uff0c\u5b9a\u91cf\u4e868498\u79cd\u86cb\u767d\u8d28\uff0c\u5e76\u5c06\u86cb\u767d\u8d28\u7ec4\u6570\u636e\u4e0e\u591a\u7ec4\u5b66\u3001\u836f\u7269\u53cd\u5e94\u548cCRISPR-Cas9\u57fa\u56e0\u5fc5\u9700\u6027\u6570\u636e\u96c6\u8fdb\u884c\u4e86\u6574\u5408\u3002\u6587\u7ae0\u5229\u7528\u6df1\u5ea6\u5b66\u4e60\u65b9\u6cd5\u53d1\u73b0\u4e86\u4e0e\u764c\u75c7\u6613\u611f\u6027\u76f8\u5173\u7684\u86cb\u767d\u8d28\u751f\u7269\u6807\u5fd7\u7269\uff0c\u63ed\u793a\u4e86\u9ad8\u5ea6\u8fde\u63a5\u548c\u5171\u8c03\u63a7\u7684\u86cb\u767d\u8d28\u7f51\u7edc\u3002\u8fd9\u9879\u7814\u7a76\u4e3a\u6cdb\u764c\u86cb\u767d\u8d28\u7ec4\u56fe\u8c31\uff08ProCan-DepMapSanger\uff09\u63d0\u4f9b\u4e86\u4e00\u4e2a\u5168\u9762\u7684\u8d44\u6e90\uff0c\u4e3a\u7cbe\u51c6\u533b\u5b66\u548c\u836f\u7269\u5f00\u53d1\u63d0\u4f9b\u4e86\u65b0\u7684\u7ebf\u7d22\u548c\u673a\u4f1a\u3002
5\u3001mission bio \u7684\u5355\u7ec6\u80de DNA \u6d4b\u5e8f\u6280\u672f
mission bio \u516c\u53f8\u5f00\u53d1\u7684\u5355\u7ec6\u80de DNA \u6d4b\u5e8f\u6280\u672f\uff0c\u53ef\u4ee5\u4e00\u6b21\u68c0\u6d4b\u6210\u5343\u4e2a\u5355\u7ec6\u80de\u7684 DNA \u548c\u7ec6\u80de\u8868\u9762\u86cb\u767d\u3002\u8fd9\u9879\u6280\u672f\u7684\u5de5\u4f5c\u539f\u7406\u662f\u7528\u5fae\u6d41\u63a7\u6280\u672f\uff0c\u5c06\u8981\u68c0\u6d4b\u7684\u5355\u7ec6\u80de\u60ac\u6db2\u8f6c\u53d8\u6210\u6cb9\u5305\u6c34\u7684\u4e73\u6d4a\u6db2\u3002\u63a5\u7740\uff0c\u5c06\u76ee\u6807 DNA \u7247\u6bb5\u52a0\u4e0a\u7279\u5b9a\u7684\u7ec6\u80de barcode \u5e8f\u5217\u3002\u6700\u540e\uff0c\u901a\u8fc7\u9ad8\u901a\u91cf\u6d4b\u5e8f\uff0c\u5f97\u5230\u76ee\u6807 DNA \u7247\u6bb5\u7684\u5e8f\u5217\uff0c\u5bf9\u7167\u7247\u6bb5\u4e0a\u8fde\u7684\u7ec6\u80de barcode \u5e8f\u5217\uff0c\u6765\u5f97\u77e5\u6bcf\u4e00\u6761 DNA \u5e8f\u5217\u6700\u521d\u662f\u5f52\u5c5e\u4e8e\u54ea\u4e00\u4e2a\u7ec6\u80de\u3002
6\u3001\u5e38\u7528 7 \u5927\u7c7b\u578b\u56fe\u5f62\u53ef\u89c6\u5316\u2014\u2014\u7ec4\u6210\u6210\u5206\u56fe\u5f62
\u672c\u6587\u4ecb\u7ecd\u4e86\u53ef\u89c6\u5316\u4e2d\u5e38\u7528 7 \u5927\u7c7b\u578b\u56fe\u5f62\u4e2d\u7684\u7ec4\u6210\u6210\u5206\u56fe\u5f62\uff1a\u534e\u592b\u997c\u56fe\u3001\u997c\u56fe\u548c\u6761\u5f62\u56fe\u3002
7\u3001GP-GCN\u6846\u67b6\u6559\u7a0b\uff5c\u5982\u4f55\u628aDNA\u5e8f\u5217\u7f16\u7801\u6210\u6df1\u5ea6\u5b66\u4e60\u7684\u5411\u91cf\u5316\u8f93\u5165
\u73b0\u5728\u8d8a\u6765\u8d8a\u591a\u7684\u5de5\u4f5c\u5229\u7528\u6df1\u5ea6\u5b66\u4e60\u6765\u5b9e\u73b0DNA\u5e8f\u5217\u7684\u5206\u7c7b\u6216\u8005\u56de\u5f52\u4efb\u52a1\uff0c\u4f46\u662f\u5982\u4f55\u628aDNA\u5e8f\u5217\u7f16\u7801\u6210\u6df1\u5ea6\u5b66\u4e60\u7684\u5411\u91cf\u5316\u8f93\u5165\uff1f\u6362\u53e5\u8bdd\u8bf4\uff0c\u600e\u4e48\u628a\u7531A,C,G,T\u7ec4\u6210\u7684DNA\u201c\u5b57\u7b26\u4e32\u201d\u8f6c\u5316\u6210\u6df1\u5ea6\u5b66\u4e60\u9700\u8981\u7684\u5411\u91cf\uff08\u77e9\u9635\uff09\u683c\u5f0f\uff1f
8\u3001ggraph | \u4f18\u96c5\u7684\u7ed8\u5236\u73af\u72b6\u7f51\u7edc\u56fe
\u8fd9\u7bc7\u63a8\u6587\u662f\u5173\u4e8e\u4f7f\u7528ggraph\u5305\u5728R\u8bed\u8a00\u4e2d\u7ed8\u5236\u73af\u72b6\u7f51\u7edc\u56fe\u7684\u6559\u7a0b\uff0c\u4f5c\u8005\u4ecb\u7ecd\u4e86\u6570\u636e\u7684\u5bfc\u5165\u3001\u6574\u5408\u3001\u53ef\u89c6\u5316\u7684\u6b65\u9aa4\uff0c\u5e76\u7ed9\u51fa\u4e86\u4ee3\u7801\u548c\u7ed3\u679c\u56fe\u3002
9\u3001rgg\u547d\u4ee4\uff5c\u4e00\u4e2a\u4f7f\u641c\u7d22\u66f4\u52a0\u4fbf\u6377\u7684\u5de5\u5177
ag \u662f\u4e00\u4e2a\u7c7b\u4f3c\u4e8egrep\u7684\u6587\u672c\u641c\u7d22\u5de5\u5177\uff0c\u5b83\u547d\u4ee4\u77ed\uff0c\u9ed8\u8ba4\u5ffd\u7565\u6389\u4f60\u901a\u5e38\u4e0d\u60f3\u770b\u7684\u6587\u672c\uff0c\u800c\u4e14\u662fC\u8bed\u8a00 \u7f16\u5199\u7684\uff0c\u6bd4 ack \u66f4\u5feb\u3002\u800c\u53e6\u4e00\u4e2a\u5de5\u5177 cgvg\uff0c\u5305\u542b\u4e24\u4e2a\u547d\u4ee4\uff1a\u4e00\u4e2a\uff08cg\uff09\u7528\u6765\u641c\u7d22\uff0c\u53e6\u4e00\u4e2a\uff08vg\uff09\u7528\u6765\u5728\u7f16\u8f91\u5668\u91cc\u6253\u5f00\u3002\u53d7\u6b64\u542f\u53d1\uff0c\u4f5c\u8005\u505a\u4e86\u4e09\u4e2a\u5de5\u5177rgg\u3001rgv\u548cvv\uff0c\u5e0c\u671b\u80fd\u591f\u5f88\u4fbf\u5229\u5730\u4f7f\u7528\u7f16\u8f91\u5668\u67e5\u770b\u5339\u914d\u7684\u5730\u65b9\u3002
10\u3001gghighlight | \u7a81\u51fagglot2\u4e2d\u56fe\u5f62\u5143\u7d20\u7684R\u5305
11\u3001cransay | \u6293\u53d6 CRAN \u4f20\u5165\u7684 ftp \u6587\u4ef6\u5939
cransay \u88ab\u8bbe\u8ba1\u7528\u6765\u6293\u53d6 CRAN \u4f20\u5165\u7684 ftp \u6587\u4ef6\u5939\uff0c\u4ee5\u67e5\u627e\u6bcf\u4e2a\u63d0\u4ea4\u5de5\u4f5c\u7684\u4f4d\u7f6e\uff0c\u5e76\u751f\u6210dashboard\u3002
12\u3001pdfimager\u5305\uff1a\u63d0\u53d6PDF\u6587\u4ef6\u4e2d\u7684\u56fe\u50cf
"},{"location":"issue-68/#_6","title":"\u8d44\u6e90","text":"13\u3001cbioportal | \u53ef\u89c6\u5316\u5927\u89c4\u6a21\u764c\u75c7\u57fa\u56e0\u7ec4\u6570\u636e
\u764c\u75c7\u57fa\u56e0\u7ec4\u5b66\u7684 cBioPortal \u63d0\u4f9b\u5927\u89c4\u6a21\u764c\u75c7\u57fa\u56e0\u7ec4\u5b66\u6570\u636e\u96c6\u7684\u53ef\u89c6\u5316\u3001\u5206\u6790\u548c\u4e0b\u8f7d\u3002\u6709\u5173 cBioPortal \u7684\u7b80\u77ed\u4ecb\u7ecd\uff0c\u8bf7\u53c2\u9605\u8fd9\u4e9b\u4ecb\u7ecd\u6027\u5e7b\u706f\u7247\u3002
14\u3001\u3010\u9648\u5dcd\u7ffb\u8bd1\u3011\u89c6\u9891\uff1a\u4e86\u89e3\u514d\u75ab\u7cfb\u7edf
\u8fd9\u4e2a\u89c6\u9891\u6982\u8981\u5730\u4ecb\u7ecd\u4e86\u4eba\u7684\u514d\u75ab\u7cfb\u7edf\uff0c\u5305\u62ec\u5148\u5929\u6027\u514d\u75ab\u7cfb\u7edf\u3001\u548c\u7279\u5f02\u6027\u514d\u75ab\u7cfb\u7edf\uff0c\u548c\u8fd9\u4e24\u4e2a\u7cfb\u7edf\u7684\u57fa\u672c\u7684\u5de5\u4f5c\u539f\u7406\u3002
15\u3001\u4f7f\u7528ClusterGVis\u5305\u5728\u70ed\u56fe\u4e2d\u5bf9\u6307\u5b9a cluster \u6dfb\u52a0\u6ce8\u91ca
\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09@kongjianyang\uff08\u7a7a\u95f4\u9633\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-69/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 69 \u671f\uff09\uff1a\u5982\u4f55\u5f15\u5bfc\u5e74\u8f7b\u79d1\u7814\u5de5\u4f5c\u8005\uff1f","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-69/#_1","title":"\u5c01\u9762\u56fe","text":"\u56fe\u7247\u6765\u6e90\uff1aDave Cutler (artist)
"},{"location":"issue-69/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a","text":"\u5982\u4f55\u5f15\u5bfc\u5e74\u8f7b\u79d1\u7814\u5de5\u4f5c\u8005\uff1f
CharlesDavid Allis\u4f5c\u4e3a\u4e00\u540d\u8d44\u6df1\u79d1\u5b66\u5bb6\u5728\u57f9\u517b\u548c\u652f\u6301\u5e74\u8f7b\u79d1\u7814\u5de5\u4f5c\u8005\u65b9\u9762\u7684\u7ecf\u9a8c\u548c\u5efa\u8bae\uff1a
@NiEntropy - \u8fd9\u7bc7\u6587\u7ae0\u8fd8\u8ba9\u6211\u611f\u53d7\u5230\u4e86\u4f5c\u8005\u5bf9\u5e74\u8f7b\u79d1\u7814\u5de5\u4f5c\u8005\u7684\u5173\u5fc3\u548c\u5c0a\u91cd\uff0c\u4ed6\u4e0d\u4ec5\u7ed9\u51fa\u4e86\u5f88\u591a\u6709\u7528\u7684\u5efa\u8bae\uff0c\u8fd8\u9f13\u52b1\u6211\u4eec\u8ffd\u6c42\u81ea\u5df1\u611f\u5174\u8da3\u548c\u6709\u4ef7\u503c\u7684\u9886\u57df\u3002\u6307\u5bfc\u5e74\u8f7b\u79d1\u7814\u5de5\u4f5c\u8005\u5bf9\u6211\u6765\u8bf4\u8fd8\u6709\u4e9b\u9065\u8fdc\uff0c\u4e3e\u4e00\u53cd\u4e09\uff0c\u5c06\u8fd9\u4e9b\u5efa\u8bae\u5e94\u7528\u5728\u57f9\u517b\u5b50\u5973\u8eab\u4e0a\uff1a1. \u5f15\u5bfc\u5b50\u5973\u8fdb\u884c\u53cd\u601d\uff0c\u8ba9\u4ed6\u4eec\u80fd\u591f\u8ba4\u8bc6\u81ea\u5df1\u7684\u4f18\u52bf\u548c\u52a3\u52bf\uff0c\u53d1\u73b0\u95ee\u9898\u5e76\u5bfb\u6c42\u6539\u8fdb\u3002\u540c\u65f6\uff0c\u4e5f\u8981\u5c0a\u91cd\u5b50\u5973\u7684\u4e2a\u6027\u548c\u9009\u62e9\uff0c\u4e0d\u8981\u5f3a\u52a0\u81ea\u5df1\u7684\u610f\u5fd7\u6216\u671f\u671b\u30022. \u7ed9\u4e88\u5b50\u5973\u79ef\u6781\u652f\u6301\u548c\u9f13\u52b1\uff0c\u8ba9\u4ed6\u4eec\u611f\u53d7\u5230\u7236\u6bcd\u7684\u5173\u5fc3\u548c\u4fe1\u4efb\u3002\u5728\u4ed6\u4eec\u9047\u5230\u56f0\u96be\u6216\u632b\u6298\u65f6\uff0c\u7ed9\u4e88\u4ed6\u4eec\u5b89\u6170\u548c\u5e2e\u52a9\u3002\u5728\u4ed6\u4eec\u53d6\u5f97\u6210\u5c31\u6216\u8fdb\u6b65\u65f6\uff0c\u7ed9\u4e88\u4ed6\u4eec\u8d5e\u626c\u548c\u80af\u5b9a\u30023. \u9664\u4e86\u6559\u6388\u57fa\u672c\u7684\u77e5\u8bc6\u548c\u6280\u80fd\u5916\uff0c\u8fd8\u5e94\u8be5\u57f9\u517b\u5b50\u5973\u7684\u4e0a\u7f51\u3001\u73a9\u6e38\u620f\u7b49\u65b9\u9762\u7684\u80fd\u529b\uff0c\u4ee5\u4fbf\u4ed6\u4eec\u80fd\u591f\u6709\u6548\u5730\u8868\u8fbe\u81ea\u5df1\u7684\u60f3\u6cd5\uff0c\u4e0e\u4ed6\u4eba\u4ea4\u6d41\u548c\u5408\u4f5c\u3002
1\u3001Nature | p53\u7f3a\u5931\u8bf1\u5bfc\u764c\u75c7\u57fa\u56e0\u7ec4\u53d1\u751f\u53ef\u9884\u89c1\u7684\u53d8\u5316
\u8fd1\u65e5\uff0c\u7eaa\u5ff5\u65af\u9686\u00b7\u51ef\u7279\u7433\u764c\u75c7\u7814\u7a76\u4e2d\u5fc3\uff08MSKCC\uff09Scott W. Lowe\u56e2\u961f\uff0c\u5728\u56fd\u9645\u9876\u7ea7\u671f\u520a\u300a\u81ea\u7136\u300b\u4e0a\u53d1\u8868\u6709\u5173TP53\u7a81\u53d8\u4e0e\u764c\u75c7\u53d1\u5c55\u4e4b\u95f4\u5173\u7cfb\u7684\u7814\u7a76\u3002 \u7814\u7a76\u4eba\u5458\u53d1\u73b0\uff0c\u5f53\u7ec6\u80de\u7f3a\u5931p53\u540e\uff0c\u5728\u5f15\u8d77\u57fa\u56e0\u6df7\u4e71\u7684\u540c\u65f6\uff0c\u4f1a\u8bf1\u5bfc\u4e00\u79cd\u53ef\u9884\u6d4b\u3001\u6709\u5e8f\u4e14\u786e\u5b9a\u7684\u764c\u75c7\u57fa\u56e0\u7ec4\u8fdb\u5316\u3002\u8fd9\u4e00\u7a81\u7834\u6027\u53d1\u73b0\u65e0\u7591\u4e3a\u764c\u75c7\u6cbb\u7597\u63d0\u4f9b\u4e86\u65b0\u7684\u601d\u8def\u3002
2\u3001US-align | \u86cb\u767d\u8d28\u3001\u6838\u9178\u53ca\u5176\u590d\u5408\u7269\u901a\u7528\u7ed3\u6784\u6bd4\u5bf9\u7b97\u6cd5
2022\u5e748\u670829\u65e5\uff0c\u5bc6\u897f\u6839\u5927\u5b66\u5f20\u9633\u8bfe\u9898\u7ec4\u5728\u300a\u81ea\u7136-\u65b9\u6cd5\u300b\u4e0a\u53d1\u8868\u4e86\u9898\u4e3a\u201cUS-align: universal structure alignments of proteins, nucleic acids, and macromolecular complexes\u201d\u7684\u7814\u7a76\u5de5\u4f5c\u3002\u5728\u8be5\u9879\u5de5\u4f5c\u4e2d\uff0c\u4ed6\u4eec\u53d1\u5e03\u4e86\u7b2c\u4e00\u6b3e\u901a\u7528\u7684\u7ed3\u6784\u6bd4\u5bf9\u8f6f\u4ef6US-align\uff0c\u57fa\u4e8e\u7edf\u4e00\u7684\u6253\u5206\u51fd\u6570\uff08TM-score\uff09\u548c\u6bd4\u5bf9\u7b97\u6cd5\uff0c\u5b9e\u73b0\u4e86\u86cb\u767d\u8d28\u3001RNA\u3001DNA\u5355\u4f53\u4e0e\u590d\u5408\u7269\u7684\u4e24\u4e24\u6bd4\u5bf9\u548c\u591a\u91cd\u6bd4\u5bf9\u7b49\u91cd\u8981\u529f\u80fd\u3002\u6d4b\u8bd5\u7ed3\u679c\u8868\u660e\uff0c\u5176\u5728\u51c6\u786e\u6027\u548c\u901f\u5ea6\u4e0a\u90fd\u8d85\u8d8a\u65e7\u7248\u7684MM-align\u3002
3\u3001Cancer research | \u57fa\u4e8e51\u79cd\u4eba\u7c7b\u764c\u75c7\u7c7b\u578b\u30016\u4e07\u4e2a\u80bf\u7624\u7ed8\u5236RAS\u57fa\u56e0\u7a81\u53d8\u56fe\u8c31
\u4e3a\u4e86\u66f4\u597d\u5730\u4e86\u89e3\u4f53\u7ec6\u80deRAS\u7a81\u53d8\u7684\u60a3\u75c5\u7387\u548cRAS\u7a81\u53d8\u80bf\u7624\u4e2d\u5171\u7a81\u53d8\u7684\u57fa\u56e0\u6982\u8981\uff0c\u7f8e\u56fd\u7ea6\u7ff0\u970d\u666e\u91d1\u65af\u5927\u5b66\u533b\u5b66\u9662\u3001\u8303\u5fb7\u6bd4\u5c14\u7279\u5927\u5b66\u533b\u5b66\u4e2d\u5fc3\u4ee5\u53ca\u7eaa\u5ff5\u65af\u9686\u51ef\u7279\u7433\u764c\u75c7\u4e2d\u5fc3\u7b49\u673a\u6784\u7684\u7814\u7a76\u56e2\u961f\u5206\u6790\u4e86\u7f8e\u56fd\u764c\u75c7\u7814\u7a76\u534f\u4f1a\uff08AACR\uff09\u9879\u76eeGENIE\u4e2d\u6d89\u53ca51\u79cd\u764c\u75c7\u7c7b\u578b\u768466,372\u4e2a\u80bf\u7624607,863\u4e2a\u7a81\u53d8\u7684\u9776\u5411NGS\u5e8f\u5217\u6570\u636e\uff0c\u4f30\u8ba1\u4e86RAS\u548c\u975eRAS\u4f53\u7ec6\u80de\u7a81\u53d8\u764c\u75c7\u7279\u5f02\u6027\u60a3\u75c5\u7387\uff0c\u63ed\u793a\u4e86\u80bf\u7624\u7a81\u53d8\u8d1f\u8377\u548c\u7a81\u53d8\u7279\u5f81\u5bf9\u5171\u7a81\u53d8\u6a21\u5f0f\u7684\u5f71\u54cd\u3002\u8be5\u7814\u7a76\u7ed3\u679c\u7a81\u51fa\u4e86RAS\u57fa\u56e0\u7ec4\u7684\u591a\u6837\u6027\uff0c\u4e3a\u5f00\u53d1\u6709\u6548\u7684\u7ec4\u7ec7\u7279\u5f02\u6027\u9776\u5411\u6cbb\u7597\u7b56\u7565\u63d0\u4f9b\u4e86\u4fe1\u606f\u3002
4\u3001Nucleic Acids Research | \u7ec6\u80de\u5206\u7c7b\u5e93Cell Taxonomy
\u4e2d\u56fd\u79d1\u5b66\u9662\u5317\u4eac\u57fa\u56e0\u7ec4\u7814\u7a76\u6240\uff08\u56fd\u5bb6\u751f\u7269\u4fe1\u606f\u4e2d\u5fc3\uff09\u56fd\u5bb6\u57fa\u56e0\u7ec4\u79d1\u5b66\u6570\u636e\u4e2d\u5fc3\u642d\u5efa\u7684\u7ec6\u80de\u5206\u7c7b\u5e93Cell Taxonomy\u57fa\u4e8e4299\u7bc7\u6587\u732e\u5ba1\u7f16\u300115\u4e2a\u76f8\u5173\u6570\u636e\u8d44\u6e90\u6574\u5408\u548c\u5355\u7ec6\u80de\u6d4b\u5e8f\u6570\u636e\u5206\u6790\uff08\u7ea6350\u4e07\u4e2a\u7ec6\u80de\uff09\uff0c\u6700\u7ec8\u6536\u5f55\u4e863143\u79cd\u7ec6\u80de\u7c7b\u578b\u548c26613\u4e2a\u7ec6\u80de\u6807\u5fd7\u7269\uff08cell marker\uff09\uff0c\u6db5\u76d634\u4e2a\u7269\u79cd\u3001387\u79cd\u7ec4\u7ec7\u548c257\u79cd\u751f\u7406/\u75c5\u7406\u72b6\u6001\u3002\u540c\u65f6Cell Taxonomy\u4e2d\u7684\u5728\u7ebf\u5de5\u5177Cell Type Predictor\u548cCell Type Comparator\u53ef\u4ee5\u534f\u52a9\u7528\u6237\u8fdb\u884c\u7ec6\u80de\u6ce8\u91ca\u548c\u7ec6\u80de\u7c7b\u578b\u6bd4\u8f83\u3002
5\u3001\u4e0a\u6d77\u4ea4\u5927\u745e\u91d1\u533b\u9662\u643a\u624b\u534e\u5927\u7b49\u673a\u6784\u53d1\u5e03\u9996\u4e2a\u4e2d\u56fd\u4eba\u7fa4\u8840\u6db2\u75c5\u6bd2\u7ec4\u56fe\u8c31
\u4e0a\u6d77\u4ea4\u901a\u5927\u5b66\u533b\u5b66\u9662\u9644\u5c5e\u745e\u91d1\u533b\u9662\u3001\u4e0a\u6d77\u4ea4\u901a\u5927\u5b66\u8f6c\u5316\u533b\u5b66\u7814\u7a76\u9662\u8054\u5408\u534e\u5927\u5bf9\u6765\u81ea\u4e2d\u56fd\u4ee3\u8c22\u89e3\u6790\u8ba1\u5212\uff08ChinaMAP\uff09\u768410585\u4eba\u5168\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u6570\u636e\u4e2d\u7684\u975e\u4eba\u6e90\u57fa\u56e0\u5e8f\u5217\u8fdb\u884c\u4e86\u6df1\u5165\u5206\u6790\uff0c\u6784\u5efa\u4e86\u9996\u4e2a\u4e2d\u56fd\u4eba\u7fa4\u8840\u6db2\u75c5\u6bd2\u7ec4\u5b66\u56fe\u8c31\uff0c\u5206\u6790\u4e8614\u79cd\u75c5\u6bd2\u7684\u4eba\u7fa4\u643a\u5e26\u7387\u3001\u75c5\u6bd2\u4e30\u5ea6\u548c\u5730\u7406\u5206\u5e03\uff0c\u4e3a\u75be\u75c5\u9884\u9632\u4e0e\u6d41\u884c\u75c5\u5b66\u7814\u7a76\u63d0\u4f9b\u4e86\u53c2\u8003\u3002\u76f8\u5173\u7814\u7a76\u6210\u679c\u8fd1\u65e5\u53d1\u8868\u4e8eCell Discovery\u671f\u520a\u3002
6\u3001\u80bf\u7624\u4ee3\u8c22\u5168\u666f\u4ecb\u7ecd
\u4e0e\u80bf\u7624\u76f8\u5173\u7684\u4ee3\u8c22\u53d8\u5316\u4e0d\u4ec5\u7ef4\u6301\u80bf\u7624\u7ec6\u80de\u672c\u8eab\u7684\u5f02\u5e38\u589e\u6b96\uff0c\u66f4\u8feb\u4f7fTME\u5185\u7684\u57fa\u8d28\u7ec6\u80de\u3001\u751a\u81f3\u6574\u4e2a\u673a\u4f53\u7684\u4ee3\u8c22\u5e73\u8861\u90fd\u53d1\u751f\u91cd\u5851\uff0c\u5171\u540c\u4fc3\u8fdb\u4e86\u764c\u7ec6\u80de\u7684\u79ef\u805a\u548c\u6269\u6563\uff0c\u964d\u4f4e\u4e86\u514d\u75ab\u7cfb\u7edf\u62b5\u6297\u7684\u62b5\u6297\u80fd\u529b\uff0c\u5e76\u76f4\u63a5\u5347\u9ad8\u764c\u75c7\u76f8\u5173\u7684\u81f4\u6b7b\u7387\u3002\u901a\u8fc7\u89e3\u6790\u80bf\u7624\u6240\u4f9d\u8d56\u7684\u4ee3\u8c22\u9002\u5e94\u7279\u5f81\uff0c\u6709\u52a9\u4e8e\u6307\u5bfc\u53d1\u73b0\u65b0\u7684\u6cbb\u7597\u751a\u81f3\u996e\u98df\u5e72\u9884\u65b9\u6cd5\uff0c\u53ef\u80fd\u4e0e\u73b0\u6709\u7684\u6cbb\u7597\u63aa\u65bd\uff08\u5982\u5316\u7597\u3001\u9776\u5411\u6291\u5236\u5242\u548c\u514d\u75ab\u68c0\u67e5\u70b9\u963b\u65ad\uff09\u534f\u540c\u4f5c\u7528\u3002
7\u3001trancriptVis \u7684\u5de6\u8180\u53f3\u81c2: bedVis \u548c trackVis
\u672c\u6587\u901a\u8fc7\u5177\u4f53\u5b9e\u4f8b\u4ecb\u7ecd\u4e86\u5982\u4f55\u4f7f\u7528transPlotR\u5305\u4e2d\u7684trancriptVis\u5bf9peak\u548cbigwig\u6587\u4ef6\u8fdb\u884c\u53ef\u89c6\u5316\u3002
8.\u56e0\u679c\u5224\u65ad\u7684\u7edf\u8ba1\u65b9\u6cd5
\u63a2\u6c42\u4e8b\u7269\u4e4b\u95f4\u7684\u56e0\u679c\u5173\u7cfb\u662f\u54f2\u5b66\u3001\u81ea\u7136\u79d1\u5b66\u548c\u793e\u4f1a\u79d1\u5b66\u7b49\u4f17\u591a\u7814\u7a76\u6240\u8ffd\u6c42\u7684\u7ec8\u6781\u76ee\u6807\u3002\u672c\u6587\u4ecb\u7ecd\u4e86\uff081\uff09\u56e0\u679c\u63a8\u65ad\u7684\u6f5c\u5728\u7ed3\u679c\u6a21\u578b\uff0c\u56e0\u679c\u4f5c\u7528\u7684\u53ef\u8bc6\u522b\u6027\uff0c\u548c\u968f\u673a\u5316\u8bd5\u9a8c\uff1b\uff082\uff09\u89c2\u5bdf\u6027\u7814\u7a76\u548c\u6df7\u6742\u56e0\u7d20\uff0c\u4ee5\u53ca\u6df7\u6742\u56e0\u7d20\u5b8c\u5168\u89c2\u6d4b\u65f6\u7684\u56e0\u679c\u63a8\u65ad\u65b9\u6cd5\uff1b\uff083\uff09\u5b58\u5728\u672a\u89c2\u6d4b\u7684\u6df7\u6742\u56e0\u7d20\u65f6\u56e0\u679c\u4f5c\u7528\u7684\u4f30\u8ba1\u65b9\u6cd5\uff1b\uff084\uff09\u66ff\u4ee3\u6307\u6807\u6096\u8bba\u548c\u786e\u5b9a\u66ff\u4ee3\u6307\u6807\u7684\u51c6\u5219\uff1b\uff085\uff09\u56e0\u679c\u7f51\u7edc\u6a21\u578b\u548c\u7ed3\u6784\u5b66\u4e60\u7684\u7b97\u6cd5\u3002\u6700\u540e\uff0c\u4f5c\u8005\u5c55\u671b\u4e86\u56e0\u679c\u63a8\u65ad\u5728\u73b0\u4ee3\u5927\u6570\u636e\u7814\u7a76\u4e2d\u7684\u524d\u666f\u3002
9\u3001\u4ece\u7206\u706b\u7684chatGPT\u8bb2\u8d77: \u81ea\u7136\u8bed\u8a00\u751f\u6210\u5f0fAI\u7684\u524d\u4e16\u4eca\u751f
\u8fd9\u7bc7\u6587\u7ae0\u501f\u7531\u6700\u8fd1\u7206\u706b\u7684chatGPT\uff0c\u7cfb\u7edf\u56de\u987e\u4e86\u751f\u6210\u5f0f\u4eba\u5de5\u667a\u80fd\u7684\u524d\u4e16\u4eca\u751f\u3002\u5bf9\u4e8e\u60f3\u63a2\u7a76chatGPT\u80cc\u540e\u53d1\u5c55\u5386\u53f2\u7684\u4eba\u6765\u8bf4\u503c\u5f97\u4e00\u8bfb\u3002
"},{"location":"issue-69/#_5","title":"\u5de5\u5177","text":"10\u3001archivist | \u4e00\u4e2a\u7528\u4e8e\u6570\u636e\u96c6\u548c\u7ed8\u56fe\u5f52\u6863\u7684\u5de5\u5177\u96c6
archivist\u5305\u53ef\u4ee5\u7528\u6765\u5b58\u50a8R\u8bed\u8a00\u4e2d\u5bf9\u8c61\u7684\u526f\u672c\u4ee5\u53ca\u5b83\u4eec\u7684\u5143\u6570\u636e\u3002\u5b83\u6709\u52a9\u4e8e\u7ba1\u7406\u548c\u91cd\u65b0\u521b\u5efa\u5e26\u6709\u6570\u636e\u5206\u6790\u7684\u7ed3\u679c\u3002
11\u3001survex\u5305 | \u5728\u751f\u5b58\u5206\u6790\u4e2d\u5e94\u7528\u53ef\u89e3\u91ca\u7684\u673a\u5668\u5b66\u4e60
survex\u5305\u4e3a\u89e3\u91ca\u751f\u5b58\u6a21\u578b\u63d0\u4f9b\u4e86\u6613\u4e8e\u5e94\u7528\u7684\u65b9\u6cd5\uff0c\u5305\u62ec\u590d\u6742\u7684\u9ed1\u7bb1\u548c\u8f83\u7b80\u5355\u7684\u7edf\u8ba1\u6a21\u578b\u3002
12\u3001unikn | \u8c03\u8272\u76d8+\u6587\u672c\u8bbe\u8ba1
unikn\u5305\u53ef\u4ee5\u7528\u6765\u5b9a\u4e49\u548c\u4f7f\u7528\u4f01\u4e1a\u8bbe\u8ba1\u5143\u7d20\uff0c\u5982\u989c\u8272\u548c\u6837\u5f0f\u6587\u672c\u3002\u5b83\u6709\u52a9\u4e8e\u521b\u5efa\u4e00\u81f4\u548c\u8bc6\u522b\u7684\u53ef\u89c6\u5316\u6548\u679c\u3002
13\u3001AUCell | \u57fa\u56e0\u96c6\u8bc4\u5206\u5de5\u5177
\u672c\u6559\u7a0b\u4ecb\u7ecd\u4e86\u5982\u4f55\u4f7f\u7528AUCell\u8bc6\u522b\u5177\u6709\u6d3b\u8dc3 \u201c\u57fa\u56e0\u96c6\u201d \u7684\u7ec6\u80de (\u5373\u57fa\u56e0\u7b7e\u540d) \u5728\u5355\u7ec6\u80derna-seq\u6570\u636e\u4e2d\u3002AUCell\u4f7f\u7528 \u201c\u66f2\u7ebf\u4e0b\u9762\u79ef\u201d (AUC) \u6765\u8ba1\u7b97\u8f93\u5165\u57fa\u56e0\u96c6\u7684\u5173\u952e\u5b50\u96c6\u662f\u5426\u5bcc\u96c6\u5728\u6bcf\u4e2a\u7ec6\u80de\u7684\u8868\u8fbe\u57fa\u56e0\u5185\u3002AUC\u8bc4\u5206\u5728\u6240\u6709\u7ec6\u80de\u4e2d\u7684\u5206\u5e03\u5141\u8bb8\u63a2\u7d22\u6807\u8bb0\u7684\u76f8\u5bf9\u8868\u8fbe\u3002\u7531\u4e8e\u8bc4\u5206\u65b9\u6cd5\u662f\u57fa\u4e8e\u6392\u5e8f\u7684\uff0c\u56e0\u6b64AUCell\u72ec\u7acb\u4e8e\u57fa\u56e0\u8868\u8fbe\u5355\u4f4d\u548c\u5f52\u4e00\u5316\u7a0b\u5e8f\u3002\u6b64\u5916\uff0c\u7531\u4e8e\u5355\u5143\u662f\u5355\u72ec\u8bc4\u4f30\u7684\uff0c\u5b83\u53ef\u4ee5\u5f88\u5bb9\u6613\u5730\u5e94\u7528\u4e8e\u66f4\u5927\u7684\u6570\u636e\u96c6\uff0c\u5982\u679c\u9700\u8981\uff0c\u53ef\u4ee5\u5bf9\u8868\u8fbe\u5f0f\u77e9\u9635\u8fdb\u884c\u5b50\u96c6\u5316\u3002
14\u3001CSAMA | \u57fa\u56e0\u7ec4\u6570\u636e\u79d1\u5b66\u4e2d\u7684\u7edf\u8ba1\u548c\u8ba1\u7b97
\u7531bioconductor\u4e3b\u529e\u7684\u57fa\u56e0\u7ec4\u6570\u636e\u79d1\u5b66\u7edf\u8ba1\u548c\u6570\u636e\u5206\u6790\u8bfe\u7a0b\uff0c\u51715\u5929\u3002\u8fd9\u4e2a\u8bfe\u7a0b\u6db5\u76d6\u4e86 RNA-Seq\u3001\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u5b66\u3001\u8d28\u8c31\u5b66\u3001\u673a\u5668\u5b66\u4e60\u3001\u53ef\u89c6\u5316\u3001\u4eba\u7c7b\u7ec6\u80de\u56fe\u8c31\u7b49\u4e3b\u9898\uff0c\u5e76\u4e14\u8bfe\u7a0b\u7684\u6240\u6709\u6559\u6750\u90fd\u53ef\u4ee5\u5728 GitHub \u4e0a\u514d\u8d39\u83b7\u53d6\u548c\u4f7f\u7528\u3002
15\u3001RCrashCourse_Book | \u751f\u7269\u5b66\u5bb6\u7684R\u901f\u6210
\u8fd9\u672c\u4e66\u662f\u5173\u4e8e R \u8bed\u8a00\u7684\u6559\u7a0b\u4e66\u7c4d\uff0c\u5b83\u8bb2\u4e86\u4ee5\u4e0b\u5185\u5bb9\uff1a \u57fa\u672c\u6982\u5ff5\u548c\u64cd\u4f5c\uff1a\u5411\u91cf\u3001\u6570\u636e\u6846\u3001\u51fd\u6570\u3001\u7c7b\u3001\u65b9\u6cd5\u7b49\u3002 \u57fa\u672c\u548c\u9ad8\u7ea7\u56fe\u5f62\u529f\u80fd\uff1a qplot () \u548c ggplot () \u51fd\u6570\uff0c\u4ee5\u53ca\u5982\u4f55\u81ea\u5b9a\u4e49\u548c\u4f18\u5316\u56fe\u5f62\u6548\u679c\u3002 \u6b63\u5219\u8868\u8fbe\u5f0f\u529f\u80fd\uff1a\u5982\u4f55\u4f7f\u7528\u901a\u914d\u7b26\u3001\u7279\u6b8a\u5b57\u7b26\u3001\u65b9\u62ec\u53f7\u7b49\u8fdb\u884c\u6587\u672c\u5339\u914d\u548c\u63d0\u53d6\u3002 \u6570\u636e\u79d1\u5b66\u529f\u80fd\uff1a\u5982\u4f55\u4f7f\u7528 tidyverse \u5305\u8fdb\u884c\u6570\u636e\u6574\u7406\u3001\u8f6c\u6362\u3001\u8fde\u63a5\u548c\u91cd\u5851\uff0c\u4ee5\u53ca\u5982\u4f55\u5904\u7406\u7f3a\u5931\u503c\u548c\u65e5\u671f\u683c\u5f0f\u3002 \u9ad8\u7ea7\u529f\u80fd\uff1a\u5982\u4f55\u4f7f\u7528 R Markdown \u8fdb\u884c\u53ef\u91cd\u590d\u6027\u7814\u7a76\uff0c\u4ee5\u53ca\u5982\u4f55\u7f16\u5199\u81ea\u5b9a\u4e49\u51fd\u6570\u548c\u8f6f\u4ef6\u5305\u3002
\u7b2c 29 \u671f\uff1aHiplot\u5f00\u53d1\u5e93\u5f00\u6e90
"},{"location":"issue-69/#github-id","title":"\u8d21\u732e\u8005\uff08GitHub ID\uff09","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09@kongjianyang\uff08\u7a7a\u95f4\u9633\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-7/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 7 \u671f\uff09\uff1a\u4e3a\u4f55\u5e74\u8f7b\u4fbf\u79d1\u7814\u81f3\u6b7b","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
GitHub \u7c89\u4eec\u53ef\u4ee5\u901a\u8fc7 Watch \u4ed3\u5e93\u7684 Release\uff08\u63d0\u524d\uff09\u5173\u6ce8\u53d1\u5e03\u5185\u5bb9\u3002
\u8ba8\u8bba\u533a\u7684\u5e16\u5b50\u300a\u8c01\u5728\u62db\u4eba\uff1f\u300b\uff0c\u63d0\u4f9b\u751f\u4fe1\u6df1\u9020\u548c\u5c31\u4e1a\u4fe1\u606f\uff0c\u6b22\u8fce\u8bbf\u95ee\u6216\u53d1\u5e03\u5b66\u4f4d\u653b\u8bfb/\u5de5\u4f5c/\u5b9e\u4e60\u7b49\u5c97\u4f4d\u3002
\u300c\u672c\u671f\u4e13\u7528\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-7/#_1","title":"\u5c01\u9762\u56fe","text":"\u5f69\u73e0\u3002\uff08via\uff09
"},{"location":"issue-7/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u4e3a\u4f55\u5e74\u8f7b\u4fbf\u79d1\u7814\u81f3\u6b7b","text":"\u8fd9\u5468\u7684\u8bdd\u9898\u6765\u81ea\u8fd1\u671f\u4e00\u5219\u6bd4\u8f83\u6c89\u91cd\u7684\u6d88\u606f\u3002
\u8fd1\u65e5\uff0c23\u5c81\u7814\u7a76\u751f\u738b\u67d0\u4e8e\u897f\u5317\u5927\u5b66\u5760\u4ea1\u4e00\u4e8b\u5f15\u53d1\u5e7f\u6cdb\u5173\u6ce8\u3002
\u636e\u5a92\u4f53\u62a5\u9053\uff0c10\u670822\u65e5\u4e0b\u5348\uff0c\u738b\u67d0\u4ece\u5b9e\u9a8c\u5ba4\u6240\u5728\u5927\u697c\u5760\u4ea1\uff0c\u5e74\u4ec523\u5c81\u3002\u4ed6\u662f\u5ef6\u5b89\u5927\u5b66\u5e94\u7528\u5316\u5b66\u4e13\u4e1a2019\u7ea7\u7814\u7a76\u751f\uff0c\u5bfc\u5e08\u4e3a\u5ef6\u5b89\u5927\u5b66\u5316\u5b66\u4e0e\u5316\u5de5\u5b66\u9662\u8001\u5e08\u5415\u67d0\u30022020\u5e74\u4e0a\u534a\u5e74\uff0c\u738b\u67d0\u6765\u5230\u897f\u5317\u5927\u5b66\u5316\u5b66\u4e0e\u6750\u6599\u79d1\u5b66\u5b66\u9662\u8fdb\u884c\u5b66\u4e60\u548c\u8bfe\u9898\u7814\u7a76\u3002
10\u670819\u65e5\u5f53\u5929\uff0c\u738b\u67d0\u66fe\u7ed9\u7236\u6bcd\u3001\u8868\u59d0\u548c\u5f1f\u5f1f\u5206\u522b\u6253\u4e86\u7535\u8bdd\u3002\u5728\u548c\u7236\u4eb2\u7684\u6c9f\u901a\u4e2d\uff0c\u738b\u67d0\u8868\u8fbe\u4e86\u201c\u4e0d\u60f3\u8bfb\u4e66\u4e86\u201d\u7684\u60f3\u6cd5\u3002\u5728\u7236\u4eb2\u7684\u8ffd\u95ee\u4e0b\uff0c\u738b\u67d0\u53ea\u63d0\u5230\u5b9e\u9a8c\u5ba4\u538b\u529b\u592a\u5927\uff0c\u7ecf\u5e38\u88ab\u5bfc\u5e08\u6279\u8bc4\u3002\uff08\u6765\u6e90\uff1a\u516c\u4f17\u53f7\u300c\u79d1\u5b66\u7f51\u300d\uff09
\u8fd9\u4e0d\u662f\u8fd1\u5e74\u6765\u6765\u7b2c\u4e00\u6b21\u4e86\uff0c\u4e3a\u4f55\u7814\u7a76\u751f\u8df3\u697c\u9891\u53d1\uff0c\u4e3a\u4f55\u5e74\u8f7b\u4fbf\u79d1\u7814\u201c\u81f3\u201d\u6b7b\uff1f\u6709\u54ea\u4e9b\u7406\u7531\uff0c\u600e\u6837\u907f\u514d\uff0c\u8bf8\u4f4d\u4e0d\u59a8\u601d\u8003\u548c\u8bf4\u9053\u3002
"},{"location":"issue-7/#_3","title":"\u751f\u4fe1\u79d1\u6280\u52a8\u6001","text":"1\u3001Cell Genomics\u521b\u520a
\u5c01\u9762\u8bbe\u8ba1\u827a\u672f\u5bb6Alex Cagan\u5728\u7ed8\u5236Cell Genomics\u7684\u9996\u671f\u5c01\u9762\u65f6\uff0c\u8bd5\u56fe\u4ee5\u62bd\u8c61\u548c\u4fcf\u76ae\u7684\u65b9\u5f0f\u4f20\u8fbe\u672c\u520a\u7684\u4e09\u5927\u5173\u952e\u652f\u67f1\u2014\u2014\u201c\u5f00\u653e\u3001\u5408\u4f5c\u3001\u5f00\u62d3\u201d\uff0c\u5176\u4f5c\u54c1\u5c06\u57fa\u56e0\u7ec4\u5b66\u9886\u57df\u7684\u65cb\u8f6c\u7b26\u53f7\u4e0e\u79d1\u5b66\u548c\u5f00\u5c55\u7814\u7a76\u7684\u79d1\u5b66\u5bb6\u5f62\u8c61\u76f8\u878d\u5408\u3002\u5b83\u4eec\u901a\u8fc7\u821e\u8e48\u4e00\u6837\u8dc3\u52a8\u7684\u8bed\u8a00\u7edf\u4e00\u4e86\u8d77\u6765\uff0c\u8fd9\u4eff\u4f5b\u4e5f\u53cd\u6620\u4e86\u7f8e\u4e3d\u590d\u6742\u7684\u7ec6\u80de\u673a\u5236\u548c\u751f\u547d\u8282\u5f8b\uff0c\u4ee5\u53ca\u6b63\u5728\u8fdb\u884c\u7684\u7406\u89e3\u5b83\u4eec\u7684\u79d1\u5b66\u4e4b\u65c5\u3002\u8be5\u4f5c\u54c1\u65e8\u5728\u4f53\u73b0\u8fd9\u4e00\u6301\u7eed\u7684\u3001\u5145\u6ee1\u5e0c\u671b\u7684\u53d1\u73b0\u5386\u7a0b\u3002
\u8fd9\u662f\u4e00\u4e2a\u5f00\u653e\u3001\u5408\u4f5c\u3001\u5f00\u62d3\u7684\u5168\u65b0\u57fa\u56e0\u7ec4\u5b66\u8bba\u575b\uff0c\u662f\u57fa\u56e0\u7ec4\u5b66\u9886\u57df\u81f4\u529b\u4e8e\u5f00\u653e\u83b7\u53d6\u548c\u5f00\u653e\u79d1\u5b66\u7684\u5168\u65b0\u7814\u7a76\u671f\u520a\uff0c\u6211\u4eec\u652f\u6301\u516c\u5f00\u5206\u4eab\u7814\u7a76\u3001\u65b9\u6cd5\u548c\u6570\u636e\u96c6\u3002
2\u3001gtsummary\u5305\u65b0\u51fd\u6570tbl_continuous
\u8be5\u51fd\u6570\u652f\u6301\u6309\u7167\u591a\u4e2a\u5206\u7c7b\u53d8\u91cf\u5bf9\u4e00\u4e2a\u8fde\u7eed\u6570\u503c\u53d8\u91cf\u8fdb\u884c\u6c47\u603b\u3002
3\u3001Proscia \u5ba3\u5e03\u4eba\u5de5\u667a\u80fd\u5728\u9ed1\u8272\u7d20\u7624\u68c0\u6d4b\u65b9\u9762\u53d6\u5f97\u7a81\u7834\uff0c\u7075\u654f\u5ea6\u4e3a 93%
\u6765\u81ea\u8d39\u57ce\u7684 Proscia \u6b63\u5728\u52a0\u901f\u75c5\u7406\u5b66\u7684\u6570\u5b57\u5316\u8f6c\u578b\uff0c\u4ee5\u6539\u53d8\u6211\u4eec\u7406\u89e3\u764c\u75c7\u7b49\u75be\u75c5\u7684\u65b9\u5f0f\u3002\u5176 Concentriq \u6570\u5b57\u75c5\u7406\u5b66\u5e73\u53f0\u548c\u5f3a\u5927\u7684 AI \u5e94\u7528\u7a0b\u5e8f\u6b63\u5728\u5c06\u5177\u6709 150 \u5e74\u5386\u53f2\u7684\u7814\u7a76\u548c\u8bca\u65ad\u6807\u51c6\u63a8\u5411\u6570\u636e\u9a71\u52a8\u7684\u5b66\u79d1\uff0c\u4e3a\u75c5\u7406\u5b66\u5bb6\u63d0\u4f9b\u66f4\u597d\u7684\u65b9\u6cd5\u6765\u5bf9\u6297\u5f53\u4eca\u7684\u764c\u75c7\u3002
\u8fd1\u65e5\uff0cProscia \u5206\u4eab\u4e86\u4e00\u9879\u524d\u77bb\u6027\u7814\u7a76\u7684\u7ed3\u679c\uff0c\u5ba3\u5e03 AI \u5728\u9ed1\u8272\u7d20\u7624\uff08\u6700\u81f4\u547d\u7684\u76ae\u80a4\u764c\u5f62\u5f0f\uff09\u68c0\u6d4b\u65b9\u9762\u7684\u7a81\u7834\u3002\u5229\u7528 AI \u4ee5\u9ad8\u5ea6\u7684\u51c6\u786e\u6027\u81ea\u52a8\u68c0\u6d4b\u9ed1\u8272\u7d20\u7624\u3002\u8fd9\u4e9b\u53d1\u73b0\u8bf4\u660e\u4e86 AI \u5728\u75c5\u7406\u5b66\u5e38\u89c4\u5b9e\u8df5\u4e2d\u63d0\u4f9b\u66f4\u5feb\u8bca\u65ad\u3001\u6539\u5584\u60a3\u8005\u9884\u540e\u548c\u4f18\u5316\u5b9e\u9a8c\u5ba4\u7ecf\u6d4e\u6027\u7684\u524d\u666f\u3002
\u8be5\u9879\u7814\u7a76\u5728\u6258\u9a6c\u65af\u6770\u6590\u900a\u5927\u5b66\u548c\u4f5b\u7f57\u91cc\u8fbe\u5927\u5b66\u8fdb\u884c\uff0c\u5c55\u793a\u4e86 AI \u5728\u672a\u7ecf\u7b5b\u9009\u7684 1,422 \u4e2a\u8fde\u7eed\u76ae\u80a4\u6d3b\u68c0\u7ec4\u4e2d\u7684\u771f\u5b9e\u6027\u80fd\u3002\u8be5\u6280\u672f\u6b63\u786e\u8bc6\u522b\u4fb5\u88ad\u6027\u9ed1\u8272\u7d20\u7624\u548c\u539f\u4f4d\u9ed1\u8272\u7d20\u7624\uff0c\u7075\u654f\u5ea6\u4e3a 93%\uff0c\u7279\u5f02\u6027\u4e3a 91%\u3002\u5b83\u8fd8\u5bf9\u57fa\u5e95\u7ec6\u80de\u764c\u548c\u9cde\u72b6\u7ec6\u80de\u764c\u8fdb\u884c\u4e86\u5206\u7c7b\uff0cAUC \u5206\u522b\u4e3a 0.97 \u548c 0.95\uff0c\u5360\u6240\u6709\u76ae\u80a4\u764c\u7684 97%\u3002\u672c\u7814\u7a76\u9a8c\u8bc1\u4e86\u5bf9 12,784 \u5f20\u56fe\u50cf\u8fdb\u884c\u7684\u591a\u7ad9\u70b9\u56de\u987e\u6027\u7814\u7a76\u7684\u7ed3\u679c\u3002
4\u3001\u5355\u7ec6\u80de\u6838\u7cd6\u4f53\u6d4b\u5e8f\u6280\u672f\uff08scRibo-seq\uff09\u5f00\u542f\u5355\u7ec6\u80de\u7ffb\u8bd1\u7ec4\u5b66\u7814\u7a76
\u8fd1\u65e5\uff0c\u8377\u5170\u4e4c\u5f97\u52d2\u652f\u5927\u5b66\u533b\u5b66\u4e2d\u5fc3\u7684\u7814\u7a76\u56e2\u961f\u5728\u56fd\u9645\u9876\u5c16\u671f\u520aNature\u5728\u7ebf\u53d1\u8868\u4e86\u9898\u4e3aSingle-cell Ribo-seq reveals cell cycle-dependent translational pausing\u7684\u6587\u7ae0\u3002\u7814\u7a76\u8bc1\u660e\uff0c\u5355\u7ec6\u80de\u6838\u7cd6\u4f53\u6d4b\u5e8f\u6280\u672f\uff08scRibo-seq\uff09\u80fd\u591f\u5b9e\u73b0\u5355\u5bc6\u7801\u5b50\u7684\u5206\u8fa8\u7387\uff1b\u6781\u5927\u63d0\u9ad8\u4e86\u5355\u7ec6\u80de\u6838\u7cd6\u4f53\u68c0\u6d4b\u7684\u654f\u611f\u6027\uff0c\u4f7f\u5f97\u5728\u5355\u4e2a\u7ec6\u80de\u4e2d\u5bf9\u6838\u7cd6\u4f53\u8fdb\u884c\u5206\u6790\u6210\u4e3a\u53ef\u80fd\u3002\u6b64\u5916\uff0c\u7814\u7a76\u56e2\u961f\u8fd8\u8bc1\u660e\uff0c\u5bf9\u7279\u5b9a\u6c28\u57fa\u9178\u7684\u9650\u5236\u4f1a\u5bfc\u81f4\u6838\u7cd6\u4f53\u5728\u7f16\u7801\u6c28\u57fa\u9178\u7684\u5bc6\u7801\u5b50\u7684\u5b50\u96c6\u4e0a\u51fa\u73b0\u6682\u505c\uff0c\u5e76\u4e14\u8fd9\u79cd\u73b0\u8c61\u53ea\u5728\u4e0e\u5176\u7ec6\u80de\u5468\u671f\u72b6\u6001\u76f8\u5173\u7684\u7ec6\u80de\u4e9a\u7fa4\u4e2d\u88ab\u89c2\u5bdf\u5230\u3002\u603b\u4e4b\uff0c\u8fd9\u9879\u6280\u672f\u4e3a\u786e\u5b9a\u7ffb\u8bd1\u8fc7\u7a0b\u4ee5\u53ca\u5bf9\u90a3\u4e9b\u770b\u4f3c\u76f8\u540c\u7684\u7ec6\u80de\u4e4b\u95f4\u7684\u663e\u8457\u5dee\u5f02\u7684\u89e3\u6790\u63d0\u4f9b\u4e86\u8fd1\u4e00\u6b65\u7684\u8bc1\u636e\u3002
"},{"location":"issue-7/#_4","title":"\u6587\u7ae0","text":"1\u3001GitHub\u5168\u7403\u5f00\u53d1\u8005\u5927\u4f1a\u91cd\u78c5\u66f4\u65b0\u81ea\u52a8\u7f16\u7801\u5de5\u5177Copilot
GitHub\u5728\u5176\u5168\u7403\u5f00\u53d1\u8005\u5927\u4f1a\u4e0a\uff0c\u5ba3\u5e03Copilot\u5c06\u589e\u52a0\u5bf9\u5305\u62ecNeovim\u548cJetBrains IDEs\u5728\u5185\u7684\u7f16\u8f91\u5668\u7684\u652f\u6301\uff0c\u91cd\u70b9\u662fJetBrains\u7684IntelliJ IDEA\u548cPyCharm\u3002GitHub\u8fd8\u5ba3\u5e03Copilot\u652f\u6301Java\u3001C\u3001C++\u548cC#\u7b49\u8bed\u8a00\u7684\u591a\u884c\u4ee3\u7801\u5b8c\u6210\u3002
2\u3001RNA-seq\u7efc\u8ff0
\u82f1\u6587\u7efc\u8ff0\u7684\u4e2d\u6587\u5927\u4f53\u7ffb\u8bd1\u3002
3\u3001Chip-seq\u57fa\u7840\u77e5\u8bc6\u4ecb\u7ecd
\u5b9e\u5219\u662f\u4e00\u6bb5\u89c6\u9891\u3002
4\u3001\u624b\u628a\u624b\u5e26\u4f60\u642d\u5efa\u4e2a\u4eba\u535a\u5ba2
\u4e00\u7bc7\u5229\u7528blogdown\u642d\u5efa\u4e2a\u4eba\u535a\u5ba2\u7684\u8be6\u7ec6\u4ecb\u7ecd\u3002
"},{"location":"issue-7/#_5","title":"\u5de5\u5177","text":"1\u3001postcards - \u521b\u5efa\u7b80\u5355\u6f02\u4eae\u7684\u4e2a\u4eba\u7f51\u7ad9\u3002
2\u3001ezcox - Cox\u6a21\u578b\u6279\u5904\u7406\u548c\u53ef\u89c6\u5316
\u5de5\u5177\u5df2\u53d1\u5e03\u5230\u9884\u5370\u672c\uff1ahttps://arxiv.org/abs/2110.14232\u3002
3\u3001Python\u5f00\u53d1\u8005\u7684\u5b8c\u7f8e\u7ec8\u7aef\u5de5\u5177
Rich \u662f\u4e00\u4e2a Python \u5e93\uff0c\u53ef\u4ee5\u4e3a\u4f60\u5728\u7ec8\u7aef\u4e2d\u63d0\u4f9b\u5bcc\u6587\u672c\u548c\u6f02\u4eae\u3001\u7cbe\u7f8e\u7684\u683c\u5f0f\u3002
\u4f7f\u7528 Rich API \u53ef\u4ee5\u5f88\u5bb9\u6613\u7684\u5728\u7ec8\u7aef\u8f93\u51fa\u6dfb\u52a0\u5404\u79cd\u989c\u8272\u548c\u4e0d\u540c\u98ce\u683c\u3002\u5b83\u53ef\u4ee5\u7ed8\u5236\u6f02\u4eae\u7684\u8868\u683c\uff0c\u8fdb\u5ea6\u6761\uff0cmarkdown\uff0c\u7a81\u51fa\u663e\u793a\u8bed\u6cd5\u7684\u6e90\u4ee3\u7801\u53ca\u56de\u6eaf\u7b49\u7b49\uff0c\u4f18\u79c0\u7684\u529f\u80fd\u4e0d\u80dc\u679a\u4e3e\u3002
4\u3001tv - \u8de8\u5e73\u53f0CSV\u683c\u5f0f\u6570\u636e\u5c55\u793a\u5de5\u5177
"},{"location":"issue-7/#_6","title":"\u8d44\u6e90","text":"1\u3001awesome-r-pkgtools - R\u5305\u5f00\u53d1\u5de5\u5177\u6e05\u5355
2\u30012021\u5e749\u6708R\u65b0\u5305\u63a8\u8350
2021\u5e749\u6708\uff0c220\u4e2aR\u65b0\u5305\u6536\u5f55\u4e8eCRAN\uff082021\u5e748\u6708\u4efd\u6536\u5f55160\u4e2a\uff09\uff0c\u7d2f\u8ba1\u6536\u5f55\u7ea619,862\u4e2aR\u5305\uff01\u6b64\u6b21\u9009\u6458\u4e8640\u4e2aR\u5305\uff0814\u4e2a\u7c7b\u522b\uff09\uff0c\u5206\u5e03\u7ed3\u6784\u5982\u4e0b\uff1a
3\u3001\u6570\u636e\u79d1\u5b66\u5bb6\u768410\u4e2a\u79d8\u5bc6
"},{"location":"issue-7/#_7","title":"\u8d5e\u8d4f","text":"\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
\u611f\u8c22\u4ee5\u4e0b\u8bfb\u8005\u5f80\u671f\u7684\u8d5e\u8d4f\u652f\u6301\uff1a
\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-70/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 70 \u671f\uff09\uff1a\u591a\u5f69\u591a\u59ff\u7684\u79d1\u5b66\u5bb6","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-70/#_1","title":"\u5c01\u9762\u56fe","text":"\u56fe\u7247\u6765\u6e90\uff1a\u6210\u90fd\u9732\u5929\u97f3\u4e50\u516c\u56ed \u2014\u2014 \u6210\u90fd\u5927\u8fd0\u4f1a\u95ed\u5e55\u5f0f\u4e3e\u529e\u573a\u5730
"},{"location":"issue-70/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u591a\u5f69\u591a\u59ff\u7684\u79d1\u5b66\u5bb6","text":"\u5728\u534e\u4eba\u666e\u904d\u4e0d\u61c2\u79d1\u5b66\u7684\u65f6\u671f\uff0c\u628a\u79d1\u5b66\u5bb6\u63cf\u8ff0\u6210\u4e3a\u53ea\u4f1a\u7814\u7a76\u7684\u4e66\u5446\u5b50\uff0c\u800c\u4e8b\u5b9e\u8fdc\u975e\u5982\u6b64\u3002\u4e16\u754c\u4e0a\uff0c\u5174\u8da3\u5e7f\u7684\u79d1\u5b66\u5bb6\u548c\u5b66\u8005\u5f88\u591a\uff0c\u6709\u4e9b\u4e0d\u4ec5\u662f\u6709\u5b66\u672f\u4ee5\u5916\u7684\u5174\u8da3\uff0c\u800c\u4e14\u5f88\u6709\u7279\u957f\uff0c\u7279\u957f\u5230\u5177\u6709\u5728\u5176\u4ed6\u884c\u4e1a\u7684\u8d85\u8fc7\u4e00\u822c\u6c34\u5e73\u7684\u4e13\u957f\u3002
@ShixiangWang - \u56fd\u5185\u5927\u4f17\u5bf9\u4e8e\u79d1\u5b66\u5bb6\u5b58\u5728\u4e00\u4e9b \u201c\u975e\u4eba\u201d \u7684\u5b9a\u4e49\u548c\u7406\u89e3\uff0c\u9976\u6bc5\u5148\u751f\u7684\u6587\u7ae0\u63d0\u5347\u4e86\u5927\u4f17\u5bf9\u4e8e\u79d1\u5b66\u548c\u4ece\u4e8b\u79d1\u5b66\u5de5\u4f5c\u7684 \u201c\u4eba\u201d \u7684\u8ba4\u77e5\u3002\u79f0\u4e3a \u201c\u79d1\u5b66\u5bb6\u201d \u7684\u8fd9\u4e9b\u4eba\u6709\u8840\u6709\u8089\uff0c\u6709\u7231\u597d\u3001\u6709\u60c5\u6101\u3002\u5728\u8bc4\u5224\u79d1\u5b66\u4f5c\u54c1\u548c\u4e3a\u4eba\u5904\u4e8b\u65f6\uff0c\u6211\u4eec\u90fd\u5e94\u5f53\u5b58\u6709\u6279\u5224\u5b58\u7591\u7684\u89c2\u70b9\u3002\u56de\u987e\u6211\u4eec\u81ea\u8eab\uff0c\u4e5f\u5e94\u5f53\u540c\u65f6\u5584\u5f85\u81ea\u5df1\u7684\u5de5\u4f5c\u7406\u60f3\u548c\u751f\u6d3b\u7406\u60f3\u3002
"},{"location":"issue-70/#_3","title":"\u751f\u4fe1\u7814\u7a76","text":"1\u3001Nat. Commun. | \u57fa\u4e8e\u6df1\u5ea6\u5ea6\u91cf\u5b66\u4e60\u5bf9\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u5b66\u6570\u636e\u8fdb\u884c\u6279\u6b21\u5bf9\u9f50
\u672c\u6587\u4ecb\u7ecd\u7531\u4e2d\u56fd\u4eba\u6c11\u5927\u5b66\u7edf\u8ba1\u5b66\u9662\u5e94\u7528\u7edf\u8ba1\u5b66\u4e2d\u5fc3\u7684\u5f20\u666f\u8096\u548c\u660c\u5e73\u5b9e\u9a8c\u5ba4\u7684\u674e\u5411\u6770\u5171\u540c\u901a\u8baf\u53d1\u8868\u5728 Nature Communications \u7684\u7814\u7a76\u6210\u679c\u3002\u5927\u591a\u6570scRNA-seq\u7b97\u6cd5\u90fd\u662f\u7ecf\u8fc7\u4e13\u95e8\u8bbe\u8ba1\u7684\uff0c\u9996\u5148\u53bb\u9664\u6279\u6b21\u6548\u5e94\uff0c\u7136\u540e\u8fdb\u884c\u805a\u7c7b\uff0c\u4f46\u8fd9\u53ef\u80fd\u4f1a\u9057\u6f0f\u4e00\u4e9b\u7f55\u89c1\u7684\u7ec6\u80de\u7c7b\u578b\u3002\u4e3a\u6b64\uff0c\u4f5c\u8005\u63d0\u51fa\u4e86\u4e00\u79cd\u6df1\u5ea6\u5ea6\u91cf\u5b66\u4e60\u6a21\u578bscDML\uff0cscDML\u4ee5\u521d\u59cb\u805a\u7c7b\u3001\u6279\u6b21\u5185\u548c\u6279\u6b21\u95f4\u7684\u6700\u8fd1\u90bb\u4fe1\u606f\u4e3a\u6307\u5bfc\uff0c\u6d88\u9664scRNA-seq\u6570\u636e\u4e2d\u7684\u6279\u6b21\u6548\u5e94\u3002\u5bf9\u4e0d\u540c\u7269\u79cd\u548c\u7ec4\u7ec7\u7684\u7efc\u5408\u8bc4\u4f30\u8868\u660e\uff0cscDML\u53ef\u4ee5\u6d88\u9664\u6279\u6b21\u6548\u5e94\uff0c\u63d0\u9ad8\u805a\u7c7b\u6027\u80fd\uff0c\u51c6\u786e\u6062\u590d\u771f\u5b9e\u7ec6\u80de\u7c7b\u578b\uff0c\u5e76\u4e14\u59cb\u7ec8\u4f18\u4e8eSeurat 3\u3001scVI\u3001Scanorama\u3001BBKNN\u3001Harmony\u7b49\u6d41\u884c\u65b9\u6cd5\u3002\u6700\u91cd\u8981\u7684\u662f\uff0cscDML\u4fdd\u7559\u4e86\u539f\u59cb\u6570\u636e\u4e2d\u7684\u5c11\u6570\u7ec6\u80de\u7c7b\u578b\uff0c\u5e76\u901a\u8fc7\u5355\u72ec\u5206\u6790\u6bcf\u4e2a\u6279\u6b21\u6765\u53d1\u73b0\u96be\u4ee5\u63d0\u53d6\u7684\u65b0\u7ec6\u80de\u4e9a\u578b\u3002
2\u3001Cell \u7efc\u8ff0\uff5c \u4ece\u6a21\u5f0f\u5230\u60a3\u8005\uff1a\u4e34\u5e8a\u673a\u5668\u5b66\u4e60\u5728\u764c\u75c7\u8bca\u65ad\u3001\u9884\u540e\u548c\u6cbb\u7597\u65b9\u9762\u7684\u8fdb\u5c55
\u673a\u5668\u5b66\u4e60\u5728\u4e34\u5e8a\u80bf\u7624\u5b66\u4e2d\u8d8a\u6765\u8d8a\u5e38\u7528\uff0c\u53ef\u4ee5\u7528\u4e8e\u764c\u75c7\u7684\u8bca\u65ad\u3001\u9884\u6d4b\u60a3\u8005\u7684\u6cbb\u7597\u6548\u679c\u4ee5\u53ca\u8f85\u52a9\u5236\u5b9a\u6cbb\u7597\u8ba1\u5212\u3002\u672c\u6587\u7efc\u8ff0\u4e86\u673a\u5668\u5b66\u4e60\u5728\u4e34\u5e8a\u80bf\u7624\u5b66\u5de5\u4f5c\u6d41\u7a0b\u4e2d\u7684\u6700\u65b0\u5e94\u7528\uff0c\u56de\u987e\u4e86\u8fd9\u4e9b\u6280\u672f\u5728\u533b\u5b66\u6210\u50cf\u548c\u6db2\u6001/\u5b9e\u4f53\u80bf\u7624\u6d3b\u68c0\u5206\u5b50\u6570\u636e\u65b9\u9762\u7684\u5e94\u7528\uff0c\u7528\u4e8e\u764c\u75c7\u7684\u8bca\u65ad\u3001\u9884\u540e\u548c\u6cbb\u7597\u8bbe\u8ba1\u3002\u672c\u6587\u8ba8\u8bba\u4e86\u5f00\u53d1\u9488\u5bf9\u6210\u50cf\u548c\u5206\u5b50\u6570\u636e\u6240\u5e26\u6765\u7684\u4e0d\u540c\u6311\u6218\u7684\u673a\u5668\u5b66\u4e60\u7684\u5173\u952e\u8003\u8651\u56e0\u7d20\u3002\u6700\u540e\uff0c\u6211\u4eec\u5ba1\u67e5\u4e86\u88ab\u76d1\u7ba1\u673a\u6784\u6279\u51c6\u7528\u4e8e\u764c\u75c7\u76f8\u5173\u60a3\u8005\u4f7f\u7528\u7684\u673a\u5668\u5b66\u4e60\u6a21\u578b\uff0c\u5e76\u8ba8\u8bba\u4e86\u63d0\u9ad8\u673a\u5668\u5b66\u4e60\u7684\u4e34\u5e8a\u5b9e\u7528\u6027\u7684\u65b9\u6cd5\u3002
3\u3001Nat Commun | \u57fa\u4e8e\u5168\u57fa\u56e0\u7ec4\u57fa\u56e0\u578b - \u8840\u6e05\u86cb\u767d\u8d28\u7ec4\u5206\u6790\uff0c\u9996\u6b21\u63ed\u793a\u4e2d\u56fd\u6c49\u65cf\u4eba\u7fa4\u8840\u6db2\u86cb\u767d\u8d28\u7ec4\u7684\u9057\u4f20\u673a\u5236
\u56fd\u5185\u591a\u4e2a\u7814\u7a76\u56e2\u961f\u5408\u4f5c\uff0c\u901a\u8fc7\u4f7f\u7528\u6570\u636e\u72ec\u7acb\u91c7\u96c6\uff08DIA\uff09\u8d28\u8c31\u6280\u672f\uff0c\u9996\u6b21\u5728\u4e2d\u56fd\u6c49\u65cf\u4eba\u7fa4\u4e2d\u63ed\u793a\u4e86\u8840\u6db2\u86cb\u767d\u8d28\u7ec4\u7684\u9057\u4f20\u673a\u5236\u3002\u6b64\u5916\uff0c\u901a\u8fc7\u5bf9\u987a\u5f0f pQTLs \u548c\u590d\u6742\u6027\u72b6 / \u75be\u75c5\u8fdb\u884c\u5171\u5b9a\u4f4d\u5206\u6790\u4ee5\u53ca\u5b5f\u5fb7\u5c14\u968f\u673a\u5316\u5206\u6790\uff0c\u53d1\u73b0\u4e86\u86cb\u767d\u8d28\u5bf9\u4e34\u5e8a\u76f8\u5173\u8868\u578b\u7684\u5047\u5b9a\u5f71\u54cd\uff0c\u5e76\u63d0\u51fa\u4e86\u51e0\u79cd\u86cb\u767d\u8d28\u5728\u67d0\u4e9b\u75be\u75c5\u4e2d\u7684\u56e0\u679c\u4f5c\u7528\u548c\u6f5c\u5728\u6cbb\u7597\u9776\u70b9\u3002\u6700\u540e\uff0c\u7814\u7a76\u56e2\u961f\u8bc1\u660e\u4e86\u8be5\u6570\u636e\u96c6\u53ef\u80fd\u6709\u52a9\u4e8e\u89e3\u91ca\u4e1c\u4e9a\u4eba\u548c\u6b27\u6d32\u4eba\u4e4b\u95f4\u75be\u75c5\u6613\u611f\u6027\u7684\u5dee\u5f02\uff0c\u5e76\u63ed\u793a\u4e86\u5177\u6709\u4e0d\u540c\u7956\u5148\u7684\u4e24\u4e2a\u4eba\u7fa4\u4e4b\u95f4\u663e\u8457\u4e0d\u540c\u7684\u80a5\u80d6\u8bf1\u5bfc\u86cb\u767d\u8d28\u7ec4\u5b66\u7279\u5f81\uff0c\u4e3a\u4e1c\u4e9a\u4eba\u548c\u6b27\u6d32\u4eba\u5728\u80a5\u80d6\u8bf1\u53d1\u7cd6\u5c3f\u75c5\u548c\u51a0\u72b6\u52a8\u8109\u75be\u75c5\u98ce\u9669\u65b9\u9762\u7684\u4e0d\u540c\u6613\u611f\u6027\u63d0\u4f9b\u4e86\u89c1\u89e3\u3002
4\u3001Genome Med | \u4e9a\u6b27\u4eba\u7fa4\u7ed3\u76f4\u80a0\u764cGWAS\u7814\u7a76
\u5357\u4eac\u533b\u79d1\u5927\u5b66\u7814\u7a76\u56e2\u961f\u53ca\u5408\u4f5c\u8005\u5bf9\u4e1c\u4e9a\u548c\u6b27\u6d32\u4eba\u7fa4\u8fdb\u884c\u5927\u89c4\u6a21\u57fa\u56e0\u7ec4\u835f\u8403\u5206\u6790\uff0c\u6784\u5efa\u4e00\u4e2a\u591a\u57fa\u56e0\u98ce\u9669\u8bc4\u5206\uff0c\u7528\u4e8e\u8bc4\u4f30\u7ed3\u76f4\u80a0\u764c\u7684\u98ce\u9669\uff0c\u5e76\u9a8c\u8bc1\u4e0d\u540c\u4eba\u7fa4\u7684\u5065\u5eb7\u751f\u6d3b\u65b9\u5f0f\u5bf9\u964d\u4f4e\u98ce\u9669\u7684\u5f71\u54cd\u3002\u9057\u61be\u7684\u662f\u6587\u7ae0\u6ca1\u6709\u63d0\u4f9b\u6574\u5408\u597d\u7684\u4e9a\u6b27\u4eba\u7fa4\u57fa\u56e0\u7ec4\u548c\u4e34\u5e8a\u4fe1\u606f\u6570\u636e\u3002 \u53e6\u5916\u4f5c\u8005\u5f00\u53d1\u4e86\u4e00\u4e2a\u7f51\u9875\u5de5\u5177\u6570\u636e\uff0c\u8f93\u5165\u4f60\u7684\u5355\u6838\u82f7\u9178\u591a\u6001\u6027\uff08SNP\uff09\u7684\u4fe1\u606f\uff0c\u5373\u53ef\u7528\u4e0aCRC-RPS\u6a21\u578b\u9884\u6d4b\u4f60\u60a3\u7ed3\u76f4\u80a0\u764c\u7684\u98ce\u9669\u3002
5\u3001\u5229\u7528ChatPDF\u8fdb\u884c\u6587\u732e\u9605\u8bfb
ChatPDF \u662f openAI \u6700\u65b0\u5f00\u53d1\u7684\u4e00\u6b3e\u4ea7\u54c1\uff0c\u8d1f\u8d23\u9605\u8bfb PDF \u6587\u6863\uff0c\u5e76\u4e14\u53ef\u4ee5\u5411\u5b83\u63d0\u95ee\u5173\u4e8e\u6587\u6863\u5185\u5bb9\u7684\u95ee\u9898\u3002\u8fd9\u7bc7\u6587\u7ae0\u7b80\u5355\u8bd5\u9a8c\u4e86\u4e0b\u5229\u7528ChatPDF\u8fdb\u884cSCI\u6587\u732e\u9605\u8bfb\uff0c\u6548\u679c\u4e0d\u9519\u3002
6\u3001\u5e26\u4f60\u4e86\u89e3\u5168\u5916\u663e\u5b50\u6d4b\u5e8f
\u6587\u7ae0\u7b80\u5355\u63cf\u8ff0\u4e86\u5168\u5916\u663e\u5b50\u6d4b\u5e8f\u7684\u7684\u5de5\u4f5c\u539f\u7406\uff0c\u4e3b\u8981\u6b65\u9aa4\u4ee5\u53ca\u5206\u6790\u4e2d\u503c\u5f97\u6ce8\u610f\u7684\u7ec6\u8282\u3002\u5bf9\u4e8e\u4e0d\u719f\u6089\u5168\u5916\u663e\u5b50\u6d4b\u5e8f\u7684\u670b\u53cb\u503c\u5f97\u4e00\u8bfb\u3002
7\u3001\u4e13\u8bbf\u6c83\u5c14\u592b\u5956\u5f97\u4e3b\u4f55\u5ddd\uff1a38\u5c81\u90a3\u5e74\u5f00\u59cb\u4e86\u4e00\u4e2a\u65b0\u9886\u57df
\u8fd1\u65e5\uff0c2023\u5e74\u5ea6\u6c83\u5c14\u592b\u5956\u63ed\u6653\u3002\u7f8e\u56fd\u829d\u52a0\u54e5\u5927\u5b66\u6559\u6388\u3001\u534e\u88d4\u5316\u5b66\u751f\u7269\u5b66\u5bb6\u4f55\u5ddd\u6559\u6388\u56e0\u5176\u5728\u201cRNA\u8868\u89c2\u9057\u4f20\u5b66\u9886\u57df\u201d\u7684\u5f00\u521b\u6027\u8d21\u732e\uff0c\u4e0e\u6765\u81ea\u65e5\u672c\u4e1c\u4eac\u5927\u5b66\u7684Hiroaki Suga\u4ee5\u53ca\u6765\u81ea\u7f8e\u56fd\u65af\u514b\u5229\u666e\u65af\u7814\u7a76\u6240\u7684Jeffery W. Kelly\u5206\u4eab\u4e86\u672c\u5c4a\u6c83\u5c14\u592b\u5316\u5b66\u5956\u3002\u59cb\u521b\u4e8e1976\u5e74\u7684\u6c83\u5c14\u592b\u5956\u662f\u56fd\u9645\u6700\u9ad8\u5b66\u672f\u5927\u5956\u4e4b\u4e00\uff0c\u6bcf\u4e2a\u5956\u9879\u5956\u91d1\u4e3a10\u4e07\u7f8e\u5143\u3002\u636e\u7edf\u8ba1\uff0c\u7ea61/3\u7684\u6c83\u5c14\u592b\u5956\u5f97\u4e3b\u6700\u540e\u90fd\u83b7\u5f97\u4e86\u8bfa\u8d1d\u5c14\u5956\uff0c\u56e0\u6b64\u6c83\u5c14\u592b\u5956\u53c8\u88ab\u79f0\u4e3a\u201c\u8bfa\u5956\u98ce\u5411\u6807\u201d\u3002\u4f55\u5ddd\u662f\u7b2c9\u4f4d\u83b7\u5956\u534e\u4eba\u3002
8\u30012022\u5e74\u5ea6\u201c\u4e2d\u56fd\u751f\u7269\u4fe1\u606f\u5b66\u5341\u5927\u8fdb\u5c55\u201d\u516c\u5e03
\u4e3a\u63a8\u52a8\u6211\u56fd\u751f\u7269\u4fe1\u606f\u5b66\u7684\u5b66\u79d1\u53d1\u5c55\u548c\u521b\u65b0\u7814\u7a76\uff0c\u5145\u5206\u5c55\u793a\u548c\u5ba3\u4f20\u6211\u56fd\u751f\u7269\u4fe1\u606f\u5b66\u9886\u57df\u7684\u91cd\u5927\u7814\u7a76\u6210\u679c\uff0c\u300a\u57fa\u56e0\u7ec4\u86cb\u767d\u8d28\u7ec4\u4e0e\u751f\u7269\u4fe1\u606f\u5b66\u62a5\u300b\uff08Genomics, Proteomics & Bioinformatics, \u7b80\u79f0GPB\uff09\u7ec4\u7ec7\u8bc4\u9009\u4e862018\u5e74\u5ea6\u30012019\u5e74\u5ea6\u30012020\u5e74\u5ea6\u548c2021\u5e74\u5ea6\u201c\u4e2d\u56fd\u751f\u7269\u4fe1\u606f\u5b66\u5341\u5927\u8fdb\u5c55\u201d\u3002\u5728\u6b64\u57fa\u7840\u4e0a\uff0cGPB\u7ee7\u7eed\u7ec4\u7ec72022\u5e74\u5ea6\u8bc4\u9009\u6d3b\u52a8\uff0c\u7ecf\u8fc7\u63a8\u8350\u3001\u521d\u9009\u548c\u590d\u9009\u7a0b\u5e8f\uff0c\u73b0\u516c\u5e032022\u5e74\u5ea6\u201c\u4e2d\u56fd\u751f\u7269\u4fe1\u606f\u5b66\u5341\u5927\u8fdb\u5c55\u201d\u8bc4\u9009\u7ed3\u679c\u3002
"},{"location":"issue-70/#_5","title":"\u5de5\u5177","text":"9\u3001stevedore
stevedore\u662f\u57fa\u4e8eR \u7684 docker \u5ba2\u6237\u7aef\uff0c\u5f53\u9700\u8981\u4ece R \u811a\u672c\u6216\u5305\u63a7\u5236\u5916\u90e8\u8fdb\u7a0b\u65f6\uff0c\u4f7f\u7528 docker \u4ece\u5bb9\u5668\u4e2d\u4e0e\u6b64\u8fdb\u7a0b\u4ea4\u4e92\u53ef\u80fd\u4f1a\u5f88\u6709\u7528\u3002
10\u3001GitHub520 | \u8ba9\u4f60\u201c\u7231\u201d\u4e0a GitHub
\u8ba9\u4f60\u201c\u7231\u201d\u4e0a GitHub\u7684 GitHub \u9879\u76ee\uff0c\u89e3\u51b3\u8bbf\u95ee\u65f6\u56fe\u88c2\u3001\u52a0\u8f7d\u6162\u7684\u95ee\u9898\u3002\u5b83\u7684\u539f\u7406\u662f\u901a\u8fc7\u4fee\u6539\u672c\u5730 hosts \u6587\u4ef6\uff0c\u5c06 GitHub \u7684\u57df\u540d\u6620\u5c04\u5230\u6700\u5feb\u7684 IP \u5730\u5740\u4e0a\u3002\u5b83\u63d0\u4f9b\u4e86\u591a\u79cd\u4f7f\u7528\u65b9\u6cd5\uff0c\u5305\u62ec\u624b\u52a8\u65b9\u5f0f\u3001\u81ea\u52a8\u65b9\u5f0f\u548c\u7b2c\u4e09\u65b9\u8f6f\u4ef6\u65b9\u5f0f\u3002\u5b83\u8fd8\u63d0\u4f9b\u4e86\u4e00\u4e2a\u6587\u4ef6\u548c\u4e00\u4e2a JSON \u683c\u5f0f\u7684\u94fe\u63a5\uff0c\u53ef\u4ee5\u83b7\u53d6\u5230\u6700\u65b0\u7684 hosts \u5185\u5bb9\u3002
11\u3001PRIMUS \uff5c \u4e00\u4e2a\u4e13\u95e8\u9488\u5bf9\u80bf\u7624\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u6570\u636e\u6574\u5408\u7684\u7b97\u6cd5
PRIMUS\u662f\u4e00\u79cd\u6574\u4f53\u805a\u7c7b\u65b9\u6cd5\uff0c\u80fd\u591f\u4ece scRNA-seq \u6570\u636e\u4e2d\u8bc6\u522b\u8868\u578b\u7ec6\u80de\u7fa4\uff0c\u540c\u65f6\u8003\u8651\u65e5\u671f\u6765\u6e90(\u4f8b\u5982\u60a3\u8005\uff0c\u6837\u672c\uff0c\u6570\u636e\u96c6)\u7279\u5b9a\u7684\u7ec4\u5206\u4ee5\u53ca\u6280\u672f\u566a\u58f0\u3002PRIMUS \u91c7\u7528\u53cc\u7ebf\u6027\u6cca\u677e\u56de\u5f52\u6a21\u578b\uff0c\u5c06\u8868\u8fbe\u6570\u636e\u540c\u65f6\u5206\u89e3\u4e3a\u660e\u786e\u7684\u5e72\u6270\u56e0\u7d20\uff08defined nuisance factors\uff09\u3001\u672a\u5b9a\u4e49\u7684\u7ec6\u80de\u8868\u578b\u53ca\u5176\u76f8\u5e94\u7684\u8f6c\u5f55\u7ec4\u5b66\u7279\u5f81\u3002
12\u3001enrichR | \u5728\u7ebf\u5bcc\u96c6\u5206\u6790
EnrichR \u662f\u4e00\u4e2a\u5728\u7ebf\u5bcc\u96c6\u5206\u6790\u7684\u5de5\u5177\uff0c\u529f\u80fd\u975e\u5e38\u591a\u6837\u4e30\u5bcc\uff0c\u5e76\u6709 API \u63d0\u4f9b\u7f16\u7a0b\u8bed\u8a00\u63a5\u53e3\u3002
13\u3001\u751f\u4fe1\u7b97\u6cd5\u4e66\u7c4d\uff5cGenome-Scale Algorithm Design
\u82ac\u5170\u8d6b\u5c14\u8f9b\u57fa\u5927\u5b66\u8ba1\u7b97\u673a\u7cfb\u7684Veli M\u00e4kinen\u6559\u6388\u4ee5\u53ca\u4ed6\u7684\u4e24\u4f4d\u535a\u540eDjamal Belazzougui\u548cFabio Cunial\u521b\u4f5c\u4e86\u8fd9\u672c\u4e66\uff0c\u8bb8\u591a\u77e5\u540d\u9ad8\u6821\u91c7\u7eb3\u8fd9\u90e8\u4e66\u4f5c\u4e3a\u6559\u6750\u3002\u6db5\u76d6\u7684\u4e3b\u9898\u4ece\u751f\u7269\u5e8f\u5217\u5206\u6790\u7684\u57fa\u7840\uff08\u5e8f\u5217\u6bd4\u5bf9\u3001\u9690\u9a6c\u5c14\u53ef\u592b\u6a21\u578b\uff09\u5230\u7ecf\u5178\u7d22\u5f15\u7ed3\u6784\uff08k-mer \u7d22\u5f15\u3001\u540e\u7f00\u6570\u7ec4\u548c\u540e\u7f00\u6811\uff09\u3001Burrows-Wheeler \u7d22\u5f15\u3001\u56fe\u5f62\u7b97\u6cd5\u4ee5\u53ca\u8bb8\u591a\u7ec4\u5b66\u6280\u672f\u4e2d\u7528\u5230\u7684\u7b97\u6cd5\u4ecb\u7ecd\uff0c\u800c\u4e14\u5305\u62ec\u8bb8\u591a\u4f8b\u5b50\u3001\u7b97\u6cd5\u53ef\u89c6\u5316\u3001\u95ee\u9898\u548c\u7ae0\u672b\u7ec3\u4e60\u9898\u3002
14\u3001\u81ea\u5e26\u5168\u5957\u56fe\u8868\u590d\u73b0\u4ee3\u7801\u7684\u5355\u7ec6\u80de\u6587\u7ae0
\u4e13\u6ce8\u6536\u96c6\u548c\u5206\u4eab\u7684 GitHub \u9879\u76ee\uff0c\u5b83\u63d0\u4f9b\u4e86\u4e00\u4e9b\u5355\u7ec6\u80de\u76f8\u5173\u7684\u8bba\u6587\u548c\u4ee3\u7801\uff0c\u8ba9\u5927\u5bb6\u53ef\u4ee5\u91cd\u73b0\u8bba\u6587\u7684\u7ed3\u679c\u548c\u63d0\u5347\u5355\u7ec6\u80de\u6570\u636e\u5206\u6790\u7684\u80fd\u529b\u3002
15\u3001awesome-bioie
\u4e0e\u751f\u7269\u533b\u5b66\u4fe1\u606f\u63d0\u53d6\uff08\u5305\u62ec BioNLP\uff09\u76f8\u5173\u7684github\u7cbe\u9009\u8d44\u6e90\u5217\u8868\uff0c\u6536\u96c6\u4e86\u5f88\u591a\u751f\u7269\u533b\u5b66\u6587\u672c\u6570\u636e\u5904\u7406\u76f8\u5173\u7684\u8d44\u6e90\u3002
"},{"location":"issue-70/#_7","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09@kongjianyang\uff08\u7a7a\u95f4\u9633\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-71/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 71 \u671f\uff09\uff1a\u535a\u58eb\u751f\u771f\u7684\u9700\u8981\u4e00\u5929\u770b20\u7bc7\u6587\u732e\u5417\uff1f","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-71/#_1","title":"\u5c01\u9762\u56fe","text":"2021\u5e74\u65c5\u884c\u6444\u5f71\u5e08\u5927\u8d5b\u83b7\u5956\u4f5c\u54c1\uff1a\u7f8e\u56fd\u4e39\u7eb3\u5229\u56fd\u5bb6\u516c\u56ed by Fortunato Gatto
"},{"location":"issue-71/#20","title":"\u672c\u5468\u8bdd\u9898\uff1a\u535a\u58eb\u751f\u771f\u7684\u9700\u8981\u4e00\u5929\u770b20\u7bc7\u6587\u732e\u5417\uff1f","text":"@kkjtmac \u524d\u671f\u53ef\u80fd\u9700\u8981\u9605\u8bfb\u5927\u91cf\u76f8\u5173\u9886\u57df\u6587\u732e\u6765\u7ed9\u540e\u7eed\u7814\u7a76\u5960\u5b9a\u7406\u8bba\u57fa\u7840\uff0c\u4f46\u81f3\u4e8e\u6587\u732e\u7684\u6570\u91cf\uff0c\u66f4\u5e94\u8be5\u5173\u6ce8\u5728\u6587\u732e\u7684\u8d28\u91cf\uff0c\u4e00\u7bc7\u9ad8\u8d28\u91cf\u7684\u7efc\u8ff0\u53ef\u80fd\u4f1a\u8d85\u8fc710\u7bc7\u7684\u6587\u7ae0\u3002
@chatgpt-3.5 \u5e76\u4e0d\u662f\u6240\u6709\u535a\u58eb\u751f\u90fd\u9700\u8981\u4e00\u5929\u770b20\u7bc7\u6587\u732e\uff0c\u8fd9\u901a\u5e38\u53d6\u51b3\u4e8e\u5177\u4f53\u7684\u7814\u7a76\u9886\u57df\u548c\u4e2a\u4eba\u4e60\u60ef\u3002\u5728\u67d0\u4e9b\u9886\u57df\uff0c\u5982\u6587\u5b66\u3001\u793e\u4f1a\u79d1\u5b66\u7b49\uff0c\u535a\u58eb\u751f\u53ef\u80fd\u9700\u8981\u9605\u8bfb\u5927\u91cf\u7684\u4e66\u7c4d\u3001\u8bba\u6587\u548c\u5176\u4ed6\u6587\u732e\uff0c\u5e76\u4e14\u53ef\u80fd\u9700\u8981\u6bcf\u5929\u82b1\u8d39\u5f88\u591a\u65f6\u95f4\u6765\u5b8c\u6210\u8fd9\u4e9b\u4efb\u52a1\u3002\u7136\u800c\uff0c\u5728\u5176\u4ed6\u9886\u57df\uff0c\u5982\u6570\u5b66\u3001\u7269\u7406\u5b66\u7b49\uff0c\u535a\u58eb\u751f\u53ef\u80fd\u66f4\u591a\u5730\u4e13\u6ce8\u4e8e\u89e3\u51b3\u95ee\u9898\u6216\u8fdb\u884c\u5b9e\u9a8c\uff0c\u800c\u4e0d\u662f\u4ec5\u4ec5\u9605\u8bfb\u6587\u732e\u3002\u6b64\u5916\uff0c\u6bcf\u4e2a\u4eba\u7684\u5b66\u4e60\u548c\u5de5\u4f5c\u6548\u7387\u4e5f\u4e0d\u540c\u3002\u6709\u4e9b\u4eba\u53ef\u4ee5\u5feb\u901f\u9605\u8bfb\u548c\u6d88\u5316\u5927\u91cf\u7684\u4fe1\u606f\uff0c\u800c\u53e6\u4e00\u4e9b\u4eba\u5219\u9700\u8981\u66f4\u957f\u7684\u65f6\u95f4\u6765\u7406\u89e3\u548c\u8bb0\u4f4f\u76f8\u540c\u6570\u91cf\u7684\u5185\u5bb9\u3002\u56e0\u6b64\uff0c\u6bcf\u4e2a\u535a\u58eb\u751f\u5e94\u8be5\u6839\u636e\u81ea\u5df1\u7684\u7814\u7a76\u9886\u57df\u3001\u5b66\u4e60\u80fd\u529b\u548c\u5de5\u4f5c\u9700\u6c42\u6765\u5236\u5b9a\u9002\u5408\u81ea\u5df1\u7684\u5b66\u4e60\u8ba1\u5212\u548c\u65f6\u95f4\u8868\u3002
@chatgpt-4 \u6bcf\u4e2a\u535a\u58eb\u751f\u7684\u9700\u6c42\u548c\u7814\u7a76\u8fdb\u5ea6\u4e0d\u5c3d\u76f8\u540c\uff0c\u6240\u4ee5\u6bcf\u5929\u9700\u8981\u9605\u8bfb\u7684\u6587\u732e\u6570\u91cf\u4e5f\u4f1a\u6709\u6240\u4e0d\u540c\u3002\u6709\u4e9b\u4eba\u53ef\u80fd\u9700\u8981\u6bcf\u5929\u9605\u8bfb20\u7bc7\u6587\u732e\uff0c\u800c\u6709\u4e9b\u4eba\u5219\u9700\u8981\u8f83\u5c11\u7684\u9605\u8bfb\u91cf\u3002\u8fd9\u53d6\u51b3\u4e8e\u4ee5\u4e0b\u51e0\u4e2a\u56e0\u7d20\uff1a 1.\u7814\u7a76\u9886\u57df\uff1a\u4e0d\u540c\u7684\u7814\u7a76\u9886\u57df\u53ef\u80fd\u6709\u4e0d\u540c\u7684\u6587\u732e\u9605\u8bfb\u9700\u6c42\u3002\u67d0\u4e9b\u9886\u57df\u7684\u6587\u732e\u66f4\u65b0\u901f\u5ea6\u5f88\u5feb\uff0c\u9700\u8981\u66f4\u591a\u7684\u9605\u8bfb\u6765\u8ddf\u4e0a\u6700\u65b0\u7684\u7814\u7a76\u8fdb\u5c55\u3002 2.\u7814\u7a76\u9636\u6bb5\uff1a\u535a\u58eb\u751f\u5728\u7814\u7a76\u7684\u4e0d\u540c\u9636\u6bb5\u53ef\u80fd\u6709\u4e0d\u540c\u7684\u9605\u8bfb\u9700\u6c42\u3002\u5728\u7814\u7a76\u521d\u671f\uff0c\u53ef\u80fd\u9700\u8981\u5927\u91cf\u9605\u8bfb\u6765\u4e86\u89e3\u80cc\u666f\u77e5\u8bc6\u548c\u73b0\u6709\u7814\u7a76\u3002\u800c\u5728\u540e\u671f\uff0c\u53ef\u80fd\u66f4\u5173\u6ce8\u7279\u5b9a\u4e3b\u9898\u7684\u6587\u732e\u3002 3.\u4e2a\u4eba\u9605\u8bfb\u901f\u5ea6\u548c\u7406\u89e3\u80fd\u529b\uff1a\u6bcf\u4e2a\u4eba\u7684\u9605\u8bfb\u901f\u5ea6\u548c\u7406\u89e3\u80fd\u529b\u4e0d\u540c\uff0c\u6709\u4e9b\u4eba\u53ef\u80fd\u9700\u8981\u82b1\u66f4\u591a\u65f6\u95f4\u6765\u6d88\u5316\u4e00\u7bc7\u6587\u732e\uff0c\u800c\u6709\u4e9b\u4eba\u5219\u53ef\u4ee5\u8f83\u5feb\u5730\u9605\u8bfb\u548c\u7406\u89e3\u3002 4.\u9879\u76ee\u9700\u6c42\uff1a\u5177\u4f53\u7684\u9879\u76ee\u9700\u6c42\u53ef\u80fd\u4f1a\u5f71\u54cd\u5230\u6bcf\u5929\u9700\u8981\u9605\u8bfb\u7684\u6587\u732e\u6570\u91cf\u3002\u5728\u67d0\u4e9b\u9879\u76ee\u4e2d\uff0c\u535a\u58eb\u751f\u53ef\u80fd\u9700\u8981\u9605\u8bfb\u5927\u91cf\u7684\u6587\u732e\u6765\u83b7\u53d6\u4fe1\u606f\u548c\u7075\u611f\uff0c\u800c\u5728\u5176\u4ed6\u9879\u76ee\u4e2d\uff0c\u53ef\u80fd\u53ea\u9700\u8981\u9605\u8bfb\u5c11\u91cf\u6838\u5fc3\u6587\u732e\u3002 \u56e0\u6b64\uff0c\u535a\u58eb\u751f\u6bcf\u5929\u5e94\u8be5\u6839\u636e\u81ea\u5df1\u7684\u9700\u6c42\u3001\u7814\u7a76\u9886\u57df\u3001\u7814\u7a76\u9636\u6bb5\u548c\u9879\u76ee\u9700\u6c42\u6765\u786e\u5b9a\u5408\u9002\u7684\u6587\u732e\u9605\u8bfb\u91cf\u3002\u5efa\u8bae\u5b9a\u671f\u4e0e\u5bfc\u5e08\u6c9f\u901a\uff0c\u786e\u4fdd\u9605\u8bfb\u8ba1\u5212\u548c\u8fdb\u5ea6\u7b26\u5408\u9879\u76ee\u7684\u9700\u6c42\u3002\u5728\u9605\u8bfb\u6587\u732e\u65f6\uff0c\u53ef\u4ee5\u91c7\u7528\u626b\u8bfb\u3001\u7565\u8bfb\u3001\u6df1\u5ea6\u9605\u8bfb\u7b49\u591a\u79cd\u65b9\u6cd5\uff0c\u6839\u636e\u6587\u732e\u7684\u91cd\u8981\u6027\u548c\u76f8\u5173\u6027\u8fdb\u884c\u8c03\u6574\u3002
1\u3001Nature | \u539f\u53d1\u548c\u8f6c\u79fb\u6027\u8111\u80bf\u7624\u7684\u5355\u7ec6\u80de\u7a7a\u95f4\u514d\u75ab\u56fe\u8c31
\u4f5c\u8005\u4f7f\u7528\u6210\u50cf\u8d28\u8c31\u6d41\u5f0f\u672f\u5206\u6790\u4e86139\u4f8b\u9ad8\u6076\u6027\u5ea6\u80f6\u8d28\u7624\u548c46\u4f8b\u8111\u8f6c\u79fb\u7624\uff0c\u83b7\u5f97\u4e86389\u5f20\u9ad8\u7ef4\u5ea6\u7ec4\u7ec7\u75c5\u7406\u5b66\u56fe\u50cf\uff0c\u5bf9\u5176\u4e2d116\u4e07\u4e2a\u7ec6\u80de\u8fdb\u884c\u5206\u7c7b\uff0c\u5305\u62ec\u80bf\u7624\u7ec6\u80de\uff0c\u661f\u5f62\u80f6\u8d28\u7ec6\u80de\uff0c\u8840\u7ba1\u548c\u8d85\u8fc716\u79cd\u514d\u75ab\u7ec6\u80de\u7fa4\u3002\u548c\u9884\u671f\u7684\u4e00\u6837\uff0c\u5728\u57fa\u8d28\u7ec6\u80de\u4e2d\u4e3b\u8981\u7ec6\u80de\u7c7b\u578b\u4e3aGFAP\u9633\u6027\u7684\u661f\u5f62\u80f6\u8d28\u7ec6\u80de\u548cCD68\u9633\u6027\u7684\u5de8\u566c\u7ec6\u80de\uff0c\u800c\u6dcb\u5df4\u7ec6\u80de\u5360\u6bd4\u5f88\u5c0f\u3002\u6587\u7ae0\u4e2d\uff0c\u4f5c\u8005\u6784\u5efa\u4e86\u5355\u7ec6\u80de\u4ea4\u4e92\u7f51\u7edc\uff0c\u5728\u539f\u53d1\u6027\u8111\u80bf\u7624\u4e2d\uff0c\u4f5c\u8005\u53d1\u73b0\u76f8\u6bd4\u4e8e\u5973\u6027\uff0c\u7537\u6027\u60a3\u8005\u80bf\u7624\u7ec4\u7ec7\u4e2d\u5916\u5468\u6e90\u6027\u7684\u5355\u6838\u7ec6\u80de\u51fa\u73b0\u9891\u7387\u66f4\u9ad8\uff0c\u8bf4\u660e\u4e86\u5bf9\u764c\u75c7\u7684\u514d\u75ab\u53cd\u5e94\u5177\u6709\u6f5c\u5728\u7684\u6027\u522b\u5dee\u5f02\u3002\u53e6\u5916\u4e0e\u80f6\u8d28\u6bcd\u7ec6\u80de\u7624\u76f8\u6bd4\uff0c\u8111\u8f6c\u79fb\u7624\u4e2d\u6709\u66f4\u591a\u548c\u66f4\u9ad8\u5bc6\u5ea6\u7684NK\u7ec6\u80de\uff0c\u4e2d\u6027\u7c92\u7ec6\u80de\uff0c\u5de8\u566c\u7ec6\u80de\uff0c\u7ecf\u5178\u5355\u6838\u7ec6\u80de\u548cT\u7ec6\u80de\uff0c\u4e14\u5728\u5e74\u8f7b\u60a3\u8005\u7684\u8111\u8f6c\u79fb\u7624\u6838\u5fc3\u533a\u51fa\u73b0\u66f4\u591a\u7684\u4e2d\u6027\u7c92\u7ec6\u80de\uff0c\u6811\u7a81\u72b6\u7ec6\u80de\u548cCD4\u9633\u6027T\u7ec6\u80de\u3002\u9664\u6b64\u4e4b\u5916\uff0c\u8111\u8f6c\u79fb\u7624\u8840\u7ba1\u5185\u76ae\u7ec6\u80de\u4e0e\u80bf\u7624\u7ec6\u80de\u9ad8\u5ea6\u4ea4\u4e92\u4f5c\u7528\uff0c\u8840\u8111\u5c4f\u969c\u4e2d\u7684\u8fde\u63a5\u86cb\u767dclaudin-5\u5728\u80bf\u7624\u76f8\u90bb\u5185\u76ae\u7ec6\u80de\u4e2d\u548c\u8111\u8f6c\u79fb\u6838\u5fc3\u533a\u8868\u8fbe\u8f83\u4f4e\uff0c\u4fc3\u8fdb\u4e86\u80bf\u7624\u5728\u8111\u5185\u7684\u5b9a\u690d\u3002
2\u3001Nature Methods | SODB \u4fc3\u8fdb\u7a7a\u95f4\u7ec4\u5b66\u6570\u636e\u63a2\u7d22
\u8be5\u7814\u7a76\u4ecb\u7ecd\u4e86\u7a7a\u95f4\u7ec4\u5b66\u6570\u636e\u5e93(SODB)\uff0c\u8fd9\u662f\u4e00\u4e2a\u57fa\u4e8eWeb\u7684\u5e73\u53f0\uff0c\u63d0\u4f9b\u4e30\u5bcc\u7684\u6570\u636e\u8d44\u6e90\u548c\u4e00\u5957\u4ea4\u4e92\u5f0f\u6570\u636e\u5206\u6790\u6a21\u5757\u3002SODB\u76ee\u524d\u7ef4\u62a4\u7740>25\u7a7a\u95f4\u7ec4\u5b66\u6280\u672f\u7684> 2400\u4e2a\u5b9e\u9a8c\uff0c\u8fd9\u4e9b\u5b9e\u9a8c\u4f5c\u4e3a\u4e0e\u5404\u79cd\u8ba1\u7b97\u5305\u517c\u5bb9\u7684\u7edf\u4e00\u6570\u636e\u683c\u5f0f\u514d\u8d39\u8bbf\u95ee\u3002
3\u3001Current Biology | \u8d1d\u591a\u82ac\u7684\u57fa\u56e0\u7ec4\u88ab\u89e3\u7801
\u8d1d\u591a\u82ac\u662f\u4e00\u4f4d\u514b\u670d\u4e86\u542c\u529b\u635f\u5931\u548c\u809d\u75c5\u7b49\u56f0\u96be\u7684\u97f3\u4e50\u5929\u624d\uff0c\u4ed6\u7684\u9057\u613f\u662f\u8ba9\u4e16\u4eba\u4e86\u89e3\u4ed6\u7684\u75c5\u60c5\u3002\u73b0\u5728\uff0c\u79d1\u5b66\u5bb6\u4eec\u4ece\u4ed6\u7684\u5934\u53d1\u4e2d\u63d0\u53d6\u4e86\u4ed6\u7684\u57fa\u56e0\u7ec4\u8fdb\u884c\u6d4b\u5e8f\uff0c\u63ed\u793a\u4e86\u4ed6\u7684\u5065\u5eb7\u95ee\u9898\u548c\u6b7b\u4ea1\u539f\u56e0\uff0c\u4ee5\u53ca\u4ed6\u7684\u7236\u7cfb\u7956\u5148\u7684\u79d8\u5bc6\u3002
4\u3001Briefings in Bioinformatics | Sincast\uff1a\u5229\u7528bulk RNAseq\u5b9a\u4e49\u7ec6\u80de\u529f\u80fd\u4e9a\u7fa4
Sincast\u662f\u4e00\u4e2a\u65b0\u7684\u7528\u4e8e\u67e5\u8be2\u5355\u7ec6\u80deRNA\u6d4b\u5e8f\u6570\u636e(SIN)\u7684\u8ba1\u7b97\u6846\u67b6\uff0c\u5b83\u901a\u8fc7\u5c06\u8fd9\u4e9b\u6570\u636e\u6295\u5f71\u5230\u4e00\u4e2a\u5927\u91cf\u7684\u53c2\u8003\u56fe\u96c6(CAST)\u4e2d\u8fdb\u884c\u67e5\u8be2\u3002\u5728\u8fdb\u884c\u6295\u5f71\u4e4b\u524d\uff0c\u5355\u7ec6\u80de\u6570\u636e\u4f1a\u88ab\u8f6c\u6362\u6210\u4e0ebulk\u6570\u636e\u76f4\u63a5\u6bd4\u8f83\u7684\u5f62\u5f0f\uff0c\u4ee5\u4fbf\u89e3\u51b3\u5355\u7ec6\u80de\u8868\u8fbe\u8c31\u7a00\u758f\u7684\u95ee\u9898\u3002\u503c\u5f97\u6ce8\u610f\u7684\u662f\uff0cSincast\u4e0d\u9700\u8981\u8fdb\u884c\u6279\u91cf\u6548\u5e94\u6821\u6b63\uff0c\u7ec6\u80de\u8eab\u4efd\u8fde\u7eed\u9884\u6d4b\uff0c\u4ee5\u7a81\u663e\u5728\u53c2\u8003\u56fe\u8c31\u4e2d\u672a\u53d1\u73b0\u7684\u65b0\u7ec6\u80de\u72b6\u6001\u3002\u8fd9\u6837\u505a\u6709\u52a9\u4e8e\u5b8c\u6574\u5730\u63cf\u8ff0\u5355\u7ec6\u80de\u6570\u636e\u7684\u7279\u5f81\uff0c\u4f7f\u5176\u66f4\u597d\u5730\u7406\u89e3\u5176\u751f\u7269\u5b66\u610f\u4e49\u3002
5\u3001UMI\u548cbarcode\u7684\u533a\u522b\u8be6\u89e3
barcode\u6807\u8bb0\u6837\u672c\uff0cUMI\u6807\u8bb0\u5206\u5b50\u3002\u4e00\u4e2aUMI\u548cbarcode\u7ed3\u5408\u4f7f\u7528\u7684\u4f8b\u5b50\uff1a\u5047\u8bbe\u6211\u4eec\u670996\u4e2a\u6837\u672c\uff0c\u4f7f\u752896\u79cdbarcode\u5206\u522b\u5bf9\u5b83\u4eec\u8fdb\u884c\u6807\u8bb0\uff0c\u5404\u81ea\u5efa\u5e93\uff0c\u5728\u6709barcode\u6807\u8bb0\u7684\u60c5\u51b5\u4e0b\uff0c\u5c31\u53ef\u4ee5\u628a\u8fd996\u79cd\u6587\u5e93\u6df7\u5408\u5728\u4e00\u8d77\u8fdb\u884cNGS\u6d4b\u5e8f\u3002\u5047\u8bbeA\u6837\u672c\u75281\u53f7barcode\u8fdb\u884c\u4e86\u6807\u8bb0\uff0c\u4f46\u662fA\u6837\u672c\u91cc\u9762\u603b\u5171\u5305\u62ec\u67093000\u4e2aDNA\u5206\u5b50\uff0c\u5176\u4e2d\u53c8\u67093\u4e2a\u5206\u5b50\u662f\u53d1\u751f\u4e86\u7a81\u53d8\u7684\uff0c\u53e6\u59162997\u4e2a\u662f\u91ce\u751f\u578b\u7684\u3002\u4e3a\u4e86\u51c6\u786e\u8bc6\u522b\u8fd93\u4e2a\u7a81\u53d8\u5206\u5b50\uff0c\u6211\u4eec\u9009\u75283000\u79cd\u6761\u5f62\u7801\uff0c\u7ed9\u6bcf\u4e2a\u5206\u5b50\u52a0\u4e00\u4e2a\u6807\u8bb0\uff0c\u8fd9\u79cd\u6807\u8bb0\u5c31\u662fUMI\u3002
6\u3001R tips\uff1a\u804a\u804a\u57fa\u56e0\u8868\u8fbe\u6570\u636e\u7684normalize\u65b9\u6cd5
\u8fd9\u7bc7\u6587\u7ae0\u8ba8\u8bba\u4e86\u5bf9\u4e8e\u9ad8\u901a\u91cf\u6d4b\u5e8f\u6570\u636e\u505aNormalization\u7684\u95ee\u9898\u3002\u5229\u4e8eR\u8bed\u8a00\u7684\u6570\u636e\u4ee3\u7801\u4f5c\u4e3a\u4f8b\u5b50\u6bd4\u8f83\u4e86\u4e0d\u540c\u65b9\u6cd5\u505aNormalization\u4e4b\u95f4\u7684\u5f02\u540c\uff0c\u4ee5\u53ca\u505a\u591a\u6b65Normolization\u7684\u6ce8\u610f\u4e8b\u9879\u3002
7\u3001\u4e13\u8bbf\u90b1\u8096\u6770\u535a\u58eb\uff0c\u63ed\u79d8RNA\u901f\u5ea6\u77e2\u91cf\u573a\u548c\u201c\u7ec6\u80de\u547d\u8fd0\u201d\u9884\u6d4b\u5668dynamo\u3001Monocle 2/ 3\u7b97\u6cd5\u7684\u5f00\u53d1\u53f2
\u300a\u65f6\u7a7a\u5bf9\u8bdd\u300b\u680f\u76ee\u6709\u5e78\u9080\u8bf7\u5230\u7f8e\u56fd\u9ebb\u7701\u7406\u5de5\u5b66\u9662\u6559\u6388Jonathan Weissman\u7ec4\u535a\u58eb\u540e\u90b1\u8096\u6770\u8fdb\u884c\u8bbf\u8c08\uff0c\u56f4\u7ed5\u201c\u7ec6\u80de\u547d\u8fd0\u201d\u9884\u6d4b\u5668dynamo\u7684\u5f00\u53d1\u3001Monocle\u7b97\u6cd5\u7684\u5f00\u53d1\u8fc7\u7a0b\u3001\u5fc3\u5f97\uff0c\u4ee5\u53ca\u5176\u5728\u5355\u7ec6\u80de\u9886\u57df\u7684\u5176\u4ed6\u6700\u65b0\u8fdb\u5c55\u8fdb\u884c\u5206\u4eab\u3002
"},{"location":"issue-71/#_4","title":"\u5de5\u5177","text":"8\u3001zotero-style\u4e2a\u6027\u5316Zotero\u4e2d\u7684\u6587\u732e\u683c\u5f0f
\u7531MuiseDestiny\u5f00\u53d1\u548c\u7ef4\u62a4\u7684Zotero\u63d2\u4ef6\uff0c\u7528\u4e8e\u521b\u5efa\u4e2a\u6027\u5316\u7684Zotero\u6837\u5f0f\u3002\u5b83\u53ef\u4ee5\u4fee\u6539\u548c\u589e\u52a0\u4e00\u4e9b\u6709\u8da3\u7684\u5217\uff0c\u6bd4\u5982\u6807\u9898\u3001\u8fdb\u5ea6\u3001\u6807\u7b7e\u3001\u8bc4\u5206\u7b49\uff0c\u8fd8\u53ef\u4ee5\u663e\u793aPDF\u7684\u9605\u8bfb\u65f6\u95f4\u5206\u5e03\u548c\u6ce8\u91ca\u5b57\u6570\u3002\u5b83\u8fd8\u53ef\u4ee5\u751f\u6210\u671f\u520a\u6807\u7b7e\uff0c\u8868\u793a\u51fa\u7248\u7269\u7684\u7b49\u7ea7\u548c\u5f71\u54cd\u56e0\u5b50\u3002\u5b83\u8fd8\u53ef\u4ee5\u663e\u793a\u5173\u7cfb\u56fe\u8c31\uff0c\u5c55\u793a\u6587\u732e\u95f4\u7684\u76f8\u5173\u6027\u3002
9\u3001Bioconductor\u7684docker\u955c\u50cf
Bioconductor\u63d0\u4f9b\u7684docker\u955c\u50cf\uff0c\u53ef\u4ee5\u4f7f\u7528docker\u7ba1\u7406Rstudio\uff0c\u4e3b\u8981\u5728\u670d\u52a1\u5668\u4e0a\u4f7f\u7528\u3002\u5bf9\u4e8e\u719f\u6089\u5229\u7528docker\u7ba1\u7406\u81ea\u5df1\u751f\u4ea7\u73af\u5883\u7684\u4eba\u53ef\u4ee5\u5c1d\u8bd5\u4e0b\u3002
10\u3001codeapp | \u7528 iPad \u6765\u5199\u4ee3\u7801
\u8fd9\u6b3e\u4ee3\u7801\u7f16\u8f91\u5668\u5185\u7f6e\u4e86 Node.js\u3001Python\u3001C\u3001C++\u3001PHP \u7b49\u591a\u79cd\u5f00\u53d1\u73af\u5883\uff0c\u81ea\u5e26 Git\u3001Pip\u3001NPM \u7b49\u5de5\u5177\uff0c\u53ef\u8fde\u63a5\u5e76\u7ba1\u7406\u8fdc\u7a0b\u670d\u52a1\u5668\u3002
11\u3001MOVICS | \u764c\u75c7\u5206\u578b\u4e2d\u7684\u591a\u7ec4\u5b66\u96c6\u6210\u548c\u53ef\u89c6\u5316
MOVICS\u7684\u76ee\u6807\u662f\u4e3a10\u79cd\u6700\u5148\u8fdb\u7684\u591a\u7ec4\u5b66\u805a\u7c7b\u7b97\u6cd5\u63d0\u4f9b\u7edf\u4e00\u63a5\u53e3\uff0c\u5e76\u5bf9\u6bcf\u79cd\u7b97\u6cd5\u7684\u8f93\u51fa\u8fdb\u884c\u6807\u51c6\u5316\uff0c\u4ece\u800c\u5f62\u6210\u4e0b\u6e38\u5206\u6790\u7684\u7ba1\u9053\u3002MOVICS\u96c6\u6210\u4e86\u764c\u75c7\u4e9a\u578b\u7814\u7a76\u4e2d\u6700\u5e38\u7528\u7684\u4e0b\u6e38\u5206\u6790\uff0c\u5e76\u80fd\u591f\u4ee5\u6700\u5c0f\u7684\u52aa\u529b\u521b\u5efa\u4e30\u5bcc\u7684\u53ef\u5b9a\u5236\u53ef\u89c6\u5316\u7279\u5f81\u3002
12\u3001gghalves | \u57fa\u4e8eggplot2\u7684\u5feb\u901f\u7ed8\u5236half-half\u56fe\u7684R\u5305
gghalves\u53ef\u4ee5\u901a\u8fc7ggplot2\u8f7b\u677e\u5730\u7f16\u5199\u81ea\u5df1\u60f3\u8981\u7684\u4e00\u534a\u4e00\u534a\uff08half-half plots\uff09\u7684\u56fe\u7247\u3002\u6bd4\u5982\uff1a\u5728\u6563\u70b9\u65c1\u8fb9\u663e\u793a\u7bb1\u7ebf\u56fe\u3001\u5728\u5c0f\u63d0\u7434\u56fe\u65c1\u8fb9\u663e\u793a\u70b9\u56fe\u3002
13\u3001\u5f71\u50cf\u7ec4\u5b66\u5165\u95e8\u53ca\u5b9e\u8df5\u7eea\u8bba
\u672c\u8d44\u6e90\u4ecb\u7ecd\u4e86\u5f71\u50cf\u7ec4\u5b66\u4e2d\u7684\u57fa\u672c\u6982\u5ff5\u53ca\u5206\u6790\u6d41\u7a0b\u3002
14\u3001ChatGPT \u4e2d\u6587\u8c03\u6559\u6307\u5357
ChatGPT\u662f\u7531OpenAI\u8bad\u7ec3\u7684\u4e00\u6b3e\u5927\u578b\u8bed\u8a00\u6a21\u578b\uff0c\u80fd\u591f\u548c\u4f60\u8fdb\u884c\u4efb\u4f55\u9886\u57df\u7684\u5bf9\u8bdd\u3002\u56fd\u5185\u4e2d\u6587\u7248\u5b83\u80fd\u591f\u751f\u6210\u7c7b\u4f3c\u4e8e\u4eba\u7c7b\u5199\u4f5c\u7684\u6587\u672c\u3002\u53ea\u9700\u8981\u7ed9\u51fa\u63d0\u793a\u6216\u63d0\u51fa\u95ee\u9898\uff0c\u5b83\u5c31\u53ef\u4ee5\u751f\u6210\u4f60\u60f3\u8981\u7684\u4e1c\u897f\u3002\u53ea\u9700\u6309\u7167README.md\u6587\u4ef6\u4e2d\u7684\u63d0\u793a\u8f93\u5165\uff0c\u5c31\u627e\u5230\u53ef\u4e0e ChatGPT \u4e00\u8d77\u4f7f\u7528\u7684\u5404\u79cd\u63d0\u793a\u3002
\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09@kongjianyang\uff08\u7a7a\u95f4\u9633\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-72/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 72 \u671f\uff09\uff1a\u628a\u65f6\u95f4\u5f53\u4f5c\u670b\u53cb","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-72/#_1","title":"\u5c01\u9762\u56fe","text":"AI\u83b7\u5956\u753b\u4f5c\u300a\u592a\u7a7a\u6b4c\u5267\u9662\u300b
"},{"location":"issue-72/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u628a\u65f6\u95f4\u5f53\u4f5c\u670b\u53cb","text":"\u672c\u5468\u7684\u8bdd\u9898\u6765\u81ea\u674e\u7b11\u6765\u7684\u56fe\u4e66\u300a\u628a\u65f6\u95f4\u5f53\u4f5c\u670b\u53cb\u300b\uff0c\u8ba4\u4e3a\u4eba\u751f\u7684\u6210\u957f\u5728\u4e8e\u201c\u601d\u8003\u201d\u548c\u201c\u7d2f\u79ef\u201d\u3002\u611f\u5174\u8da3\u7684\u8bfb\u8005\u4e0d\u59a8\u8d2d\u4e70\u6216\u8005\u901a\u8fc7\u4e0a\u9762\u7684GitHub\u94fe\u63a5\u514d\u8d39\u9605\u8bfb\u3002
\u8fd9\u672c\u4e66\u7684\u4e3b\u65e8\u975e\u5e38\u7b80\u5355\uff1a\u65f6\u95f4\u662f\u4e0d\u53ef\u80fd\u88ab\u7ba1\u7406\u7684\u3002\u5fc5\u987b\u5f00\u542f\u5fc3\u667a\uff0c\u770b\u6e05\u695a\uff0c\u60f3\u660e\u767d\uff1a\u95ee\u9898\u51fa\u5728\u6211\u4eec\u81ea \u5df1\u8eab\u4e0a\u3002\u800c\u6211\u4eec\u6240\u9762\u4e34\u7684\u95ee\u9898\uff0c\u4e0e\u65f6\u95f4\u3001\u7ba1\u7406\u6216\u65f6\u95f4\u7ba1\u7406\u90fd\u6ca1\u6709\u591a\u5927\u7684\u5173\u7cfb\u3002\u89e3\u51b3\u65b9\u6848\u53ea\u6709\u4e00\u4e2a\uff0c\u90a3\u5c31\u662f\u201c\u4e00\u5207\u90fd\u9760\u79ef\u7d2f\u201d\u3002\u6df1\u4fe1\u79ef\u7d2f\u7684\u529b\u91cf\uff0c\u65f6\u95f4\u5c31\u662f\u4f60\u7684\u670b\u53cb\uff0c\u5426\u5219\uff0c\u5b83\u5c31\u662f\u4f60\u7684\u654c\u4eba\u3002
@ShixiangWang - \u4eba\u751f\u5c31\u662f\u65f6\u95f4\uff0c\u5b83\u5f88\u4e25\u8083\u4f46\u6bcf\u4e2a\u4eba\u53c8\u4e0d\u5f97\u4e0d\u9762\u5bf9\u3002\u201c\u6709\u6240\u601d\u201d\u624d\u80fd\u201c\u6709\u6240\u609f\u201d\uff0c\u201c\u6709\u6240\u609f\u201d\u65b9\u80fd\u6df1\u5165\u7406\u89e3\u81ea\u5df1\u4e2a\u4eba\u7684\u6b32\u671b\u6216\u76ee\u6807\uff0c\u7136\u540e\u901a\u8fc7\u65f6\u95f4\u7684\u7d2f\u79ef\u53bb\u79ef\u6512\u81ea\u5df1\u5bf9\u4e8e\u8fd9\u4e2a\u4e16\u754c\u72ec\u4e00\u65e0\u4e8c\u7684\u8ba4\u77e5\u3002\u628a\u65f6\u95f4\u5f53\u4f5c\u670b\u53cb\uff0c\u5584\u5f85\u5b83\uff0c\u4e5f\u8ba9\u5b83\u5e2e\u52a9\u4f60\u627e\u5230\u81ea\u5df1\u7684\u8def\u3002
1\u3001Science | Jeff Gore\u56e2\u961f\u63ed\u793a\u590d\u6742\u751f\u6001\u7cfb\u7edf\u4e2d\u6d8c\u73b0\u7684\u76f8\u53d8
\u751f\u6001\u5b66\u81f4\u529b\u4e8e\u7406\u89e3\u81ea\u7136\u751f\u6001\u7cfb\u7edf\u4e2d\u7684\u591a\u6837\u5316\u7684\u7269\u79cd\u548c\u590d\u6742\u7684\u52a8\u529b\u5b66\u884c\u4e3a\uff0c\u7136\u800c\u79d1\u5b66\u5bb6\u957f\u671f\u7f3a\u4e4f\u63cf\u8ff0\u548c\u9884\u6d4b\u751f\u7269\u591a\u6837\u6027\u548c\u751f\u6001\u52a8\u529b\u5b66\u7684\u7edf\u4e00\u6846\u67b6\u3002MIT\u7269\u7406\u7cfb\u7684\u80e1\u810a\u6881\u548cJeff Gore\u7b49\u79d1\u5b66\u5bb6\u7ed3\u5408\u7406\u8bba\u548c\u5fae\u751f\u7269\u7fa4\u843d\u5b9e\u9a8c\uff0c\u8bc1\u660e\u53ea\u9700\u8981\u638c\u63e1\u5c11\u91cf\u7fa4\u843d\u5c3a\u5ea6\u7684\u63a7\u5236\u53d8\u91cf\uff0c\u5c31\u53ef\u4ee5\u9884\u6d4b\u590d\u6742\u751f\u6001\u7cfb\u7edf\u7684\u884c\u4e3a\u3002\u70ed\u529b\u5b66\u63cf\u8ff0\u5927\u91cf\u6c14\u4f53\u5206\u5b50\u7684\u884c\u4e3a\u53ea\u9700\u8981\u6e29\u5ea6\u548c\u538b\u5f3a\u7b49\u5c11\u6570\u6d8c\u73b0\u7684\u72b6\u6001\u53d8\u91cf\uff0c\u800c\u4e0d\u9700\u8981\u77e5\u9053\u6bcf\u4e2a\u5206\u5b50\u7684\u5750\u6807\u548c\u901f\u5ea6\u3002Jeff Gore\u7b49\u4eba\u5728\u751f\u6001\u7f51\u7edc\u4e2d\u53d1\u73b0\u4e86\u7c7b\u4f3c\u7684\u7c97\u7c92\u5316\u63cf\u8ff0\u65b9\u6cd5\uff0c\u4ed6\u4eec\u7684\u5b9e\u9a8c\u548c\u7406\u8bba\u7ed3\u679c\u8868\u660e\uff0c\u53ea\u9700\u8981\u77e5\u9053\u7269\u79cd\u6570\u91cf\u548c\u5e73\u5747\u79cd\u95f4\u76f8\u4e92\u4f5c\u7528\u5f3a\u5ea6\u8fd9\u4e24\u4e2a\u7c97\u7c92\u5316\u53c2\u6570\uff0c\u5c31\u53ef\u4ee5\u9884\u6d4b\u751f\u6001\u7fa4\u843d\u4e2d\u6d8c\u73b0\u7684\u52a8\u529b\u5b66\u884c\u4e3a\u4ee5\u53ca\u76f8\u53d8\u3002\u7269\u79cd\u6570\u91cf\u548c\u5e73\u5747\u79cd\u95f4\u76f8\u4e92\u4f5c\u7528\u7684\u589e\u52a0\u4f1a\u5bfc\u81f4\u7fa4\u843d\u5728\u4e09\u4e2a\u6d8c\u73b0\u7684\u52a8\u529b\u5b66\u76f8\u4e4b\u95f4\u53d1\u751f\u76f8\u53d8\uff0c\u4ece\u6240\u6709\u7269\u79cd\u7a33\u5b9a\u5171\u5b58\u76f8\uff0c\u8f6c\u53d8\u5230\u90e8\u5206\u7269\u79cd\u7a33\u5b9a\u5171\u5b58\u76f8\uff0c\u6700\u7ec8\u8f6c\u53d8\u5230\u7269\u79cd\u6570\u91cf\u968f\u65f6\u95f4\u6301\u7eed\u632f\u8361\u76f8\u3002\u4ed6\u4eec\u8fd8\u53d1\u73b0\u9ad8\u7269\u79cd\u591a\u6837\u6027\u548c\u7fa4\u843d\u6301\u7eed\u9707\u8361\u4e4b\u95f4\u5b58\u5728\u6b63\u53cd\u9988\u3002\u76f8\u5173\u6210\u679c10\u67086\u65e5\u53d1\u8868\u4e8eScience\u6742\u5fd7\u6700\u65b0\u4e00\u671f\u3002
2\u3001Nature Communications | TidyMass: \u4e00\u4e2a\u9762\u5411\u5bf9\u8c61\u7684LC-MS\u6570\u636e\u53ef\u91cd\u590d\u5206\u6790\u8ba1\u7b97\u6846\u67b6
\u53ef\u91cd\u590d\u6027\u3001\u53ef\u8ffd\u6eaf\u6027\u548c\u900f\u660e\u5ea6(Reproducibility, traceability, and transparency)\u4e00\u76f4\u662fLC-MS\u6570\u636e\u5206\u6790\u7684\u957f\u671f\u5b58\u5728\u7684\u95ee\u9898\u3002\u867d\u7136\u73b0\u5728\u5df2\u7ecf\u5f00\u53d1\u4e86\u591a\u79cd\u5de5\u5177\uff0c\u4f46\u662f\u4ed6\u4eec\u4ecd\u7136\u5b58\u5728\u7740\u5c40\u9650\u6027\u3002\u56e0\u6b64\uff0c\u6211\u4eec\u5f00\u53d1\u4e86 tidyMass\u9879\u76ee(https://www.tidymass.org/)\uff0ctidyMass\u662f\u4e00\u4e2a\u57fa\u4e8eR\u8bed\u8a00\u7684\u7efc\u5408\u8ba1\u7b97\u6846\u67b6\uff0c\u53ef\u4ee5\u5b9e\u73b0LC-MS\u6570\u636e\u7684\u53ef\u8ffd\u6eaf\u3001\u53ef\u5171\u4eab\u548c\u53ef\u91cd\u590d\u7684\u6570\u636e\u5904\u7406\u548c\u5206\u6790\u5de5\u4f5c\u6d41\u7a0b\u3002TidyMass\u662f\u4e00\u4e2a\u5171\u4eab\u5e95\u5c42\u8bbe\u8ba1\u7406\u5ff5\u3001\u8bed\u6cd5\u548c\u6570\u636e\u7ed3\u6784\u7684R\u5305\u751f\u6001\u7cfb\u7edf\uff0c\u5b83\u63d0\u4f9b\u4e86\u4e00\u4e2a\u5168\u9762\u7684\u3001\u53ef\u91cd\u73b0\u7684\u548c\u9762\u5411\u5bf9\u8c61\u7684\u8ba1\u7b97\u6846\u67b6\u3002\u6a21\u5757\u5316\u67b6\u6784\u4f7ftidyMass\u6210\u4e3a\u4e00\u4e2a\u9ad8\u5ea6\u7075\u6d3b\u548c\u53ef\u6269\u5c55\u7684\u5de5\u5177\uff0c\u5176\u4ed6\u7528\u6237\u53ef\u4ee5\u6539\u8fdb\u5e76\u4e0e\u5176\u4ed6\u5de5\u5177\u96c6\u6210\u4ee5\u5b9a\u5236\u81ea\u5df1\u7684\u7ba1\u9053\u3002
3\u3001Genome Biology | \u764c\u75c7\u7a81\u53d8\u7ec4\u5b66\u7279\u5f81\u6570\u636e\u5197\u4f59\u666e\u904d\u5b58\u5728
\u7f8e\u56fd\u79d1\u7f57\u62c9\u591a\u5927\u5b66\u533b\u5b66\u9662\u7684\u7814\u7a76\u56e2\u961f\u5206\u6790\u4e86TCGA\u6cdb\u764c\u75c7\u56fe\u8c31\u4e2d\u7684\u7ec4\u5b66\u6570\u636e\u7c7b\u578b\uff0c\u5e76\u8bc4\u4f30\u5176\u4f5c\u4e3a\u764c\u75c7\u57fa\u56e0\u7a81\u53d8\u7684\u591a\u53d8\u91cf\u529f\u80fd\u8bfb\u6570\uff08readouts\uff09\u7684\u4f5c\u7528\u3002\u5206\u6790\u7ed3\u679c\u8868\u660e\uff0c\u76f8\u5bf9\u4e8e\u764c\u75c7\u7c7b\u578b\u6821\u6b63\u57fa\u7ebf\uff0c\u57fa\u56e0\u8868\u8fbe\u6570\u636e\u80fd\u591f\u5bf9\u5927\u591a\u6570\u57fa\u56e0\u7684\u7a81\u53d8\u72b6\u6001\u63d0\u4f9b\u826f\u597d\u7684\u9884\u6d4b\uff1b\u5bf9\u4e8e\u591a\u6570\u57fa\u56e0\u800c\u8a00\uff0c\u591a\u79cd\u6570\u636e\u7c7b\u578b\u51e0\u4e4e\u5177\u6709\u540c\u7b49\u6709\u6548\u7684\u9884\u6d4b\u80fd\u529b\u3002\u4e0e\u4f7f\u7528\u5355\u4e00\u6570\u636e\u7c7b\u578b\u7684\u6027\u80fd\u6700\u9ad8\u7684\u6a21\u578b\u76f8\u6bd4\uff0c\u5c06\u6570\u636e\u7c7b\u578b\u7ec4\u5408\u5230\u5355\u4e2a\u591a\u7ec4\u5b66\u6a21\u578b\u4e2d\u8fdb\u884c\u7a81\u53d8\u9884\u6d4b\u7684\u65b9\u6cd5\u51e0\u4e4e\u6ca1\u6709\u6027\u80fd\u4f18\u52bf\u3002\u8fd9\u4e00\u7814\u7a76\u7ed3\u679c\u5bf9\u672a\u6765\u6307\u5bfc\u764c\u75c7\u529f\u80fd\u57fa\u56e0\u7ec4\u5b66\u7684\u7814\u7a76\u5177\u6709\u6df1\u8fdc\u610f\u4e49\u3002
4\u3001Nature Methods | \u81ea\u7531\u63a2\u7d224D\u6838\u7ec4\u6570\u636e\u2014\u2014\u9a6c\u575a\u56e2\u961f\u53d1\u5e03Nucleome Browser\u5e73\u53f0
\u7531\u7f8e\u56fd\u5361\u5185\u57fa\u6885\u9686\u5927\u5b66\u8ba1\u7b97\u673a\u79d1\u5b66\u5b66\u9662\u9a6c\u575a\u56e2\u961f\u5f00\u53d1\u7684Nucleome Browser\u662f\u4e00\u7531\u591a\u4e2aWeb\u7ec4\u4ef6\u6784\u6210\uff0c\u7528\u6237\u6839\u636e\u5176\u9700\u6c42\u5bf9\u5176\u6570\u636e\u8fdb\u884c\u53ef\u89c6\u5316\u64cd\u4f5c\u7684\u5e73\u53f0\u3002\u901a\u8fc7\u8be5\u5e73\u53f0\uff0c\u7528\u6237\u53ef\u4ee5\u5145\u5206\u5229\u7528\u4e0d\u540c\u7c7b\u578b\u76844D\u6838\u7ec4\u6570\u636e\u548c\u4e0d\u540c\u76843D\u8868\u89c2\u57fa\u56e0\u7ec4\u5b66\u6570\u636e\u96c6\uff0c\u662f\u4e3a\u6700\u7ec8\u786e\u5b9a\u57fa\u56e0\u7ec4\u7ed3\u6784\u548c\u67d3\u8272\u8d28\u6784\u8c61\u5982\u4f55\u8c03\u8282\u5065\u5eb7\u548c\u75be\u75c5\u4e2d\u7684\u57fa\u56e0\u7ec4\u529f\u80fd\u63d0\u4f9b\u6709\u529b\u7684\u5de5\u5177\u3002
5\u3001\u56fd\u5bb6\u764c\u75c7\u4e2d\u5fc3\uff1a2023\u5e74\u6700\u65b0\u53d1\u5e03\u5168\u56fd\u5404\u7701\u764c\u75c7\u9ad8\u53d1\u5730\u56fe
3\u670822\u65e5\uff0c\u300a\u4e2d\u534e\u80bf\u7624\u6742\u5fd7\u300b\u53d1\u8868\u56fd\u5bb6\u764c\u75c7\u4e2d\u5fc3\u3001\u4e2d\u56fd\u533b\u5b66\u79d1\u5b66\u9662\u80bf\u7624\u533b\u9662\u7684\u91cd\u78c5\u6587\u7ae0\uff0c\u516c\u5e032016\u5e74\u4e2d\u56fd\u6076\u6027\u80bf\u7624\u6d41\u884c\u6570\u636e\uff0c\u9996\u6b21\u63d0\u4f9b\u5404\u7701\u4e3b\u8981\u764c\u8c31\u6d41\u884c\u60c5\u51b5\u3002
\u8fd9\u4efd\u62a5\u544a\u6839\u636e\u5168\u56fd\u5404\u80bf\u7624\u767b\u8bb0\u5904\u4e0a\u62a5\u81f3\u5168\u56fd\u80bf\u7624\u767b\u8bb0\u4e2d\u5fc3\u76842016\u5e74\u6076\u6027\u80bf\u7624\u767b\u8bb0\u6570\u636e\uff0c\u4f30\u8ba12016\u5e74\u4e2d\u56fd\u6076\u6027\u80bf\u7624\u6d41\u884c\u7279\u5f81\u3002\u7eb3\u5165\u7b26\u5408\u6570\u636e\u8d28\u63a7\u6807\u51c6\u7684487\u4e2a\u767b\u8bb0\u5904\u6570\u636e\u3002\u6309\u6027\u522b\u3001\u57ce\u4e61\u3001\u5e74\u9f84\u5206\u5c42\u8ba1\u7b97\u4e0d\u540c\u80bf\u7624\u7684\u53d1\u75c5\u7387\u548c\u6b7b\u4ea1\u7387\u3002\u7ed3\u5408\u4e2d\u56fd\u4eba\u53e3\u6570\u636e\uff0c\u4f30\u8ba12016\u5e74\u4e2d\u56fd\u6076\u6027\u80bf\u7624\u53d1\u75c5\u3001\u6b7b\u4ea1\u60c5\u51b5\u3002
\u7ed3\u679c\u663e\u793a\uff1a\u4e2d\u56fd\u5f53\u524d\u7684\u4e3b\u8981\u6076\u6027\u80bf\u7624\u5305\u62ec\u80ba\u764c\u3001\u7ed3\u76f4\u80a0\u764c\u3001\u80c3\u764c\u3001\u809d\u764c\u3001\u5973\u6027\u4e73\u817a\u764c\u7b49\uff0c\u524d5\u4f4d\u6076\u6027\u80bf\u7624\u53d1\u75c5\u7ea6\u5360\u5168\u90e8\u65b0\u53d1\u75c5\u4f8b\u768457.27%\u3002\u80ba\u764c\u3001\u809d\u764c\u3001\u80c3\u764c\u3001\u7ed3\u76f4\u80a0\u764c\u3001\u98df\u7ba1\u764c\u662f\u4e3b\u8981\u7684\u80bf\u7624\u6b7b\u56e0\uff0c\u7ea6\u5360\u5168\u90e8\u80bf\u7624\u6b7b\u4ea1\u75c5\u4f8b\u768469.25%\u3002
6\u3001\u7f16\u8bd1\u4ee3\u7801\u65f6\u52a8\u6001\u5730\u94fe\u63a5\u5e93
\u7f16\u8bd1\u8f6f\u4ef6\u5728\u4f60\u5982\u4f55\u8fd0\u884c\u4f60\u7684\u7cfb\u7edf\u65b9\u9762\u7ed9\u4f60\u5f88\u5927\u7684\u7075\u6d3b\u6027\u3002LD_LIBRARY_PATH \u53d8\u91cf\uff0c\u4ee5\u53ca GCC \u7684 -L \u548c -l \u9009\u9879\uff0c\u662f\u8fd9\u79cd\u7075\u6d3b\u6027\u7684\u7ec4\u6210\u90e8\u5206\u3002
7\u3001\u6df1\u5ea6\u5b66\u4e60\u4f18\u5316\u5165\u95e8\uff1aMomentum\u3001RMSProp \u548c Adam
\u8fd9\u7bc7\u6587\u7ae0\u4ecb\u7ecd\u4e86 3 \u79cd\u57fa\u4e8e\u68af\u5ea6\u4e0b\u964d\u6cd5\u6765\u89e3\u51b3\u75c5\u6001\u66f2\u7387\u540c\u65f6\u52a0\u5feb\u641c\u7d22\u901f\u5ea6\u7684\u65b9\u6cd5\u3002
8\u3001Visual Studio Code \u5f15\u5165 \u201c\u8fdc\u7a0b\u96a7\u9053\u201d \u529f\u80fd
\u201c\u8fdc\u7a0b\u96a7\u9053\u201d \u529f\u80fd \u662f VS Code 1.74 \u7248\u672c\u7684\u4e00\u4e2a\u4e3b\u8981\u7279\u6027\uff0c\u5b83\u53ef\u4ee5\u8ba9\u7528\u6237\u901a\u8fc7\u8fdc\u7a0b\u96a7\u9053\u529f\u80fd\uff0c\u4ece\u4efb\u4f55\u8bbe\u5907\u3001\u4efb\u4f55\u5730\u65b9\u5b89\u5168\u5730\u8bbf\u95ee\u81ea\u5df1\u7684\u673a\u5668\u548c VS \u4ee3\u7801\u3002\u8fdc\u7a0b\u96a7\u9053\u529f\u80fd\u53ef\u4ee5\u8ba9\u7528\u6237\u5728\u4e0d\u9700\u8981 SSH \u7684\u60c5\u51b5\u4e0b\uff0c\u901a\u8fc7 vscode.dev \u6216 VS Code \u684c\u9762\u5ba2\u6237\u7aef\uff0c\u521b\u5efa\u4e00\u4e2a\u5230\u4efb\u4f55\u673a\u5668\u7684\u8fde\u63a5\uff0c\u4f8b\u5982\u8fdc\u7a0b\u684c\u9762\u3001\u865a\u62df\u673a\u6216 WSL \u53d1\u884c\u7248\u3002
\u7528\u6237\u53ef\u4ee5\u901a\u8fc7\u4e09\u79cd\u65b9\u5f0f\u542f\u7528\u8fdc\u7a0b\u96a7\u9053\u8bbf\u95ee\u529f\u80fd\uff1a
\u4e0b\u8f7d\u65b0\u7684 VS Code CLI\uff0c\u5e76\u8fd0\u884c ./code tunnel \u547d\u4ee4\uff0c\u8fd9\u9002\u7528\u4e8e\u65e0\u6cd5\u5728\u8fdc\u7a0b\u8ba1\u7b97\u673a\u4e0a\u5b89\u88c5 VS Code \u7684\u60c5\u51b5\uff0c\u4f8b\u5982\u9501\u5b9a\u7684\u673a\u5668\u6216 VM\u3002
\u5b98\u65b9\u6587\u6863\uff1ahttps://code.visualstudio.com/blogs/2022/12/07/remote-even-better
9\u3001marktext | \u7b80\u5355\u4f18\u96c5\u7684 Markdown \u7f16\u8f91\u5668
\u514d\u8d39\u3001\u5f00\u6e90\u3001\u591a\u5e73\u53f0\u652f\u6301\uff01
10\u3001\u57fa\u4e8e\u7a7a\u95f4\u548c\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u5b66\u6570\u636e\u7684\u8f6c\u5f55\u5206\u5e03\u9884\u6d4b\u548c\u7ec6\u80de\u7c7b\u578b\u89e3\u6790\u6574\u5408\u65b9\u6cd5\u7684\u8bc4\u6d4b
11\u3001DeepLinc | deep-learning framework for landscapes of interacting cells
DeepLinc \u662f\u4e00\u79cd\u7528\u4e8e\u4ece\u5355\u7ec6\u80de\u7a7a\u95f4\u8f6c\u5f55\u7ec4\u6570\u636e\u4e2d\u8fdb\u884c\u5168\u65b0\u91cd\u5efa\u7ec6\u80de\u76f8\u4e92\u4f5c\u7528\u666f\u89c2\u7684\u5de5\u5177\u3002DeepLinc \u63d0\u4f9b\u4ee5\u4e0b\u5b9e\u7528\u5de5\u5177\uff1a\uff081\uff09\u4ece\u4e0d\u5b8c\u6574\u548c\u5608\u6742\u7684\u9884\u5b9a\u4e49\u7ec6\u80de\u76f8\u4e92\u4f5c\u7528\u96c6\u4e2d\u5b66\u4e60\uff1b\uff082\uff09\u53bb\u9664\u5047\u9633\u6027\u5c40\u90e8\u76f8\u4e92\u4f5c\u7528\u5e76\u91cd\u5efa\u73b0\u6709\u76f8\u4e92\u4f5c\u7528\uff1b\uff083\uff09\u6062\u590d\u548c\u91cd\u65b0\u751f\u6210\u66f4\u52a0\u65e0\u504f\u89c1\u548c\u5b8c\u6574\u7684\u7ec6\u80de\u76f8\u4e92\u4f5c\u7528\u666f\u89c2\uff0c\u5305\u62ec\u8fd1\u8ddd\u79bb\u548c\u8fdc\u8ddd\u79bb\u76f8\u4e92\u4f5c\u7528\uff1b\uff084\uff09\u8bc4\u4f30\u7ec6\u80de\u7c7b\u578b\u4e4b\u95f4\u76f8\u4e92\u4f5c\u7528\u7684\u8fc7\u5ea6\u6216\u4e0d\u8db3\u8868\u8fbe\uff1b\uff085\uff09\u63d0\u53d6\u4e0e\u7ec6\u80de\u76f8\u4e92\u4f5c\u7528\u76f8\u5173\u7684\u6f5c\u5728\u7279\u5f81\uff1b\uff086\uff09\u8bc6\u522b\u591a\u7ec6\u80de\u57df\uff0c\u4ee5\u63d0\u4f9b\u7ec4\u7ec7\u7ed3\u6784\u7ec4\u7ec7\u7684\u4fe1\u606f\u3002
12\u3001rex\uff1aR\u8bed\u8a00\u53cb\u597d\u7684\u6b63\u5219\u8868\u8fbe\u5f0f\u5de5\u5177
\u6b63\u5219\u8868\u8fbe\u5f0f\u662f\u975e\u5e38\u5f3a\u5927\u7684\u529f\u80fd\uff0c\u4f46\u5176\u4ee3\u7801\u901a\u5e38\u5f88\u4e0d\u5df2\u8bfb\u3002rex\u8fd9\u4e2aR\u5305\u53ef\u4ee5\u5141\u8bb8\u4f60\u4ee5\u4eba\u7c7b\u53ef\u8bfb\u7684\u65b9\u5f0f\u6784\u5efa\u590d\u6742\u7684\u6b63\u5219\u8868\u8fbe\u5f0f\u3002\u4f46\u662f\u73b0\u5728\u6709\u4e86chatGPT\uff0c\u6b63\u5219\u8868\u8fbe\u5f0f\u8c8c\u4f3c\u6ca1\u6709\u4ee5\u524d\u90a3\u4e48\u56f0\u96be\u4e86\u3002
13\u3001MuSiCal | \u7a81\u53d8\u7279\u5f81\u5206\u6790\u5de5\u5177
MuSiCal \u4e00\u6b3e\u57fa\u4e8ePython 3.7\u73af\u5883\u4e0b\u7684\u7a81\u53d8\u7279\u5f81\u5206\u6790\u5de5\u5177\u3002\u4f5c\u8005\u63d0\u4f9b\u4e86Jupyter Notebook \u793a\u4f8b\u811a\u672c\uff0c\u8d76\u5feb\u53bb\u4f53\u9a8c\u4e00\u4e0bMuSiCal \u7684\u529f\u80fd\u3002
14\u3001tickle | \u5728\u57fa\u672c\u7684 R \u4e2d\u8f7b\u677e\u521b\u5efa\u7528\u6237\u754c\u9762
{tickle} \u662f\u4e00\u4e2a\u7528\u4e8e\u5728\u57fa\u672c\u7684 R \u4e2d\u521b\u5efa\u7528\u6237\u754c\u9762\u7684\u5305\u3002
\u8be5\u8f6f\u4ef6\u5305\u65e8\u5728\u63d0\u4f9b\uff1a
15\u3001\u514d\u8d39\u597d\u7528\u7684ChatGPT\u955c\u50cf\u7ad9\u70b9
\u672c\u8d44\u6e90\u6574\u7406\u4e8670\u591a\u4e2a\u597d\u7528\u7684ChatGPT\u955c\u50cf\u7ad9\u70b9\uff0c\u5728\u8fd1\u65e5\u5927\u89c4\u6a21\u5c01\u53f7\u60c5\u51b5\u4e0b\u5927\u5bb6\u53ef\u4ee5\u5c1d\u8bd5\u4e00\u4e0b\u3002
16\u30016 \u4e2a\u673a\u5668\u5b66\u4e60\u53ef\u89e3\u91ca\u6027\u6846\u67b6\uff01
\u968f\u7740\u4eba\u5de5\u667a\u80fd\u7684\u53d1\u5c55\u4e3a\u4e86\u89e3\u51b3\u5177\u6709\u6311\u6218\u6027\u7684\u95ee\u9898\uff0c\u4eba\u4eec\u521b\u9020\u4e86\u66f4\u590d\u6742\u3001\u66f4\u4e0d\u900f\u660e\u7684\u6a21\u578b\u3002AI\u5c31\u50cf\u4e00\u4e2a\u9ed1\u5323\u5b50\uff0c\u80fd\u81ea\u5df1\u505a\u51fa\u51b3\u5b9a\uff0c\u4f46\u662f\u4eba\u4eec\u5e76\u4e0d\u6e05\u695a\u5176\u4e2d\u7f18\u7531\u3002
\u5efa\u7acb\u4e00\u4e2aAI\u6a21\u578b\uff0c\u8f93\u5165\u6570\u636e\uff0c\u7136\u540e\u518d\u8f93\u51fa\u7ed3\u679c\uff0c\u4f46\u6709\u4e00\u4e2a\u95ee\u9898\u5c31\u662f\u6211\u4eec\u4e0d\u80fd\u89e3\u91caAI\u4e3a\u4f55\u4f1a\u5f97\u51fa\u8fd9\u6837\u7684\u7ed3\u8bba\u3002\u9700\u8981\u4e86\u89e3AI\u5982\u4f55\u5f97\u51fa\u67d0\u4e2a\u7ed3\u8bba\u80cc\u540e\u7684\u539f\u56e0\uff0c\u800c\u4e0d\u662f\u4ec5\u4ec5\u63a5\u53d7\u4e00\u4e2a\u5728\u6ca1\u6709\u4e0a\u4e0b\u6587\u6216\u89e3\u91ca\u7684\u60c5\u51b5\u4e0b\u8f93\u51fa\u7684\u7ed3\u679c\u3002\u5728\u672c\u6587\u4e2d\uff0c\u5c06\u4ecb\u7ecd6\u4e2a\u7528\u4e8e\u673a\u5668\u5b66\u4e60\u53ef\u89e3\u91ca\u6027\u7684Python\u6846\u67b6\u3002
17\u3001icons | \u7f51\u7edc\u56fe\u6807\u5e93
icons\u5305\u53ef\u4ee5\u8ba9\u7528\u6237\u5728\u62a5\u544a\u3001\u6f14\u793a\u548c\u5e94\u7528\u4e2d\u8f7b\u677e\u5730\u6dfb\u52a0\u7f51\u7edc\u56fe\u6807\u3002\u5b83\u96c6\u6210\u4e86\u8bb8\u591a\u6765\u81ea\u7f51\u7edc\u7684\u6d41\u884c\u56fe\u6807\u5e93\u3002\u6bd4\u5982\uff1aFont Awesome \u3001Academicons\u3001Simple Icons\u3001Google\u2019s Material Design\u3001Octicons\u3001Feather Icons\u3001Bioicons \u7b49\u3002
"},{"location":"issue-72/#_7","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09@kongjianyang\uff08\u7a7a\u95f4\u9633\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-73/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 73 \u671f\uff09\uff1a\u8fc4\u4eca\u4e3a\u6b62\u6700\u5f00\u653e\u3001\u6210\u679c\u6700\u591a\u7684\u5927\u961f\u5217\u662f\u5982\u4f55\u5efa\u6210\u7684","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-73/#_1","title":"\u5c01\u9762\u56fe","text":"\u6765\u6e90\uff1a\u6817\u5e73/TNC Photo Contest 2022
"},{"location":"issue-73/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a","text":"\u8fc4\u4eca\u4e3a\u6b62\u6700\u5f00\u653e\u3001\u6210\u679c\u6700\u591a\u7684\u5927\u961f\u5217\u662f\u5982\u4f55\u5efa\u6210\u7684
\u4ece\u83b7\u5f97\u9996\u4e2a\u4eba\u7c7b\u57fa\u56e0\u7ec4\u5df2\u7ecf\u8fc7\u53bb\u4e86\u4e8c\u5341\u5e74\uff0c\u5728\u5f53\u65f6\uff0c\u4eba\u4eec\u66fe\u7545\u60f3\u5728\u83b7\u5f97\u57fa\u56e0\u7ec4\u4e4b\u540e\u5c31\u53ef\u4ee5\u4e86\u89e3\u5230\u6bcf\u4e00\u4e2a\u57fa\u56e0\u751a\u81f3\u662f\u78b1\u57fa\u7684\u5177\u4f53\u529f\u80fd\u3002\u4f46\u662f\u4e8c\u5341\u5e74\u8fc7\u53bb\u4e86\uff0c\u867d\u7136\u5bf9\u4e8e\u4eba\u7c7b\u57fa\u56e0\u7ec4\u7684\u7814\u7a76\u5728\u6cbb\u7597\u764c\u75c7\u3001\u5bfb\u627e\u836f\u7269\u9776\u70b9\u4ee5\u53ca\u8bca\u65ad\u75be\u75c5\u83b7\u5f97\u4e86\u4e00\u5b9a\u7a0b\u5ea6\u7684\u8fdb\u5c55\uff0c\u4f46\u662f\u6211\u4eec\u4ecd\u65e7\u7f3a\u4e4f\u57fa\u56e0\u5bf9\u4e8e\u8870\u8001\u3001\u590d\u6742\u6027\u72b6\u4ee5\u53ca\u75be\u75c5\u751a\u81f3\u662f\u4e00\u4e9b\u5355\u57fa\u56e0\u81f4\u75c5\u75be\u75c5\u7684\u5177\u4f53\u5f71\u54cd\u3002\u5bf9\u4e8e\u76ee\u524d\u7684\u8fd9\u79cd\u56f0\u5883\uff0c\u5176\u4e2d\u4e00\u4e2a\u91cd\u8981\u7684\u539f\u56e0\u5c31\u662f\u9ad8\u8d28\u91cf\u8868\u578b\u6570\u636e\u7684\u7f3a\u4e4f\uff0c\u56e0\u6b64\u65e0\u6cd5\u901a\u8fc7\u7edf\u8ba1\u5b66\u7684\u65b9\u6cd5\u5bfb\u6c42\u6027\u72b6\u4e0e\u57fa\u56e0\u4e4b\u95f4\u7684\u5177\u4f53\u5173\u8054\u3002\u9488\u5bf9\u8fd9\u4e00\u95ee\u9898\uff0c\u4e00\u4e9b\u5305\u542b\u6709\u9057\u4f20\u6570\u636e\u7684\u8d85\u5927\u578b\u524d\u77bb\u6027\u961f\u5217\u5e94\u8fd0\u800c\u751f\uff0c\u5176\u4e2d\u6700\u5177\u6709\u4ee3\u8868\u6027\u7684\u5c31\u662f\u82f1\u56fd\u751f\u7269\u94f6\u884c\uff08UK Biobank\uff09\u3002
@JnanZhang\uff1a\u201d\u751f\u7269\u6837\u672c\u5e93\u4f5c\u4e3a\u751f\u547d\u79d1\u5b66\u57fa\u7840\u7814\u7a76\u4e0e\u8f6c\u5316\u533b\u5b66\u7814\u7a76\u7684\u5b9d\u8d35\u8d44\u6e90\uff0c\u5176\u91cd\u8981\u6027\u65e5\u76ca\u51f8\u663e\uff0c\u82f1\u56fd\u751f\u7269\u94f6\u884c\u5df2\u6210\u4e3a\u4e86\u5927\u6570\u636e\u65f6\u4ee3\u4e0b\u5168\u4e16\u754c\u961f\u5217\u7814\u7a76\u7684\u6807\u6746\u3002\u201d
1\u3001Genome Biology | \u7eb3\u7c73\u5b54\u6d4b\u5e8f\u53ef\u7528\u4e8e\u68c0\u6d4bcfDNA\u7684\u7ec6\u80de\u8d77\u6e90\u548c\u764c\u75c7\u7279\u5f02\u6027\u7532\u57fa\u5316\u7279\u5f81 \u7ec6\u80de\u6e38\u79bbDNA\uff08cfDNA\uff09\u643a\u5e26\u8d77\u6e90\u7ec4\u7ec7\u7684\u4fe1\u606f\u7279\u5f81\uff0c\u5305\u62ec\u57fa\u56e0\u7ec4\u6539\u53d8\u3001DNA\u4fee\u9970\u548c\u7ec6\u80de\u7c7b\u578b\u7279\u5f02\u6027\u7247\u6bb5\u5316\u6a21\u5f0f\u7b49\u3002\u5176\u4e2d\uff0cDNA\u7532\u57fa\u5316\u662f\u6cdb\u764c\u7b5b\u67e5\u7814\u7a76\u4e2d\u5f88\u6709\u5e94\u7528\u524d\u666f\u7684cfDNA\u751f\u7269\u6807\u5fd7\u7269\u3002\u8fd1\u65e5\uff0c\u6765\u81ea\u4ee5\u8272\u5217\u5e0c\u4f2f\u6765\u5927\u5b66\u7b49\u5355\u4f4d\u7684\u7814\u7a76\u4eba\u5458\u5728Genome Biology\u6742\u5fd7\u53d1\u8868\u4e86\u9898\u4e3a\u201cDetecting cell\u2011of\u2011origin and cancer\u2011specific methylation features of cell\u2011free DNA from Nanopore sequencing\u201d\u7684\u7814\u7a76\u6587\u7ae0\u3002\u7814\u7a76\u56e2\u961f\u8fdb\u884c\u4e86\u5faa\u73af\u80bf\u7624DNA\uff08ctDNA\uff09ONT \uff08Oxford Nanopore Technologies\uff09\u6d4b\u5e8f\u7684\u53ef\u884c\u6027\u7814\u7a76\uff0c\u57fa\u4e8eONT\u5168\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u68c0\u6d4b\u764c\u75c7\u60a3\u8005ctDNA\u7684\u62f7\u8d1d\u6570\u53d8\u5f02\uff08CNA\uff09\uff0c\u5e76\u901a\u8fc7\u6bd4\u8f83ONT\u6d4b\u5e8f\u4e0e\u77ed\u8bfb\u957f\u6d4b\u5e8f\u5e73\u53f0\u83b7\u5f97\u7684\u7532\u57fa\u5316\u548c\u7247\u6bb5\u7279\u5f81\u4fe1\u606f\uff0c\u8bc1\u5b9e\u4e86ONT\u6d4b\u5e8f\u53ef\u6210\u4e3a\u6db2\u4f53\u6d3b\u68c0\u7684\u6709\u529b\u5de5\u5177\u3002
2\u3001Cell Genomics\uff5c\u7a7a\u95f4\u591a\u7ec4\u5b66\u6280\u672f\u89e3\u6790\u80bf\u7624\u5185\u7a7a\u95f4\u5f02\u8d28\u6027 \u672c\u7814\u7a76\u5229\u7528\u591a\u533a\u57df\u8d28\u8c31\u5206\u6790\uff08>5000\u4e2a\u533a\u57df\uff09\uff0c\u591a\u533a\u57df\u5355\u7ec6\u80de\u62f7\u8d1d\u6570\u6d4b\u5e8f\uff08~2000\u4e2a\u5355\u7ec6\u80de\uff09\uff0c\u4ee5\u53ca\u5faa\u73af\u514d\u75ab\u8367\u5149\uff08>1000\u4e07\u4e2a\u7ec6\u80de\uff09\u4e09\u79cd\u7a7a\u95f4\u7ec4\u5b66\u6280\u672f\uff0c\u5bf9147\u540d\u80ba\u817a\u764c\u60a3\u8005\u7684\u80bf\u7624\u8fdb\u884c\u4e86\u7a7a\u95f4\u591a\u7ec4\u5b66\u5206\u6790\u3002\u5728\u80bf\u7624\u4e2d\u53d1\u73b0\u4e86\u4e24\u79cd\u4e0d\u540c\u7684\u7a7a\u95f4\u5f02\u8d28\u6027\u6a21\u5f0f\uff0c\u5b9a\u4e49\u4e3a\u805a\u96c6\u6a21\u5f0f\uff08Clustered\uff09\u548c\u968f\u673a\u6a21\u5f0f\uff08Random\uff09\u7a7a\u95f4\u591a\u6837\u6027\uff08geographic diversification\uff0c GD\uff09\u3002\u5e76\u5229\u7528\u86cb\u767d\u8d28\u7ec4\u548c\u57fa\u56e0\u7ec4\u6570\u636e\u5728\u76f8\u540c\u7684\u6837\u672c\u4e2d\u89c2\u5bdf\u5230\u4e86\u4e00\u81f4\u7684\u7a7a\u95f4\u6a21\u5f0f\u3002\u968f\u673a\u6a21\u5f0f\u7684\u80bf\u7624\uff0c\u5176\u7279\u70b9\u662f\u7ec6\u80de\u7c98\u9644\u529b\u4e0d\u8db3\u548c\u80bf\u7624\u4e92\u4f5c\u5185\u76ae\u7ec6\u80de\u6c34\u5e73\u8f83\u4f4e\uff0c\u5728\u4e24\u4e2a\u72ec\u7acb\u7684\u60a3\u8005\u961f\u5217\u4e2d\u4e0e\u590d\u53d1\u6216\u6b7b\u4ea1\u98ce\u9669\u7684\u589e\u52a0\u663e\u8457\u76f8\u5173\u3002 - \u8bba\u6587\u94fe\u63a5\uff1ahttps://www.cell.com/cell-genomics/fulltext/S2666-979X(22)00107-0
3\u3001Nat. Commun|13.5\u5c0f\u65f6\u5373\u53ef\u83b7\u5f97WGS\u8bca\u65ad\u7ed3\u679c\uff01\u9057\u4f20\u75c5\u5feb\u901f\u8bca\u65ad\u7ba1\u7406\u7cfb\u7edfGTRx\u4e0e\u65f6\u95f4\u8d5b\u8dd1
\u7814\u7a76\u56e2\u961f\u5f00\u53d1\u4e86\u4e00\u4e2a13.5\u5c0f\u65f6\u7684\u8bca\u65ad\u7cfb\u7edfGTRx\uff0c\u7528\u4e8e\u81ea\u52a8\u5316\u9057\u4f20\u75c5\u8bca\u65ad\u548c\u6025\u6027\u7ba1\u7406\u6307\u5bfc\uff0c\u4ee5\u5728\u6269\u5927rWGS\u7684\u4f7f\u7528\u8303\u56f4\uff0c\u5e2e\u52a9\u4e00\u7ebf\u533b\u751f\u5728ICU\u4e2d\u62a4\u7406\u5371\u91cd\u5a74\u513f\u548c\u513f\u7ae5\u3002\u636e\u4ecb\u7ecd\uff0cGTRx\u7cfb\u7edf\u4e3a\u539f\u578b\u7cfb\u7edf\uff0c\u4ec5\u5305\u542b\u7ea6500\u79cd\u8fdb\u5c55\u8fc5\u901f\u4e14\u6709\u6709\u6548\u6cbb\u7597\u65b9\u6cd5\u7684\u9057\u4f20\u75be\u75c5\u3002\u5728\u9a8c\u8bc1\u4e34\u5e8a\u5b9e\u7528\u6027\u540e\uff0c\u8be5\u7cfb\u7edf\u5c06\u6269\u5c55\u5230\u6240\u6709\u9057\u4f20\u75be\u75c5\uff0c\u4f7f\u4e00\u7ebf\u533b\u751f\u80fd\u591f\u5728\u8bc4\u4f30\u6f5c\u5728\u9057\u4f20\u75c5\u56e0\u53ca\u5176\u5bf9\u60a3\u8005\u7684\u540e\u7eed\u6cbb\u7597\u65b9\u9762\u53d1\u6325\u66f4\u79ef\u6781\u7684\u4f5c\u7528\u3002
4\u3001Nat. Commun|\u4faf\u82f1\u52c7/\u4e01\u741b/\u8d3a\u798f\u521d\u56e2\u961f\u5408\u4f5c\u53d1\u5e03\u4e2d\u56fd\u4eba\u7fa4\u9cde\u72b6\u7ec6\u80de\u764c\u86cb\u767d\u8d28\u7ec4\u5b66\u56fe\u8c31\uff0c\u63ed\u793a\u9cde\u72b6\u7ec6\u80de\u764c\u548c\u817a\u764c\u7684\u5206\u5b50\u5dee\u5f02
\u590d\u65e6\u5927\u5b66\u9644\u5c5e\u4e2d\u5c71\u533b\u9662\u4faf\u82f1\u52c7\u56e2\u961f\u3001\u590d\u65e6\u5927\u5b66\u4eba\u7c7b\u8868\u578b\u7ec4\u7814\u7a76\u9662\u4e01\u741b\u56e2\u961f\u4ee5\u53ca\u5317\u4eac\u751f\u547d\u79d1\u5b66\u7814\u7a76\u6240\u8d3a\u798f\u521d\u56e2\u961f\u5408\u4f5c\uff0c\u901a\u8fc7\u7cfb\u7edf\u5730\u86cb\u767d\u8d28\u7ec4\u5b66\u5206\u6790\u63ed\u793a\u4e86\u4e2d\u56fd\u4eba\u7fa4SCCs\u548cACs\u4e4b\u95f4\u7684\u5dee\u5f02\uff0c\u5e76\u521d\u6b65\u9610\u660e\u4e86\u80bf\u7624\u53d1\u751f\u673a\u5236\u548c\u6cbb\u7597\u7b56\u7565\u3002\u901a\u8fc7\u5bf9\u86cb\u767d\u8d28\u7ec4\u6570\u636e\u8fdb\u884c\u6df1\u5165\u5206\u6790\uff0c\u6784\u5efa\u4e86\u5305\u542b19\u4e2a\u86cb\u767d\u7684\u8bca\u65ad\u5206\u7c7b\u5668\uff0c\u5e76\u9a8c\u8bc1\u4e86PRKCE\u3001SLC27A1\u548cCPXM2\u7684\u8bca\u65ad\u4ef7\u503c\u3002\u8be5\u7814\u7a76\u8bc1\u5b9e\u6df1\u5ea6\u86cb\u767d\u8d28\u7ec4\u5b66\u7814\u7a76\u80fd\u591f\u5e26\u6765\u529f\u80fd\u4e0a\u7684\u65b0\u89c1\u89e3\uff0c\u5c06\u6709\u52a9\u4e8e\u63a8\u52a8\u672a\u6765\u7684\u673a\u5236\u63a2\u7d22\u548c\u7cbe\u51c6\u6cbb\u7597\u3002 - \u8bba\u6587\u94fe\u63a5\uff1ahttps://www.nature.com/articles/s41467-022-31719-0
"},{"location":"issue-73/#_4","title":"\u535a\u6587\u8d44\u8baf","text":"5\u3001\u5982\u4f55\u5728\u5206\u9762\u4e2d\u6dfb\u52a0\u6570\u5b66\u8868\u8fbe\u5f0f\u6807\u7b7e?
\u8bbe\u7f6e\u6570\u5b66\u8868\u8fbe\u5f0f\u662f\u79d1\u7814\u7ed8\u56fe\u7684\u4e00\u4e2a\u9700\u6c42\uff0c\u672c\u6587\u4ecb\u7ecd\u4e86\u4f7f\u7528 expression() \u51fd\u6570\u5b9a\u4e49\u8868\u8fbe\u5f0f\u6807\u7b7e\uff0c\u5e76\u901a\u8fc7 ggplot2 \u8fdb\u884c\u7ed8\u5236\u5c55\u793a\u3002
6\u3001 DESeq2 \u7684 vst\u3001rlog \u548c normalized value \u50bb\u50bb\u5206\u4e0d\u6e05? \u5e73\u5e38\u6211\u4eec\u7ed8\u5236\u70ed\u56fe\u4ec0\u4e48\u7684\u6570\u636e\u57fa\u672c\u4e0a\u7528\u7684\u53ef\u80fd\u662f TPM/FPKM/RPKM, \u6216\u8005\u4f7f\u7528 DESeq2 \u7684\u5f52\u4e00\u5316\u503c normalized_counts <- counts(dds, normalized=TRUE) \u3002\u90a3\u4e48\u548c vst \u548c rlog \u53c8\u6709\u4ec0\u4e48\u533a\u522b\u5462?\u672c\u6587\u89e3\u51b3\u4e0b\u9762\u4e24\u4e2a\u95ee\u9898: 1.\u624b\u52a8\u7531 counts \u6570\u636e\u8ba1\u7b97 vst\u3001rlog\u3001normalized value\u3002 2.\u63a2\u7d22\u5b83\u4eec\u4e4b\u95f4\u7684\u533a\u522b\u3002
7\u3001\u4e25\u8c28\u7684\u751f\u5b58\u5206\u6790
\u5728\u751f\u7269\u533b\u5b66\u7814\u7a76\u4e2d\uff0c\u751f\u5b58\u5206\u6790\u662f\u975e\u5e38\u91cd\u8981\u548c\u5e38\u89c1\u7684\u5206\u6790\u65b9\u6cd5\u3002\u5176\u4e2dCox\u6a21\u578b\u662f\u751f\u5b58\u5206\u6790\u4e2d\u5e38\u89c1\u7684\u6a21\u578b\uff0c\u53ef\u7528\u6765\u63cf\u8ff0\u4e00\u4e2a\u5bff\u547d\u7c7b\u53d8\u91cf\u548c\u82e5\u5e72\u56e0\u7d20\u4e4b\u95f4\u7684\u5173\u7cfb\u3002\u672c\u6587\u901a\u8fc7\u4e00\u9879\u5375\u5de2\u764c\u7684\u9884\u540e\u5206\u6790\u5de5\u4f5c\u63a2\u8ba8\u4e86\u5728\u5e94\u7528Cox\u6a21\u578b\u5206\u6790\u65f6\u5019\u5bf9\u4e8e\u5b9e\u9645\u6570\u636e\u7684\u4e00\u4e9b\u5904\u7406\uff0c\u4f7f\u5f97\u5904\u7406\u7684\u6570\u636e\u65e2\u8981\u5408\u7406\u4e5f\u4e0d\u81f3\u4e8e\u635f\u5931\u592a\u5927\u4fe1\u606f\u3002\u503c\u5f97\u4e00\u8bfb\u3002
8\u3001EGA \u6570\u636e\u7533\u8bf7\u4e0e\u4e0b\u8f7d
\u672c\u6587\u7528\u4e00\u4e2a\u5177\u4f53\u5b9e\u4f8b\u4ecb\u7ecd\u4e86\u5982\u4f55\u5728European Genome-phenome Archive\uff08EGA\uff1a\u6536\u96c6\u4e86\u591a\u79cd\u6d4b\u5e8f\u4ee5\u53ca\u5206\u578b\u6570\u636e\uff0c\u5982\u57fa\u56e0\u7ec4\u5173\u8054\u5206\u6790\u3001\u5206\u5b50\u8bca\u65ad\u4ee5\u53ca\u5404\u79cd\u76ee\u7684\u7684\u6d4b\u5e8f\u6570\u636e\uff09\u7533\u8bf7\u6570\u636e\u4ee5\u53ca\u540e\u7eed\u4e0b\u8f7d\u64cd\u4f5c\u3002
9\u3001Huxtable \uff5c \u521b\u5efaLaTeX\u548cHTML\u8868\u7684\u53cb\u597d\u73b0\u4ee3\u63a5\u53e3
Huxtable \u662f\u4e00\u4e2a\u5f3a\u5927\u7684\u8868\u683c\u5c55\u793a\u5de5\u5177\uff0c\u5177\u6709\u591a\u6837\u7684\u4f7f\u7528\u65b9\u5f0f\uff0c\u5b8c\u5584\u7684\u6587\u6863\uff0c\u4e30\u5bcc\u7684\u6837\u5f0f\u548c\u5bfc\u51fa\u7b49\u7279\u6027\uff0c\u975e\u5e38\u503c\u5f97\u5c1d\u8bd5\u3002
10\u3001 \u53ef\u89c6\u5316\u4ee3\u7801\u5e93\u76847\u79cd\u5de5\u5177
\u5f53\u9700\u8981\u64b0\u5199README\u6587\u4ef6\u65f6\uff0c\u53ef\u80fd\u4f1a\u56e0\u4e3a\u4e0d\u77e5\u8be5\u8bf4\u4ec0\u4e48\u800c\u611f\u5230\u7ea0\u7ed3\uff0c\u8fd9\u65f6\u5c31\u53ef\u4ee5\u8003\u8651\u7528\u56fe\u8868\u6765\u66f4\u597d\u7684\u8868\u73b0\u4f60\u7684\u60f3\u6cd5\u3002\u6bd5\u7adf\uff0c\u4e00\u56fe\u80dc\u5343\u8a00\u3002\u672c\u6587\u5c31\u4ecb\u7ecd\u4e867\u79cd\u53ef\u89c6\u5316\u4ee3\u7801\u5e93\u7684\u5de5\u5177\u3002
11\u3001Glasbey\u5206\u7c7b\u8272\u677f\u5de5\u5177
Glasbey\u5de5\u5177\u662f\u901a\u8fc7\u7b97\u6cd5\u521b\u5efa\u7528\u4e8e\u5206\u7c7b\u6570\u636e\u7684\u989c\u8272\u8c03\u8272\u677f\uff0c\u4e0e\u9884\u5b9a\u4e49\u7684\u8c03\u8272\u677f\u76f8\u6bd4\uff0c\u5b83\u66f4\u7075\u6d3b\uff0c\u6613\u4e8e\u4f7f\u7528\uff0c\u5e76\u4e14\u53ef\u4ee5\u6269\u5c55\u73b0\u6709\u8c03\u8272\u677f\u3002\u6b64\u5916\u8fd8\u53ef\u4ee5\u751f\u6210\u9002\u7528\u4e8e\u5206\u5c42\u7c7b\u522b\u7684\u5757\u72b6\u8c03\u8272\u677f\u3002 - github: https://github.com/lmcinnes/glasbey
12\u3001https://github.com/enblacar/SCpubr
\u8be5R\u5305\u65e8\u5728\u63d0\u4f9b\u4e00\u79cd\u7b80\u5316\u7684\u65b9\u6cd5\uff0c\u4ee5\u201cpub lication ready\u201d\u683c\u5f0f\uff08SCpubr\uff09\u4e3a\u5df2\u77e5\u7684Single-Cell\u81ea\u52a8\u751f\u6210\u9ad8\u8d28\u91cf\u7684\u7ed8\u56fe\u3002
"},{"location":"issue-73/#_6","title":"\u8d44\u6e90","text":"13\u3001\u901a\u4fd7\u6613\u61c2\u7684\u673a\u5668\u5b66\u4e60
\u5bf9\u4e8e\u4e86\u89e3\u673a\u5668\u5b66\u4e60\uff0c\u5982\u679c\u9605\u8bfb\u7f51\u4e0a\u5173\u4e8e\u673a\u5668\u5b66\u4e60\u7684\u6587\u7ae0\uff0c\u4f60\u5f88\u53ef\u80fd\u4f1a\u9047\u5230\u4e24\u79cd\u60c5\u51b5\uff1a\u5145\u65a5\u5404\u79cd\u5b9a\u7406\u7684\u539a\u91cd\u5b66\u672f\u4e09\u90e8\u66f2\uff0c\u6216\u662f\u5173\u4e8e\u4eba\u5de5\u667a\u80fd\u3001\u6570\u636e\u79d1\u5b66\u9b54\u6cd5\u4ee5\u53ca\u672a\u6765\u5de5\u4f5c\u7684\u5929\u82b1\u4e71\u5760\u7684\u6545\u4e8b\u3002\u8fd9\u4f1a\u5bf9\u5b66\u4e60\u8fdb\u7a0b\u9020\u6210\u56f0\u96be\u3002\u672c\u6587\u4f5c\u8005\u5e0c\u671b\u901a\u8fc7\u672c\u6587\u5bf9\u90a3\u4e9b\u60f3\u4e86\u89e3\u673a\u5668\u5b66\u4e60\u7684\u4eba\u505a\u4e00\u4e2a\u7b80\u5355\u7684\u4ecb\u7ecd\u3002\u4e0d\u6d89\u53ca\u9ad8\u7ea7\u539f\u7406\uff0c\u53ea\u7528\u7b80\u5355\u7684\u8bed\u8a00\u6765\u8c08\u73b0\u5b9e\u4e16\u754c\u7684\u95ee\u9898\u548c\u5b9e\u9645\u7684\u89e3\u51b3\u65b9\u6848\u3002 - \u94fe\u63a5(\u82f1\u6587)\uff1ahttps://vas3k.com/blog/machine_learning/
14\u3001\u5f97\u610f\u9ed1\u5b57\u4f53
\u5f97\u610f\u9ed1\u662f\u4e00\u6b3e\u5728\u4eba\u6587\u89c2\u611f\u548c\u51e0\u4f55\u7279\u5f81\u4e2d\u5bfb\u627e\u5e73\u8861\u7684\u4e2d\u6587\u9ed1\u4f53\u3002\u6574\u4f53\u5b57\u8eab\u7a84\u800c\u659c\uff0c\u7ec6\u8282\u878d\u5165\u4e86\u53d6\u6cd5\u624b\u7ed8\u7f8e\u672f\u5b57\u7684\u7279\u6b8a\u9020\u578b\u3002\u5b57\u4f53\u652f\u6301\u7b80\u4f53\u4e2d\u6587\u5e38\u7528\u5b57\uff08\u8986\u76d6 GB/T 2312-1980 \u7f16\u7801\u5b57\u7b26\u96c6\uff09\u3001\u62c9\u4e01\u5b57\u6bcd\u3001\u897f\u91cc\u5c14\u5b57\u6bcd\u3001\u5e0c\u814a\u5b57\u6bcd\u3001\u65e5\u6587\u5047\u540d\u3001\u963f\u62c9\u4f2f\u6570\u5b57\u548c\u5404\u7c7b\u6807\u70b9\u7b26\u53f7\u3002
"},{"location":"issue-73/#_7","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09@kongjianyang\uff08\u7a7a\u95f4\u9633\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-74/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 74 \u671f\uff09\uff1a\u65b0\u6280\u672f\u7684\u6700\u5927\u98ce\u9669","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-74/#_1","title":"\u5c01\u9762\u56fe","text":"\u56fe\u7247\uff1a\u5370\u5ea6\u7684\u7b2c\u4e00\u5bb6\u82f9\u679c\u5546\u5e97
"},{"location":"issue-74/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u65b0\u6280\u672f\u7684\u6700\u5927\u98ce\u9669","text":"\u6211\u8bb0\u5f97\uff0c\u6709\u4eba\u505a\u8fc7\u7814\u7a76\uff0c\u4f01\u4e1a\u8f6f\u4ef6\u7684\u6210\u672c\uff0c\u53ea\u670920%\u662f\u65e9\u671f\u7684\u5f00\u53d1\u6210\u672c\uff0c\u5269\u4e0b\u768480%\u90fd\u662f\u540e\u671f\u7684\u7ef4\u62a4\u548c\u66f4\u65b0\u6210\u672c\u3002\u5f88\u591a\u7684\u65b0\u6280\u672f\uff0c\u770b\u4e0a\u53bb\u53ef\u4ee5\u8282\u7701\u524d\u976220%\u7684\u5f00\u53d1\u6210\u672c\uff0c\u4f46\u53ef\u80fd\u5927\u5927\u589e\u52a0\u540e\u976280%\u7684\u7ef4\u62a4\u6210\u672c\u3002
@kongjianyang\uff1a\u4f01\u4e1a\u5e94\u4f18\u5148\u9009\u62e9\u7ecf\u8fc7\u8003\u9a8c\u3001\u957f\u671f\u7ef4\u62a4\u826f\u597d\u7684\u8001\u6280\u672f\u7528\u4e8e\u957f\u671f\u9879\u76ee\uff0c\u800c\u4e0d\u662f\u8ffd\u6c42\u65f6\u9ae6\u7684\u65b0\u6280\u672f\uff0c\u4ee5\u907f\u514d\u589e\u52a0\u7ef4\u62a4\u6210\u672c\u548c\u98ce\u9669\u3002\u867d\u7136\u65b0\u6280\u672f\u6709\u5176\u521b\u65b0\u6027\u548c\u4e50\u8da3\uff0c\u4f46\u5728\u9700\u8981\u957f\u671f\u7ef4\u62a4\u7684\u9879\u76ee\u4e2d\u4f7f\u7528\u672a\u7ecf\u8003\u9a8c\u7684\u65b0\u6280\u672f\u662f\u975e\u5e38\u5192\u9669\u7684\u3002\u56e0\u6b64\uff0c\u9009\u62e9\u6280\u672f\u65f6\u5e94\u8be5\u6ce8\u91cd\u9879\u76ee\u9700\u6c42\uff0c\u800c\u975e\u4e2a\u4eba\u5174\u8da3\u3002\u53ef\u80fd\u8fd9\u4e5f\u662f\u4e3a\u4ec0\u4e48\u5f88\u591a\u5927\u578b\u836f\u4f01\u7684\u7edf\u8ba1\u5206\u6790\u8fd8\u662f\u4f9d\u8d56\u4e8eSAS\u8bed\u8a00\u7684\u4e00\u4e2a\u539f\u56e0\u3002
1\u3001Genome Biolog | \u5168\u65b0\u8870\u8001\u7406\u8bba\uff0c\u8870\u8001\u662f\u6211\u4eec\u8eab\u4f53\u7684\u8f6f\u4ef6\u8bbe\u8ba1\u7f3a\u9677\u6240\u81f4\uff0c\u8868\u89c2\u9057\u4f20\u6539\u53d8\u662f\u5173\u952e
Genome Biology \u671f\u520a\u53d1\u8868\u4e86\u9898\u4e3a\uff1aAgeing as a software design flaw \u7684\u7efc\u8ff0\u8bba\u6587\u63d0\u51fa\u4e86\u5173\u4e8e\u8870\u8001\u7684\u65b0\u89c2\u70b9\uff1a\u8870\u8001\u4e3b\u8981\u662f\u6211\u4eec\u8eab\u4f53\u201c\u8f6f\u4ef6\u8bbe\u8ba1\u7f3a\u9677\u201d\u7684\u7ed3\u679c\u3002\u6587\u7ae0\u4e2d\u7684\u4e00\u4e9b\u89c2\u70b9\u4e0e\u8457\u540d\u6297\u8870\u8001\u7814\u7a76\u5b66\u8005\u3001\u54c8\u4f5b\u5927\u5b66 David Sinclair\u6559\u6388\u5728Cell\u4e2d\u63d0\u51fa\u7684\u201c\u8868\u89c2\u9057\u4f20\u624d\u662f\u8870\u8001\u7684\u4e3b\u8981\u9a71\u52a8\u529b\u201d\u975e\u5e38\u5951\u5408\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://genomebiology.biomedcentral.com/articles/10.1186/s13059-023-02888-y
Nat Commun\u53d1\u8868\u80bf\u7624\u7a7a\u95f4\u8f6c\u5f55\u7ec4\u6570\u636e\u8f85\u52a9\u5206\u6790\u5de5\u5177\u2014\u2014SpaCET\uff0c\u53ef\u51c6\u786e\u9884\u6d4b\u7ec6\u80de\u7a7a\u95f4\u5206\u5e03
\u8fd1\u65e5\uff0c\u7f8e\u56fd\u56fd\u5bb6\u764c\u75c7\u7814\u7a76\u4e2d\u5fc3\u59dc\u9e4f\u56e2\u961f\u5728Nature Communications\u53d1\u8868\u4e86\u9898\u4e3a\u201cEstimation of cell lineages in tumors from spatial transcriptomics data\u201d\u7684\u6587\u7ae0\uff0c\u5e76\u8be6\u7ec6\u4ecb\u7ecd\u4e86\u56e2\u961f\u81ea\u4e3b\u5f00\u53d1\u7684\u8ba1\u7b97\u6a21\u578b\u2014\u2014SpaCET\uff08Spatial Cellular Estimator for Tumors\uff09\u3002SpaCET\u53ef\u4ee5\u9884\u6d4b\u80bf\u7624ST\u6570\u636e\u4e2d\u6bcf\u4e00\u4e2a\u7a7a\u95f4\u4f4d\u7f6e\u7684\u7ec6\u80de\u6210\u5206\uff0c\u89e3\u51b3\u4e86\u80bf\u7624\u5f02\u8d28\u6027\u3001\u7ec4\u7ec7\u5bc6\u5ea6\u53d8\u5316\u3001\u514d\u75ab\u7ec6\u80de\u5b8c\u6574\u6027\u548c\u7ec6\u80de\u8c31\u7cfb\u95f4\u5171\u7ebf\u6027\u7684\u6311\u6218\u3002\u7ecf\u9a8c\u8bc1\uff0cSpaCET\u5728\u6a2a\u8de87\u79cd\u764c\u75c7\u7c7b\u578b\u76848\u4e2a\u80bf\u7624ST\u6570\u636e\u96c6\u4e2d\u7684\u9884\u6d4b\u6027\u80fd\u4f18\u4e8e\u5176\u4ed6\u65b9\u6cd5\u3002\u6b64\u5916\uff0cSpaCET\u8fd8\u53ef\u63d0\u4f9b\u80bf\u7624\u8fdb\u5c55\u76f8\u5173\u6f5c\u5728\u7ec6\u80de\u95f4\u4e92\u4f5c\u5206\u6790\u529f\u80fd\u3002
3\u3001\u9996\u4e2a\u7537\u6027\u5065\u5eb7\u5355\u7ec6\u80de\u6570\u636e\u5e93\u7f51\u7ad9MHA\u6b63\u5f0f\u4e0a\u7ebf\u5566
MHA\u6570\u636e\u5e93\u76ee\u524d\u7248\u672c\u6574\u5408\u4e862\u7c7b\u7269\u79cd\uff08\u4eba\u3001\u5c0f\u9f20\uff09\u30014\u79cd\u7ec4\u7ec7\u5668\u5b98\uff08\u777e\u4e38\u3001\u524d\u5217\u817a\u3001\u9644\u777e/\u8f93\u7cbe\u7ba1\u3001\u9634\u830e\u6d77\u7ef5\u4f53\uff09\u751f\u7406\u53d1\u80b2\u6216\u76f8\u5173\u75be\u75c5\u7684\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u6570\u636e\uff0c\u5171\u67099\u5927\u6570\u636e\u96c6\u3002\u6570\u636e\u7684\u5206\u6790\u3001\u5904\u7406\u7531\u8d75\u4eae\u5b87\u535a\u58eb\uff08\u5177\u6709\u7537\u6027\u5065\u5eb7\u76f8\u5173\u751f\u7269\u5b66\u80cc\u666f\uff09\u4e0e\u8d75\u827a\u51e1\u5de5\u7a0b\u5e08\uff08\u5177\u6709\u591a\u5e74\u751f\u7269\u4fe1\u606f\u5b66\u6570\u636e\u5904\u7406\u7ecf\u9a8c\uff09\u5408\u4f5c\u5b8c\u6210\uff0c\u4fdd\u8bc1\u4e86\u7ed3\u679c\u7684\u4e13\u4e1a\u6027\u4e0e\u51c6\u786e\u6027\u3002\u7f51\u7ad9\u63d0\u4f9b\u4e86\u4e2d\u82f1\u6587\u53cc\u8bed\u7684\u5e2e\u52a9\u4fe1\u606f\uff0c\u8bbf\u95ee\u8005\u53ef\u65b9\u4fbf\u5730\u67e5\u9605\u5355\u4e2a\u6216\u591a\u4e2a\u57fa\u56e0\uff0c\u5728\u5404\u7c7b\u7537\u6027\u7279\u6709\u5668\u5b98\u4e2d\u7684\u7ec6\u80de\u8868\u8fbe\u60c5\u51b5\uff0c\u6216\u5728\u751f\u7406\u4e0e\u75c5\u7406\u8fc7\u7a0b\u4e2d\u7684\u53d8\u5316\u60c5\u51b5\u3002
4\u3001Nat Genet | DeepNeo\u9884\u6d4bMHC II\u4eba\u7c7b\u80bf\u7624\u8868\u4f4d\u65b0\u666f\u89c2
2023\u5e741\u67089\u65e5\uff0c\u97e9\u56fd\u79d1\u5b66\u6280\u672f\u9662\u3001\u5bbe\u5f97\u533b\u7597Jung Kyoon Choi\u548cDae-Yeon Cho\u4e0e\u97e9\u56fd\u6210\u5747\u9986\u5927\u5b66\u533b\u5b66\u9662Se-Hoon Lee\u7814\u7a76\u5c0f\u7ec4\u5408\u4f5c\u5728Nature Genetics\u6742\u5fd7\u4e0a\u53d1\u8868\u9898\u4e3aMHC II immunogenicity shapes the neoepitope landscape in human tumors\u7684\u7814\u7a76\u8bba\u6587\uff0c\u8fd9\u7bc7\u6587\u7ae0\u901a\u8fc7\u4f7f\u752836000\u591a\u4e2a\u514d\u75ab\u539f\u6027\u6d4b\u5b9a\u7ed3\u679c\uff0c\u5f00\u53d1\u4e86\u4e00\u79cd\u9274\u5b9apMHC\u7684\u65b0\u65b9\u6cd5DeepNeo\uff0c\u8be5\u65b9\u6cd5\u9884\u6d4b\u4e86MHC II\u548cMHC I\u7684\u65b0\u8868\u4f4d\uff0c\u8fd9\u4e9b\u65b0\u8868\u4f4d\u4e0d\u4ec5\u80fd\u591f\u7ed3\u5408MHC\u86cb\u767d\u7684\u514d\u75ab\u539f\u6027\uff0c\u800c\u4e14\u8fd8\u80fd\u591f\u523a\u6fc0T\u7ec6\u80de\u53cd\u5e94\u6027\u514d\u75ab\u539f\u6027\uff0c\u5bf9\u514d\u75ab\u68c0\u67e5\u70b9\u963b\u65ad\u6709\u53cd\u5e94\uff0c\u540c\u65f6\u8bc1\u660e\u4e86MHC- II\u9650\u5236\u6027\u81ea\u7136\u514d\u75ab\u5bf9\u4e8e\u764c\u75c7\u7684\u91cd\u8981\u6027\u3002
5\u3001PNAS | \u57fa\u4e8e\u80bf\u7624\u4ee3\u8c22\u751f\u7269\u6807\u5fd7\u7269\u7684\u591a\u764c\u75c7\u6db2\u4f53\u6d3b\u68c0\u65b9\u6cd5
\u745e\u5178\u67e5\u5c14\u59c6\u65af\u7406\u5de5\u5927\u5b66\u7684\u79d1\u7814\u4eba\u5458\u5728PNAS\u4e0a\u53d1\u8868\u4e86\u9898\u4e3a\u201cNoninvasive detection of any-stage cancer using free Glycosaminoglycans\u201d\u7684\u6587\u7ae0\u3002\u7814\u7a76\u56e2\u961f\u5206\u6790\u4e86\u4e0d\u540c\u764c\u75c7\u7c7b\u578b\u7684\u7cd6\u80fa\u805a\u7cd6\u7ec4\uff08GAGomes\uff09\uff0c\u5e76\u5f00\u53d1\u4e86\u4e00\u79cd\u9ad8\u901a\u91cf\u8d85\u9ad8\u6548\u6db2\u76f8\u8272\u8c31\u7ed3\u5408\u4e09\u91cd\u56db\u6781\u8d28\u8c31\uff08UHPLC-MS/MS\uff09\u65b9\u6cd5\u6765\u68c0\u6d4b\u6e38\u79bb\u7684GAGomes\u3002\u8be5\u7814\u7a76\u7eb3\u5165\u4e86\u6765\u81ea1,260\u540d\u764c\u75c7\u6216\u5065\u5eb7\u53d7\u8bd5\u8005\u76842,064\u4efd\u6837\u672c\uff0c\u8bc1\u660e\u4e86GAGomes\u4f5c\u4e3a14\u79cd\u764c\u75c7\u7c7b\u578bMCED\u7684\u80bf\u7624\u4ee3\u8c22\u751f\u7269\u6807\u5fd7\u7269\u7684\u6f5c\u529b\uff0c\u5e76\u5f00\u53d1\u4e86\u4e09\u79cd\u57fa\u4e8e\u5c3f\u6db2\u548c\u8840\u6d46GAGomes\u7684\u673a\u5668\u5b66\u4e60\u6a21\u578b\uff0c\u53ef\u4ee5\u68c0\u6d4b\u4efb\u610f\u764c\u75c7\u3002\u4e0e\u65b0\u5174\u7684\u57fa\u4e8eDNA\u7684MCED\u68c0\u6d4b\u76f8\u6bd4\uff0c\u8be5\u65b9\u6cd5\u80fd\u66f4\u7075\u654f\u5730\u68c0\u6d4b\u51fa\u65e0\u75c7\u72b6\u5065\u5eb7\u4eba\u7fa4\u4e2dI\u671f\u764c\u75c7\u60a3\u8005\u3002
6\u3001NF-\u03baB\uff1a\u7ef4\u6301\u514d\u75ab\u7a33\u6001\u7684\u6838\u5fc3
\u8fd9\u7bc7\u516c\u4f17\u53f7\u6587\u7ae0\u7b80\u5355\u56de\u987e\u4e86NF-\u03baB\u7684\u4e24\u6761\u6fc0\u6d3b\u901a\u8def\uff1a\u7ecf\u5178\u901a\u8def\u548c\u66ff\u4ee3\u901a\u8def\uff0c\u4ee5\u53caNF-\u03baB\u901a\u8def\u5728\u7ef4\u6301\u514d\u75ab\u7a33\u6001\u4e2d\u7684\u6838\u5fc3\u529f\u80fd\u3002
7\u3001\u7528R\u8bed\u8a0010\u5206\u949f\u4e0a\u624b\u795e\u7ecf\u7f51\u7edc\u6a21\u578b
\u672c\u6587\u4ece\u5b9e\u64cd\u5f00\u59cb\u4ecb\u7ecd\u4e86\u8fd0\u7528R\u8bed\u8a00\u8fdb\u884c\u795e\u7ecf\u7f51\u7edcneuralnet\u5efa\u6a21\u5e94\u7528\u7684\u8fc7\u7a0b\u3002
8\u3001\u80bf\u7624\u65b0\u6297\u539fmRNA\u75ab\u82d7mRNA-4157/V940+PD-1\u6297\u4f53\u8054\u5408\u8f85\u52a9\u6cbb\u7597\u9ad8\u5371\u9ed1\u8272\u7d20\u7624\u9632\u6b62\u672f\u540e\u590d\u53d1\uff0c\u83b7\u5f97FDA\u7684\u7a81\u7834\u7597\u6cd5\u8ba4\u8bc1
mRNA-4157\u4e3a\u4e00\u79cd\u4e2a\u6027\u5316\u80bf\u7624\u75ab\u82d7\uff0c\u9776\u5411\u60a3\u8005\u7684\u7279\u5f02\u6027\u7a81\u53d8\uff0c\u7f16\u7801\u6700\u591a\u81f334\u79cd\u65b0\u751f\u6297\u539f\u3002mRNA-4157\u53ef\u4ee5\u6fc0\u6d3b\u80bf\u7624\u65b0\u751f\u6297\u539f\u7684\u7279\u5f02\u6027T\u7ec6\u80de\uff0c\u8fdb\u800c\u6740\u4f24\u80bf\u7624\u7ec6\u80de\u3002mRNA-4157\u5728\u4e00\u671f\u4e34\u5e8a\u4e2d\u8bc1\u660e\u53ef\u4ee5\u8bf1\u5bfc\u65b0\u751f\u6297\u539f\u7279\u5f02\u6027CD8 T\u7ec6\u80de\u7684\u589e\u6b96\u3002
9\u3001\u7279\u5f81\u7b5b\u9009\u8fd8\u5728\u7528XGB\u7684Feature Importance\uff1f\u8bd5\u8bd5Permutation Importance
\u7279\u5f81\u7b5b\u9009\u662f\u5efa\u6a21\u8fc7\u7a0b\u4e2d\u7684\u91cd\u8981\u4e00\u73af\u3002\u57fa\u4e8e\u51b3\u7b56\u6811\u7684\u7b97\u6cd5\uff0c\u5982 Random Forest\uff0cLightgbm, Xgboost\uff0c\u90fd\u80fd\u8fd4\u56de\u6a21\u578b\u9ed8\u8ba4\u7684 Feature Importance\uff0c\u4f46\u8bf8\u591a\u7814\u7a76\u90fd\u8868\u660e\u8be5\u91cd\u8981\u6027\u662f\u5b58\u5728\u504f\u5dee\u7684\u3002\u662f\u5426\u6709\u66f4\u597d\u7684\u65b9\u6cd5\u6765\u7b5b\u9009\u7279\u5f81\u5462\uff1fKaggle \u4e0a\u5f88\u591a\u5927\u5e08\u7ea7\u7684\u9009\u624b\u901a\u5e38\u91c7\u7528\u7684\u4e00\u4e2a\u65b9\u6cd5\u662f Permutation Importance\u3002\u901a\u8fc7\u672c\u6587\uff0c\u4f60\u5c06\u901a\u8fc7\u4e00\u4e2a Kaggle Amex \u771f\u5b9e\u6570\u636e\u4e86\u89e3\u5230\uff0c\u6a21\u578b\u9ed8\u8ba4\u7684 Feature Importance \u5b58\u5728\u4ec0\u4e48\u95ee\u9898\uff0c\u4ec0\u4e48\u662f Permutation Importance\uff0c\u5b83\u7684\u4f18\u52a3\u52bf\u5206\u522b\u662f\u4ec0\u4e48\uff0c\u4ee5\u53ca\u5177\u4f53\u4ee3\u7801\u5982\u4f55\u5b9e\u73b0\u548c\u4f7f\u7528\u3002
"},{"location":"issue-74/#_5","title":"\u5de5\u5177","text":"10\u3001NAdiff \u9996\u53d1 | \u8ba9\u4f60\u7684RNA-Seq\u4e0b\u6e38\u5206\u6790\u53d8\u5f97\u66f4\u7b80\u5355
\u8fd9\u662f\u4e00\u6b3e\u7531\u519c\u5fc3\u751f\u4fe1\u5de5\u4f5c\u5ba4\u5f00\u53d1\u7684\u53ef\u7528\u4e8eRNA-Seq\u4e0b\u6e38\u5206\u6790\u7684shiny APP\uff0c\u53ef\u4ee5\u8ba9\u7528\u6237\u901a\u8fc7\u53cb\u597d\u7684web\u754c\u9762\u8f7b\u677e\u5b8c\u6210\u4e00\u7cfb\u5217\u5206\u6790\u3002\u5305\u62ec\u7b5b\u9009\u5dee\u5f02\u8868\u8fbe\u57fa\u56e0\u3001\u5bf9\u5dee\u5f02\u8868\u8fbe\u57fa\u56e0\u8fdb\u884c\u529f\u80fd\u5bcc\u96c6\u5206\u6790\u548c\u6ce8\u91ca\u4ee5\u53ca\u5bf9\u76f8\u5173\u7ed3\u679c\u8fdb\u884c\u53ef\u89c6\u5316\u3002
11\u3001github-code-viewer \u6d4f\u89c8\u5668\u63d2\u4ef6 | \u66f4\u5feb\u66f4\u7b80\u5355\u5730\u8bbf\u95ee GitHub
12\u3001Arxiv Search | \u6700\u65b0arxiv\u6587\u7ae0\u63a8\u9001
\u57fa\u4e8earxiv\u7684\u8bba\u6587\u641c\u7d22\u548c\u5206\u6790\u7684\u5e73\u53f0\uff0c\u53ef\u4ee5\u57fa\u4e8e\u7f51\u7ad9\u6216\u8005\u5fae\u4fe1\u516c\u4f17\u53f7\uff0c\u5e2e\u4f60\u68c0\u7d22\u4e0d\u540c\u5b66\u79d1\u7684\u6700\u65b0\u6587\u7ae0\u3002\u8be5\u5e73\u53f0\u7528\u5230\u7684arxiv\u662f\u4e00\u9879\u514d\u8d39\u5206\u53d1\u670d\u52a1\u548c\u4e00\u4e2a\u5f00\u653e\u5b58\u53d6\u6863\u6848\u5e93\uff0c\u6536\u5f55\u4e86\u7269\u7406\u5b66\u3001\u6570\u5b66\u3001\u8ba1\u7b97\u673a\u79d1\u5b66\u3001\u5b9a\u91cf\u751f\u7269\u5b66\u3001\u5b9a\u91cf\u91d1\u878d\u3001\u7edf\u8ba1\u5b66\u3001\u7535\u6c14\u5de5\u7a0b\u548c\u7cfb\u7edf\u79d1\u5b66\u4ee5\u53ca\u7ecf\u6d4e\u5b66\u9886\u57df\u7684 2,242,699 \u7bc7\u5b66\u672f\u6587\u7ae0\u3002\u672c\u7f51\u7ad9\u4e0a\u7684\u6750\u6599\u672a\u7ecf arXiv \u540c\u884c\u8bc4\u5ba1\u3002\u3002
13\u3001Friends Don\u2019t Let Friends Make Bad Graphs
\u300cFriends Don\u2019t Let Friends Make Bad Graphs\u300d\u662f\u4e00\u7cfb\u5217R\u7ed8\u56fe\u6587\u7ae0\uff0c\u4ecb\u7ecd\u5173\u4e8e\u6570\u636e\u53ef\u89c6\u5316\u4e2d\u597d\u4e0e\u574f\u5b9e\u8df5\u3002\u975e\u5e38\u503c\u5f97\u8bfb\u8005\u4ee5\u9002\u5408\u81ea\u5df1\u7684\u901f\u5ea6\u9605\u8bfb\u548c\u63a2\u7d22\u4e0b\u3002
14\u3001R\u8bed\u8a00\u5b66\u4e60\u4e2d\u9057\u6f0f\u7684\u5185\u5bb9
\u4e00\u4e2a\u5173\u4e8eR\u8bed\u8a00\u7684\u5168\u9762\u5de5\u4f5c\u6d41\u7a0b\u7684\u6559\u7a0b\uff0c\u76ee\u6807\u662f\u8ba9\u6709\u4e00\u5b9aR\u548cRStudio\u7ecf\u9a8c\u7684\u81ea\u5b66\u8005\u80fd\u591f\u6539\u8fdb\u4ed6\u4eec\u7684R\u4e60\u60ef\uff0c\u63d0\u9ad8\u6548\u7387\u548c\u81ea\u4e3b\u6027\u3002\u6db5\u76d6\u4e86\u4ee5\u4e0b\u4e3b\u9898\uff1a
\u4fdd\u5b58\u6e90\u4ee3\u7801\u548c\u7a7a\u767d\u72b6\u6001\u3001\u9879\u76ee\u5bfc\u5411\u7684\u5de5\u4f5c\u6d41\u7a0b\u3001\u5b89\u5168\u7684\u8def\u5f84\u64cd\u4f5c\u3001\u5982\u4f55\u547d\u540d\u6587\u4ef6\u3001\u5206\u6790\u7684API\u3001\u4e2a\u4ebaR\u7ba1\u7406\u3001\u4e86\u89e3\u4f60\u7684R\u5b89\u88c5\u3001R\u542f\u52a8\u3001\u7ef4\u62a4R\u3001\u5b89\u88c5\u6e90\u7801\u5305\u3001\u6240\u6709\u7684\u5931\u8d25\u3001\u8c03\u8bd5R\u4ee3\u7801\u3001\u9605\u8bfb\u6e90\u7801\u548c\u590d\u73b0\u95ee\u9898\u3002
15\u3001\u901a\u8fc7vitae\u5305\u5236\u4f5c\u3001\u7ef4\u62a4\u4e2a\u4eba\u7b80\u5386
\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09@kongjianyang\uff08\u7a7a\u95f4\u9633\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-75/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 75 \u671f\uff09\uff1a\u5b66\u672f\u9700\u8981\u6279\u5224\u6c1b\u56f4","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d | \u300c\u751f\u4fe1\u8ba8\u8bba\u533a\uff08Gitter\uff09\u300d
"},{"location":"issue-75/#_1","title":"\u5c01\u9762\u56fe","text":"\u56fe\u7247:A critique of academic criticism
"},{"location":"issue-75/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u5b66\u672f\u9700\u8981\u6279\u5224\u6c1b\u56f4","text":"\u6211\u4eec\u7684\u5927\u5b66\u548c\u5b66\u672f\u754c\u666e\u904d\u7f3a\u4e4f\u6279\u5224\u6c1b\u56f4\uff0c\u8fd9\u65e2\u6709\u5386\u53f2\u6587\u5316\u4f20\u7edf\u4e2d\u957f\u8005\u4e3a\u5c0a\u7684\u56e0\u7d20\uff0c\u4e5f\u6709\u5927\u5b66\u6559\u5e08\u81ea\u8eab\u539f\u56e0\u3002\u6b63\u5982\u94b1\u7406\u7fa4\u5148\u751f\u63d0\u5230\u67d0\u4e9b\u4e2d\u56fd\u77e5\u8bc6\u5206\u5b50\u7684\u7cbe\u81f4\u4e3b\u4e49\uff0c\u5c31\u662f\u53ea\u987e\u81ea\u5df1\u5229\u76ca\uff0c\u51e1\u662f\u5bf9\u6211\u4e2a\u4eba\u4e0d\u5229\u7684\u4e8b\u60c5\u575a\u51b3\u4e0d\u505a\uff0c\u800c\u6279\u8bc4\u522b\u4eba\uff0c\u5c24\u5176\u662f\u6279\u8bc4\u67d0\u4e9b\u6743\u5a01\u4eba\u58eb\u5f80\u5f80\u5c31\u4f1a\u4f24\u5bb3\u5230\u81ea\u5df1\u3002\u4e8b\u4e0d\u5173\u5df1\u9ad8\u9ad8\u6302\u8d77\uff0c\u660e\u54f2\u4fdd\u8eab\u662f\u7cbe\u81f4\u4e3b\u4e49\u7684\u5178\u578b\u7279\u5f81\uff0c\u8fd9\u4e0e\u6279\u5224\u7cbe\u795e\u76f8\u6096\u3002
@He-Kai-fly - \u53ea\u6709\u628a\u63e1\u597d\u5b66\u672f\u6279\u5224\u5229\u5f0a\u4e4b\u95f4\u5fae\u5999\u7684\u5ba2\u89c2\u601d\u60f3\u548c\u4e2a\u4eba\u60c5\u611f\u7684\u5e73\u8861\uff0c\u4e2a\u4eba\u548c\u793e\u4f1a\u624d\u80fd\u6709\u6240\u8fdb\u6b65\u548c\u63d0\u9ad8\u3002
"},{"location":"issue-75/#_3","title":"\u751f\u4fe1\u7814\u7a76","text":"1\u3001Cancer Discovery | \u591a\u533a\u57df\u5355\u7ec6\u80de\u6d4b\u5e8f\u89e3\u6790\u80ba\u817a\u764c\u7684\u7a7a\u95f4\u548c\u7ec6\u80de\u7ed3\u6784
\u5fb7\u514b\u8428\u65af\u5927\u5b66\u5b89\u5fb7\u68ee\u764c\u75c7\u4e2d\u5fc3\u7684\u7814\u7a76\u56e2\u961f\u5229\u7528\u5355\u7ec6\u80de\u6d4b\u5e8f\u6280\u672f\u7cfb\u7edf\u5730\u7814\u7a76\u4e86\u4eba\u65e9\u671f\u80ba\u817a\u764c\uff08lung adenocarcinoma\uff0cLUAD\uff09\u7ec4\u7ec7\u53ca\u764c\u65c1\u548c\u8fdc\u7aef\u80ba\u6837\u672c\u7684\u5355\u7ec6\u80de\u6570\u636e\uff0c\u6784\u5efa\u4e86\u80ba\u4e0a\u76ae\u7ec6\u80de\u3001\u514d\u75ab\u7ec6\u80de\u7b49\u5176\u4ed6\u591a\u4e2a\u7ec6\u80de\u7fa4\u4f53\u7684\u8f6c\u5f55\u7ec4\u5b66\u6570\u636e\u96c6\uff0c\u63ed\u793a\u4e86\u65e9\u671f\u80ba\u764c\u6f14\u5316\u7684\u7279\u5f81\uff0c\u4e3a\u7814\u7a76LUAD\u6f14\u5316\u8f68\u8ff9\u548c\u5236\u5b9a\u65e9\u671f\u80ba\u764c\u6cbb\u7597\u7b56\u7565\u63d0\u4f9b\u4e86\u5b9d\u8d35\u8d44\u6e90\u3002\u611f\u8c22\u8463\u709c\u6295\u7a3f\u3002
2\u3001Nature Machine intelligence| \u534e\u5927\u667a\u9020\u7814\u53d1\u56e2\u961f\u53d1\u5e03\u57fa\u4e8e\u5bf9\u6bd4\u5b66\u4e60\u7684\u591a\u6a21\u6001\u5355\u7ec6\u80de\u7b97\u6cd5\uff0c\u5feb\u901f\u5b9e\u73b0\u5343\u4e07\u7ea7\u5355\u7ec6\u80de\u591a\u7ec4\u5b66\u6570\u636e\u5efa\u6a21
\u8fd1\u65e5\uff0c\u534e\u5927\u667a\u9020\u7814\u53d1\u56e2\u961f\u5728Nature Machine intelligence\uff08IF=25.898\uff09\u4e0a\u5728\u7ebf\u53d1\u8868\u4e86\u9898\u4e3a\u201cContrastive learning enables rapid mapping to multimodal single-cell atlas of multimillion scale\u201d\u7684\u7814\u7a76\u6210\u679c\u3002\u7814\u7a76\u4eba\u5458\u5f00\u53d1\u4e86\u4e00\u79cd\u57fa\u4e8e\u5bf9\u6bd4\u5b66\u4e60\u7684\u591a\u6a21\u6001\u5355\u7ec6\u80de\u7b97\u6cd5\u5de5\u5177\u2014\u2014Concerto\uff08\u534f\u594f\u66f2\uff09\u3002\u201d\u534f\u594f\u66f2\u201d\u7684\u547d\u540d\uff0c \u65e2\u5305\u542b\u4e86\u201c\u5bf9\u6bd4\u5b66\u4e60\u5efa\u6a21\u7ec6\u80de\u8868\u5f81\u201d\u7684\u82f1\u6587\u9996\u5b57\u6bcd\uff0c\u53c8\u6697\u542b\u4e86\u7ec4\u7ec7\u5668\u5b98\u4e2d\u4e0d\u540c\u7c7b\u578b\u3001\u4e0d\u540c\u72b6\u6001\u7684\u7ec6\u80de\u534f\u540c\u53d1\u6325\u4f5c\u7528\u4e4b\u610f\u3002\u8be5\u7b97\u6cd5\u901a\u8fc7\u81ea\u76d1\u7763\u8bad\u7ec3\u7684\u65b9\u5f0f\uff0c\u53ef\u5feb\u901f\u5bf9\u5343\u4e07\u7ea7\u65e0\u6807\u6ce8\u7684\u5355\u7ec6\u80de\u591a\u7ec4\u5b66\u6570\u636e\u8fdb\u884c\u5efa\u6a21\uff0c\u5f97\u5230\u7684\u7ec6\u80de\u8868\u5f81\uff08cell embedding\uff09\u53ef\u4ee5\u7528\u4e8e\u81ea\u52a8\u6ce8\u91ca\u3001\u591a\u6a21\u6001\u6574\u5408\u3001\u805a\u7c7b\u3001\u8de8\u6279\u6b21\u6574\u5408\u3001\u53c2\u8003\u6620\u5c04\u6ce8\u91ca\u7b49\u4e0b\u6e38\u5e94\u7528\u3002\u76ee\u524d\uff0cConcerto\u5728\u5404\u9879\u4efb\u52a1\u90fd\u5c55\u73b0\u4e86\u4f18\u5f02\u7684\u6027\u80fd\uff0c\u8fdb\u4e00\u6b65\u4e30\u5bcc\u4e86\u5355\u7ec6\u80de\u5927\u6570\u636e\u9886\u57df\u7684\u7b97\u6cd5\u5de5\u5177\u3002
3\u3001 Nature\u53d1\u5e0315\u4e07\u4eba\u5168\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u7814\u7a76\u6210\u679c\uff0c\u63ed\u793a\u591a\u4e2a\u7f55\u89c1\u53d8\u5f02\u7684\u6027\u72b6\u5173\u8054
\u51b0\u5c9b\u96f7\u514b\u96c5\u672a\u514b\u5927\u5b66\u8054\u5408deCODE Genetics\u516c\u53f8\u3001\u5b89\u8fdb\u516c\u53f8\u7b49\u56e2\u961f\u5bf9\u6765\u81ea\u82f1\u56fd\u751f\u7269\u94f6\u884c\uff08UKB\uff09\u7684150119\u4e2a\u4e2a\u4f53\u7684WGS\u6570\u636e\u8fdb\u884c\u5206\u6790\uff0c\u91cd\u70b9\u4ecb\u7ecd\u4e86\u53d1\u73b0\u7684\u5177\u6709\u8f83\u5927\u5f71\u54cd\u7684\u7f55\u89c1\u53d8\u5f02\u6027\u72b6\u5173\u8054\uff0c\u8fd9\u4e9b\u4fe1\u606f\u662fWES\u548cSNP\u9635\u5217\u6570\u636e\u96c6\u96be\u4ee5\u9274\u5b9a\u6216\u65e0\u6cd5\u9274\u5b9a\u7684\u3002\u8fd9\u662f\u8fc4\u4eca\u89c4\u6a21\u6700\u5927\u7684\u5168\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u5de5\u4f5c\u3002\u8be5\u7814\u7a76\u7ed3\u679c\u5df2\u53d1\u8868Nature\u4e0a\u3002
4\u3001Nat Med | \u57fa\u4e8e73\u4e07\u4eba\u9057\u4f20\u548c\u5065\u5eb7\u6570\u636e\u63ed\u793a\u9057\u4f20\u98ce\u9669\u56e0\u7d20\u5bf9\u5bff\u547d\u7684\u5f71\u54cd
\u82ac\u5170\u8d6b\u5c14\u8f9b\u57fa\u5927\u5b66FIMM\u5206\u5b50\u533b\u5b66\u7814\u7a76\u6240\u7684\u7814\u7a76\u56e2\u961f\u5c06\u6765\u81ea\u4e24\u9879\u751f\u7269\u5e93\u7814\u7a76\u768480\u79cd\u75be\u75c5\u7684\u9057\u4f20\u5173\u8054\u7ed3\u679c\u4e0e2019\u5e74GBD\u7814\u7a76\u7684DALY\u9884\u4f30\u503c\u76f8\u7ed3\u5408\uff0c\u9610\u8ff0\u4e86\u9057\u4f20\u53d8\u5f02\u5bf9\u4e2a\u4eba\u548c\u7fa4\u4f53\u5c42\u9762\u4e0a\u5065\u5eb7\u5bff\u547d\u5e74\u6570\u635f\u5931\u7684\u5f71\u54cd\u3002\u8be5\u7814\u7a76\u5c06\u4e0d\u540c\u7684\u9057\u4f20\u98ce\u9669\u56e0\u7d20\u6309\u5176\u5bf9\u5065\u5eb7\u7684\u5f71\u54cd\u8fdb\u884c\u6392\u5e8f\uff0c\u5e76\u5c06\u9057\u4f20\u98ce\u9669\u56e0\u7d20\u4e0e\u4f20\u7edf\u7684\u53ef\u6539\u53d8\u98ce\u9669\u56e0\u7d20\u8fdb\u884c\u6bd4\u8f83\uff0c\u63d0\u51fa\u4e86\u9057\u4f20\u98ce\u9669\u56e0\u7d20\u7684\u6bd4\u8f83\u98ce\u9669\u8bc4\u4f30\u6a21\u677f\u3002 - \u8bba\u6587\u94fe\u63a5\uff1ahttps://www.nature.com/articles/s41591-022-01957-2
5\u3001Nat Commun | \u5229\u7528\u673a\u5668\u5b66\u4e60\u51c6\u786e\u5206\u6790FFPE\u6837\u672c\u7684\u57fa\u56e0\u7ec4\u5b66\u7279\u5f81\uff0c\u89e3\u9501\u4e34\u5e8a\u764c\u75c7\u6837\u672c\u7684\u9057\u4f20\u5bc6\u7801
\u7f8e\u56fd\u8d6b\u5c14\u8f9b\u57fa\u5927\u5b66\u7814\u7a76\u56e2\u961f\u4eceFFPE\u6837\u672c\u4e2d\u63d0\u53d6\u4e86\u798f\u5c14\u9a6c\u6797\u66b4\u9732\u5bfc\u81f4\u7684\u5168\u57fa\u56e0\u7ec4\u7a81\u53d8\u7279\u5f81\uff0c\u5e76\u8bbe\u8ba1\u4e86FFPEsig\u7b97\u6cd5\u3002\u8be5\u7b97\u6cd5\u80fd\u591f\u51c6\u786e\u5206\u6790\u764c\u75c7\u6d3b\u68c0FFPE\u6837\u672c\u4e2d\u57fa\u56e0\u7ec4\u5b66\u6570\u636e\uff0c\u4f7f\u7528\u673a\u5668\u5b66\u4e60\u65b9\u6cd5\u6821\u6b63\u4e86\u53d7\u635fDNA\uff0c\u5e76\u63ed\u793a\u80bf\u7624\u6837\u672c\u4e2d\u771f\u6b63\u7684\u7a81\u53d8\u8fc7\u7a0b\u3002\u8be5\u65b9\u6cd5\u80fd\u591f\u5bf9FFPE\u6837\u672c\u8fdb\u884c\u7a33\u5065\u7684\u7a81\u53d8\u7279\u5f81\u5206\u6790\uff0c\u4ece\u800c\u4e3a\u4f7f\u7528FFPE-WGS\u6570\u636e\u8fdb\u884c\u4e34\u5e8a\u5e94\u7528\u94fa\u5e73\u4e86\u9053\u8def\uff0c\u6709\u52a9\u4e8e\u5728\u6570\u767e\u4e07\u73b0\u6709\u764c\u75c7\u50a8\u5b58\u6837\u672c\u4e2d\u91ca\u653e\u5de8\u5927\u7684\u533b\u5b66\u4ef7\u503c\u3002
6\u3001Wasmtime 1.0 \u6b63\u5f0f\u53d1\u5e03\uff1a\u5feb\u901f\u3001\u5b89\u5168\u3001\u53ef\u7528\u4e8e\u751f\u4ea7\u73af\u5883
\u5386\u7ecf\u4e09\u5e74\u5f00\u53d1\uff0cBytecode Alliance\uff08\u5b57\u8282\u7801\u8054\u76df\uff09\u5ba3\u5e03 WebAssembly runtime \u2014\u2014 Wasmtime 1.0 \u6b63\u5f0f\u53d1\u5e03\uff0c\u5e76\u53ef\u7528\u4e8e\u751f\u4ea7\u73af\u5883\u3002Wasmtime \u662f Bytecode Alliance \u5f00\u53d1\u7684 WebAssembly runtime\uff0c\u91c7\u7528 Rust \u7f16\u5199\uff0c\u6784\u5efa\u4e8e\u7f16\u8bd1\u5668 Cranelift \u4e4b\u4e0a\u3002Wasmtime \u5b8c\u5168\u5f00\u6e90\uff0c\u7b26\u5408 WASI \u6807\u51c6\uff0c\u8fd8\u652f\u6301\u4e0e C/C++\u3001Python\u3001.NET\u3001Go \u548c\u5176\u4ed6\u7f16\u7a0b\u8bed\u8a00\u96c6\u6210\uff0c\u53ef\u8fd0\u884c\u5728 Windows/Linux/macOS \u7b49\u5e73\u53f0\u3002
7\u3001\u4f7f\u7528TPM/FPKM/RPKM\u8fdb\u884c\u5dee\u5f02\u5206\u6790\u771f\u7684\u53ef\u4ee5\u6d88\u9664\u7cfb\u7edf\u8bef\u5dee\u5417\uff1f
\u672c\u6587\u901a\u8fc7\u89e3\u8bfb\u4e00\u7bc7\u6587\u7ae0\u63a2\u7d22\u5dee\u5f02\u8868\u8fbe\u5206\u6790\u4e00\u4e2a\u6bd4\u8f83\u6709\u610f\u601d\u7684\u6570\u636e\u79d1\u5b66\u95ee\u9898\uff1a\u867d\u7136TPM/FPKM/RPKM\u662f\u4e00\u79cd\u201c\u5168\u5c40\u5f52\u4e00\u5316\u201d\uff0c\u5728\u7406\u8bba\u4e0a\u53ef\u4ee5\u6d88\u9664\u7ebf\u6027\u7cfb\u7edf\u8bef\u5dee\u3002\u4f46\u662f\uff0c\u7814\u7a76\u8005\u8ba4\u4e3a\u8fd9\u79cd\u5047\u8bbe\u5bf9\u7ec4\u5b66\u6570\u636e\u5206\u6790\u6765\u8bf4\u592a\u5929\u771f\u4e86\uff0c\u5e76\u4e14\u5f3a\u8c03\u7ec4\u5b66\u6570\u636e\u7684\u975e\u7ebf\u6027\u7cfb\u7edf\u8bef\u5dee\u6ca1\u6709\u751f\u7269\u4fe1\u606f\u5b66\u65b9\u6cd5\u53ef\u4ee5\u6d88\u9664\uff0c\u5e76\u4ee5GSE159751\u4e3a\u4f8b\u8fdb\u884c\u4e86\u76f8\u5173\u5206\u6790\u3002
"},{"location":"issue-75/#_5","title":"\u5de5\u5177","text":"8\u30013D\u56fe\u89e3\u795e\u7ecf\u7f51\u7edc
\u4e00\u4f4d\u6765\u81ea\u7ef4\u4e5f\u7eb3\u76843D\u7279\u6548\u5e08\u521b\u5efa\u4e86\u4e00\u4e2aCNN\u53ef\u89c6\u5316\u5de5\u5177\u3002\u8be5\u5de5\u5177\u7684\u4e3b\u8981\u529f\u80fd\u5305\u62ec\uff0c\u5377\u79ef\u3001\u6700\u5927\u6c60\u5316\u548c\u5b8c\u5168\u8fde\u63a5\u5c42\u7684\u53ef\u89c6\u5316\u8868\u793a\uff0c\u4ee5\u53ca\u5404\u79cd\u80fd\u5b9e\u73b0\u66f4\u6e05\u6670\u53ef\u89c6\u5316\u7684\u7b80\u5316\u673a\u5236\u7b49\u7b49\uff0c\u8ba9\u521d\u5b66\u8005\u901a\u8fc7\u6700\u76f4\u89c2\u7684\u65b9\u5f0f\uff0c\u6765get\u5230CNN\u7684\u91cd\u70b9\u3002
9\u3001cellRatioPlot \u6d45\u6d45\u7684\u753b\u4e2a\u7ec6\u80de\u6bd4\u4f8b
\u672c\u6587\u4ecb\u7ecd\u4e86 scRNAtoolVis \u5305\u65b0\u589e\u7684\u4e00\u4e2a\u53ef\u89c6\u5316\u529f\u80fd\uff0c\u65b9\u4fbf\u7528\u6237\u5feb\u901f\u7ed8\u5236\u7f8e\u89c2\u7684\u5355\u7ec6\u80de\u5e38\u89c1\u6bd4\u4f8b\u56fe\u5f62\u3002
"},{"location":"issue-75/#_6","title":"\u5de5\u5177","text":"10\u3001\u4f7f\u7528G2.js\u4ea4\u4e92\u53ef\u89c6\u5316\u56fe\u5f62
g2r\u662fG2.js JavaScript\u53ef\u89c6\u5316\u5e93\u7684\u63a5\u53e3\u3002G2.js\u672c\u8eab\u5c31\u662f\u4e00\u4e2a\u56fe\u5f62\u8bed\u6cd5(GG ~= 2G)\uff0c\u5c3d\u7ba1\u5728\u67d0\u4e9b\u65b9\u9762\u4e0eR\u5bf9ggplot2\u4e2d\u5b9e\u73b0\u7684\u8bed\u6cd5\u7684\u4e00\u822c\u7406\u89e3\u6709\u6240\u4e0d\u540c\uff0c\u4f46\u6709\u4e9b\u5730\u65b9\u4e0eggplot2\u7c7b\u4f3c\u3002
11\u3001 \u4f7f\u7528brename\u5bf9\u6587\u4ef6\u6279\u91cf\u91cd\u547d\u540d
brename\u662f\u4e00\u4e2a\u8de8\u5e73\u53f0\u547d\u4ee4\u884c\u5de5\u5177\uff0c\u5176\u53ef\u4ee5\u901a\u8fc7\u6b63\u5219\u8868\u8fbe\u5f0f\u5b89\u5168\u5730\u6279\u91cf\u91cd\u547d\u540d\u6587\u4ef6\u6216\u76ee\u5f55\u3002
\u94fe\u63a5\uff1ahttps://github.com/shenwei356/brename
"},{"location":"issue-75/#_7","title":"\u8d44\u6e90","text":"12\u3001\u5de5\u5177 | AI\u5927\u795e\u674e\u6c90\u5f00\u6e90\u65b0\u624b\u526a\u8f91\u795e\u5668\uff01\u53ea\u770b\u5b57\u5e55\u5c31\u80fd\u526a\u89c6\u9891\uff0c\u5361\u58f3\u91cd\u590d\u7247\u6bb5\u4e00\u952e\u5220\u9664
AL\u5927\u795e\u674e\u6c90\u6700\u8fd1\u5f00\u53d1\u4e86\u4e00\u6b3e\u8f6f\u4ef6-AutoCut\u3002\u5b83\u53ef\u4ee5\u5bf9\u89c6\u9891\u81ea\u52a8\u751f\u6210\u5b57\u5e55\uff0c\u63a5\u4e0b\u6765\uff0c\u7528\u6237\u5c31\u53ef\u4ee5\u5bf9\u7167\u5b57\u5e55\uff0c\u5c06\u7a7a\u767d\u505c\u987f\u3001\u53cd\u590d\u91cd\u8bfb\u7684\u5730\u65b9\u8fdb\u884c\u5220\u9664\uff0cAutoCut\u4e5f\u5c06\u81ea\u52a8\u5bf9\u89c6\u9891\u4e2d\u5bf9\u5e94\u7684\u7247\u6bb5\u88c1\u5207\u5e76\u4fdd\u5b58\u3002\u8be5\u8f6f\u4ef6\u4f7f\u7528\u6237\u65e0\u9700\u4f7f\u7528\u89c6\u9891\u7f16\u8f91\u8f6f\u4ef6\uff0c\u53ea\u9700\u8981\u7f16\u8f91\u6587\u672c\u5373\u53ef\u5b8c\u6210\u526a\u5207\u3002
13\u3001helix\uff1a\u4e00\u4e2a\u57fa\u4e8eRust\u7684\u6587\u672c\u7f16\u8f91\u5668
helix\u662f\u4e00\u4e2a\u57fa\u4e8eRust\u7684\u6587\u672c\u7f16\u8f91\u5668\uff0c\u5176\u7c7b\u4f3c Vim \u7684\u6a21\u6001\u7f16\u8f91\uff0c\u5e76\u652f\u6301\u591a\u9009\u3001\u901a\u8fc7\u6811\u5f62\u5b9a\u4f4d\u5668\u8fdb\u884c\u667a\u80fd\u7684\u589e\u91cf\u8bed\u6cd5\u7a81\u51fa\u663e\u793a\u548c\u4ee3\u7801\u7f16\u8f91\u7b49\u529f\u80fd\uff0c\u5e76\u5185\u7f6e\u8bed\u8a00\u670d\u52a1\u5668\u3002
"},{"location":"issue-75/#_8","title":"\u8d44\u6e90","text":"14\u3001\u4e00\u6b21\u641e\u5b9a\u6240\u6709\u7684\u5bcc\u96c6\u5206\u6790
gson\u5305\u53ef\u4e00\u6b21\u641e\u5b9a\u6240\u6709\u7684\u5bcc\u96c6\u5206\u6790\u3002
15\u3001\u4eba\u4eba\u90fd\u80fd\u7528\u82f1\u8bed
\u674e\u7b11\u6765\u5199\u7684\u5173\u4e8e\u5982\u4f55\u5b66\u4e60\u4ee5\u53ca\u4f7f\u7528\u82f1\u8bed\u7684\u5c0f\u518c\u5b50\uff0c\u674e\u7b11\u6765\u867d\u7136\u56e0\u4e3a\u5728\u5e01\u5708\u5272\u97ed\u83dc\u7684\u4e8b\u60c5\u98ce\u8bc4\u4e0d\u597d\uff0c\u4f46\u662f\u4ed6\u4e00\u76f4\u5728\u5b66\u4e60\uff0c\u5e76\u4e14\u6301\u7eed\u8f93\u51fa\u7684\u80fd\u529b\u8fd8\u662f\u503c\u5f97\u5b66\u4e60\u7684\uff0c\u8fd9\u4e2a\u5c0f\u518c\u5b50\u53ef\u4ee5\u7ffb\u7ffb\u3002
16\u3001scRNA-seq\u76f8\u5173\u5de5\u5177\u548c\u57fa\u56e0\u7ec4\u6570\u636e\u5206\u6790\u8d44\u6e90
\u7f51\u7ad9\u5f52\u7c7b\u6574\u7406\u4e86\u5404\u79cd\u5355\u7ec6\u80de\u6d4b\u5e8f\u548c\u57fa\u56e0\u7ec4\u6570\u636e\u76f8\u5173\u7684\u51fa\u7248\u8d44\u6599\u548c\u5de5\u5177\uff0c\u65b9\u4fbf\u8bfb\u8005\u6311\u9009\u611f\u5174\u8da3\u7684\u5185\u5bb9\u9605\u8bfb\u5b66\u4e60\u3002
"},{"location":"issue-75/#_9","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u7b2c34\u671f\uff1a\u4e2d\u56fd\u767e\u4e07\u4eba\u7fa4\u5927\u961f\u5217\uff0c\u4f55\u53bb\u4f55\u4ece
"},{"location":"issue-75/#github-id","title":"\u8d21\u732e\u8005\uff08GitHub ID\uff09","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09@kongjianyang\uff08\u7a7a\u95f4\u9633\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-76/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 76 \u671f\uff09\uff1a\u4eba\u751f\u662f\u4e00\u4e2a\u957f\u677f\u95ee\u9898","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-76/#_1","title":"\u5c01\u9762\u56fe","text":"\u88ab\u6d77\u6d6a\u6254\u56de\u9646\u5730\u7684\u52a0\u83f2\u732b\uff08\u56fe\u6e90\uff1aBBC Future-Richard Fisher\uff09
"},{"location":"issue-76/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u4eba\u751f\u662f\u4e00\u4e2a\u957f\u677f\u95ee\u9898","text":"\u6765\u81ea\u79d1\u6280\u7231\u597d\u8005\u5468\u520a\u7684\u8bdd\u9898\uff1a\u9664\u4e86\u8457\u540d\u7684\u201c\u6c34\u6876\u539f\u7406\u201d-\u6c34\u6876\u7684\u5bb9\u91cf\u7531\u6700\u77ed\u7684\u90a3\u5757\u6728\u677f\u51b3\u5b9a\u3002\u201c\u957f\u677f\u95ee\u9898\u201d\u4e5f\u5e94\u8be5\u5f97\u5230\u5173\u6ce8\uff0c\u5b83\u662f\u6307\u95ee\u9898\u7684\u5173\u952e\u4e0d\u5728\u4e8e\u6700\u5f31\u70b9\uff0c\u800c\u5728\u4e8e\u6700\u5f3a\u70b9\u3002\u53ea\u8981\u6709\u4e00\u4e2a\u70b9\u7279\u522b\u51fa\u8272\uff0c\u8fd9\u4ef6\u4e8b\u60c5\u5c31\u6210\u529f\u4e86\uff0c\u5176\u4ed6\u70b9\u7684\u597d\u574f\u65e0\u6240\u8c13\u3002
@kkjtmac \u8fd9\u4e2a\u95ee\u9898\u53ef\u4ee5\u7528\u4e00\u4e2a\u4fd7\u8bed\u6982\u62ec\uff1a\u201c\u4e00\u62db\u9c9c\uff0c\u5403\u904d\u5929\u201d\uff0c\u4f46\u662f\u53e6\u5916\u4e00\u4e2a\u8bcd\u53ef\u80fd\u66f4\u5408\u9002\u4e00\u70b9\uff1a\u201c\u53d6\u957f\u8865\u77ed\u201d\u3002\u5c31\u50cf\u79d1\u6280\u7231\u597d\u8005\u5468\u520a\u7684\u8bc4\u8bba-\u201c\u6211\u4eec\u5fc5\u987b\u5b66\u4f1a\u533a\u5206\u201d\u77ed\u677f\u95ee\u9898\u201d\u548c\u201d\u957f\u677f\u95ee\u9898\u201d\uff0c\u5b83\u4eec\u7684\u89e3\u51b3\u65b9\u6cd5\u5b8c\u5168\u4e0d\u540c\u3002\u77ed\u677f\u95ee\u9898\u7684\u89e3\u51b3\uff0c\u9700\u8981\u76ef\u7740\u8584\u5f31\u73af\u8282\uff0c\u8865\u9f50\u6700\u77ed\u7684\u90a3\u5757\u677f\uff1b\u957f\u677f\u95ee\u9898\u7684\u89e3\u51b3\uff0c\u53ea\u9700\u8981\u63a8\u8fdb\u6700\u5f3a\u7684\u73af\u8282\uff0c\u4e0d\u8981\u5728\u4e4e\u522b\u7684\u3002\u201d
"},{"location":"issue-76/#_3","title":"\u751f\u4fe1\u7814\u7a76","text":"1\u3001Nature | \u9996\u4e2a\u4eba\u7c7b\u6cdb\u57fa\u56e0\u7ec4\u8349\u56fe\u516c\u5e03
\u4eba\u7c7b\u6cdb\u57fa\u56e0\u7ec4\u53c2\u8003\u8054\u76df\uff08Human Pangenome Reference Consortium\uff09\u63d0\u51fa\u4e86\u9996\u4e2a\u4eba\u7c7b\u6cdb\u57fa\u56e0\u7ec4\u53c2\u8003\u8349\u56fe\u4ee5\u53ca\u4e24\u4e2a\u4f7f\u7528\u8fd9\u4e00\u53c2\u8003\u4e3a\u57fa\u7840\u8fdb\u884c\u65b0\u9057\u4f20\u5b66\u7814\u7a76\u7684\u53d1\u73b0\u3002\u6b64\u6b21\u516c\u5e03\u7684\u6cdb\u57fa\u56e0\u7ec4\u8349\u56fe\uff0c\u6e90\u81ea47\u540d\u7956\u5148\u4e0d\u540c\u4e2a\u4f53\u7684\u9635\u5217\uff0c\u4e3a\u5f53\u4e0b\u7684\u53c2\u8003\u4eba\u7c7b\u57fa\u56e0\u7ec4\uff08GRCh38\uff09\u6dfb\u52a0\u4e861.19\u4ebf\u78b1\u57fa\u5bf9\u548c1115\u4e2a\u57fa\u56e0\u91cd\u590d\uff08\u4e00\u4e2aDNA\u533a\u57df\u91cc\u542b\u6709\u4e00\u4e2a\u57fa\u56e0\u91cd\u590d\u7684\u53d8\u5f02\uff09\u3002
2\u3001PNAS | \u540c\u65f6\u68c0\u6d4b\u540c\u4e00DNA\u5206\u5b50\u7684\u9057\u4f20\u548c\u8868\u89c2\u9057\u4f20\u7279\u5f81\u7684\u65b0\u65b9\u6cd5\u2014\u2014MethylSaferSeqS
\u7f8e\u56fd\u7ea6\u7ff0\u970d\u666e\u91d1\u65af\u5927\u5b66\u533b\u5b66\u9662\u7684\u7814\u7a76\u56e2\u961f\u62a5\u9053\u4e86\u4e00\u79cd\u540d\u4e3a\u201cMethylSaferSeqS\u201d\u7684\u65b9\u6cd5\u3002\u5728\u6837\u672c\u91cf\u6709\u9650\u7684\u60c5\u51b5\u4e0b\uff0c\u8be5\u65b9\u6cd5\u80fd\u591f\u68c0\u6d4b\u540c\u4e00DNA\u6a21\u677f\u5206\u5b50\u4e2d\u7684\u9057\u4f20\u548c\u8868\u89c2\u9057\u4f20\u53d8\u5316\uff0c\u4e14\u9002\u7528\u4e8e\u4e0d\u540c\u5927\u89c4\u6a21\u5e73\u884c\u6d4b\u5e8f\u7684\u6807\u51c6\u6587\u5e93\u5236\u5907\u3002\u7ecf\u9a8c\u8bc1\uff0cMethylSaferSeqS\u5177\u6709\u68c0\u6d4b\u764c\u75c7\u60a3\u8005\u548c\u5065\u5eb7\u4e2a\u4f53cfDNA\u4e2d\u9884\u671f\u7a81\u53d8\u3001\u7532\u57fa\u5316\u548c\u62f7\u8d1d\u6570\u53d8\u5316\u7684\u80fd\u529b\u3002
3\u3001Nature | \u901a\u7528\u533b\u5b66\u4eba\u5de5\u667a\u80fd\u57fa\u7840\u6a21\u578b
\u8fd9\u662f\u4e00\u7bc7\u7531Eric J. Topol\u548c Pranav Rajpurkar\u7814\u7a76\u56e2\u961f\u53d1\u8868\u7684\u4e00\u7bc7\u5173\u4e8e\u533b\u5b66\u4eba\u5de5\u667a\u80fd\u7684\u7efc\u8ff0\u8bba\u6587\u3002\u6587\u7ae0\u4ecb\u7ecd\u4e86GMAI (Generalist Medical Artificial Intelligence) \u6a21\u578b\u7684\u6982\u5ff5\u548c\u5176\u5728\u533b\u7597\u4fdd\u5065\u4e2d\u7684\u5e94\u7528\u3002GMAI\u6a21\u578b\u80fd\u591f\u5904\u7406\u591a\u79cd\u6570\u636e\u6a21\u6001\uff0c\u5e76\u5177\u6709\u5728\u6267\u884c\u4efb\u52a1\u65f6\u5b66\u4e60\u65b0\u5185\u5bb9\u7684\u80fd\u529b\u548c\u5229\u7528\u9886\u57df\u77e5\u8bc6\u7684\u80fd\u529b\uff0c\u8fd9\u4e3a\u533b\u7597\u4fdd\u5065\u4efb\u52a1\u63d0\u4f9b\u4e86\u65e0\u9650\u7684\u673a\u4f1a\u3002GMAI\u7684\u7075\u6d3b\u6027\u4f7f\u5f97\u6a21\u578b\u80fd\u591f\u9002\u5e94\u65b0\u7684\u73af\u5883\u548c\u5e94\u5bf9\u65b0\u5174\u75be\u75c5\u548c\u6280\u672f\u7684\u53d8\u5316\uff0c\u800c\u65e0\u9700\u7ecf\u5e38\u91cd\u65b0\u8bad\u7ec3\u3002\u6b64\u5916\uff0cGMAI\u5e94\u7528\u7a0b\u5e8f\u5c06\u90e8\u7f72\u5728\u4f20\u7edf\u7684\u4e34\u5e8a\u73af\u5883\u548c\u8fdc\u7a0b\u8bbe\u5907\u4e0a\u3002\u4f46\u662f\uff0cGMAI\u6a21\u578b\u4e5f\u5b58\u5728\u72ec\u7279\u7684\u6311\u6218\uff0c\u5305\u62ec\u9a8c\u8bc1\u6a21\u578b\u7684\u51c6\u786e\u6027\u3001\u6536\u96c6\u548c\u4fdd\u62a4\u5927\u89c4\u6a21\u7684\u8bad\u7ec3\u6570\u636e\u4ee5\u53ca\u5e94\u5bf9\u8ba1\u7b97\u6210\u672c\u3002\u9762\u5bf9\u5feb\u901f\u53d1\u5c55\u7684AI\u6280\u672f\uff0c\u8fd9\u7bc7\u6587\u7ae0\u503c\u5f97\u6709\u5fd7\u4e8e\u6295\u8eab\u533b\u7597\u4eba\u5de5\u667a\u80fd\u7814\u7a76\u7684\u79d1\u7814\u4eba\u5458\u6df1\u5ea6\u9605\u8bfb\u3002
4\u3001\u4f60\u4e3a\u4ec0\u4e48\u627e\u4e0d\u5230\u300c\u5b8c\u7f8e\u300d\u7684\u952e\u76d8\uff1fmacOS \u7684\u6309\u952e\u5230\u5e95\u7279\u6b8a\u5728\u54ea
\u672c\u6587\u4ecb\u7ecd\u4e86macOS \u4e0b\u7684\u952e\u76d8\u53d1\u5c55\u5386\u53f2\uff0c\u8fdb\u800c\u89e3\u91ca\u4e86\u82f9\u679c\u7cfb\u7edf\u7684\u6309\u952e\u7684\u7279\u6b8a\u6027\u3002
5\u3001Linux \u7cfb\u7edf\u6027\u80fd\u76d1\u63a7\u5de5\u5177
top\u547d\u4ee4\u662fLinux\u7cfb\u7edf\u81ea\u5e26\u7684\u7cfb\u7edf\u8d44\u6e90\u76d1\u89c6\u5de5\u5177\uff0c\u9664\u6b64\u8fd8\u6709\u7b80\u6d01\u529f\u80fd\u5f3a\u5927\u7684\u7c7b\u4f3c\u5de5\u5177htop\u3001atop\u3001vtop\u3001btop++\u3001Glances\u3001nmon\u3002\u8be5\u63a8\u6587\u7cbe\u7b80\u5730\u4ecb\u7ecd\u8fd9\u4e9b\u5de5\u5177\u7684\u7279\u70b9\u548c\u5b89\u88c5\u65b9\u6cd5\u3002
6\u3001\u91cd\u65b0\u8ba4\u8bc6\u4e2d\u6027\u7c92\u7ec6\u80de
\u6700\u8fd1\u53d1\u73b0\u7684\u8bb8\u591a\u201c\u65b0\u201d\u4e2d\u6027\u7c92\u7ec6\u80de( Neutrophils)\u529f\u80fd\u4ee4\u4eba\u5174\u594b\u4e0d\u5df2\u3002\u4eba\u4eec\u9010\u6e10\u8ba4\u8bc6\u5230\u4e2d\u6027\u7c92\u7ec6\u80de\u5177\u6709\u6bd4\u6297\u83cc\u53cd\u5e94\u66f4\u591a\u7684\u529f\u80fd\uff0c\u5e76\u4e14\u5728\u4e0d\u540c\u7684\u7ec4\u7ec7\u548c\u75c5\u7406\u6761\u4ef6\u4e0b\u5177\u6709\u4e0d\u540c\u8868\u578b\uff0c\u8fd9\u8868\u660e\u4e2d\u6027\u7c92\u7ec6\u80de\u786e\u5b9e\u6709\u672a\u88ab\u523b\u753b\u7684\u5f02\u8d28\u6027\u3002\u7136\u800c\uff0c\u5728\u5927\u591a\u6570\u5df2\u53d1\u8868\u7684\u6587\u7ae0\u4e2d\uff0c\u8bc1\u636e\u5f80\u5f80\u662f\u95f4\u63a5\u7684\uff0c\u6211\u4eec\u9700\u8981\u53ef\u9760\u7684\u5b9e\u9a8c\u8bc1\u660e\u6240\u63cf\u8ff0\u7684\u7ec6\u80de\u5b9e\u9645\u4e0a\u662f\u65b0\u7684\u4e2d\u6027\u7c92\u7ec6\u80de\u4e9a\u7fa4\u3002
7\u3001\u5355\u7ec6\u80de\u6d4b\u5e8f\u5728\u836f\u7269\u7814\u53d1\u4e2d\u6709\u4ec0\u4e48\u7528\uff1f
\u8fd9\u7bc7\u6587\u7ae0\u63a2\u8ba8\u4e86\u5355\u7ec6\u80deRNA\u6d4b\u5e8f (scRNA-seq) \u6280\u672f\u5728\u836f\u7269\u7814\u53d1\u4e2d\u7684\u4e3b\u8981\u4f5c\u7528\u3002\u4e3a\u4e86\u7406\u89e3\u5355\u7ec6\u80de\u6280\u672f\u662f\u5982\u4f55\u5e94\u7528\u4e8e\u836f\u7269\u7814\u53d1\u6d41\u7a0b\uff0c\u6587\u7ae0\u7cfb\u7edf\u56de\u987e\u4e86\u5355\u7ec6\u80de\u6d4b\u5e8f\u7684\u57fa\u7840\uff0c\u5e76\u57fa\u4e8e\u6b64\u8ba8\u8bba\u4e86\u5176\u4ed6\u7684\u4e00\u4e9b\u5355\u7ec6\u80de\u6280\u672f\uff0c\u4f8b\u5982\u5355\u7ec6\u80deCRISPR \u7b5b\u9009\u6280\u672f\uff0c\u5355\u7ec6\u80deT\u7ec6\u80de\u53d7\u4f53\u548cB\u7ec6\u80de\u53d7\u4f53\u6d4b\u5e8f\u6280\u672f\u3002
8\u3001RTutor.ai | \u8ba9AI\u5e2e\u4f60\u5904\u7406\u6570\u636e
RTutor \u662f\u4e00\u6b3e\u57fa\u4e8e chatGPT\u7684API\u7684\u5f00\u53d1\u7684\u5de5\u5177\uff0c\u53ef\u4ee5\u5feb\u901f\u751f\u6210\u548c\u6d4b\u8bd5 R \u4ee3\u7801\u3002RTutor \u5c06\u81ea\u7136\u8bed\u8a00\u7ffb\u8bd1\u6210 R \u811a\u672c\uff0c\u7136\u540e\u5728 Shiny \u5e73\u53f0\u5185\u6267\u884c\u3002\u4f60\u53ef\u4ee5\u4e0a\u4f20\u4e00\u4e2a\u6570\u636e\u96c6\uff0c\u7136\u540e\u7528\u82f1\u8bed\u63d0\u51fa\u95ee\u9898\u6216\u8005\u8bf7\u6c42\u5206\u6790\uff0cRTutor.ai\u4f1a\u81ea\u52a8\u751f\u6210\u548c\u6d4b\u8bd5R\u4ee3\u7801\u3002\u9700\u8981chatGPT\u7684API\u3002
9\u3001Word GPT Plus | \u96c6\u6210chatGPT \u6a21\u578b\u7684 Word \u63d2\u4ef6
Word GPT Plus \u662f\u4e00\u4e2a\u96c6\u6210\u4e86 chatGPT \u6a21\u578b\u7684 Word \u63d2\u4ef6\u3002\u5b83\u5141\u8bb8\u4f60\u57fa\u4e8e\u4f60\u5728\u6587\u6863\u4e2d\u5199\u7684\u5185\u5bb9\u751f\u6210\u6587\u672c\u3002\u4f60\u53ef\u4ee5\u4f7f\u7528\u5b83\u6765\u7ffb\u8bd1\u3001\u603b\u7ed3\u3001\u6da6\u8272\u6216\u8005\u4ece\u96f6\u5f00\u59cb\u5199\u4e00\u7bc7\u6587\u7ae0\u3002
10\u3001XClone | \u5355\u7ec6\u80de\u514b\u9686\u62f7\u8d1d\u6570\u53d8\u5f02\u63a8\u65ad
XClone\u662f\u57fa\u4e8ePython\u5f00\u53d1\u7684\u4e00\u79cd\u7b97\u6cd5\uff0c\u53ef\u4ee5\u4ece\u4f4e\u8986\u76d6\u5ea6\u548c\u7a00\u758f\u7684\u5355\u7ec6\u80deRNA\u6d4b\u5e8f\u6570\u636e\uff08\u4f8b\u5982\uff0c\u753110x Genomics\uff0cSmart-seq\u7b49\u751f\u6210\u7684\u6570\u636e\uff09\u4e2d\u63a8\u65ad\u7ec6\u80de\u4e2d\u7684\u7b49\u4f4d\u57fa\u56e0\u548c\u5355\u500d\u578b\u7279\u5f02\u6027\u62f7\u8d1d\u6570\u3002
11\u3001MetaSRA \uff5c SRA\u7684\u6807\u51c6\u5316\u5143\u6570\u636e
MetaSRA \u662f\u4e00\u4e2a\u89c4\u8303\u5316\u7ba1\u7406SRA\u4eba\u7c7b\u7279\u5b9a\u6837\u672c\u5143\u6570\u636e\u7684\u6570\u636e\u5e93\uff0c\u53d7\u542f\u53d1\u5e76\u9075\u5faa\u4e8eENCODE\u9879\u76ee\u5143\u6570\u636e\u7ba1\u7406\u7684\u6a21\u5f0f\u3002\u8be5\u6a21\u5f0f\u5305\u62ec\u5c06\u6837\u672c\u6620\u5c04\u5230\u751f\u7269\u533b\u5b66\u672c\u4f53\u4e2d\u7684\u672f\u8bed\uff0c\u7528\u6837\u672c\u7c7b\u578b\u7c7b\u522b\u6807\u8bb0\u6bcf\u4e2a\u6837\u672c\uff0c\u5e76\u63d0\u53d6\u5b9e\u503c\u5c5e\u6027\u3002\u6211\u4eec\u901a\u8fc7\u4e00\u5957\u65b0\u7684pipeline\u5b9e\u73b0\u4e86\u8fd9\u4e9b\u4efb\u52a1\u7684\u8ba1\u7b97\u81ea\u52a8\u5316\u3002
12\u3001\u5728R\u4e2d\u642d\u5efa\u53ef\u91cd\u590d\u7684\u5206\u6790\u6d41\u7a0b
\u672c\u4e66\u7684\u76ee\u7684\u662f\u6559\u4f60\u5982\u4f55\u4f7f\u7528\u8f6f\u4ef6\u5de5\u7a0b\u548cDevOps\u4e2d\u7684\u4e00\u4e9b\u6700\u4f73\u5b9e\u8df5\u6765\u4f7f\u4f60\u7684\u9879\u76ee\u7a33\u5065\u3001\u53ef\u9760\u548c\u53ef\u91cd\u73b0\u3002\u65e0\u8bba\u60a8\u662f\u72ec\u81ea\u5de5\u4f5c\uff0c\u5728\u5c0f\u56e2\u961f\u8fd8\u662f\u5927\u56e2\u961f\u4e2d\u5de5\u4f5c\u90fd\u65e0\u5173\u7d27\u8981\u3002\u65e0\u8bba\u4f60\u7684\u5de5\u4f5c\u662f\u5426\u7ecf\u8fc7\uff08\u540c\u884c\uff09\u8bc4\u5ba1\u6216\u5ba1\u8ba1\u5e76\u4e0d\u91cd\u8981\uff1a\u672c\u4e66\u4e2d\u4ecb\u7ecd\u7684\u6280\u672f\u5c06\u4f7f\u60a8\u7684\u9879\u76ee\u66f4\u52a0\u53ef\u9760\uff0c\u5e76\u4e3a\u60a8\u8282\u7701\u5f88\u591a\u632b\u8d25\u611f\uff01
13\u3001\u4f7f\u7528R\u8bed\u8a00\u505a\u4e34\u5e8a\u7edf\u8ba1\u5206\u6790\u5728\u7ebf\u4e66\u7c4d
\u4e00\u672c\u4ecb\u7ecd\u5982\u4f55\u4f7f\u7528R\u8bed\u8a00\u505a\u4e34\u5e8a\u7edf\u8ba1\u5206\u6790\u7684\u82f1\u6587\u5c0f\u518c\u5b50\uff0c\u5e76\u6709\u914d\u5957\u7684\u89c6\u9891\u6559\u7a0b\u3002\u53ef\u4ee5\u7528\u6765\u7ffb\u7ffb\u8bfb\u8bfb\u3002
\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09@kongjianyang\uff08\u7a7a\u95f4\u9633\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-77/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 77 \u671f\uff09\uff1a\u79d1\u7814\u6210\u679c\u88ab\u622a\u80e1\u62a2\u53d1","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-77/#_1","title":"\u5c01\u9762\u56fe","text":"\u6765\u6e90\uff1aLing Li \u6d77\u661f\u9aa8\u67b6
"},{"location":"issue-77/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u79d1\u7814\u6210\u679c\u88ab\u622a\u80e1\u62a2\u53d1","text":"\u4e00\u7bc7\u5173\u4e8e\u79d1\u7814\u527d\u7a83\u7684\u65b0\u95fb\u62a5\u9053\uff0c\u8bb2\u8ff0\u4e86\u4e00\u540d\u535a\u58eb\u751f\u7684\u7814\u7a76\u6210\u679c\u88ab\u535a\u58eb\u540e\u62a2\u5148\u53d1\u8868\u7684\u4e8b\u4ef6\uff0c\u4ee5\u53ca\u5bfc\u5e08\u4e3a\u5176\u8ba8\u56de\u516c\u9053\u7684\u8fc7\u7a0b\u3002
@NiEntropy\uff1a\u79d1\u7814\u527d\u7a83\u662f\u6307\u5728\u79d1\u5b66\u7814\u7a76\u4e2d\uff0c\u672a\u7ecf\u539f\u4f5c\u8005\u540c\u610f\u6216\u672a\u660e\u786e\u5f15\u7528\uff0c\u64c5\u81ea\u4f7f\u7528\u4ed6\u4eba\u7684\u521b\u610f\u3001\u6570\u636e\u3001\u65b9\u6cd5\u3001\u7ed3\u8bba\u7b49\uff0c\u4f5c\u4e3a\u81ea\u5df1\u7684\u7814\u7a76\u6210\u679c\u53d1\u8868\u6216\u7533\u8bf7\u4e13\u5229\u7684\u884c\u4e3a\u3002\u535a\u58eb\u540e\u527d\u7a83\u535a\u58eb\u751f\u7684\u7814\u7a76\u6210\u679c\uff0c\u4e0d\u4ec5\u4fb5\u72af\u4e86\u535a\u58eb\u751f\u7684\u52b3\u52a8\u6210\u679c\u548c\u521b\u65b0\u7cbe\u795e\uff0c\u4e5f\u8fdd\u80cc\u4e86\u5bfc\u5e08\u548c\u540c\u4e8b\u4e4b\u95f4\u7684\u4fe1\u4efb\u548c\u5408\u4f5c\uff0c\u9020\u6210\u4e86\u4e25\u91cd\u7684\u5fc3\u7406\u4f24\u5bb3\u548c\u5b66\u672f\u7ea0\u7eb7\u3002\u8fd9\u79cd\u884c\u4e3a\u662f\u4e0d\u53ef\u5bb9\u5fcd\u7684\uff0c\u5e94\u8be5\u53d7\u5230\u4e25\u5389\u7684\u60e9\u7f5a\u548c\u8c34\u8d23\u3002
1\u3001Briefings in Bioinformatics | \u6700\u5927\u7684\u751f\u7269\u533b\u5b66\u53ef\u89c6\u5316\u75be\u75c5\u2014\u9776\u6807\u77e5\u8bc6\u56fe\u8c31\u5e73\u53f0eTSN
e-TSN(the explorer for Target Significance and Novelty,)\u662f\u7531\u534e\u4e1c\u7406\u5de5\u5927\u5b66\u836f\u5b66\u9662\u4e0a\u6d77\u5e02\u65b0\u836f\u8bbe\u8ba1\u91cd\u70b9\u5b9e\u9a8c\u674e\u8bd7\u826f/\u674e\u6d2a\u6797\u56e2\u961f\u642d\u5efa\u7684\u4e00\u4e2a\u57fa\u4e8e\u751f\u7269\u533b\u5b66\u6587\u672c\u6316\u6398\u7684\u53ef\u89c6\u5316\u75be\u75c5\u2014\u9776\u6807\u77e5\u8bc6\u56fe\u8c31\u5e73\u53f0\u3002\u8be5\u5e73\u53f0\u5bf9200\u591a\u4e07\u7bc7\u751f\u7269\u533b\u5b66\u5168\u6587\u6587\u732e\u4e2d\u75be\u75c5-\u9776\u6807\u5173\u7cfb\u6570\u636e\u8fdb\u884c\u63d0\u53d6\uff0c\u751f\u6210\u4e0e\u836f\u7269-\u9776\u6807-\u75be\u75c5\u76f8\u5173\u7684\u77e5\u8bc6\u56fe\u8c31\uff0c\u901a\u8fc7\u53ef\u89c6\u5316\u8868\u793a\uff0c\u53ef\u4e3a\u75be\u75c5\u63d0\u4f9b\u6f5c\u5728\u9776\u6807\u8c31\uff0c\u4e3a\u9776\u6807\u63d0\u4f9b\u75be\u75c5\u8c31\uff0c\u5e76\u5173\u8054\u5df2\u6709\u548c\u5728\u7814\u836f\u7269\u6570\u636e\u5e93\uff0c\u4e3a\u5bfb\u627e\u5408\u9002\u7684\u9776\u70b9\u8fd9\u4e00\u96be\u70b9\u95ee\u9898\u63d0\u4f9b\u4e86\u5b9e\u7528\u7684\u89e3\u51b3\u65b9\u6848\uff0c\u540c\u65f6\u4e5f\u4e3a\u6570\u636e\u9a71\u52a8\u7684\u9776\u70b9\u4e34\u5e8a\u51b3\u7b56\u548c\u65b0\u836f\u7814\u53d1\u7acb\u9879\u63d0\u4f9b\u4e86\u7ebf\u7d22\u548c\u7406\u8bba\u4f9d\u636e\u3002
2\u3001Nature Medicine | \u591a\u67d3\u8272\u6df1\u5ea6\u5b66\u4e60\u6a21\u578b\u53ef\u7528\u4e8e\u7ed3\u76f4\u80a0\u764c\u7684\u9884\u540e\u548c\u9884\u6d4b
\u672c\u6587\u6784\u5efa\u4e86\u4e00\u4e2a\u53ef\u5229\u7528\u4eba\u5de5\u667a\u80fd\u786e\u5b9a1000\u591a\u540d\u60a3\u8005IS\uff08AImmunoscore, AIS\uff09\u7684\u591a\u67d3\u8272\u6df1\u5ea6\u5b66\u4e60\u6a21\u578b\uff08MSDLM\uff09\uff0c\u8be5\u6a21\u578b\u5177\u6709\u5f88\u5f3a\u7684\u9884\u540e\u80fd\u529b\uff0c\u4f18\u4e8e\u5176\u4ed6\u57fa\u4e8e\u4e34\u5e8a\u3001\u5206\u5b50\u548c\u514d\u75ab\u7ec6\u80de\u7684\u53c2\u6570\uff0c\u8fd8\u53ef\u7528\u4e8e\u9884\u6d4b\u76f4\u80a0\u764c\u60a3\u8005\u5bf9\u65b0\u8f85\u52a9\u6cbb\u7597\u7684\u53cd\u5e94\uff0c\u662f\u4e00\u79cd\u80fd\u591f\u4e3a\u4e34\u5e8a\u533b\u751f\u63d0\u4f9b\u57fa\u4e8e\u80bf\u7624\u514d\u75ab\u5fae\u73af\u5883\u7684\u6709\u4ef7\u503c\u7684\u51b3\u7b56\u5de5\u5177\u3002\u591a\u67d3\u8272\u7ec4\u5408\u6a21\u578b\u4e2d\u8868\u73b0\u6700\u597d\u7684\u7ec4\u5408\u662fCD4\u3001CD8\u3001CD20\u548cCD68\uff0c\u5b9a\u4e49 \u201c\u65e0\u590d\u53d1\u201d\u7684\u6700\u91cd\u8981\u7684\u514d\u75ab\u7ec6\u80de\u4e9a\u578b\u4f9d\u6b21\u662fCD8+T\u7ec6\u80de\u548cB\u7ec6\u80de\uff0c\u800c\u5bf9\u201c\u590d\u53d1\u201d\u5206\u7c7b\u8d21\u732e\u6700\u5927\u7684\u662fCD68+\u5355\u6838-\u5de8\u566c\u7ec6\u80de\uff0c\u8fd9\u4e9b\u53d1\u73b0\u4e0e\u5728CRC\u548c\u5176\u4ed6\u5b9e\u4f53\u764c\u4e2d\u7684\u5df2\u77e5\u4f5c\u7528\u5b8c\u5168\u4e00\u81f4\u3002\u6b64\u5916\uff0c\u4e4b\u524d\u7684\u5de5\u4f5c\u8868\u660eIS\u4e0d\u4ec5\u53ef\u7528\u4e8e\u9884\u540e\uff0c\u5b83\u5728\u76f4\u80a0\u764c\u7684\u65b0\u8f85\u52a9\u6cbb\u7597\u4e2d\u4e5f\u5177\u6709\u9884\u6d4b\u4ef7\u503c\u3002
3\u3001Bioinformatics | \u5b8f\u57fa\u56e0\u7ec4\u7269\u79cd\u7ec4\u6210\u5206\u6790\u8f6f\u4ef6KMCP
\u65e5\u76ca\u589e\u52a0\u7684\u5fae\u751f\u7269\u53c2\u8003\u57fa\u56e0\u7ec4\u4fc3\u8fdb\u4e86\u5b8f\u57fa\u56e0\u7ec4\u7269\u79cd\u7ec4\u6210\u5206\u6790\u51c6\u786e\u6027\u7684\u63d0\u9ad8\uff0c\u540c\u65f6\u4e5f\u5bf9\u5b8f\u57fa\u56e0\u7ec4\u7269\u79cd\u7ec4\u6210\u5206\u6790\u8f6f\u4ef6\u7684\u5efa\u5e93\u6548\u7387\u3001\u6570\u636e\u5e93\u5927\u5c0f\u3001\u5206\u6790\u65f6\u95f4\u5e26\u6765\u4e86\u4e25\u5cfb\u7684\u6311\u6218\u3002\u6b64\u5916\uff0c\u5927\u591a\u6570\u8f6f\u4ef6\u4e3b\u8981\u5173\u6ce8\u7ec6\u83cc\u3001\u53e4\u83cc\u548c\u771f\u83cc\uff0c\u800c\u7f3a\u5c11\u5bf9\u75c5\u6bd2\u7fa4\u843d\u7684\u5173\u6ce8\u3002\u7814\u7a76\u56e2\u961f\u63a8\u51fa\u4e86KMCP\uff0c\u4e00\u4e2a\u65b0\u7684\u57fa\u4e8ek-mer\u7684\u5b8f\u57fa\u56e0\u7ec4\u7269\u79cd\u7ec4\u6210\u5206\u6790\u8f6f\u4ef6\u3002\u5b83\u5c06\u53c2\u8003\u57fa\u56e0\u7ec4\u5206\u5272\u6210\u591a\u4e2a\u76f8\u540c\u5927\u5c0f\u7684\u533a\u5757\uff0c\u5e76\u5c06\u6bcf\u4e2a\u533a\u5757\u7684k-mer\u5b58\u50a8\u5728\u4fee\u6539\u548c\u6539\u8fdb\u7684COBS\u7d22\u5f15\u4e2d\u7528\u4e8e\u5e8f\u5217\u7684\u5feb\u901f\u641c\u7d22\u3002KMCP\u901a\u8fc7\u7ed3\u5408k-mer\u76f8\u4f3c\u6027\u548c\u57fa\u56e0\u7ec4\u8986\u76d6\u4fe1\u606f\u6765\u51cf\u5c11\u57fa\u4e8ek-mer\u7684\u5b8f\u57fa\u56e0\u7ec4\u5206\u7c7b\u548c\u7269\u79cd\u7ec4\u6210\u5206\u6790\u8f6f\u4ef6\u7684\u9ad8\u5047\u9633\u6027\u3002\u57fa\u4e8e\u6a21\u62df\u548c\u771f\u5b9e\u6570\u636e\u7684\u57fa\u51c6\u6d4b\u8bd5\u663e\u793a\uff0cKMCP\u867d\u7136\u6bd4\u5176\u5b83\u8f6f\u4ef6\u8fd0\u884c\u65f6\u95f4\u66f4\u957f\uff0c\u4f46\u662fKMCP\u4e0d\u4ec5\u80fd\u5728\u539f\u6838\u751f\u7269\u548c\u75c5\u6bd2\u7fa4\u843d\u4e0a\u51c6\u786e\u5730\u5206\u6790\u7269\u79cd\u7ec4\u6210\uff0c\u8fd8\u80fd\u5728\u4f4e\u6df1\u5ea6\u4e34\u5e8a\u6837\u672c\u4e2d\u63d0\u4f9b\u9ad8\u53ef\u4fe1\u5ea6\u7684\u75c5\u539f\u5fae\u751f\u7269\u68c0\u6d4b\u7ed3\u679c\u3002
4\u3001Nat Genet\u53d1\u8868\u5927\u89c4\u6a21\u591a\u7ec4\u5b66\u7814\u7a76\u7ed3\u679c\uff0c\u63ed\u793a\u4e0a\u767e\u79cd\u7ed3\u76f4\u80a0\u764c\u76f8\u5173\u65b0\u9057\u4f20\u98ce\u9669\u56e0\u7d20
\u7531\u5f17\u96f7\u5fb7\u00b7\u54c8\u94a6\u68ee\u764c\u75c7\u7814\u7a76\u4e2d\u5fc3\u7684\u7814\u7a76\u4eba\u5458\u5bf910\u4e07\u4f59\u4f8b\u7ed3\u76f4\u80a0\u764c\uff08Colorectal cancer\uff0cCRC\uff09\u75c5\u4f8b\u300115\u4e07\u4f59\u4f8b\u6b27\u6d32\u548c\u4e1c\u4e9a\u8840\u7edf\u7684\u5bf9\u7167\u7ec4\u8fdb\u884c\u4e86\u5168\u57fa\u56e0\u7ec4\u5173\u8054\u7814\u7a76\uff08GWAS\uff09\u835f\u8403\u5206\u6790\uff0c\u786e\u5b9a\u4e86100\u591a\u4e2a\u4e0eCRC\u5bc6\u5207\u76f8\u5173\u7684\u65b0\u9057\u4f20\u98ce\u9669\u56e0\u7d20\u3002\u8fd9\u9879\u7814\u7a76\u662f\u8fc4\u4eca\u4e3a\u6b62\u5bf9\u7ed3\u76f4\u80a0\u764c\u5e38\u89c1\u9057\u4f20\u98ce\u9669\u56e0\u7d20\u8fdb\u884c\u7684\u6700\u5927\u3001\u6700\u5168\u9762\u7684\u7814\u7a76\u3002\u8be5\u7814\u7a76\u6210\u679c\u53ef\u4ee5\u5e2e\u52a9\u4e34\u5e8a\u533b\u751f\u66f4\u51c6\u786e\u5730\u9884\u6d4b\u3001\u786e\u5b9a\u60a3CRC\u98ce\u9669\u8f83\u9ad8\u7684\u60a3\u8005\uff0c\u4ee5\u4fbf\u5176\u80fd\u591f\u63a5\u53d7\u65e9\u671f\u7b5b\u67e5\uff0c\u5bf9\u60a3\u8005\u5b9e\u65bd\u66f4\u52a0\u7cbe\u51c6\u7684\u6cbb\u7597\u65b9\u6848\u3002
5\u3001\u81ea\u4e0a\u800c\u4e0b\u7684\u56e0\u679c\u5173\u7cfb\uff1a\u6570\u5b66\u7ed3\u6784\u4e0e\u89c2\u5bdf\u8005
\u8fd9\u7bc7\u6587\u7ae0\u8ba8\u8bba\u4e86\u81ea\u4e0a\u800c\u4e0b\u56e0\u679c\u5173\u7cfb\u7684\u4e24\u4e2a\u65b9\u9762\uff0c\u4e54\u6cbb\u00b7\u57c3\u5229\u65af\uff08George Ellis\uff0c\u8457\u540d\u7269\u7406\u5b66\u5bb6\u4e0e\u590d\u6742\u7cfb\u7edf\u5b66\u8005\uff09\u5bf9\u8fd9\u4e00\u590d\u6742\u6982\u5ff5\u8fdb\u884c\u4e86\u4ee4\u4eba\u4fe1\u670d\u7684\u89e3\u91ca\u3002\u8fd9\u7bc7\u6587\u7ae0\u5f88\u5927\u7a0b\u5ea6\u4e0a\u540c\u610f\u57c3\u5229\u65af\u7684\u603b\u4f53\u4fe1\u606f\uff0c\u4f46\u53ef\u80fd\u5bf9\u67d0\u4e9b\u7ec6\u8282\u7684\u7406\u89e3\u7565\u6709\u4e0d\u540c\u3002\u4f5c\u8005\u662f\u5728\u5e7f\u6cdb\u7684\u7ecf\u9a8c\u4e3b\u4e49\u80cc\u666f\u4e0b\u9610\u660e\u4e86\u8fd9\u4e00\u4fe1\u606f\u3002
6\u3001Nature Reviews Cancer\uff1a\u672a\u676510\u5e74\u80bf\u7624\u7cbe\u51c6\u6cbb\u7597\u76846\u4e2a\u672a\u89e3\u4e4b\u8c1c
\u601d\u8003\u95ee\u9898\u7684\u718a\u89e3\u8bfb 6 \u5927\u672a\u89e3\u4e4b\u8c1c\uff1a
7\u3001\u5f90\u745e\u534e\u6559\u6388\uff1a2022\u5341\u5927\u6d88\u5316\u9053\u80bf\u7624\u4e34\u5e8a\u7814\u7a76\u8fdb\u5c55\u3001\u5f85\u89e3\u51b3\u95ee\u9898
\u672c\u6587\u7531\u4e2d\u5c71\u5927\u5b66\u80bf\u7624\u9632\u6cbb\u4e2d\u5fc3\u5185\u79d1\u5f90\u745e\u534e\u6559\u6388\u56e2\u961f\u64b0\u6587\uff0c\u6587\u4e2d\u56de\u987e\u4e86\u98df\u7ba1\u764c\u3001\u80c3\u764c\u548c\u7ed3\u76f4\u80a0\u764c\u6cbb\u7597\u9886\u57df\u7684\u8fdb\u5c55\u53ca\u6709\u5f85\u89e3\u51b3\u7684\u95ee\u9898\u3002
8\u30012022\u5355\u7ec6\u80de\u5173\u952e\u610f\u89c1\u9886\u8896\u7684\u5173\u952e\u6587\u7ae0
\u751f\u6d3b\u7684\u7ec6\u8282\uff0c\u9760\u8fd1\u4e86\u770b\u4eff\u4f5b\u6563\u843d\u6d77\u6ee9\u7684\u8d1d\u58f3\uff0c\u4e03\u96f6\u516b\u843d\uff0c\u5f53\u6211\u4eec\u628a\u89c6\u89d2\u62c9\u957f\u4e00\u4e9b\uff0c\u8fd9\u4e00\u9897\u9897\u4e32\u8d77\u6765\uff0c\u5c31\u662f\u4e00\u4e32\u4e32\u6709\u8ff9\u53ef\u5faa\u7684\u73cd\u73e0\u9879\u94fe\uff0c\u4e0d\u53ef\u65b9\u7269\u3002 \u5f53\u6211\u4eec\u628a2022\u4ee5\u6625\u590f\u79cb\u51ac\u8fd9\u6837\u94fa\u5c55\u5f00\u6765\uff0c\u5386\u5386\u5728\u76ee\u7684\u5f80\u4e8b\uff0c\u4ee5\u67d0\u79cd\u903b\u8f91\u8fde\u7ed3\uff0c2022\u4e0d\u518d\u53ea\u662f\u4e00\u4e2a\u6570\u5b57\uff0c\u6709\u4e86\u6545\u4e8b\u4e5f\u6709\u4e86\u6e29\u5ea6\u30022022\u5e74\u5355\u7ec6\u80de\u8bfe\u9898\u600e\u4e48\u6837\uff1f\u5355\u7ec6\u80de\u6280\u672f\u63a5\u4e0b\u6765\u4f1a\u5f80\u54ea\u4e2a\u65b9\u5411\u53d1\u5c55\uff1f\u66f4\u591a\u7ec4\u5b66\uff1f\u66f4\u9ad8\u901a\u91cf\uff1f\u8ba9\u6211\u4eec\u8ddf\u968f\u5355\u7ec6\u80de\u5927\u4f6c2022\u5e74\u53d1\u8868\u7684\u6587\u7ae0\uff0c\u770b\u672a\u6765\u5df2\u6765\u3002
"},{"location":"issue-77/#_5","title":"\u5de5\u5177","text":"9\u3001imgpalr\uff5c\u4ece\u4efb\u4f55\u56fe\u7247\u4e2d\u521b\u5efa\u8c03\u8272\u677f
imgpalr\u5305\u53ef\u4ee5\u5f88\u5bb9\u6613\u5730\u4ece\u56fe\u50cf\u6587\u4ef6\u521b\u5efa\u8c03\u8272\u677f\u3002
10\u3001monocle3 | \u5355\u7ec6\u80de\u8f68\u8ff9\u5206\u6790
Monocle 3\u662f\u4e00\u4e2a\u7528\u4e8e\u5206\u6790\u5355\u7ec6\u80de\u57fa\u56e0\u8868\u8fbe\u7684\u5de5\u5177\u5305 \uff0c \u53ef\u4ee5\u6267\u884c\u4e09\u79cd\u4e3b\u8981\u7c7b\u578b\u7684\u5206\u6790\uff1a
1.\u805a\u7c7b\u3001\u5206\u7c7b\u548c\u8ba1\u6570\u7ec6\u80de\u3002\u5355\u7ec6\u80de RNA-Seq \u5b9e\u9a8c\u53ef\u8ba9\u60a8\u53d1\u73b0\u65b0\u7684\uff08\u53ef\u80fd\u7f55\u89c1\u7684\uff09\u4e9a\u578b \u7ec6\u80de\u30022.\u6784\u5efa\u5355\u7ec6\u80de\u8f68\u8ff9\u3002\u5728\u5f00\u53d1\u4e2d\uff0c \u75be\u75c5\uff0c\u5728\u6574\u4e2a\u751f\u547d\u8fc7\u7a0b\u4e2d\uff0c\u7ec6\u80de\u4ece\u4e00\u79cd\u72b6\u6001\u8fc7\u6e21\u5230\u53e6\u4e00\u79cd\u72b6\u6001\u30023.\u5dee\u5f02\u8868\u8fbe\u5206\u6790\u3002\u8868\u5f81\u65b0\u7ec6\u80de \u7c7b\u578b\u548c\u72b6\u6001\u59cb\u4e8e\u4e0e\u5176\u4ed6\u66f4\u597d\u7406\u89e3\u7684\u7ec6\u80de\u7684\u6bd4\u8f83\u3002
11\u3001clustergrammer | \u77e9\u9635\u53ef\u89c6\u5316\u4ea4\u4e92\u5de5\u5177
Clustergrammer\u662f\u4e00\u4e2a\u57fa\u4e8eWeb\u7684\u5de5\u5177\uff0c\u7528\u4e8e\u5c06\u9ad8\u7ef4\u6570\u636e\uff08\u4f8b\u5982\u77e9\u9635\uff09\u53ef\u89c6\u5316\u4e3a\u4ea4\u4e92\u5f0f\u548c\u53ef\u5171\u4eab\u7684\u5206\u5c42\u96c6\u7fa4\u70ed\u56fe\u3002Clustergrammer\u7684\u524d\u7aef\u662f\u4f7f\u7528D3.js\u6784\u5efa\u7684\uff0c\u5b83\u7684\u540e\u7aef\u5219\u7531Python\u6784\u5efa\u3002Clustergrammer \u4ea7\u751f\u9ad8\u5ea6\u4ea4\u4e92\u5f0f\u7684\u53ef\u89c6\u5316\uff0c\u80fd\u591f\u76f4\u89c2\u5730\u63a2\u7d22\u9ad8\u7ef4\u6570\u636e\uff0c\u5e76\u5177\u6709\u591a\u79cd\u751f\u7269\u5b66\u7279\u5f02\u6027\u7279\u5f81\uff0c\u4ee5\u4fc3\u8fdb\u57fa\u56e0\u7ea7\u751f\u7269\u6570\u636e\u7684\u63a2\u7d22\u3002
12\u3001EnhancedVolcano | \u706b\u5c71\u56fe
\u706b\u5c71\u56fe\u662f\u4e00\u79cd\u5e38\u89c1\u7684\u7528\u4e8e\u53ef\u89c6\u5316\u5dee\u5f02\u8868\u8fbe\u57fa\u56e0\u7684\u65b9\u6cd5\u3002EnhancedVolcano\u662f\u4e00\u4e2a\u9ad8\u5ea6\u53ef\u5b9a\u5236\u5316\u7684R\u5305\u3002\u91c7\u7528\u5176\u9ed8\u8ba4\u6a21\u5f0f\u4e5f\u53ef\u4ee5\u5feb\u901f\u505a\u51fa\u7f8e\u89c2\u7684\u706b\u5c71\u56fe\u3002
13\u3001\u5b5f\u5fb7\u5c14\u968f\u673a\uff0c\u5341\u5927\u6587\u7ae0\u6c47\u603b
\u5b5f\u5fb7\u5c14\u968f\u673a\u5316\u7814\u7a76\u5df2\u6210\u4e3a\u5f53\u4e0b\u53c8\u4e00\u4e2a\u53d1\u6587\u70ed\u70b9\uff0c\u672c\u6587\u603b\u7ed3\u4e86\u4ece\u4eca\u5e74\u5e74\u521d\u5f00\u59cb\u5173\u4e8e\u8fd9\u4e2a\u65b9\u5411\u7684\u5341\u591a\u7bc7\u6587\u7ae0\uff0c\u4e3a\u5165\u95e8\u5b66\u4e60\u8be5\u9886\u57df\u7684\u7814\u7a76\u63d0\u4f9b\u4e86\u65e2\u5f80\u6587\u732e\u57fa\u7840\u3002
14\u3001prompt \u5199\u4f5c\u6307\u5357
\u8fd9\u662f\u4e00\u7bc7\u9488\u5bf9BoostPixels\u5f15\u64ce\u7684\u751f\u6210\u5f0fAI\u7684prompt\u6559\u7a0b\uff0c\u5177\u6709\u53c2\u8003\u4ef7\u503c\u3002
\u7b2c 36 \u671f\uff1a\u201c\u8d39\u94b1\u3001\u8d39\u529b\u3001\u4e0d\u8d39\u8111\u201d\u662f\u4e2d\u56fd\u8be5\u63d0\u5021\u7684\u79d1\u7814\u5417\uff1f
"},{"location":"issue-77/#github-id","title":"\u8d21\u732e\u8005\uff08GitHub ID\uff09","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09@kongjianyang\uff08\u7a7a\u95f4\u9633\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-78/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 78 \u671f\uff09\uff1a\u9738\u51cc\u662f\u5e73\u5eb8\u79d1\u5b66\u5bb6\u767b\u4e0a\u9876\u5cf0\u7684\u624b\u6bb5","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-78/#_1","title":"\u5c01\u9762\u56fe","text":"\u56fe\u7247\uff1a\u5730\u56fe\u7684\u5931\u771f
\u6709\u65f6\u5019\uff0c\u770b\u5730\u56fe\u4f1a\u8bef\u5224\uff0c\u5730\u56fe\u4e0a\u4fc4\u7f57\u65af\u8fc7\u5927\uff086400\u516c\u91cc\uff09\uff0c\u975e\u6d32\u8fc7\u5c0f\uff087200\u516c\u91cc\uff09\u3002\u8fd9\u5e76\u4e0d\u662f\u5730\u56fe\u753b\u9519\u4e86\uff0c\u800c\u662f\u5730\u7403\u4e3a\u7403\u5f62\uff0c\u6295\u5f71\u6210\u5e73\u9762\u5730\u56fe\u4f1a\u5931\u771f\uff0c\u9ad8\u7eac\u5ea6\u5730\u533a\u88ab\u62c9\u957f\u4e86\u3002
"},{"location":"issue-78/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u9738\u51cc\u662f\u5e73\u5eb8\u79d1\u5b66\u5bb6\u767b\u4e0a\u9876\u5cf0\u7684\u624b\u6bb5","text":"\u5982\u4eca\u5927\u5bb6\u65e9\u5df2\u4e0d\u518d\u75f4\u8ff7\u4e8e\u6240\u8c13\u7684\u300c\u597d\u5b66\u751f\u300d\u6ee4\u955c\uff0c\u80fd\u591f\u66f4\u52a0\u7406\u6027\u5730\u8ba4\u8bc6\u5230\uff0c\u300c\u9738\u51cc\u4ed6\u4eba\u300d\u4e0e\u300c\u64c5\u957f\u5b66\u672f\u300d\u4e24\u4ef6\u4e8b\u5e76\u4e0d\u51b2\u7a81\u3002
\u53ef\u4e8b\u5b9e\u4e5f\u8bb8\u8fd8\u8981\u66f4\u7cdf\u7cd5\u4e00\u4e9b\uff1a\u4e00\u7bc7\u6765\u81ea Nature Correspondence \u7684\u6587\u7ae0\u8868\u793a\uff0c\u8bb8\u591a\u6240\u8c13\u7684\u300c\u660e\u661f\u5b66\u8005\u300d\u4e4b\u6240\u4ee5\u80fd\u591f\u51fa\u4eba\u5934\u5730\uff0c\u6b63\u662f\u56e0\u4e3a\u4ed6\u4eec\u5728\u804c\u4e1a\u751f\u6daf\u4e2d\u9009\u62e9\u4e86\u5f53\u4e2a\u574f\u4eba\u2014\u2014
\u9738\u51cc\u884c\u4e3a\uff0c\u6b63\u662f\u8fd9\u4e9b\u5e73\u5eb8\u7684\u5b66\u8005\u767b\u4e0a\u9876\u5cf0\u7684\u624b\u6bb5\u3002
@kongjianyang\uff1a\u5b66\u672f\u5708\u4e2d\u7684\u9738\u51cc\u884c\u4e3a\u8fdc\u672a\u5f97\u5230\u8db3\u591f\u7684\u91cd\u89c6\uff0c\u6bcf\u5e74\u90fd\u4f1a\u6709\u7814\u7a76\u751f\u548c\u5bfc\u5e08\u4e4b\u95f4\u7684\u95ee\u9898\u88ab\u66dd\u5149\u3002\u867d\u7136\u4eba\u4eec\u666e\u904d\u8ba4\u4e3a\uff0c\u9762\u5bf9\u9738\u51cc\u6700\u597d\u7684\u505a\u6cd5\u662f\u52c7\u6562\u5730\u5bfb\u6c42\u5e2e\u52a9\u5e76\u594b\u529b\u5bf9\u6297\uff0c\u4f46\u53ea\u6709\u79d1\u7814\u4eba\u5458\u624d\u77e5\u9053\uff0c\u5f53\u9738\u51cc\u8005\u662f\u81ea\u5df1\u7684\u5bfc\u5e08\u6216PI\u65f6\uff0c\u60f3\u8981\u53cd\u6297\u662f\u591a\u4e48\u56f0\u96be\u3002\u8fd9\u7bc7\u6587\u7ae0\u4e3a\u53d7\u5230\u9738\u51cc\u7684\u79d1\u7814\u4eba\u5458\u63d0\u4f9b\u4e86\u4e00\u4e9b\u5efa\u8bae\uff0c\u5e0c\u671b\u6bcf\u4f4d\u79d1\u7814\u5de5\u4f5c\u8005\u90fd\u80fd\u5f00\u5fc3\u79d1\u7814\uff0c\u5bf9\u4e8e\u9738\u51cc\u884c\u4e3a\u52c7\u6562\u7684\u8bf4\u4e0d\u3002
1\u3001Cancer Cell | \u57fa\u4e8ebulk RNA-seq\u7cbe\u51c6\u91cd\u5efa\u80bf\u7624TME\u7684\u673a\u5668\u5b66\u4e60\u65b0\u7b97\u6cd5Kassandra
\u7f8e\u56fdMD\u5b89\u5fb7\u68ee\u764c\u75c7\u4e2d\u5fc3\u548cBostonGene\u516c\u53f8\u7684\u7814\u7a76\u56e2\u961f\u5171\u540c\u5f00\u53d1\u4e86\u4e00\u79cd\u540d\u4e3a\u201cKassandra\u201d\u7684\u51b3\u7b56\u6811\u673a\u5668\u5b66\u4e60\uff08ML\uff09\u7b97\u6cd5\u3002\u8fd9\u4e2a\u7b97\u6cd5\u7ecf\u8fc7\u8bad\u7ec3\uff0c\u4f7f\u7528\u8d85\u8fc79,400\u4e2a\u7ec4\u7ec7\u548c\u8840\u6db2\u5206\u9009\u7684\u7ec6\u80deRNA\u56fe\u8c31\uff0c\u5e76\u5c06\u5176\u4e0e\u6570\u767e\u4e07\u4e2a\u4eba\u5de5\u8f6c\u5f55\u7ec4\u6570\u636e\u6574\u5408\u5728\u4e00\u8d77\uff0c\u4ee5\u51c6\u786e\u5730\u91cd\u5efa\u80bf\u7624\u5fae\u73af\u5883\uff08TME\uff09\u3002Kassandra\u7b97\u6cd5\u57fa\u4e8e\u7ec6\u80deRNA\u7684\u72ec\u7279\u7279\u5f81\uff0c\u53ef\u4ee5\u9002\u7528\u4e8e\u4e0d\u540c\u7c7b\u578b\u7684\u7ec6\u80de\uff0c\u5e76\u5e2e\u52a9\u6211\u4eec\u66f4\u597d\u3001\u66f4\u5168\u9762\u5730\u7406\u89e3\u4ec5\u5305\u542bRNA-seq\u6570\u636e\u7684\u6863\u6848\u6837\u672c\u4e2d\u7684\u751f\u7269\u5b66\u4fe1\u606f\u3002\u8fd9\u9879\u7814\u7a76\u672a\u6765\u6709\u671b\u5728\u591a\u79cd\u75be\u75c5\u7684\u4e34\u5e8a\u5e94\u7528\u4e2d\u53d1\u6325\u91cd\u8981\u4f5c\u7528\u3002
2\u3001Science\u5c01\u9762\uff01\u534e\u5927\u6784\u5efa\u5168\u7403\u9996\u4e2a\u8111\u518d\u751f\u65f6\u7a7a\u56fe\u8c31
2022\u5e749\u67082\u65e5\uff0c\u7531\u676d\u5dde\u534e\u5927\u751f\u547d\u79d1\u5b66\u7814\u7a76\u9662\u4e3b\u5bfc\uff0c\u8054\u5408\u6765\u81ea3\u4e2a\u56fd\u5bb6\u768417\u4e2a\u5355\u4f4d\u7684\u79d1\u5b66\u5bb6\u5171\u540c\u7ec4\u6210\u7684\u7814\u7a76\u56e2\u961f\u5206\u6790\u6bd4\u8f83\u4e86\u877e\u8788\u8111\u53d1\u80b2\u548c\u518d\u751f\u8fc7\u7a0b\uff0c\u6784\u5efa\u4e86\u9996\u4e2a\u877e\u8788\u8111\u518d\u751f\u65f6\u7a7a\u56fe\u8c31\uff0c\u8fd9\u4e5f\u662f\u5168\u7403\u9996\u4e2a\u8111\u518d\u751f\u65f6\u7a7a\u56fe\u8c31, \u76f8\u5173\u6210\u679c\u4ee5\u80cc\u9760\u80cc\u5c01\u9762\u6587\u7ae0\u7684\u5f62\u5f0f\u53d1\u8868\u4e8e\u56fd\u9645\u9876\u7ea7\u5b66\u672f\u671f\u520a\u300a\u79d1\u5b66\u300b\u3002\u79d1\u5b66\u5bb6\u627e\u5230\u4e86\u877e\u8788\u8111\u518d\u751f\u8fc7\u7a0b\u4e2d\u7684\u5173\u952e\u795e\u7ecf\u5e72\u7ec6\u80de\u4e9a\u7fa4\uff0c\u63cf\u7ed8\u4e86\u6b64\u7c7b\u5e72\u7ec6\u80de\u4e9a\u7fa4\u91cd\u6784\u635f\u4f24\u795e\u7ecf\u5143\u7684\u8fc7\u7a0b\uff0c\u540c\u65f6\u8fd8\u53d1\u73b0\u8111\u518d\u751f\u4e0e\u53d1\u80b2\u8fc7\u7a0b\u5177\u6709\u4e00\u5b9a\u7684\u76f8\u4f3c\u6027\uff0c\u4e3a\u8ba4\u77e5\u8111\u7ed3\u6784\u548c\u53d1\u80b2\u8fc7\u7a0b\u63d0\u4f9b\u52a9\u529b\uff0c\u4e3a\u795e\u7ecf\u7cfb\u7edf\u7684\u518d\u751f\u533b\u5b66\u7814\u7a76\u548c\u6cbb\u7597\u63d0\u4f9b\u65b0\u7684\u65b9\u5411\u3002
3\u3001NPJ GENOM MED | 43\u4e07\u4eba\u5927\u578b\u4e34\u5e8a\u8bca\u65ad\u961f\u5217\u7814\u7a76\u63ed\u793a\uff0cDNA\u548cRNA\u914d\u5bf9\u68c0\u6d4b\u80fd\u66f4\u51c6\u786e\u5730\u8bca\u65ad\u9057\u4f20\u6027\u764c\u75c7
\u7f8e\u56fdAmbry Genetics\u516c\u53f8\u5728npj Genomic Medicine\u6742\u5fd7\u4e0a\u53d1\u5e03\u4e86\u4e00\u9879\u5927\u89c4\u6a21\u961f\u5217\u7814\u7a76\u7684\u7ed3\u679c\uff0c\u7814\u7a76\u56e2\u961f\u901a\u8fc7\u5c06DNA\u548cRNA\u6d4b\u5e8f\u914d\u5bf9\u6765\u89e3\u51b3\u526a\u63a5\u53d8\u4f53\u8bc6\u522b\u548c\u89e3\u91ca\u7684\u96be\u9898\uff0c\u5e76\u63cf\u8ff0\u4e86\u753143,524\u540d\u63a5\u53d7\u9057\u4f20\u6027\u764c\u75c7\u6613\u611f\u57fa\u56e0\u68c0\u6d4b\u7684\u4e2a\u4f53\u7ec4\u6210\u7684\u4e34\u5e8a\u961f\u5217\u4e2d\u7684\u7a81\u53d8\u548c\u526a\u63a5\u60c5\u51b5\u3002\u8be5\u7814\u7a76\u8bc1\u660e\u4e86DNA\u548cRNA-seq\u914d\u5bf9\u68c0\u6d4b\u7684\u6548\u7528\uff0c\u5176\u53ef\u4ee5\u68c0\u6d4b\u5230\u5f71\u54cd\u526a\u63a5\u7684\u81f4\u75c5\u53d8\u5f02\uff0c\u5305\u62ec\u6df1\u5185\u542b\u5b50\u53d8\u5f02\uff0c\u4ece\u800c\u80fd\u591f\u9274\u5b9a\u51fa\u989d\u5916\u7684\u5177\u6709\u4e34\u5e8a\u53ef\u64cd\u4f5c\u7ed3\u679c\u7684\u4e2a\u4f53\u3002\u8be5\u7814\u7a76\u7ed3\u679c\u5f3a\u8c03\u4e86RNA-seq\u5728\u63d0\u9ad8\u4ec5\u91c7\u7528DNA\u8bca\u65ad\u65b9\u6cd5\u53ef\u80fd\u4f1a\u6f0f\u68c0\u7684\u9ad8\u5371\u4eba\u7fa4\u8bc6\u522b\u65b9\u9762\u7684\u91cd\u8981\u6027\u3002
4\u3001jjVolcano | \u4e00\u884c\u4ee3\u7801\u7ed8\u5236\u5355\u7ec6\u80de\u706b\u5c71\u56fe
\u672c\u6587\u4ecb\u7ecd\u5982\u4f55\u4f7f\u7528 scRNAtoolVis \u5305\u4e2d\u7684 jjVolcano \u51fd\u6570\u8fdb\u884c\u591a\u7ec4\u706b\u5c71\u56fe\u7684\u7ed8\u5236\u3002
5\u3001UCSCXenaTools\u63a2\u7d22\u5404\u7c7b\u578b\u80bf\u7624\u7684TN\u5dee\u5f02\u5206\u6790
UCSCXenaTools\u662f\u7531@ShixiangWang\u5f00\u53d1\u7684R\u5ba2\u6237\u7aef\uff0c\u7528\u4e8e\u4e0b\u8f7dUCSC Xena\u5e73\u53f0\u7684\u6570\u636e\u3002\u8fd9\u7bc7\u6587\u7ae0\u7ed9\u51fa\u4e86\u5229\u7528UCSCXenaTools\u63a2\u7d22\u5404\u79cd\u80bf\u7624\u4e0e\u5bf9\u7167\u7ec4\u4e4b\u95f4\u5728\u5168\u5c40\u6c34\u5e73\u4e0a\uff08\u4f8b\u5982mRNA\uff0clncRNA\uff0cmiRNA\uff0c\u7532\u57fa\u5316\u548c\u86cb\u767d\u8d28\uff09\u7684\u5dee\u5f02\u60c5\u51b5\u7684\u5206\u6790\u6d41\u7a0b\u3002
6\u3001\u200b2 \u4e07\u5b57\u7cfb\u7edf\u603b\u7ed3\uff0c\u5e26\u4f60\u5b9e\u73b0 Linux \u547d\u4ee4\u81ea\u7531
Linux\u547d\u4ee4\u5728\u751f\u7269\u4fe1\u606f\u5206\u6790\u4e2d\u7684\u91cd\u8981\u6027\u4e0d\u8a00\u800c\u55bb\u3002\u672c\u6587\u5bf9Linux\u5e73\u53f0\u4e0a\u4e00\u4e9b\u5e38\u89c1\u547d\u4ee4\u8fdb\u884c\u4e86\u7cfb\u7edf\u68b3\u7406\uff0c\u503c\u5f97\u4e00\u8bfb\u3002
"},{"location":"issue-78/#_5","title":"\u5de5\u5177","text":"7\u3001gptstudio\uff1a\u5927\u8bed\u8a00\u6a21\u578b\u7684Rstudio\u63d2\u4ef6
\u4e00\u6b3e\u80fd\u591f\u5c06\u5927\u8bed\u8a00\u6a21\u578b\u6574\u5408\u5230R\u8bed\u8a00\u5206\u6790\u5de5\u4f5c\u6d41\u4e2d\u7684\u63d2\u4ef6\u3002\u8fd9\u4e2a\u63d2\u4ef6\u5f88\u706b\uff0c\u4e0d\u5230\u51e0\u4e2a\u6708\u5df2\u7ecf\u5728GitHub\u62ff\u5230\u4e86\u8d85\u8fc7600\u7684star\uff0c\u611f\u5174\u8da3\u7684\u53ef\u4ee5\u53bb\u5c1d\u8bd5\u4f7f\u7528\u4e0b\u5b83\u3002
8\u3001GPT Academic\uff1aGPT \u5b66\u672f\u4f18\u5316
\u540c\u6837\u662f\u4e00\u6b3e\u57fa\u4e8e\u5927\u9884\u8a00\u6a21\u578b\u5f00\u53d1\u7684\u5de5\u5177\uff0c\u4e3aChatGPT/GLM\u63d0\u4f9b\u56fe\u5f62\u4ea4\u4e92\u754c\u9762\uff0c\u7279\u522b\u4f18\u5316\u8bba\u6587\u9605\u8bfb\u6da6\u8272\u4f53\u9a8c\uff0c\u6a21\u5757\u5316\u8bbe\u8ba1\u652f\u6301\u81ea\u5b9a\u4e49\u5feb\u6377\u6309\u94ae&\u51fd\u6570\u63d2\u4ef6\uff0c\u652f\u6301\u4ee3\u7801\u5757\u8868\u683c\u663e\u793a\uff0cTex\u516c\u5f0f\u53cc\u663e\u793a\uff0c\u652f\u6301Python\u548cC++\u7b49\u9879\u76ee\u5256\u6790&\u81ea\u8bd1\u89e3\u529f\u80fd\uff0cPDF/LaTex\u8bba\u6587\u7ffb\u8bd1&\u603b\u7ed3\u529f\u80fd\uff0c\u652f\u6301\u5e76\u884c\u95ee\u8be2\u591a\u79cdLLM\u6a21\u578b\uff0c\u652f\u6301\u6e05\u534echatglm\u7b49\u672c\u5730\u6a21\u578b\u3002
9\u3001tidyclust \uff5c \u805a\u7c7b\u6a21\u578b\u7684 tidy \u901a\u7528\u63a5\u53e3
"},{"location":"issue-78/#_6","title":"\u8d44\u6e90","text":"10\u3001\u9002\u5408\u64b0\u5199\u8bfe\u7a0b\u8bba\u6587\u7684 LaTeX \u6a21\u677f
\u672c\u6587\u63a8\u8350\u4e86\u51e0\u4e2a\u9002\u5408\u5199\u4e66\u548c\u7b14\u8bb0\u7684LaTeX\u6a21\u677f\uff1a
11\u3001\u63a8\u7279\u4e0a\u6700\u65b0\u8d8515w\u9605\u8bfb\u7684\u79d1\u6280\u8bba\u6587\u5199\u4f5c\u65b0\u624b\u6307\u5357
\u8fd9\u662f\u4e00\u7bc7\u5728\u63a8\u7279\u4e0a\u5e7f\u53d7\u5173\u6ce8\u7684\u79d1\u6280\u8bba\u6587\u5199\u4f5c\u6307\u5357\u7684\u4e2d\u6587\u8bd1\u6587\uff0c\u5bf9\u4e8e\u9700\u8981\u4e00\u4e9b\u8bba\u6587\u5199\u4f5c\u601d\u8def\u7684\u540c\u5b66\u6765\u8bf4\uff0c\u53ef\u4ee5\u53c2\u8003\u4e00\u4e0b\u3002
12\u3001AI\u5de5\u5177\u5bfc\u822a\u7f51\u7ad9
\u968f\u7740ChatGPT\u7684\u706b\u7206\uff0c\u5404\u79cd\u4eba\u5de5\u667a\u80fd\u5de5\u5177\u4e0d\u65ad\u6d8c\u73b0\uff0c\u8fd9\u4e2a\u7f51\u7ad9\u6c47\u96c6\u4e86\u56fd\u5185\u5916\u70ed\u95e8\u7684\u4eba\u5de5\u667a\u80fd\u5de5\u5177\u548c\u7f51\u7ad9\uff0c\u53ef\u4ee5\u6d4f\u89c8\u4e00\u4e0b\uff0c\u770b\u770b\u662f\u5426\u80fd\u627e\u5230\u4f60\u6240\u9700\u7684\u4eba\u5de5\u667a\u80fd\u5de5\u5177\u3002
\u7b2c 38 \u671f\uff1a\u9009\u4eba\u4e0d\u9009\u9879\u76ee\u7684\u300c\u57fa\u77f3\u9879\u76ee\u300d\u80fd\u5426\u8d70\u5411\u6210\u529f\uff1f
"},{"location":"issue-78/#github-id","title":"\u8d21\u732e\u8005\uff08GitHub ID\uff09","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09@kongjianyang\uff08\u7a7a\u95f4\u9633\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-79/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 79 \u671f\uff09\uff1a\u56db\u5343\u5468","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-79/#_1","title":"\u5c01\u9762\u56fe","text":"\u56fe\u7247\u6765\u6e90\uff1a\u5b8b\u4eba\u5fc3\u4e2d\u7684\u201c\u6597\u8336\u795e\u5668\u201d
"},{"location":"issue-79/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u56db\u5343\u5468","text":"\u4e00\u7bc7\u540d\u4e3a\u300a\u53cd\u751f\u4ea7\u529b\u5ba3\u8a00\u300b\u7684\u6587\u7ae0\u8ba8\u8bba\u4e86\u751f\u4ea7\u529b\u7684\u6982\u5ff5\u53ca\u5176\u6f5c\u5728\u7684\u9677\u9631\u3002\u4f5c\u8005\u5f15\u7528\u4e86\u5965\u5229\u5f17-\u4f2f\u514b\u66fc\uff08Oliver Burkeman\uff09\u7684\u300a\u56db\u5343\u5468\u300b\u4e00\u4e66\uff0c\u8be5\u4e66\u5f3a\u8c03\u4e86\u6211\u4eec\u751f\u6d3b\u4e2d\u6709\u9650\u7684\u65f6\u95f4\uff0c\u5e76\u6279\u8bc4\u4e86\u5bf9\u6548\u7387\u7684\u65e0\u60c5\u8ffd\u6c42\u3002\u4f5c\u8005\u8ba4\u4e3a\uff0c\u9ad8\u6548\u5f80\u5f80\u4f1a\u5bfc\u81f4\u66f4\u591a\u5de5\u4f5c\u800c\u4e0d\u662f\u66f4\u591a\u95f2\u6687\u65f6\u95f4\uff0c\u56e0\u4e3a\u5176\u4ed6\u4eba\u5f00\u59cb\u671f\u671b\u4f60\u505a\u5f97\u66f4\u591a\u3002\u8fd9\u662f\u7531\u4e8e\u5de5\u4f5c\u91cf\u672c\u8d28\u4e0a\u662f\u65e0\u9650\u7684\u3002\u4f5c\u8005\u4f7f\u7528\u4e00\u4e2a\u5546\u4eba\u548c\u6e14\u6c11\u7684\u5bd3\u8a00\u6765\u8bf4\u660e\u8ffd\u6c42\u6548\u7387\u4ee5\u4eab\u53d7\u751f\u6d3b\u65f6\u7684\u8bbd\u523a\u4e4b\u5904\uff0c\u5f53\u65f6\u751f\u6d3b\u4e2d\u4ee4\u4eba\u6109\u5feb\u7684\u90e8\u5206\u901a\u5e38\u4e0d\u9700\u8981\u6548\u7387\u3002\u6587\u7ae0\u8fd8\u8ba8\u8bba\u4e86\u88ab\u843d\u4e0b\u6216\u53d8\u5f97\u65e0\u5173\u7d27\u8981\u7684\u6050\u60e7\uff0c\u8fd9\u5f71\u54cd\u7740\u6bcf\u4e2a\u4eba\uff0c\u65e0\u8bba\u4ed6\u4eec\u6210\u529f\u4e0e\u5426\u6216\u8d22\u5bcc\u5982\u4f55\u3002\u8fd9\u573a\u6301\u7eed\u4e0d\u65ad\u5730\u7ade\u8d5b\u7ecf\u5e38\u5bfc\u81f4\u9057\u61be\uff0c\u6b63\u5982\u5782\u6b7b\u4e4b\u4eba\u666e\u904d\u540e\u6094\u8fc7\u5ea6\u52b3\u7d2f\u4e00\u6837\u3002\u4f5c\u8005\u5efa\u8bae\u89e3\u51b3\u8fd9\u79cd\u751f\u4ea7\u529b\u8dd1\u6b65\u673a\u95ee\u9898\u7684\u65b9\u6cd5\u662f\u79ef\u6781\u9009\u62e9\u5bf9\u4f60\u91cd\u8981\u5e76\u82b1\u65f6\u95f4\u53bb\u505a\u90a3\u4e9b\u4e8b\u60c5\uff0c\u65e0\u8bba\u662f\u53cb\u8c0a\u3001\u7231\u597d\u8fd8\u662f\u5065\u5eb7\u7b49\u65b9\u9762\u3002\u4f5c\u8005\u8fd8\u8b66\u544a\u4e0d\u8981\u9677\u5165\u6c89\u8ff7\u4e8e\u5de5\u4f5c\u884c\u4e3a\u800c\u975e\u5de5\u4f5c\u672c\u8eab\u7684\u9677\u9631\u3002\u6587\u7ae0\u6700\u540e\u5f3a\u8c03\u4e86\u73cd\u89c6\u751f\u547d\u6709\u9650\u548c\u6211\u4eec\u6240\u505a\u9009\u62e9\u7684\u91cd\u8981\u6027\uff0c\u4ee5\u53ca\u9700\u8981\u6b23\u8d4f\u5f53\u524d\u65f6\u523b\u800c\u4e0d\u662f\u4e0d\u65ad\u8ffd\u6c42\u66f4\u7f8e\u597d\u672a\u6765\u7684\u5fc5\u8981\u6027\u3002
@wangdepin - \u5f88\u6709\u610f\u601d\u7684\u4e00\u70b9\uff1a\u9ad8\u6548\u7387\u7684\u4eba\u5f80\u5f80\u4f1a\u5f97\u5230\u66f4\u591a\u7684\u5de5\u4f5c\uff0c\u800c\u4e0d\u662f\u66f4\u591a\u7684\u4f11\u95f2\u65f6\u95f4\uff0c\u56e0\u4e3a\u5176\u4ed6\u4eba\u5f00\u59cb\u671f\u5f85\u4f60\u80fd\u505a\u66f4\u591a\u7684\u4e8b\u60c5\u3002
"},{"location":"issue-79/#_3","title":"\u751f\u4fe1\u7814\u7a76","text":"1\u3001Cancer Cell | d-MMR/MSI-H \u80a0\u764c\u514d\u75ab\u5fae\u73af\u5883\u89e3\u6790
\u514d\u75ab\u68c0\u67e5\u70b9\u6291\u5236\u5242(ICI)\u6cbb\u7597\u53ef\u4ee5\u8bf1\u5bfc\u9519\u914d\u4fee\u590d\u7f3a\u9677\u548c\u5fae\u536b\u661f\u4e0d\u7a33\u5b9a\u6027\u9ad8(d-MMR/MSI-H)\u7ed3\u76f4\u80a0\u764c(CRC)\u7684\u5b8c\u5168\u7f13\u89e3\u3002\u7136\u800c\uff0c\u514d\u75ab\u6cbb\u7597\u5b9e\u73b0\u75c5\u7406\u5b8c\u5168\u53cd\u5e94(pCR)\u7684\u6f5c\u5728\u673a\u5236\u5c1a\u672a\u5b8c\u5168\u4e86\u89e3\u3002\u8be5\u7814\u7a76\u9996\u6b21\u5bf9PD-1\u963b\u65ad\u5242(\u6258\u5229\u5e15\u5355\u6297)\u6216\u6258\u5229\u5e15\u5355\u6297\u8054\u5408COX-2\u6291\u5236\u5242(\u585e\u6765\u6614\u5e03)\u6cbb\u7597\u7684d-MMR/MSI-H CRC\u60a3\u8005\u7684\u80bf\u7624\u7ec6\u80de\u7fa4\u8fdb\u884c\u4e86\u6df1\u5165\u7684\u7ec6\u80de\u548c\u5206\u5b50\u5206\u6790\u3002\u8be5\u7814\u7a76\u65e8\u5728\u63ed\u793a\u80bf\u7624\u6b8b\u4f59\u60a3\u8005\u5bf9ICI\u6cbb\u7597\u7684\u8010\u836f\u6027\u548c\u654f\u611f\u6027\u7684\u57fa\u7840\uff0c\u5e76\u63d0\u793aICI\u6cbb\u7597\u7684\u6f5c\u5728\u6cbb\u7597\u9776\u70b9\u3002\u8be5\u7814\u7a76\u6bd4\u8f83\u4e86\u5b9e\u73b0\u75c5\u7406\u5b8c\u5168\u7f13\u89e3(pCR)\u7684\u60a3\u8005\u66b4\u9732\u4e8eICI\u524d\u540e\u7684\u7ec6\u80de\u7c7b\u578b\u5206\u5e03\u548c\u529f\u80fd\u53d8\u5316\uff0c\u4ee5\u9610\u660e\u4e0eICI\u6cbb\u7597\u6210\u529f\u76f8\u5173\u7684\u673a\u5236(\u2212ICI vs +ICI/pCR)\u3002\u8be5\u7814\u7a76\u8fd8\u5206\u6790\u4e86pCR\u548c\u975epCR\u53cd\u5e94\u5728\u6cbb\u7597\u52a8\u529b\u5b66\u4e0a\u7684\u5dee\u5f02\uff0c\u4ee5\u63a2\u8ba8\u514d\u75ab\u6cbb\u7597\u8010\u836f\u7684\u673a\u5236\u3002
2\u3001NEJM | \u82f1\u56fd\u201c\u7834\u8bd1\u53d1\u80b2\u969c\u788d\u201d\u9879\u76ee\u63ed\u793a\u4e94\u5343\u4f59\u4f8b\u7f55\u89c1\u75c5\u7684\u9057\u4f20\u539f\u56e0
\u8fd1\u5e74\u6765\uff0c\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u5728\u8bc6\u522b\u7f55\u89c1\u5355\u57fa\u56e0\u75be\u75c5\u7684\u5206\u5b50\u673a\u5236\u65b9\u9762\u53d6\u5f97\u4e86\u975e\u51e1\u7684\u8fdb\u5c55\uff0c\u5e76\u8d8a\u6765\u8d8a\u591a\u5730\u5e94\u7528\u4e8e\u591a\u79cd\u75be\u75c5\u7684\u8bca\u65ad\u3002\u6700\u65e9\u5c06\u5927\u89c4\u6a21\u57fa\u56e0\u7ec4\u7814\u7a76\u4e0e\u4e2a\u4f53\u60a3\u8005\u53cd\u9988\u76f8\u7ed3\u5408\u7684\u7814\u7a76\u4e4b\u4e00\u662f\u82f1\u56fd\u7834\u8bd1\u53d1\u80b2\u969c\u788d\uff08Deciphering Developmental Disorders, DDD\uff09\u7814\u7a76\u9879\u76ee\u3002\u8be5\u9879\u76ee\u62db\u52df\u4e8613500\u591a\u4e2a\u5bb6\u5ead\uff0c\u83b7\u5f97\u4e86\u5916\u663e\u5b50\u7ec4\u6d4b\u5e8f\u548c\u5fae\u9635\u5217\u6570\u636e\uff0c\u5e76\u4e0e200\u591a\u540d\u4e34\u5e8a\u533b\u751f\u8bb0\u5f55\u7684\u4e30\u5bcc\u4e34\u5e8a\u8868\u578b\u76f8\u8865\u5145\u3002
\u8fd1\u65e5\uff0c\u8be5\u9879\u76ee\u56e2\u961f\u5728\u56fd\u9645\u9876\u7ea7\u671f\u520aThe New England Journal of Medicine\u53d1\u8868\u4e86\u9898\u4e3a\u201cGenomic Diagnosis of Rare Pediatric Disease in the United Kingdom and Ireland\u201d\u7684\u6587\u7ae0\u3002\u5728\u8be5\u6587\u7ae0\u4e2d\uff0c\u7814\u7a76\u56e2\u961f\u63cf\u8ff0\u4e86DDD\u7814\u7a76\u591a\u5e74\u6765\u5f00\u53d1\u7684\u5206\u6790\u7b56\u7565\u3002\u901a\u8fc7\u8be5\u9879\u76ee\uff0c\u5927\u7ea65500\u4f8b\u4e25\u91cd\u53d1\u80b2\u969c\u788d\u60a3\u8005\u4e86\u89e3\u4e86\u5176\u75be\u75c5\u76f8\u5173\u9057\u4f20\u56e0\u7d20\u3002\u5e73\u5747\u800c\u8a00\uff0c\u6bcf\u4e2a\u7236\u6bcd-\u540e\u4ee3\u4e09\u4eba\u7ec4\u4e2d\u67091.0\u4e2a\u5019\u9009\u53d8\u5f02\uff0c\u6bcf\u4e2a\u5355\u4f8b\u5148\u8bc1\u8005\u67092.5\u4e2a\u53d8\u5f02\u3002\u901a\u8fc7\u4f7f\u7528\u4e34\u5e8a\u548c\u8ba1\u7b97\u65b9\u6cd5\u8fdb\u884c\u53d8\u5f02\u5206\u7c7b\uff0c\u7ea641%\u7684\u5148\u8bc1\u8005\uff0813,449\u4eba\u4e2d\u67095502\u4eba\uff09\u5f97\u5230\u8bca\u65ad\uff0c\u5176\u4e2d76%\u7684\u4e2a\u4f53\u643a\u5e26\u81f4\u75c5\u6027\u65b0\u751f\u7a81\u53d8\u3002\u53e6\u591622%\u7684\u5148\u8bc1\u8005\uff0813449\u4eba\u4e2d\u76842997\u4eba\uff09\u5728\u4e0e\u5355\u57fa\u56e0\u53d1\u80b2\u969c\u788d\u5bc6\u5207\u76f8\u5173\u7684\u57fa\u56e0\u4e2d\u5b58\u5728\u610f\u4e49\u4e0d\u660e\u53d8\u5f02\u3002
3\u3001TRACERx\u7814\u7a76\uff1a\u5229\u7528\u9057\u4f20\u4fe1\u606f\u9884\u6d4b\u80ba\u764c\u7684\u4e0b\u4e00\u6b65\u884c\u52a8
\u80ba\u764c\u662f\u6700\u5e38\u89c1\u7684\u6076\u6027\u80bf\u7624\u4e4b\u4e00\u3002\u8fd1\u5e74\u6765\uff0c\u80ba\u764c\u7684\u5168\u7403\u53d1\u75c5\u7387\u53ca\u6b7b\u4ea1\u7387\u5747\u4ee5\u60ca\u4eba\u7684\u901f\u5ea6\u4e0a\u5347\u3002\u975e\u5c0f\u7ec6\u80de\u80ba\u764c\uff08NSCLC\uff09\u662f\u6700\u5e38\u89c1\u7684\u80ba\u764c\u7c7b\u578b\uff0c\u7ea6\u5360\u6240\u6709\u75c5\u4f8b\u768485%\u3002\u4e86\u89e3\u80ba\u764c\u7684\u7279\u5f81\u53d8\u5316\u53ef\u4ee5\u63ed\u793a\u80bf\u7624\u5982\u4f55\u6f14\u53d8\uff0c\u8fdb\u800c\u5e2e\u52a9\u5f00\u53d1\u65b0\u7684\u66f4\u6709\u6548\u7684\u6cbb\u7597\u65b9\u6cd5\u3002
\u8fd1\u65e5\uff0c\u53d1\u8868\u5728\u300a\u81ea\u7136\u300b\u4e0e\u300a\u81ea\u7136\u533b\u5b66\u300b\u4e0a\u7684TRACERx\u7814\u7a76\u7cfb\u5217\u6587\u7ae0\u4e2d\uff0cTRACERx\u8054\u76df\u56e2\u961f\u63cf\u8ff0\u4e86\u764c\u7ec6\u80deDNA\u7684\u53d8\u5316\u5982\u4f55\u5e2e\u52a9\u7814\u7a76\u4eba\u5458\u9884\u6d4b\u7ec6\u80de\u672a\u6765\u7684\u884c\u4e3a\uff0c\u5305\u62ec\u764c\u75c7\u5c06\u5728\u4f55\u65f6\u4f55\u5730\u8f6c\u79fb\u6269\u6563\u5230\u8eab\u4f53\u7684\u5176\u4ed6\u90e8\u4f4d\u3002\u7814\u7a76\u56e2\u961f\u4ece\u57fa\u56e0\u7ec4\u3001\u8f6c\u5f55\u7ec4\u3001\u7ec6\u80de\u3001\u7ec4\u7ec7\u4ee5\u53ca\u4e34\u5e8a\u8868\u73b0\u7b49\u4e0d\u540c\u5c42\u9762\u5bf9\u80ba\u764c\u7684\u8fdb\u5316\u548c\u8f6c\u79fb\u3001\u5f02\u8d28\u6027\u7b49\u5173\u952e\u764c\u75c7\u7279\u5f81\u8fdb\u884c\u4e86\u8868\u5f81\uff0c\u63ed\u793a\u4e86\u57fa\u56e0\u7ec4\u53d8\u5f02\u5728\u4e0d\u540c\u7684\u80bf\u7624\u514b\u9686\u6f14\u5316\u6a21\u5f0f\u548c\u8f6c\u79fb\u4e2d\u7684\u4f5c\u7528\u3002
4\u3001Nat Mach Intell | \u5f6d\u7ecd\u4eae\u6559\u6388\u8bfe\u9898\u7ec4\u5728\u57fa\u4e8e\u591a\u6a21\u6001\u7f51\u7edc\u8868\u5f81\u5b66\u4e60\u7684\u836f\u7269\u53d1\u73b0\u65b9\u6cd5\u7814\u7a76\u4e2d\u53d6\u5f97\u91cd\u8981\u8fdb\u5c55
\u8fd1\u65e5\uff0c\u6e56\u5357\u5927\u5b66\u4fe1\u606f\u79d1\u5b66\u4e0e\u5de5\u7a0b\u5b66\u9662\u5f6d\u7ecd\u4eae\u6559\u6388\u8bfe\u9898\u7ec4\u5728\u56fd\u9645\u9876\u7ea7\u671f\u520aNature Machine Intelligence\u53d1\u8868\u4e86\u9898\u4e3a\u201cMulti-task Joint Strategies of Self-supervised Representation Learning on Biomedical Networks for Drug Discovery\u201d\u7684\u7814\u7a76\u8bba\u6587\u3002\u8be5\u7814\u7a76\u63d0\u51fa\u4e86\u9762\u5411\u836f\u7269\u53d1\u73b0\u7684\u751f\u7269\u7f51\u7edc\u81ea\u76d1\u7763\u8868\u5f81\u5b66\u4e60\u7684\u591a\u4efb\u52a1\u8054\u5408\u6846\u67b6MSSL2drug\uff0c\u7cfb\u7edf\u5730\u7814\u7a76\u4e86\u5982\u4f55\u6709\u6548\u5730\u7ec4\u5408\u591a\u4e2a\u81ea\u76d1\u7763\u6a21\u578b\u8fd9\u4e00\u4eba\u5de5\u667a\u80fd\u9886\u57df\u7684\u6311\u6218\u6027\u95ee\u9898\uff0c\u63a2\u7d22\u53d1\u73b0\u4e86\u57fa\u4e8e\u751f\u7269\u7f51\u7edc\u7684\u591a\u6a21\u6001\u7f51\u7edc\u8868\u5f81\u5b66\u4e60\u6280\u672f\uff0c\u4e3a\u7f3a\u4e4f\u751f\u7269\u6216\u4e34\u5e8a\u6807\u6ce8\u6570\u636e\u7684\u836f\u7269\u53d1\u73b0\u63d0\u4f9b\u4e86\u65b0\u7684\u7814\u7a76\u601d\u8def\u3002
5\u3001\u591a\u5206\u4eab
\u534e\u5357\u519c\u4e1a\u5927\u5b66\u590f\u745e\u8001\u5e08\u5199\u7ed9\u5b66\u751f\u7684\u5efa\u8bae\uff0c\u516c\u4f17\u53f7\u8fd8\u6709\u5176\u4ed6\u7684\u6587\u7ae0\u3002\u80fd\u611f\u53d7\u5230\u590f\u745e\u8001\u5e08\u662f\u4e00\u4e2a\u7279\u522b\u7231\u5206\u4eab\u7684\u4eba\uff0c\u7ed9\u6211\u4eec\u8fd9\u4e9b\u521d\u5165\u79d1\u7814\u7684\u5b66\u751f\u5f88\u591a\u8bda\u6073\u7684\u5efa\u8bae\uff0c\u5f88\u5e0c\u671b\u8fd9\u6837\u7684\u8001\u5e08\u591a\u4e00\u70b9\u3002
6\u3001\u767d\u8bdd\u5b5f\u5fb7\u5c14\u968f\u673a\u5316
\u672c\u6587\u7528\u901a\u4fd7\u6613\u61c2\u7684\u8bed\u8a00\u89e3\u91ca\u4e86\u4ec0\u4e48\u662f\u5b5f\u5fb7\u5c14\u968f\u673a\u5316\u53ca\u5176\u7814\u7a76\u76f8\u5173\u8981\u7d20\uff0c\u5728\u6587\u672b\u4f5c\u8005\u8fd8\u5206\u4eab\u4e867\u7bc7\u5b5f\u5fb7\u5c14\u968f\u673a\u5316\u70ed\u70b9\u8bba\u6587\u3002
7\u3001AI \u65f6\u4ee3\uff0c\u91cd\u8bc6\u7f8a\u9a7c
\u5c11\u6570\u6d3e\u7f51\u7ad9\u53d1\u8868\u7684\u9898\u4e3a \u201c\u4eba\u5de5\u667a\u80fd\u65f6\u4ee3\uff0c\u91cd\u65b0\u53d1\u73b0\u9a86\u9a7c \u201c\u7684\u6587\u7ae0\uff0c\u8ba8\u8bba\u4e86\u4ee5\u9a86\u9a7c\u5bb6\u65cf\u547d\u540d\u7684\u4eba\u5de5\u667a\u80fd\u6a21\u578b\u7684\u51fa\u73b0\uff0c\u9a86\u9a7c\u5bb6\u65cf\u662f\u4e00\u4e2a\u5305\u62ec\u9a86\u9a7c\u3001\u7f8a\u9a7c\u3001\u74dc\u7eb3\u79d1\u548c\u9a86\u9a7c\u5728\u5185\u7684\u52a8\u7269\u7fa4\u4f53\u3002\u6587\u7ae0\u9996\u5148\u4ecb\u7ecd\u4e86\u9a86\u9a7c\u5982\u4f55\u6210\u4e3a\u4e2d\u56fd\u6d41\u884c\u7684\u7f51\u7edc\u6d41\u884c\u8bed\u7684\u7b80\u8981\u5386\u53f2\u3002\u7136\u540e\uff0c\u6587\u7ae0\u6df1\u5165\u63a2\u8ba8\u4e86\u9a86\u9a7c\u5bb6\u65cf\u7684\u751f\u7269\u5206\u7c7b\uff0c\u89e3\u91ca\u4e86\u5404\u79cd\u7269\u79cd\u4e4b\u95f4\u7684\u5dee\u5f02\u3002\u6587\u7ae0\u7684\u4e3b\u8981\u91cd\u70b9\u662f\u5f00\u53d1\u4ee5\u8fd9\u4e9b\u52a8\u7269\u547d\u540d\u7684\u4eba\u5de5\u667a\u80fd\u6a21\u578b\u30022023\u5e742\u6708\uff0cMeta AI\u53d1\u5e03\u4e86\u4e00\u4e2a\u5927\u578b\u8bed\u8a00\u6a21\u578b\uff0c\u540d\u4e3aLLaMA\uff08\u5927\u578b\u8bed\u8a00\u6a21\u578bMeta AI\uff09\u3002\u5c3d\u7ba1LLaMA\u7684\u53c2\u6570\u6bd4OpenAI\u7684GPT-3\u5c11\uff0c\u4f46\u5b83\u7684\u610f\u4e49\u5728\u4e8e\u5b83\u662f\u5728\u975e\u5546\u4e1a\u8bb8\u53ef\u4e0b\u53d1\u5e03\u7684\uff0c\u4e3b\u8981\u7528\u4e8e\u5b66\u672f\u7814\u7a76\u3002\u5728LLaMA\u53d1\u5e03\u4e4b\u540e\uff0c\u5176\u4ed6\u51e0\u4e2a\u4ee5\u9a86\u9a7c\u5bb6\u65cf\u6210\u5458\u547d\u540d\u7684AI\u6a21\u578b\u4e5f\u88ab\u5f00\u53d1\u51fa\u6765\u3002\u8fd9\u4e9b\u6a21\u578b\u5305\u62ec\u65af\u5766\u798f\u5927\u5b66\u57fa\u7840\u6a21\u578b\u7814\u7a76\u4e2d\u5fc3\u5f00\u53d1\u7684Alpaca 7B\u3001Guanaco\u3001\u6765\u81ea\u4e0d\u540c\u5927\u5b66\u7684\u56e2\u961f\u5f00\u53d1\u7684Vicuna-13B\uff0c\u4ee5\u53caChines-Vicuna\u3002\u8fd9\u4e9b\u6a21\u578b\u4e2d\u7684\u6bcf\u4e00\u4e2a\u90fd\u662f\u901a\u8fc7\u7528\u7279\u5b9a\u7684\u6570\u636e\u96c6\u5bf9LLaMA\u8fdb\u884c\u5fae\u8c03\u800c\u5f00\u53d1\u7684\u3002\u6587\u7ae0\u6700\u540e\u6307\u51fa\u4e86\u8fd9\u4e9b\u4eba\u5de5\u667a\u80fd\u6a21\u578b\u7684\u5feb\u901f\u53d1\u5c55\uff0c\u5e76\u5c06\u5176\u6bd4\u4f5c\u65b0\u751f\u9a86\u9a7c\u7684\u5feb\u901f\u6210\u719f\uff0c\u5b83\u5728\u51fa\u751f\u540e\u5c31\u80fd\u7acb\u5373\u5954\u8dd1\u3002\u4f5c\u8005\u8868\u793a\uff0c\u5e0c\u671b\u5728\u4e0d\u4e45\u7684\u5c06\u6765\uff0c\u4eba\u5de5\u667a\u80fd\u5c06\u53d8\u5f97\u4eba\u4eba\u53ef\u53ca\u3002
8\u3001Why it\u2019s worth making computational methods easy to use
\u7ea6\u7ff0\u970d\u666e\u91d1\u65af\u5927\u5b66\u751f\u7269\u533b\u5b66\u5de5\u7a0b\u7cfb\u7684\u52a9\u7406\u6559\u6388Jean Fan\u5728Nature\u4e0a\u53d1\u8868\u7684\u4e00\u7bc7\u535a\u6587\u3002\u6587\u7ae0\u8ba8\u8bba\u4e86Jean Fan\u548c\u5979\u7684\u56e2\u961f\u53d1\u8d77\u7684\u4e00\u4e2a\u6570\u5b57\u6d3b\u52a8\uff0c\u8be5\u6d3b\u52a8\u5229\u7528YouTube\u3001GitHub\u548c\u535a\u5ba2\u7b49\u5e73\u53f0\uff0c\u4f7f\u6bcf\u4e2a\u4eba\u90fd\u80fd\u83b7\u5f97\u8ba1\u7b97\u751f\u7269\u5b66\u5de5\u5177\u3002\u6587\u7ae0\u63a2\u8ba8\u4e86\u8fd9\u6837\u4e00\u4e2a\u89c2\u70b9\uff1a\u4e00\u4e2a\u8ba1\u7b97\u65b9\u6cd5\uff0c\u5c31\u50cf\u827a\u672f\u4e00\u6837\uff0c\u5728\u88ab\u4ed6\u4eba\u5206\u4eab\u548c\u4f7f\u7528\u4e4b\u524d\u662f\u4e0d\u5b8c\u6574\u7684\u3002\u8fd9\u7bc7\u6587\u7ae0\u662f\u300a\u81ea\u7136\u300b\u804c\u4e1a\u793e\u533a\u7684\u4e00\u90e8\u5206\uff0c\u300a\u81ea\u7136\u300b\u8bfb\u8005\u53ef\u4ee5\u5728\u8fd9\u4e2a\u5e73\u53f0\u4e0a\u5206\u4eab\u4ed6\u4eec\u7684\u804c\u4e1a\u7ecf\u9a8c\u548c\u5efa\u8bae\u3002
9\u3001What makes a good computational genomics method?
\u591a\u4f26\u591a\u5927\u5b66\u7684\u52a9\u7406\u6559\u6388Kieran R Campbell\u7684\u535a\u6587\uff0c\u8ba8\u8bba\u4e86\u521b\u5efa\u548c\u8bc4\u4f30\u65b0\u7684\u8ba1\u7b97\u751f\u7269\u5b66\u65b9\u6cd5\u7684\u539f\u5219\u3002\u8be5\u6587\u7ae0\u5f3a\u8c03\u4e86\u4ece\u95ee\u9898\u800c\u4e0d\u662f\u89e3\u51b3\u65b9\u6848\u5f00\u59cb\u7684\u91cd\u8981\u6027\uff0c\u5bfb\u6c42\u65b0\u7684\u89c6\u89d2\u800c\u4e0d\u662f\u6539\u8fdb\u7684\u5206\u6570\uff0c\u6709\u4e00\u4e2a\u8bc4\u4f30\u4f18\u5148\u7684\u65b9\u6cd5\uff0c\u4ee5\u53ca\u5e73\u8861\u4ec0\u4e48\u662f\u91cd\u8981\u7684\u548c\u4ec0\u4e48\u662f\u53ef\u80fd\u7684\u3002
"},{"location":"issue-79/#_5","title":"\u5de5\u5177","text":"10\u3001Trinka
Trinka\uff0c\u4e00\u4e2a\u7528\u4e8e\u5b66\u672f\u548c\u6280\u672f\u5199\u4f5c\u7684\u8bed\u6cd5\u548c\u6821\u6b63\u7684\u4eba\u5de5\u667a\u80fd \uff08AI\uff09\u5de5\u5177\u3002
11\u3001PyComplexHeatmap \uff5c \u7ed8\u5236\u590d\u6742\u70ed\u56fe\u7684Python\u5305
\u53ef\u4ee5\u770b\u4f5c\u662f ComplexHeatmap \u7eaf Python \u5b9e\u73b0\u3002\u6211\u770b\u4e86\u4e0b\uff0c\u8fd9\u4e0d\u662f R \u7684\u63a5\u53e3\u8c03\u7528\u3002\u975e\u5e38\u6709\u610f\u601d\u7684\u5de5\u4f5c\u3002
12\u3001ChatPaper | \u5168\u6d41\u7a0b\u52a0\u901f\u79d1\u7814\uff1a\u8bba\u6587\u9605\u8bfb+\u6da6\u8272+\u4f18\u7f3a\u70b9\u5206\u6790\u4e0e\u6539\u8fdb\u5efa\u8bae+\u5ba1\u7a3f\u56de\u590d
ChatPaper\u662f\u4e00\u6b3e\u8bba\u6587\u603b\u7ed3\u5de5\u5177\uff0cAI\u7528\u4e00\u5206\u949f\u603b\u7ed3\u8bba\u6587\uff0c\u7528\u6237\u7528\u4e00\u5206\u949f\u9605\u8bfbAI\u603b\u7ed3\u7684\u8bba\u6587\u3002
"},{"location":"issue-79/#_6","title":"\u8d44\u6e90","text":"13\u3001\u8ba1\u7b97\u673a\u4e13\u4e1a\u5b66\u4e60\u8def\u7ebf
\u672c\u5b66\u4e60\u8def\u7ebf\u4e3b\u8981\u53c2\u8003\u7f8e\u56fd\u56db\u5927CS\u540d\u6821\uff08\u5361\u8010\u57fa\u6885\u9686CMU\u3001\u65af\u5766\u798fStanford\u3001\u52a0\u5dde\u4f2f\u514b\u5229UC Berkeley\u3001\u9ebb\u7701\u7406\u5de5MIT\uff09\u4ee5\u53ca\u54c8\u4f5bHarvard\u3001\u666e\u6797\u65af\u987fPrinceton\u7b496\u6240\u8ba1\u7b97\u673a\u540d\u6821\u7684\u8bfe\u7a0b\u5b89\u6392\u4e0e\u5185\u5bb9\u3002\u800c\u8fd9\u516d\u6240\u540d\u6821\u4e5f\u6070\u597d\u662f\u56fe\u7075\u5956\u5f97\u4e3b\u6700\u591a\u7684\u524d\u516d\u6240\uff0c\u6392\u540d\u4f9d\u6b21\u4e3a\uff1a\u65af\u5766\u798f\u3001MIT\u3001\u4f2f\u514b\u5229\u3001\u666e\u6797\u65af\u987f\u3001\u54c8\u4f5b\u3001CMU\u3002\u4e16\u754c\u4e0a\u90a3\u4e9b\u6700\u4f18\u79c0\u7684IT\u540d\u4eba\u53ef\u80fd\u90fd\u5b66\u8fc7\u8fd9\u4e9b\u8bfe\u7a0b\uff0c\u8015\u8018\u5176\u4e2d\uff0c\u5c3d\u4eab\u5947\u5999\u3002\u672c\u5b66\u4e60\u8def\u7ebf\u4f1a\u5c3d\u53ef\u80fd\u5217\u51fa\u914d\u5957\u7684\u89c6\u9891\u3001\u4e66\u7c4d\u3001\u4f5c\u4e1a\u3001\u9879\u76ee\u7b49\u76f8\u5173\u8d44\u6e90\uff0c\u800c\u4e14\u4f1a\u4e0d\u65ad\u66f4\u65b0\u3002
14\u300116 \u4e2a\u516c\u5171\u8868\u8fbe\u6570\u636e\u518d\u5206\u6790\u8d44\u6e90
Ming Tommy Tang \u5728\u63a8\u7279\u4e0a\u603b\u7ed3\u7684\u6570\u636e\u8d44\u6599\u5217\u8868\u3002
hg38 and gencode v21 as annotation. https://toil.xenahubs.net15\u3001Single-cell RNA-seq data analysis workshop
\u4e00\u4e2a\u5355\u7ec6\u80de\u5206\u6790\u5165\u95e8\u6559\u7a0b\u7684GitHub\u5e93\u3002\u53ef\u4ee5\u8ddf\u7740\u52a9\u6559\u5b66\uff0c\u4e5f\u53ef\u4ee5\u8fdb\u884c\u81ea\u5b66\u3002\u6559\u7a0b\u63d0\u4f9b\u4e86\u8be6\u7ec6\u7684\u6570\u636e\u548c\u4ee3\u7801\uff0c\u503c\u5f97\u82b1\u65f6\u95f4\u5b66\u5b66\u3002
"},{"location":"issue-79/#_7","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09@kongjianyang\uff08\u7a7a\u95f4\u9633\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-8/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 8 \u671f\uff09\uff1a\u300a\u6c99\u4e18\u300b\u7f16\u5267\u3001\u300a\u6743\u6e38\u300b\u4f5c\u8005\u4f7f\u7528MS-DOS\u521b\u4f5c","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
GitHub \u7c89\u4eec\u53ef\u4ee5\u901a\u8fc7 Watch \u4ed3\u5e93\u7684 Release\uff08\u63d0\u524d\uff09\u5173\u6ce8\u53d1\u5e03\u5185\u5bb9\u3002
\u8ba8\u8bba\u533a\u7684\u5e16\u5b50\u300a\u8c01\u5728\u62db\u4eba\uff1f\u300b\uff0c\u63d0\u4f9b\u751f\u4fe1\u6df1\u9020\u548c\u5c31\u4e1a\u4fe1\u606f\uff0c\u6b22\u8fce\u8bbf\u95ee\u6216\u53d1\u5e03\u5b66\u4f4d\u653b\u8bfb/\u5de5\u4f5c/\u5b9e\u4e60\u7b49\u5c97\u4f4d\u3002
\u300c\u672c\u671f\u4e13\u7528\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-8/#_1","title":"\u5c01\u9762\u56fe","text":"\u300a\u6c99\u4e18\u300b\u7f16\u5267\u7f57\u65af\u4e0e\u4ed6\u7684MS-DOS\u521b\u4f5c\u73af\u5883\u3002\uff08\u7f57\u65af\u662f\u300a\u963f\u7518\u6b63\u4f20\u300b\u3001\u300a\u672c\u6770\u660e\u00b7\u5df4\u987f\u5947\u4e8b\u300b\u7684\u7f16\u5267\uff0c\u4e5f\u662fNetflix \u7248\u300a\u7eb8\u724c\u5c4b\u300b\u6267\u884c\u5236\u7247\u4eba\uff0c\u66fe\u7ecf\u4e94\u6b21\u83b7\u5f97\u5965\u65af\u5361\u91d1\u50cf\u5956\u6700\u4f73\u6539\u7f16\u5267\u672c\u63d0\u540d\u3001\u4e00\u6b21\u83b7\u5956\uff0c\u88ab\u8a89\u4e3a\u597d\u83b1\u575e\u6700\u4f18\u79c0\u7684\u7f16\u5267\u4e4b\u4e00\u3002\uff09\uff08via\uff09
"},{"location":"issue-8/#ms-dos","title":"\u672c\u5468\u8bdd\u9898\uff1a\u300a\u6c99\u4e18\u300b\u7f16\u5267\u3001\u300a\u6743\u6e38\u300b\u4f5c\u8005\u4f7f\u7528MS-DOS\u521b\u4f5c","text":"\u6700\u8fd1\u4e00\u6bb5\u65f6\u95f4\u79d1\u5e7b\u7535\u5f71\u300a\u6c99\u4e18\u300b\u70ed\u6620\u3002\u8ba9\u4eba\u503c\u5f97\u6ce8\u610f\u7684\u4e00\u4ef6\u4e8b\u60c5\u662f\uff0c\u8fd9\u4e9b\u63cf\u8ff0\u672a\u6765\u79d1\u5e7b\u4e16\u754c\u7684\u5927\u4f6c\u4eec\u5728\u521b\u4f5c\u65f6\u7528\u7684\u5374\u662f\u51e0\u5341\u5e74\u524d\u7684\u5de5\u5177\u3002
\u5bf9\u4e8e\u5199\u4f5c\u8005\uff0c\u5de5\u5177\u7ec8\u7a76\u53ea\u662f\u5de5\u5177\uff0c\u662f\u521b\u610f\u6292\u53d1\u7684\u8f7d\u4f53\u3002\u6574\u4e2a\u5199\u4f5c\u7684\u6d41\u7a0b\uff0c\u5305\u62ec\u5de5\u5177\u7684\u8fd0\u7528\uff0c\u6700\u7ec8\u90fd\u8981\u670d\u52a1\u4e8e\u521b\u610f\u672c\u8eab\u3002\u65e0\u8bba\u5de5\u5177\u7684\u79d1\u6280\u542b\u91cf\u6709\u591a\u9ad8\uff0c\u5982\u679c\u4f60\u4e0d\u9002\u5e94\u5b83\uff0c\u5b83\u5c31\u65e0\u6cd5\u670d\u52a1\u4e8e\u4f60\uff0c\u5bf9\u4f60\u8d77\u5230\u5e2e\u52a9\u3002\uff08\u6765\u6e90\uff1a\u516c\u4f17\u53f7\u300c\u7845\u661f\u4eba\u300d\uff09
\u8fd9\u5f15\u8d77\u6211\u4e2a\u4eba\u4e24\u70b9\u601d\u8003\uff1a
1\u3001\u6740\u4f24\u6027T\u7ec6\u80de\u6301\u4e45\u7684\u6297\u764c\u80fd\u529b\u7adf\u7136\u6709\u8d56\u4e8e\u7ebf\u7c92\u4f53\u7684\u7ffb\u8bd1\u80fd\u529b\uff0c\u800c\u4e0d\u662f\u7ebf\u7c92\u4f53\u7684\u4ee3\u8c22\u4f9b\u80fd\u80fd\u529b
\u5728\u6211\u4eec\u7684\u514d\u75ab\u7cfb\u7edf\u91cc\uff0c\u6740\u4f24\u6027T\u7ec6\u80de\uff08CTL\uff09\u662f\u523a\u5ba2\u4e00\u822c\u7684\u5b58\u5728\uff0c\u5b83\u4eec\u4e0d\u4ec5\u80fd\u591f\u9ad8\u6548\u3001\u7cbe\u51c6\u5730\u89e3\u51b3\u5165\u4fb5\u8005\uff0c\u8fd8\u80fd\u591f\u4fdd\u6301\u6301\u7eed\u3001\u9ad8\u6602\u7684\u6218\u6597\u72b6\u6001\uff0c\u901a\u8fc7\u5206\u6ccc\u7a7f\u5b54\u7d20\u3001\u9897\u7c92\u9176B\u3001IFN-\u03b3\u3001TNF-\u03b1\u7b49\u7ec6\u80de\u56e0\u5b50\u6765\u51fb\u6740\u5165\u4fb5\u7684\u75c5\u539f\u4f53\u6216\u53d7\u635f\u7684\u7ec6\u80de\u3002
\u8fd1\u65e5\uff0c\u4e00\u7bc7\u53d1\u8868\u5728\u9876\u7ea7\u671f\u520a\u300a\u79d1\u5b66\u300b\u4e0a\u7684\u6587\u7ae0\u63d0\u51fa\uff0c\u5355\u4e2a\u6740\u4f24\u6027T\u7ec6\u80de\u80fd\u6301\u7eed\u4f5c\u6218\uff0c\u7adf\u662f\u4f9d\u8d56\u4e8e\u7ebf\u7c92\u4f53\u7684\u7ffb\u8bd1\u80fd\u529b\uff0c\u800c\u4e0d\u662f\u7ebf\u7c92\u4f53\u63d0\u4f9b\u7684\u80fd\u91cf\u3002\u6765\u81ea\u5251\u6865\u5927\u5b66\u7684Gillian M. Griffiths\u5e26\u9886\u5979\u7684\u56e2\u961f\u53d1\u73b0\uff0c\u7ebf\u7c92\u4f53\u7ffb\u8bd1\u901a\u8fc7\u8c03\u63a7\u7a7f\u5b54\u7d20\u3001\u9897\u7c92\u9176B\u3001IFN-\u03b3\u3001TNF-\u03b1\u7b49\u6740\u4f24\u5173\u952e\u56e0\u5b50\u7684\u5408\u6210\uff0c\u6765\u4fdd\u8bc1CTL\u7684\u6740\u4f24\u6301\u7eed\u6027\u3002\u5982\u679c\u7ebf\u7c92\u4f53\u7ffb\u8bd1\u53d7\u635f\uff0c\u5219\u4f1a\u5bfc\u81f4CTL\u7684\u6301\u7eed\u6740\u4f24\u80fd\u529b\u7f3a\u9677\u3002
\uff08\u6765\u6e90\uff1a\u516c\u4f17\u53f7\u300c\u5947\u70b9\u7f51\u300d\uff09
2\u3001\u6570\u5b57\u75c5\u7406\u5b66\u4e2d\u7684\u4eba\u5de5\u667a\u80fd-\u8bca\u65ad\u548c\u7cbe\u786e\u80bf\u7624\u7684\u65b0\u5de5\u5177
\u672c\u6587\u4ecb\u7ecd\u7531\u7f8e\u56fd\u51ef\u65af\u897f\u50a8\u5927\u5b66\u751f\u7269\u533b\u5b66\u5de5\u7a0b\u7cfbKaustav Bera\uff0c\u8036\u9c81\u5927\u5b66\u533b\u5b66\u9662\u75c5\u7406\u5b66\u7cfbKurt A. Schalper\u3001David L. Rimm\uff0c\u7ebd\u7ea6\u5927\u5b66\u4f69\u5c14\u7a46\u7279\u764c\u75c7\u4e2d\u5fc3Vamsidhar Velcheti \u4ee5\u53ca\u897f\u50a8\u5927\u5b66\u751f\u7269\u533b\u5b66\u5de5\u7a0b\u7cfbAnant Madabhushi\u5171\u540c\u53d1\u8868\u5728nature reviews clinical oncology \u4e0a\u7684\u7814\u7a76\u6210\u679c\u3002\u4f5c\u8005\u6982\u8ff0\u4e86\u57fa\u4e8eAI\u7684\u65b9\u6cd5\u5982\u4f55\u96c6\u6210\u5230\u75c5\u7406\u5b66\u5bb6\u548c\u80bf\u7624\u5b66\u5bb6\u7684\u5de5\u4f5c\u6d41\u7a0b\u4e2d\uff0c\u5e76\u8ba8\u8bba\u4e86\u5728\u764c\u75c7\u60a3\u8005\u7684\u5e38\u89c4\u7ba1\u7406\u4e2d\u5b9e\u65bd\u6b64\u7c7b\u5de5\u5177\u7684\u76f8\u5173\u6311\u6218\u3002
\uff08\u6765\u6e90\uff1a\u516c\u4f17\u53f7\u300cdrugAI\u300d\uff09
"},{"location":"issue-8/#_3","title":"\u6587\u7ae0","text":"1\u3001\u5468\u5fd7\u534e\u6559\u6388keynote\uff1a\u63a2\u7d22\u4ece\u7eaf\u5b66\u4e60\u5230\u5b66\u4e60+\u63a8\u7406\u7684AI
\u5b66\u4e60\u548c\u63a8\u7406\u4e00\u76f4\u662f\u4eba\u5de5\u667a\u80fd\u4e2d\u7684\u6838\u5fc3\u7814\u7a76\u5185\u5bb9\uff0c\u8bf8\u591a\u5b66\u8005\u90fd\u8ba4\u4e3a\uff0c\u4e24\u8005\u7684\u7ed3\u5408\u5c06\u5177\u6709\u89e3\u51b3\u5f53\u4ee3\u4eba\u5de5\u667a\u80fd\u65b9\u6cd5\u7f3a\u70b9\u7684\u6f5c\u529b\uff0c\u5305\u62ec\u6df1\u5ea6\u5b66\u4e60\u7684\u9ed1\u7bb1\u6027\u8d28\u7b49\uff0c\u7136\u800c\u8fd9\u65b9\u9762\u7684\u5de5\u4f5c\u6781\u4e3a\u56f0\u96be\uff0c\u9700\u8981\u5c06\u4eba\u5de5\u667a\u80fd\u4e2d\u903b\u8f91\u63a8\u7406\u3001\u77e5\u8bc6\u8868\u793a\u3001\u673a\u5668\u5b66\u4e60\u7b49\u591a\u4e2a\u9886\u57df\u6253\u901a\u3002
\u4eba\u5de5\u667a\u80fd\u9886\u57df\u7684\u5927\u4f1a\u53ef\u4ee5\u8bf4\u662f\u4e0d\u80dc\u679a\u4e3e\uff0c\u4f46\u8fd8\u6ca1\u6709\u4e13\u95e8\u5173\u6ce8\u5b66\u4e60\u4e0e\u63a8\u7406\u7ed3\u5408\u7684\u91cd\u91cf\u7ea7\u4f1a\u8bae\u3002\u73b0\u5728\u7ec8\u4e8e\u6709\u8fd9\u6837\u4e00\u4e2a\u4f1a\u8bae\uff0c\u53ef\u4ee5\u6ee1\u8db3\u7814\u7a76\u8005\u8fd9\u65b9\u9762\u7684\u9700\u6c42\u2014\u2014\u56fd\u9645\u5b66\u4e60\u4e0e\u63a8\u7406\u8054\u5408\u5927\u4f1a\uff08International Joint Conference on Learning & Reasoning\uff0cIJCLR\uff09\u3002
\u672c\u6b21\u5927\u4f1a\u9080\u8bf7\u4e86\u591a\u4f4d\u9886\u57df\u5927\u5496\u53d1\u8868\u6f14\u8bb2\u3002\u5176\u4e2d\uff0c\u6211\u56fd\u5357\u4eac\u5927\u5b66\u8ba1\u7b97\u673a\u7cfb\u4e3b\u4efb\u517c\u4eba\u5de5\u667a\u80fd\u5b66\u9662\u9662\u957f\u5468\u5fd7\u534e\u6559\u6388\u4f5c\u4e86\u5927\u4f1a\u7684\u5f00\u573a\u4e3b\u65e8\u62a5\u544a\uff0c\u5206\u4eab\u4e86\u9898\u4e3a\u300a\u5229\u7528\u65e0\u6807\u7b7e\u6570\u636e\uff1a\u4ece \u300c\u7eaf\u5b66\u4e60\u300d \u5230\u300c\u5b66\u4e60 + \u63a8\u7406\u300d\u300b\u7684\u4e3b\u65e8\u6f14\u8bb2\u3002
2\u3001\u4e00\u6587\u6559\u4f60\u5982\u4f55\u8fdb\u884cSCI\u5199\u4f5c
\u672c\u6587\u548c\u5927\u5bb6\u5206\u4eab\u4e00\u4e9b\u5199\u4f5c\u76f8\u5173\u7684\u601d\u8003\u3002
\u53e6\u5916\u4e00\u7bc7\uff1a\u5199\u597d\u7ed3\u6784\u5316\u8bba\u6587\u768410\u6761\u89c4\u5219\u3002
3\u3001R\u8bed\u8a00\u4e0e\u51fd\u6570\u4f30\u8ba1\u5b66\u4e60\u7b14\u8bb0\uff08\u6837\u6761\u65b9\u6cd5\uff09
\u5982\u679c\u51fd\u6570\u5728\u4e0d\u540c\u5730\u65b9\u6709\u4e0d\u540c\u7684\u975e\u7ebf\u6027\u5ea6\uff0c\u6216\u8005\u6709\u591a\u4e2a\u6781\u503c\u70b9\uff0c\u90a3\u4e48\u7528\u591a\u9879\u5f0f\u7279\u522b\u662f\u4f4e\u9636\u591a\u9879\u5f0f\u6765\u5b8c\u6210\u62df\u5408\u662f\u975e\u5e38\u4e0d\u5408\u9002\u7684\u3002\u4e00\u79cd\u89e3\u51b3\u529e\u6cd5\u662f\u6211\u4eec\u4e4b\u524d\u63d0\u5230\u7684\u8fd1\u90bb\u591a\u9879\u5f0f\uff08\u6216\u8005\u79f0\u5c40\u90e8\u591a\u9879\u5f0f\uff09\uff0c\u53e6\u4e00\u79cd\u5c31\u662f\u6837\u6761\u2014\u2014\u7528\u5206\u6bb5\u7684\u4f4e\u9636\u591a\u9879\u5f0f\u903c\u8fd1\u51fd\u6570\u3002
\u5173\u4e8e\u6837\u6761\uff0c\u5e38\u7528\u7684\u6709\u4e24\u7c7b\uff0c\u4e00\u7c7b\u662f\u591a\u9879\u5f0f\u6837\u6761\uff0c\u53e6\u4e00\u7c7b\u662f\u5149\u6ed1\u6837\u6761\u3002
"},{"location":"issue-8/#_4","title":"\u5de5\u5177","text":"1\u3001vscode-power-mode\u63d2\u4ef6\uff1a\u6572\u51fa\u4f60\u7684\u80fd\u91cf
\u4e00\u6b3eVS Code\u63d2\u4ef6\uff0c\u53ef\u4ee5\u5728\u6253\u5b57\u7684\u65f6\u5019\u6572\u51fa\u4e0d\u540c\u7684\u6548\u679c\uff0c\u5982\u7c92\u5b50\u3001\u70df\u706b\u7b49\u3002
2\u3001pkgdown\uff1aR\u5305\u6587\u6863\u5236\u4f5c\u5de5\u5177
\u8fd1\u671f\u8be5\u5305\u53d1\u5e032.0\u7248\u672c\uff0c\u5c06\u652f\u6301boostrap5\u6587\u6863\u6a21\u677f\u3002
3\u3001install_GISTIC\uff1aGISTIC 2.0\u5b89\u88c5\u4e0e\u955c\u50cf
GISTIC 2.0\u662f\u4e00\u6b3e\u5e38\u7528\u7684CNV\u5206\u6790\u5de5\u5177\uff0c\u8be5\u9879\u76ee\u63d0\u4f9b\u4e00\u952e\u5b89\u88c5\u548cDocker\u955c\u50cf\u652f\u6301\u3002
4\u3001cronR\uff1a\u7528R\u8bbe\u5b9a\u7cfb\u7edf\u81ea\u52a8\u5316\u4efb\u52a1
5\u3001papermill\uff1a\u53c2\u6570\u5316\u3001\u6267\u884c\u548c\u5206\u6790jupyter\u7b14\u8bb0\u672c
"},{"location":"issue-8/#_5","title":"\u8d44\u6e90","text":"1\u3001\u5b9d\u85cf\u81ea\u5b66\u7f51\u7ad9
\u516c\u4f17\u53f7\u300c\u8881\u53a8\u7684\u7b97\u6cd5\u5c0f\u5c4b\u300d\u4e00\u4e2a\u7b80\u5355\u7684\u6c47\u603b\uff1a
2\u3001\u6df1\u5ea6\u5b66\u4e60\u8bba\u6587\u7cbe\u8bfb
\u674e\u6c90\u5e26\u4f60\u8fdb\u884c\u6df1\u5ea6\u5b66\u4e60\u7ecf\u5178\u3001\u65b0\u8bba\u6587\u9010\u6bb5\u7cbe\u8bfb\u3002
"},{"location":"issue-8/#_6","title":"\u8d5e\u8d4f","text":"\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
\u975e\u5e38\u611f\u8c22\u4e0b\u9762\u8bfb\u8005\u5f80\u671f\u7684\u8d5e\u8d4f\uff1a
\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-80/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 80 \u671f\uff09\uff1a\u751f\u6d3b\u5c31\u50cf\u4e00\u4e2a\u9c7c\u7f38","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-80/#_1","title":"\u5c01\u9762\u56fe","text":"\u9c7c\u7f38-\u9a6c\u5ca9\u677e
"},{"location":"issue-80/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u751f\u6d3b\u5c31\u50cf\u4e00\u4e2a\u9c7c\u7f38","text":"\u5f53\u4ee3\u4eba\u770b\u4e0a\u53bb\u5f88\u81ea\u7531\uff0c\u4f46\u662f\u5b9e\u9645\u4e0a\uff0c\uff08\u5927\u591a\u6570\u4eba\u7684\uff09\u81ea\u7531\u5f88\u6709\u9650\uff0c\u751f\u6d3b\u4e2d\u5230\u5904\u90fd\u662f\u770b\u4e0d\u89c1\u7684\u9ad8\u5899\uff0c\u8d22\u5bcc\u3001\u804c\u4e1a\u3001\u5bb6\u5ead\u3001\u9636\u5c42\u7b49\u7b49\u9650\u5236\u4e86\u4f60\u80fd\u53bb\u7684\u5730\u65b9\uff0c\u6bcf\u4e2a\u4eba\u5176\u5b9e\u90fd\u751f\u6d3b\u5728\u81ea\u5df1\u7684\u9c7c\u7f38\u91cc\u9762\u3002
@kktjmac \u8fd9\u91cc\u501f\u7528Chatgpt\u7684\u56de\u590d\uff1a1.\u751f\u6d3b\u5c31\u50cf\u4e00\u4e2a\u9c7c\u7f38\uff0c\u6211\u4eec\u5c31\u50cf\u9c7c\u7f38\u91cc\u7684\u9c7c\uff0c\u88ab\u56f0\u5728\u4e00\u4e2a\u6709\u9650\u7684\u7a7a\u95f4\u91cc\uff0c\u6709\u65f6\u5019\u6211\u4eec\u4f1a\u611f\u5230\u65e0\u804a\uff0c\u751a\u81f3\u7edd\u671b\uff0c\u4f46\u662f\u6211\u4eec\u4e5f\u53ef\u4ee5\u5728\u8fd9\u4e2a\u6709\u9650\u7684\u7a7a\u95f4\u91cc\u627e\u5230\u4e50\u8da3\uff0c\u627e\u5230\u751f\u6d3b\u7684\u610f\u4e49\u30022.\u751f\u6d3b\u5c31\u50cf\u4e00\u4e2a\u9c7c\u7f38\uff0c\u6211\u4eec\u9700\u8981\u81ea\u5df1\u521b\u9020\u81ea\u5df1\u7684\u73af\u5883\u3002\u9c7c\u7f38\u91cc\u7684\u6c34\u8d28\u3001\u6e29\u5ea6\u3001\u5149\u7167\u7b49\u90fd\u9700\u8981\u6211\u4eec\u81ea\u5df1\u53bb\u8c03\u6574\uff0c\u8fd9\u5c31\u50cf\u6211\u4eec\u5728\u751f\u6d3b\u4e2d\u9700\u8981\u81ea\u5df1\u53bb\u8c03\u6574\u81ea\u5df1\u7684\u5fc3\u6001\uff0c\u53bb\u521b\u9020\u81ea\u5df1\u7684\u751f\u6d3b\u73af\u5883\u30023.\u751f\u6d3b\u5c31\u50cf\u4e00\u4e2a\u9c7c\u7f38\uff0c\u6211\u4eec\u9700\u8981\u4e0d\u65ad\u5730\u5b66\u4e60\u548c\u6210\u957f\u3002\u9c7c\u7f38\u91cc\u7684\u9c7c\u9700\u8981\u4e0d\u65ad\u5730\u6e38\u52a8\uff0c\u624d\u80fd\u4fdd\u6301\u5065\u5eb7\uff0c\u8fd9\u5c31\u50cf\u6211\u4eec\u5728\u751f\u6d3b\u4e2d\u9700\u8981\u4e0d\u65ad\u5730\u5b66\u4e60\u548c\u6210\u957f\uff0c\u624d\u80fd\u4fdd\u6301\u5fc3\u7406\u7684\u5065\u5eb7\u3002
@\u79d1\u6280\u7231\u597d\u8005\u5468\u520a \u53ef\u4ee5\u53bb\u4e00\u4e9b\u6ca1\u6709\u53bb\u8fc7\u7684\u5730\u65b9\uff0c\u505a\u4e00\u4e9b\u6ca1\u6709\u505a\u8fc7\u7684\u4e8b\u60c5\uff0c\u8bfb\u4e00\u4e9b\u4ee5\u524d\u4e0d\u8bfb\u7684\u4e66\uff0c\u63a5\u89e6\u4e00\u4e9b\u201d\u540c\u6e29\u5c42\u201d\u4e4b\u5916\u7684\u670b\u53cb\u3002\u8fd9\u6837\u5c31\u76f8\u5f53\u4e8e\u5728\u751f\u6d3b\u4e2d\u642d\u5efa\u51fa\u5404\u79cd\u5947\u602a\u7684\u7a7a\u95f4\uff0c\u6d3b\u5f97\u53ef\u4ee5\u66f4\u6709\u610f\u601d\u4e00\u4e9b\uff0c\u9047\u5230\u66f4\u591a\u7684\u53ef\u80fd\u3002
"},{"location":"issue-80/#_3","title":"\u751f\u4fe1\u7814\u7a76","text":"1\u3001Nature | \u6700\u65b0\u4eba\u7c7b\u7ec6\u80de\u7c7b\u578bDNA\u7532\u57fa\u5316\u56fe\u8c31\uff0c\u53d1\u73b0\u4e0d\u540c\u4e2a\u4f53\u76f8\u540c\u7ec6\u80de\u7c7b\u578b\u7684\u7532\u57fa\u5316\u6a21\u5f0f\u6781\u5176\u76f8\u4f3c
DNA\u7532\u57fa\u5316\u662f\u4e00\u79cd\u91cd\u8981\u7684\u8868\u89c2\u9057\u4f20\u6807\u8bb0\uff0c\u4f46\u73b0\u6709\u7684\u4eba\u7c7bDNA\u7532\u57fa\u5316\u6570\u636e\u96c6\u5b58\u5728\u5f88\u5927\u7684\u5c40\u9650\u6027\u3002\u5927\u591a\u6570DNA\u7532\u57fa\u5316\u5206\u6790\u4e3b\u8981\u9488\u5bf9\u5927\u5757\u7ec4\u7ec7\uff0c\u56e0\u6b64\u63a9\u76d6\u4e86\u90a3\u4e9b\u7f55\u89c1\u7ec6\u80de\u7c7b\u578b\u3002\u4f5c\u4e3a\u90e8\u5206\u89e3\u51b3\u65b9\u6848\uff0c\u8fd1\u671f\u6709\u7814\u7a76\u5229\u7528\u6765\u81ea\u5168\u7ec4\u7ec7\u7684\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u6d4b\u5e8f\u6570\u636e\u6765\u8bc6\u522b\u5728\u7279\u5b9a\u7ec6\u80de\u7c7b\u578b\u4e2d\u8868\u8fbe\u7684\u6807\u8bb0\u57fa\u56e0\uff0c\u7136\u540e\u9274\u5b9a\u51fa\u7532\u57fa\u5316\u4e0e\u8868\u8fbe\u8d1f\u76f8\u5173\u7684\u7279\u5b9aCpGs\uff0c\u4f46\u8fd9\u5bf9\u4e8e\u9274\u5b9a\u6db2\u4f53\u6d3b\u68c0\u4e2d\u7684\u7f55\u89c1\u7ec6\u80de\u53ef\u80fd\u4ecd\u4e0d\u591f\u51c6\u786e\u3002 \u8fd1\u65e5\uff0c\u4e3a\u4e86\u514b\u670d\u8fd9\u4e9b\u9650\u5236\u5e76\u51c6\u786e\u8868\u5f81\u4eba\u7c7b\u7ec6\u80de\u7532\u57fa\u5316\u7279\u5f81\uff0c\u6765\u81ea\u4ee5\u8272\u5217\u5e0c\u4f2f\u6765\u8036\u8def\u6492\u51b7\u5927\u5b66\u7b49\u5355\u4f4d\u7684\u7814\u7a76\u56e2\u961f\u5728Nature\u53d1\u8868\u4e86\u9898\u4e3a\u201cA DNA methylation atlas of normal human cell types\u201d\u7684\u6587\u7ae0\u3002\u7814\u7a76\u56e2\u961f\u6784\u5efa\u4e8639\u79cd\u4e0d\u540c\u7ec6\u80de\u7c7b\u578b\u7684\u6df1\u5ea6\u7532\u57fa\u5316\u56fe\u8c31\uff0c\u5e76\u5c06\u6574\u4e2a\u57fa\u56e0\u7ec4\u7684\u7532\u57fa\u5316\u6a21\u5f0f\u5408\u5e76\u4e3a\u7532\u57fa\u5316\u7684CpG\u4f4d\u70b9\u6a21\u5757\uff0c\u4f7f\u7528\u8fd9\u4e9b\u6a21\u5757\u6765\u7814\u7a76\u4e0d\u540c\u7ec6\u80de\u7c7b\u578b\u7532\u57fa\u5316\u6a21\u5f0f\u7684\u53d8\u5316\u3002\u540c\u65f6\uff0c\u7814\u7a76\u56e2\u961f\u8fd8\u8bc6\u522b\u63cf\u8ff0\u4e86\u7ec4\u7ec7\u6216\u7ec6\u80de\u7c7b\u578b\u7279\u5f02\u6027\u7684\u7532\u57fa\u5316\u57fa\u56e0\u7ec4\u533a\u57df\uff0c\u5206\u6790\u4e86\u5176\u53ef\u80fd\u7684\u751f\u7269\u5b66\u529f\u80fd\u3002\u8be5\u7532\u57fa\u5316\u56fe\u8c31\u4e3a\u7814\u7a76\u57fa\u56e0\u8c03\u63a7\u3001\u75be\u75c5\u76f8\u5173\u9057\u4f20\u56e0\u7d20\u4ee5\u53ca\u5f00\u53d1\u7528\u4e8e\u6db2\u4f53\u6d3b\u68c0\u7684\u7ec4\u7ec7\u7279\u5f02\u6027\u751f\u7269\u6807\u5fd7\u7269\u63d0\u4f9b\u4e86\u5b9d\u8d35\u7684\u6570\u636e\u8d44\u6e90\u3002
2\u3001Genome Biology | \u7a33\u5065\u3001\u5feb\u901f\u3001\u4f4e\u6210\u672c\uff01INSERT-seq\u65b9\u6cd5\u53ef\u5bf9DNA\u6574\u5408\u7279\u5f81\u8fdb\u884c\u9ad8\u5206\u8fa8\u7387\u5b9a\u4f4d
\u8fd1\u65e5\uff0c\u897f\u73ed\u7259\u5df4\u585e\u7f57\u90a3\u5e9e\u57f9\u6cd5\u5e03\u62c9\u5927\u5b66\u7684\u79d1\u7814\u4eba\u5458\u5728Genome Biology\u4e0a\u53d1\u8868\u4e86\u9898\u4e3a\u201cINSERT-seq enables high-resolution mapping of genomically integrated DNA using Nanopore sequencing\u201d\u7684\u6587\u7ae0\u3002\u7814\u7a76\u56e2\u961f\u5f00\u53d1\u4e86\u4e00\u79cd\u540d\u4e3a\u201cINSERT-seq\u201d\u7684\u6d4b\u5e8f\u65b9\u6cd5\uff0c\u5176\u4e3b\u8981\u5de5\u4f5c\u6d41\u7a0b\u5305\u62ecsingle-tail adapter/tag\uff08STAT-PCR\uff09\u6587\u5e93\u5236\u5907\u548c\u725b\u6d25\u7eb3\u7c73\u5b54\uff08Oxford Nanopore\uff09\u957f\u8bfb\u957f\u6d4b\u5e8f\u3002INSERT-seq\u65b9\u6cd5\u5c06\u6574\u5408DNA\u7684\u9776\u5411\u6269\u589e\u3001\u57fa\u4e8e\u552f\u4e00\u5206\u5b50\u6807\u8bb0\uff08UMI\uff09\u7684PCR\u504f\u5dee\u6821\u6b63\u4ee5\u53caOxford Nanopore\u957f\u8bfb\u957f\u6d4b\u5e8f\u76f8\u7ed3\u5408\uff0c\u53ef\u4ee5\u7a33\u5065\u3001\u5feb\u901f\u548c\u4f4e\u6210\u672c\u7684\u65b9\u5f0f\u89e3\u6790\u5df2\u7f16\u8f91\u7684\u57fa\u56e0\u7ec4\u4e2d\u672a\u77e5\u7684\u6709\u6548\u8f7d\u4f53\u6574\u5408\u4f4d\u70b9\uff0c\u5b9a\u91cf\u5206\u6790\u4e0d\u540c\u4f53\u5916\u3001\u4f53\u5185\u6837\u672c\u7684DNA\u6574\u5408\u7279\u5f81\uff0c\u68c0\u6d4b\u6781\u9650\u4e3a1%\u3002
3\u3001Nature | \u8fc1\u79fb\u5b66\u4e60\u4f7f\u5f97\u57fa\u56e0\u4e92\u4f5c\u7f51\u7edc\u9884\u6d4b\u6210\u4e3a\u53ef\u80fd
Geneformer\u662f\u4e00\u79cd\u57fa\u4e8e\u6df1\u5ea6\u5b66\u4e60\u7684\u3001\u5bf9\u4e0a\u4e0b\u6587\u654f\u611f\u7684\u6a21\u578b\uff0c\u901a\u8fc7\u5927\u89c4\u6a21\u8f6c\u5f55\u7ec4\u6570\u636e\u7684\u9884\u8bad\u7ec3\uff0c\u53ef\u4ee5\u5728\u6570\u636e\u6709\u9650\u7684\u573a\u666f\u4e2d\u8fdb\u884c\u9884\u6d4b\u3002\u672c\u6587\u4e2d\u4f5c\u8005 \u5229\u75283000\u4e07\u4e2a\u5355\u4e2a\u7ec6\u80de\u8f6c\u5f55\u7ec4\u6784\u6210\u7684\u5927\u89c4\u6a21\u8bed\u6599\u5e93\u8fdb\u884c\u4e86\u9884\u8bad\u7ec3,\u4ee5\u5728\u6709\u9650\u6570\u636e\u60c5\u5f62\u4e0b\u5b9e\u73b0\u4e0b\u6e38\u7f51\u7edc\u751f\u7269\u5b66\u4efb\u52a1\u7684\u9884\u6d4b\u3002\u540c\u65f6\u5728\u6709\u9650\u60a3\u8005\u6570\u636e\u7684\u75be\u75c5\u5efa\u6a21\u7684\u5e94\u7528\u4e2d,Geneformer\u9274\u5b9a\u4e86\u5fc3\u808c\u75c5\u7684\u5019\u9009\u6cbb\u7597\u9776\u70b9\u3002 Geneformer\u4ee3\u8868\u4e86\u4e00\u4e2a\u9884\u8bad\u7ec3\u7684\u6df1\u5ea6\u5b66\u4e60\u6a21\u578b,\u53ef\u901a\u8fc7\u5fae\u8c03\u9002\u5e94\u5e7f\u6cdb\u7684\u4e0b\u6e38\u5e94\u7528\uff0c\u8fdb\u4e00\u6b65\u4fc3\u8fdb\u5bf9\u5173\u952e\u7f51\u7edc\u8c03\u8282\u56e0\u5b50\u548c\u5019\u9009\u6cbb\u7597\u9776\u70b9\u7684\u53d1\u73b0\u3002
4\u3001\u6d4b\u5e8f\u51b7\u77e5\u8bc6\uff0c\u4e3a\u4ec0\u4e48illumina\u6d4b\u5e8f\u53eb\u505aP7\u4e0eP5\u63a5\u5934\uff1f
\u63a8\u7279\u4e0a\u5173\u4e8e\u4e3a\u4ec0\u4e48illumina\u6d4b\u5e8f\u8fde\u63a5\u7684\u662f3\u2019\u7aef\u548c5\u2018\u7aef\u7684\u63a5\u5934\uff0c\u4f46\u662f\u63a5\u5934\u547d\u540d\u662fP7\u4e0eP5\u800c\u4e0d\u662fP3\u4e0eP5\u7684\u8ba8\u8bba\uff0c\u539f\u56e0\u662fillumina\u6536\u8d2d\u7684solex\u6d4b\u5e8f\u6280\u672f\u91cc\u9762\uff0cP7\u548cP5\u662f\u6d4b\u5e8f\u6548\u679c\u6700\u597d\u7684\u63a5\u5934\uff0c\u6240\u4ee5\u5c31\u4fdd\u7559\u4e86\u7b2c5\u4e2a\u548c\u7b2c7\u4e2a\u63a5\u5934\u539f\u59cb\u7684\u7f16\u53f7\uff0c\u800c\u4e0d\u662f\u7b26\u5408\u5e38\u8bc6\u7684\u547d\u540d\u4e3aP3\u548cP5\u3002
5\u3001\u57fa\u56e0\u96c6\u5206\u6790\u7684\u524d\u4e16\u4eca\u751f
\u672c\u6587\u4f5c\u8005\u901a\u8fc7\u4e24\u7bc7\u6587\u732e\uff0c\u5c55\u793a\u4e86GSA\u7684\u524d\u4e16\u4eca\u751f\uff0c\u5305\u62ec\u5f53\u4e0b\u5bcc\u96c6\u5206\u6790\u7684\u4e3b\u6d41\u7b97\u6cd5\u3001\u65b9\u6cd5\uff0c\u7edf\u8ba1\u5b66\u539f\u7406\u53ca\u5176\u5728\u89e3\u91ca\u79d1\u5b66\u95ee\u9898\u65f6\u7684\u5c40\u9650\u6027\u548c\u4e0d\u8db3\uff0c\u6700\u540e\u4f5c\u8005\u8fd8\u8865\u5145\u4e86\u5728\u9009\u62e9\u5bf9\u5e94\u65b9\u6cd5\u3001\u5de5\u5177\u8fdb\u884cGSA\u65f6\u9700\u8981\u6ce8\u610f\u7684\u95ee\u9898\u3002
6\u3001\u524d\u77bb\u6027\u7814\u7a76VS\u56de\u987e\u6027\u7814\u7a76\uff0c\u5206\u6e05\u4e86\u5417\uff1f
\u524d\u77bb\u6027\u7814\u7a76\u548c\u56de\u987e\u6027\u7814\u7a76\u662f\u6d41\u884c\u75c5\u5b66\u4e2d\u4e24\u79cd\u4e3b\u8981\u7684\u89c2\u5bdf\u6027\u7814\u7a76\u65b9\u6cd5\u3002\u672c\u6587\u4ecb\u7ecd\u5b83\u4eec\u7684\u542b\u4e49\u548c\u533a\u522b\u3002
7.\u4e00\u6587\u638c\u63e1\u5361\u65b9\u68c0\u9a8c
\u672c\u6587\u4ece\u5047\u8bbe\u68c0\u9a8c\u5165\u624b\uff0c\u8be6\u7ec6\u4ecb\u7ecd\u4e86\u5361\u65b9\u68c0\u9a8c\u7684\u57fa\u672c\u5185\u5bb9\u3002
"},{"location":"issue-80/#_5","title":"\u5de5\u5177","text":"8\u3001buildr \uff5c \u8212\u9002\u5730\u7ec4\u7ec7\u548c\u8fd0\u884c\u6784\u5efa\u811a\u672c
\u5904\u7406\u53ef\u91cd\u590d\u7684\u62a5\u544a\u6216\u4efb\u4f55\u5176\u4ed6\u7c7b\u4f3c\u7684\u9879\u76ee\u901a\u5e38\u9700\u8981\u8fd0\u884c\u811a\u672c\uff0c\u4ee5\u6307\u5b9a\u7684\u65b9\u5f0f\u201c\u6784\u5efa\u201d\u8f93\u51fa\u6587\u4ef6\u3002buildr\u53ef\u4ee5\u5e2e\u52a9\u4f60\u7ec4\u7ec7\u3001\u4fee\u6539\u548c\u8212\u9002\u5730\u8fd0\u884c\u8fd9\u4e9b\u811a\u672c\u3002\u8be5\u8f6f\u4ef6\u5305\u63d0\u4f9b\u4e86\u4e00\u7ec4\u529f\u80fd\uff0c\u4ee5\u4ea4\u4e92\u65b9\u5f0f\u6307\u5bfc\u4f60\u5b8c\u6210\u6574\u4e2a\u8fc7\u7a0b\uff0c\u8fd9\u4e9b\u529f\u80fd\u53ef\u4ee5\u4f5c\u4e3aRStudio\u63d2\u4ef6\u4f7f\u7528\uff0c\u8fd9\u610f\u5473\u7740\u4f60\u53ef\u4ee5\u8bbe\u7f6e\u952e\u76d8\u5feb\u6377\u952e\uff0c\u4f7f\u4f60\u53ef\u4ee5\u968f\u65f6\u968f\u5730\u4e00\u952e\u9009\u62e9\u5e76\u8fd0\u884c\u6240\u9700\u7684\u6784\u5efa\u811a\u672c\u3002
9\u3001ProjectTemplate | \u9879\u76ee\u7ba1\u7406\u7684R\u5305
ProjectTemplate\u662f\u4e00\u4e2a\u53ef\u4ee5\u81ea\u52a8\u5316\u7ba1\u7406R\u8bed\u8a00\u9879\u76ee\u7684R\u5305\uff0c\u53ef\u4ee5\u7b80\u5316\u65e5\u5e38\u4f7f\u7528R\u8bed\u8a00\u7684\u4e00\u4e9b\u6d41\u7a0b\uff0c\u63a8\u8350\u4f7f\u7528\u3002
10\u3001Zotero Better Notes | Zotero\u7b14\u8bb0\u7ba1\u7406\u5de5\u5177
Zotero Better Notes\u4f5c\u4e3aZotero\u4e00\u4e2a\u63d2\u4ef6\uff0c\u662fZotero\u4e2d\u8fdb\u884c\u7b14\u8bb0\u7ba1\u7406\u7684\u5f3a\u5927\u5de5\u5177\u3002
11\u3001circrna| circRNA\u5206\u6790\u6d41\u7a0b\u5de5\u5177
nf-core/circrna\u662f\u57fa\u4e8eNextflow\u8fdb\u884ccircRNA\u5b9a\u91cf\u3001\u5dee\u5f02\u8868\u8fbe\u5206\u6790\u548cmiRNA\u9776\u5411\u9884\u6d4b\u7684\u5206\u6790\u6d41\u7a0b\u3002
12\u3001CRAN\u5e73\u53f0\u591a\u7ec4\u5b66\u5206\u6790\u7684R\u5305\u96c6\u5408
\u672c\u6587\u4ecb\u7ecd\u4e86CRAN\u5e73\u53f0\u4e0a\u7ec4\u5b66\u5206\u6790\u65f6\u91cd\u8981\u7684R\u5305\u5de5\u5177\uff0c\u53ef\u7528\u4e8e\u57fa\u56e0\u7ec4\u5b66\u3001\u86cb\u767d\u8d28\u7ec4\u5b66\u3001\u4ee3\u8c22\u7ec4\u5b66\u3001\u8f6c\u5f55\u7ec4\u5b66\u7b49\u3002
13\u3001\u5355\u7ec6\u80de\u6d4b\u5e8f\u7684\u91cc\u7a0b\u7891\u6587\u732e\u96c6\u9526
\u672c\u8d44\u6e90\u6574\u7406\u4e862009\u5e74\u4ee5\u6765\u7684\u5355\u7ec6\u80de\u9886\u57df\u7684\u91cc\u7a0b\u7891\u6587\u732e\uff08\u89c1\u4e0a\u56fe\uff09\u3002
"},{"location":"issue-80/#_7","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09@kongjianyang\uff08\u7a7a\u95f4\u9633\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-81/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 81 \u671f\uff09\uff1a\u597d\u4eba\u60c5\u7ed3","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-81/#_1","title":"\u5c01\u9762\u56fe","text":"\u97e6\u4f2f\u671b\u8fdc\u955c\u7684\u7b2c\u4e00\u5f20\u7167\u7247\uff0c\u53d1\u5e03\u4e8e2022 \u5e74 7 \u6708 12 \u65e5\uff0c\u8fd9\u5f20\u6765\u81ea\u4e8e\u4e16\u754c\u4e0a\u76ee\u524d\u6700\u5f3a\u5927\u7684\u592a\u7a7a\u671b\u8fdc\u955c\u7684\u7167\u7247\u9884\u793a\u7740\u4eba\u7c7b\u8fdb\u5165\u5b87\u5916\u63a2\u7d22\u7684\u65b0\u65f6\u4ee3\u3002
"},{"location":"issue-81/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u597d\u4eba\u60c5\u7ed3","text":"\u6709\u4e00\u79cd\u5fc3\u7406\u75be\u75c5\u53eb\u201c\u53d6\u60a6\u75c7\u201d\uff08Disease to Please\uff09\uff0c\u4e5f\u5c31\u662f\u5e38\u8bf4\u7684\u201c\u8ba8\u597d\u578b\u4eba\u683c\u201d\uff0c\u610f\u601d\u5f88\u597d\u7406\u89e3\uff0c\u5c31\u662f\u4e0d\u81ea\u89c9\u5730\u60f3\u8981\u8ba8\u597d\u522b\u4eba\uff0c\u53d6\u60a6\u522b\u4eba\uff0c\u6ee1\u8db3\u522b\u4eba\u7684\u8981\u6c42\uff0c\u884c\u4e3a\u88ab\u4e00\u79cd\u201c\u597d\u4eba\u60c5\u7ed3\u201d\u5de6\u53f3\u3002
@kongjianyang\uff1a\u751f\u6d3b\u4e2d\u60f3\u505a\u4e00\u4e2a\u4e0e\u4eba\u4e3a\u5584\u7684\u4eba\u672c\u65e0\u53ef\u539a\u975e\uff0c\u4f46\u662f\u5982\u679c\u662f\u4e00\u5473\u7684\u8ba8\u597d\u5219\u5f88\u53ef\u80fd\u4f24\u5bb3\u81ea\u8eab\u3002\u8981\u9002\u5ea6\u7684\u505a\u5230\u5185\u5fc3\u575a\u5f3a\uff0c\u4e0d\u8981\u4e3a\u4e86\u8d62\u5f97\u522b\u4eba\u7684\u8ba4\u53ef\u6216\u8005\u597d\u611f\u800c\u4e00\u5473\u7684\u8ba8\u597d\u522b\u4eba\u3002
"},{"location":"issue-81/#_3","title":"\u751f\u4fe1\u7814\u7a76","text":"1\u3001DeepPseudoMSI: \u4f7f\u7528\u6df1\u5ea6\u5b66\u4e60\u5bf9pseudo-\u8d28\u8c31\u56fe\u50cf\u5206\u6790\u7528\u4e8e\u7cbe\u51c6\u533b\u5b66
\u53d1\u8868\u5728\u751f\u7269\u4fe1\u606f\u5b66top\u6742\u5fd7Briefing in Bioinformatics\u4e0a\u7684\u6587\u7ae0\u3002\u8be5\u9879\u5de5\u4f5c\u5f00\u53d1\u4e86\u57fa\u4e8e\u6df1\u5ea6\u5b66\u4e60\u7684pseudo\u8d28\u8c31\u56fe\u50cf(deepPseudoMSI)\uff0c\u53ef\u4ee5\u5c06 LC-MS \u539f\u59cb\u6570\u636e\u8f6c\u6362\u4e3apseudo- MSI(\u8d28\u8c31\u56fe\u50cf\u56fe\u50cf)\uff0c\u7136\u540e\u901a\u8fc7\u6df1\u5ea6\u5b66\u4e60\u5bf9\u5176\u8fdb\u884c\u5904\u7406,\u4ece\u800c\u7528\u4e8e\u7cbe\u51c6\u533b\u5b66\u3002\u901a\u8fc7\u771f\u5b9e\u6570\u636e\u9a8c\u8bc1\uff0cdeepPseudoMSI\u4f18\u4e8e\u4f20\u7edf\u7684LC-MS\u5904\u7406\u65b9\u6cd5\u3002
2\u3001CAP | \u514d\u75ab\u6cbb\u7597\u60a3\u8005\u7684dMMR\u3001MSI\u68c0\u6d4b\u6307\u5357
\u7f8e\u56fd\u75c5\u7406\u5b66\u5bb6\u534f\u4f1a\uff08CAP\uff09\u6700\u8fd1\u63d0\u9192\u533b\u52a1\u5de5\u4f5c\u8005\uff0c\u4e3a\u4e86\u66f4\u597d\u5730\u6307\u5bfc\u60a3\u8005\u9009\u62e9\u514d\u75ab\u6cbb\u7597\u65b9\u6848\uff0c\u8981\u614e\u91cd\u9009\u62e9\u68c0\u6d4bdMMR\u6216MSI\u7684\u65b9\u6cd5\u3002CAP\u7684\u4e13\u5bb6\u5c0f\u7ec4\u5bf9\u4e8e\u4e0d\u540c\u7684\u68c0\u6d4b\u65b9\u6cd5\uff08\u5305\u62ec\u514d\u75ab\u7ec4\u5316\uff08IHC\uff09\u3001PCR\u548c\u4e0b\u4e00\u4ee3\u6d4b\u5e8f\uff08NGS\uff09\uff09\u7684\u4f18\u7f3a\u70b9\u548c\u63a8\u8350\uff0c\u4ee5\u53ca\u9488\u5bf9\u4e0d\u540c\u7684\u764c\u75c7\u7c7b\u578b\u7684\u5efa\u8bae\u3002\u6587\u7ae0\u5f3a\u8c03\u4e86\u8fd9\u4e9b\u68c0\u6d4b\u65b9\u6cd5\u5e76\u4e0d\u662f\u5b8c\u5168\u53ef\u4e92\u6362\u7684\uff0c\u800c\u4e14\u5728\u67d0\u4e9b\u764c\u75c7\u7c7b\u578b\u4e2d\uff0c\u76ee\u524d\u8fd8\u7f3a\u4e4f\u8db3\u591f\u7684\u8bc1\u636e\u6765\u652f\u6301\u4f7f\u7528NGS\u6765\u68c0\u6d4bdMMR\u6216MSI\u3002
3\u3001Nature Methods | \u57fa\u4e8eDNA\u5e8f\u5217\u7684\u5355\u7ec6\u80deATAC-seq\u5377\u79ef\u795e\u7ecf\u7f51\u7edc\u5efa\u6a21
\u5355\u7ec6\u80deATAC-seq\uff08scATAC\uff09\u5728\u7814\u7a76\u8868\u89c2\u9057\u4f20\u666f\u89c2\u4e2d\u7684\u7ec6\u80de\u5f02\u8d28\u6027\u65b9\u9762\u5177\u6709\u5de8\u5927\u524d\u666f\uff0c\u4f46\u7531\u4e8e\u6570\u636e\u9ad8\u7ef4\u6027\u548c\u7a00\u758f\u6027\u7684\u7279\u70b9\uff0cscATAC\u7684\u5206\u6790\u4ecd\u7136\u9762\u4e34\u91cd\u5927\u6311\u6218\u3002\u4e3a\u6b64\uff0c\u4f5c\u8005\u63d0\u51fa\u4e86\u4e00\u79cd\u57fa\u4e8eDNA\u5e8f\u5217\u7684\u5377\u79ef\u795e\u7ecf\u7f51\u7edc\u65b9\u6cd5(scBasset)\u6765\u5bf9scATAC\u6570\u636e\u8fdb\u884c\u5efa\u6a21\u3002\u5b9e\u9a8c\u8868\u660e\uff0c\u901a\u8fc7\u5229\u7528\u53ef\u53ca\u6027\u5cf0\u503c\u4e0b\u7684DNA\u5e8f\u5217\u4fe1\u606f\u548c\u795e\u7ecf\u7f51\u7edc\u6a21\u578b\u7684\u8868\u8fbe\u80fd\u529b\uff0cscBasset\u5728scATAC\u548c\u5355\u7ec6\u80de\u591a\u7ec4\u6570\u636e\u96c6\u7684\u5404\u79cd\u4efb\u52a1\u4e2d\u5c55\u73b0\u4e86\u6700\u5148\u8fdb\u7684\u6027\u80fd\uff0c\u5305\u62ec\u7ec6\u80de\u7c7b\u578b\u8bc6\u522b\u3001scATAC\u53bb\u566a\u3001\u6570\u636e\u96c6\u6210\u548c\u8f6c\u5f55\u56e0\u5b50\u6d3b\u6027\u63a8\u65ad\u3002
4\u3001\u5173\u4e8ebioRxiv\u6587\u7ae0\u7684\u89e3\u8bfb
\u4e00\u4f4d\u65af\u5766\u798f\u7684\u535a\u58eb\u5b9a\u671f\u66f4\u65b0\u751f\u7269\u533b\u836f\u9886\u57df\u7684\u6700\u65b0\u8fdb\u5c55\uff0c\u975e\u5e38\u6709\u542f\u53d1\u3002
5\u3001ggThemeAssist | \u9f20\u6807\u4ea4\u4e92\u4fee\u6539ggplot2\u56fe\u5f62\u4e3b\u9898\u53c2\u6570
ggThemeAssist\u662f\u4e00\u4e2aR\u8bed\u8a00\u7684\u5305\uff0c\u5b83\u53ef\u4ee5\u5e2e\u52a9\u7528\u6237\u5728RStudio\u4e2d\u8f7b\u677e\u5730\u5b9a\u5236ggplot2\u56fe\u5f62\u7684\u4e3b\u9898\u3002\u7528\u6237\u53ea\u9700\u8981\u5728RStudio\u4e2d\u9009\u62e9\u4e00\u4e2aggplot2\u5bf9\u8c61\uff0c\u7136\u540e\u70b9\u51fb\u201cAddins\u201d\u83dc\u5355\u4e2d\u7684\u201cggThemeAssist\u201d\uff0c\u5c31\u53ef\u4ee5\u5728\u4e00\u4e2a\u4ea4\u4e92\u5f0f\u7684\u7a97\u53e3\u4e2d\u8c03\u6574\u56fe\u5f62\u7684\u5404\u79cd\u5143\u7d20\uff0c\u5982\u6807\u9898\u3001\u5750\u6807\u8f74\u3001\u56fe\u4f8b\u3001\u80cc\u666f\u3001\u989c\u8272\u7b49\u3002\u7528\u6237\u53ef\u4ee5\u5b9e\u65f6\u5730\u770b\u5230\u56fe\u5f62\u7684\u53d8\u5316\uff0c\u5e76\u4e14\u53ef\u4ee5\u590d\u5236\u6216\u63d2\u5165\u751f\u6210\u7684\u4ee3\u7801\u5230\u811a\u672c\u4e2d\u3002\u6211\u5f3a\u70c8\u63a8\u8350\u4f60\u8bd5\u4e00\u8bd5ggThemeAssist\u5305\uff0c\u4e2a\u4eba\u611f\u89c9\u5b66\u4e86\u8fd9\u4e2a\u5305\u76f4\u63a5\u79d2\u6740GraphPad Prism\uff0c \u4f60\u4e00\u5b9a\u4f1a\u559c\u6b22\u4e0a\u5b83\u7684\uff01
6\u3001micromamba\u7684\u5b89\u88c5\u4f7f\u7528
Micromamba \u662f\u4e00\u4e2a\u8f7b\u91cf\u7ea7\u7684 Python \u73af\u5883\u7ba1\u7406\u5668\u548c\u5305\u7ba1\u7406\u5668\uff0c\u5b83\u662f Miniconda \u7684\u66ff\u4ee3\u54c1\u3002\u5b83\u7684\u76ee\u6807\u662f\u63d0\u4f9b\u4e00\u4e2a\u66f4\u5feb\u901f\u3001\u66f4\u5c0f\u5de7\u7684\u9009\u62e9\uff0c\u7528\u4e8e\u7ba1\u7406 Python \u73af\u5883\u548c\u5b89\u88c5\u7b2c\u4e09\u65b9\u8f6f\u4ef6\u5305\u3002\u8fd9\u7bc7\u6587\u7ae0\u7b80\u5355\u8bb0\u5f55\u4e86micromamba\u7684\u5b89\u88c5\u8fc7\u7a0b\u3002
7\u3001workflowr\uff1a\u7ba1\u7406\u548c\u5206\u4eab\u91cd\u590d\u6027\u7814\u7a76\u7684R\u5305
workflowr\u5305\u80fd\u591f\u5e2e\u52a9\u7814\u7a76\u4eba\u5458\u8fdb\u884c\u6709\u6548\u7684\u9879\u76ee\u7ba1\u7406\u3001\u8fdb\u884c\u53ef\u91cd\u590d\u6027\u7814\u7a76\u3001\u534f\u4f5c\u548c\u5206\u4eab\u81ea\u5df1\u5206\u6790\u7ed3\u679c\u3002workflowr \u7ed3\u5408\u4e86\u6587\u5b57\u7f16\u7a0b\uff08knitr \u548c rmarkdown\uff09\u548c\u7248\u672c\u63a7\u5236\uff08Git\uff0c\u901a\u8fc7 git2r\uff09\u6765\u751f\u6210\u4e00\u4e2a\u5305\u542b\u65f6\u95f4\u6233\u3001\u7248\u672c\u5316\u548c\u8bb0\u5f55\u7ed3\u679c\u7684\u7f51\u7ad9\u3002\u4efb\u4f55 R \u7528\u6237\u90fd\u53ef\u4ee5\u5feb\u901f\u8f7b\u677e\u5730\u91c7\u7528\u5de5\u4f5c\u6d41\u7a0b\u3002
8\u3001Observable Plot\uff1a\u7528\u4e8e\u63a2\u7d22\u6027\u6570\u636e\u53ef\u89c6\u5316\u7684JavaScript\u5e93
\u4e00\u6b3e\u53ef\u4ee5\u7528\u6765\u505a\u6570\u636e\u5316\u53ef\u89c6\u5316\u7684JavaScript\u5e93\uff0c\u505a\u51fa\u6765\u7684\u56fe\u5f62\u90fd\u5f88\u7cbe\u7f8e\uff0c\u53ef\u4ee5\u5c1d\u8bd5\u4e0b\u3002
9\u3001le-git-graph\uff1a\u5c06 git graph \u6dfb\u52a0\u5230 GitHub \u7f51\u7ad9\u7684\u6d4f\u89c8\u5668\u6269\u5c55
\u4e00\u6b3e\u53ef\u89c6\u5316\u4efb\u4f55GitHub\u5e93\u7684git graph\u7684\u6d4f\u89c8\u5668\u6269\u5c55
10\u3001SingleR | \u81ea\u52a8\u5316\u7ec6\u80de\u7c7b\u578b\u6ce8\u91ca
SingleR\u662f\u4e00\u4e2aR\u8bed\u8a00\u7684\u5305\uff0c\u5b83\u53ef\u4ee5\u5c06\u65b0\u7684\u5355\u7ec6\u80de\u6570\u636e\u4e0e\u5df2\u77e5\u7684\u53c2\u8003\u7ec6\u80de\u7c7b\u578b\u8fdb\u884c\u6bd4\u8f83\uff0c\u6839\u636e\u8868\u8fbe\u8c31\u7684\u76f8\u4f3c\u5ea6\uff0c\u4e3a\u6bcf\u4e2a\u65b0\u7ec6\u80de\u5206\u914d\u4e00\u4e2a\u53c2\u8003\u7c7b\u578b\u3002\u8fd9\u6837\u53ef\u4ee5\u907f\u514d\u624b\u52a8\u5730\u5bf9\u5355\u7ec6\u80de\u6570\u636e\u8fdb\u884c\u805a\u7c7b\u548c\u6ce8\u91ca\uff0c\u8282\u7701\u65f6\u95f4\u548c\u7cbe\u529b\uff0c\u63d0\u9ad8\u51c6\u786e\u6027\u548c\u53ef\u91cd\u590d\u6027\u3002\u6559\u7a0b\u4eceSingleR\u7684\u52a8\u673a\u548c\u65b9\u6cd5\u63cf\u8ff0\u5f00\u59cb\uff0c\u7136\u540e\u901a\u8fc7\u4e00\u4e9b\u5b9e\u4f8b\u6570\u636e\uff0c\u5c55\u793a\u4e86\u5982\u4f55\u4f7f\u7528SingleR\u7684\u4e0d\u540c\u6a21\u5f0f\u548c\u9009\u9879\uff0c\u4ee5\u53ca\u5982\u4f55\u8fdb\u884c\u6ce8\u91ca\u7ed3\u679c\u7684\u8bca\u65ad\u548c\u8bc4\u4f30\u3002
11\u3001\u6d1b\u514b\u83f2\u52d2\u5927\u5b66\u7684\u5728\u7ebf\u751f\u7269\u4fe1\u606f\u8bad\u7ec3\u6559\u7a0b
\u6d1b\u514b\u83f2\u52d2\u5927\u5b66\u7684\u751f\u4fe1\u56e2\u961f\u63d0\u4f9b\u7684\u5728\u7ebf\u57f9\u8bad\u8bfe\u7a0b\uff0c\u57f9\u8bad\u6db5\u76d6 ChIP-seq \u548c RNA-seq \u5206\u6790\u3001\u6570\u636e\u53ef\u89c6\u5316\u548c R/Bioconductor \u7f16\u7a0b\u7b49\u4e3b\u9898\u3002
12\u3001Cookiecutter Data Science
Cookiecutter \u662f\u4e00\u4e2a\u5f3a\u5927\u7684\u6a21\u677f\u5de5\u5177\u3002Cookiecutter Data Science\u63d0\u4f9b\u4e86\u5bf9\u6570\u636e\u79d1\u5b66\u9879\u76ee\u7684\u521d\u59cb\u5316\uff0c\u65b9\u4fbf\u6784\u5efa\u76f8\u5173\u7684\u5206\u6790\u9879\u76ee\uff0c\u4f1a\u751f\u6210\u5927\u4f53\u5982\u4e0b\u7684\u76ee\u5f55\u7ed3\u6784\uff1a
\u251c\u2500\u2500 LICENSE\n\u251c\u2500\u2500 Makefile <- Makefile with commands like `make data` or `make train`\n\u251c\u2500\u2500 README.md <- The top-level README for developers using this project.\n\u251c\u2500\u2500 data\n\u2502 \u251c\u2500\u2500 external <- Data from third party sources.\n\u2502 \u251c\u2500\u2500 interim <- Intermediate data that has been transformed.\n\u2502 \u251c\u2500\u2500 processed <- The final, canonical data sets for modeling.\n\u2502 \u2514\u2500\u2500 raw <- The original, immutable data dump.\n\u2502\n\u251c\u2500\u2500 docs <- A default Sphinx project; see sphinx-doc.org for details\n\u2502\n\u251c\u2500\u2500 models <- Trained and serialized models, model predictions, or model summaries\n\u2502\n\u251c\u2500\u2500 notebooks <- Jupyter notebooks. Naming convention is a number (for ordering),\n\u2502 the creator's initials, and a short `-` delimited description, e.g.\n\u2502 `1.0-jqp-initial-data-exploration`.\n\u2502\n\u251c\u2500\u2500 references <- Data dictionaries, manuals, and all other explanatory materials.\n\u2502\n\u251c\u2500\u2500 reports <- Generated analysis as HTML, PDF, LaTeX, etc.\n\u2502 \u2514\u2500\u2500 figures <- Generated graphics and figures to be used in reporting\n\u2502\n\u251c\u2500\u2500 requirements.txt <- The requirements file for reproducing the analysis environment, e.g.\n\u2502 generated with `pip freeze > requirements.txt`\n\u2502\n\u251c\u2500\u2500 setup.py <- Make this project pip installable with `pip install -e`\n\u251c\u2500\u2500 src <- Source code for use in this project.\n\u2502 \u251c\u2500\u2500 __init__.py <- Makes src a Python module\n\u2502 \u2502\n\u2502 \u251c\u2500\u2500 data <- Scripts to download or generate data\n\u2502 \u2502 \u2514\u2500\u2500 make_dataset.py\n\u2502 \u2502\n\u2502 \u251c\u2500\u2500 features <- Scripts to turn raw data into features for modeling\n\u2502 \u2502 \u2514\u2500\u2500 build_features.py\n\u2502 \u2502\n\u2502 \u251c\u2500\u2500 models <- Scripts to train models and then use trained models to make\n\u2502 \u2502 \u2502 predictions\n\u2502 \u2502 \u251c\u2500\u2500 predict_model.py\n\u2502 \u2502 \u2514\u2500\u2500 train_model.py\n\u2502 \u2502\n\u2502 \u2514\u2500\u2500 visualization <- Scripts to create exploratory and results oriented visualizations\n\u2502 \u2514\u2500\u2500 visualize.py\n\u2502\n\u2514\u2500\u2500 tox.ini <- tox file with settings for running tox; see tox.readthedocs.io\n\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09@kongjianyang\uff08\u7a7a\u95f4\u9633\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-82/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 82 \u671f\uff09\uff1a\u4e00\u79cd\u65b0\u7684\u6570\u5b57\u8868\u793a\u65b9\u6cd5 Posits","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-82/#_1","title":"\u5c01\u9762\u56fe","text":"\u68ee\u6797\u5c0f\u5c4b-\u56fe\u6e90\u3002
"},{"location":"issue-82/#posits","title":"\u672c\u5468\u8bdd\u9898\uff1a\u4e00\u79cd\u65b0\u7684\u6570\u5b57\u8868\u793a\u65b9\u6cd5 Posits","text":"\u8bad\u7ec3\u8bb8\u591a\u73b0\u4ee3 AI \u5de5\u5177\u80cc\u540e\u7684\u5927\u578b\u795e\u7ecf\u7f51\u7edc\u9700\u8981\u771f\u6b63\u7684\u8ba1\u7b97\u80fd\u529b\uff1a\u4f8b\u5982\uff0cOpenAI \u6700\u5148\u8fdb\u7684\u8bed\u8a00\u6a21\u578b GPT-3 \u9700\u8981\u60ca\u4eba\u7684\u6570\u4ebf\u6b21\u64cd\u4f5c\u6765\u8bad\u7ec3\uff0c\u5e76\u4e14\u82b1\u8d39\u4e86\u5927\u7ea6 500 \u4e07\u7f8e\u5143\u7684\u8ba1\u7b97\u65f6\u95f4\u3002\u5de5\u7a0b\u5e08\u4eec\u8ba4\u4e3a\u4ed6\u4eec\u5df2\u7ecf\u627e\u5230\u4e86\u4e00\u79cd\u901a\u8fc7\u4f7f\u7528\u4e0d\u540c\u7684\u6570\u5b57\u8868\u793a\u65b9\u5f0f\u6765\u51cf\u8f7b\u8d1f\u62c5\u7684\u65b9\u6cd5\u3002\u8fd9\u4e9b\u6570\u5b57\uff0c\u79f0\u4e3a posits\uff0c\u88ab\u63d0\u8bae\u4f5c\u4e3a\u5bf9\u5f53\u4eca\u4f7f\u7528\u7684\u6807\u51c6\u6d6e\u70b9\u7b97\u672f\u5904\u7406\u5668\u7684\u6539\u8fdb\u3002\u800c\u73b0\u5728\uff0c\u7814\u7a76\u4eba\u5458\u5f00\u53d1\u4e86\u7b2c\u4e00\u4e2a\u5728\u786c\u4ef6\u4e2d\u5b9e\u73b0 posit \u6807\u51c6\u7684\u5904\u7406\u5668\u5185\u6838\uff0c\u5e76\u8868\u660e\uff0c\u4e0e\u4f7f\u7528\u6807\u51c6\u6d6e\u70b9\u6570\u8fdb\u884c\u8ba1\u7b97\u76f8\u6bd4\uff0c\u57fa\u672c\u8ba1\u7b97\u4efb\u52a1\u7684\u7cbe\u5ea6\u9010\u4f4d\u63d0\u9ad8\u4e86\u56db\u4e2a\u6570\u91cf\u7ea7\u3002
@ShixiangWang: \u673a\u5668\u5b66\u4e60\u6b63\u5728\u6df1\u5ea6\u9769\u65b0\u57fa\u4e8e\u903b\u8f91\u548c\u4eba\u7c7b\u8bbe\u8ba1\u7684\u8ba1\u7b97\u673a\u5e95\u5c42\u6784\u67b6\uff0c\u8fd9\u610f\u5473\u7740\u4ee5\u540e\u4efb\u4f55\u4eba\u4f7f\u7528\u7684\u7535\u5b50\u8bbe\u5907\u90fd\u6709\u53ef\u80fd\u5b58\u5728\u7740\u673a\u5668\u5b66\u4e60\u7684\u786c\u4ef6\u8bbe\u8ba1\u5e94\u7528\u3002\u8fd9\u662f\u8d44\u6e90\u914d\u7f6e\u7684\u4f18\u5316\uff0c\u751f\u7269\u4fe1\u606f\u5b66\u4ece\u4e1a\u8005\u5982\u4f55\u53c2\u8003\u7c7b\u4f3c\u7684\u8bbe\u8ba1\u53bb\u8fdb\u884c\u6838\u5fc3\u7b97\u6cd5/\u8f6f\u4ef6\u7684\u4f18\u5316\u5c06\u6765\u53ef\u80fd\u662f\u4e00\u4e2a\u524d\u6cbf\u9886\u57df\u3002
1\u3001Science | \u679c\u8747\u5168\u751f\u547d\u5468\u671f\u7684\u5355\u7ec6\u80de\u56fe\u8c31 Aging Fly Cell Atlas
\u679c\u8747\u4ece\u5375\u5230\u6210\u866b\u7684\u5b58\u6d3b\u65f6\u95f4\u79f0\u4e3a\u679c\u8747\u5bff\u547d\u3002\u5b83\u53d7\u6e29\u5ea6\u548c\u98df\u7269\u4f9b\u5e94\u7b49\u73af\u5883\u56e0\u7d20\u7684\u5f71\u54cd\uff0c\u4e00\u822c\u4e3a 10 \u81f3 50 \u5929\u3002Aging Fly Cell Atlas \u662f\u9ed1\u8179\u679c\u8747\u4e0d\u540c\u751f\u547d\u5468\u671f\u7684\u5355\u6838\u8f6c\u5f55\u7ec4\u56fe\u8c31\uff0c\u63ed\u793a\u4e86\u96c4\u6027\u548c\u96cc\u6027\u679c\u8747\u4e00\u751f\u4e2d\u591a\u6570\u7ec4\u7ec7\u7684\u53d8\u5316\u3002\u7814\u7a76\u56e2\u961f\u8fd8\u5f00\u53d1\u4e86\u8870\u8001\u65f6\u949f\u6a21\u578b\uff0c\u53d1\u73b0\u6838\u7cd6\u4f53\u57fa\u56e0\u8868\u8fbe\u662f\u4e00\u4e2a\u4fdd\u5b88\u7684\u5e74\u9f84\u9884\u6d4b\u56e0\u5b50\uff0c\u5e76\u4e14\u7ec6\u80de\u7c7b\u578b\u7279\u5f02\u6027\u7684\u8870\u8001\u6a21\u5f0f\u53ef\u4ee5\u7528\u6765\u8861\u91cf\u751f\u7269\u5e74\u9f84\u3002
2\u3001Science | \u667a\u6167\u4e4b\u56fe\uff1a\u4eba\u7c7b\u591a\u5668\u5b98\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u5b66\u56fe\u8c31
\u300a\u667a\u6167\u4e4b\u56fe\u300b\u662f\u4eba\u4f53\u8d85\u8fc7400\u79cd\u7ec6\u80de\u7c7b\u578b\u7684\u5206\u5b50\u53c2\u8003\u56fe\u8c31\u3002\u667a\u6167\u4e4b\u56fe\u8054\u76df\u5229\u7528\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u5b66\u6280\u672f\uff0c\u5bf9\u6765\u81ea24\u79cd\u7ec4\u7ec7\u548c\u5668\u5b98\u7684\u8fd150\u4e07\u4e2a\u7ec6\u80de\u7684\u4fe1\u4f7fRNA\u5206\u5b50\u8fdb\u884c\u4e86\u6d4b\u91cf\u3002\u8fd9\u4e9b\u6570\u636e\u4e3a\u6211\u4eec\u63d0\u4f9b\u4e86\u5173\u4e8e\u4eba\u7c7b\u57fa\u56e0\u7ec4\u6784\u6210\u5982\u4f55\u7528\u4e8e\u5728\u4eba\u4f53\u5185\u521b\u5efa\u72ec\u7279\u7ec6\u80de\u7c7b\u578b\u7684\u5168\u65b0\u6d1e\u89c1\u3002\u9664\u4e86\u521b\u5efa\u4e86\u8fd9\u4e9b\u7ec6\u80de\u7c7b\u578b\u7684\u8be6\u7ec6\u5206\u5b50\u5b9a\u4e49\u5916\uff0c\u8be5\u56fe\u8c31\u8fd8\u63ed\u793a\u4e86\u4eba\u7c7b\u751f\u7269\u5b66\u7684\u8bb8\u591a\u5176\u4ed6\u65b9\u9762\uff0c\u5305\u62ec\u540c\u4e00\u57fa\u56e0\u5982\u4f55\u5728\u4e0d\u540c\u7ec6\u80de\u7c7b\u578b\u4e2d\u53d1\u751f\u4e0d\u540c\u526a\u63a5\uff0c\u4e0d\u540c\u7ec4\u7ec7\u4e2d\u5171\u4eab\u7684\u7ec6\u80de\u7c7b\u578b\u5982\u4f55\u5728\u5176\u8eab\u4efd\u4e0a\u6709\u5fae\u5999\u5dee\u5f02\uff0c\u4ee5\u53ca\u514d\u75ab\u7cfb\u7edf\u7684\u514b\u9686\u5982\u4f55\u5728\u591a\u4e2a\u7ec4\u7ec7\u4e4b\u95f4\u5171\u4eab\u3002
3\u3001Science | OpenCell - \u7528\u4e8e\u4eba\u7c7b\u7ec6\u80de\u7ec4\u7ec7\u5236\u56fe\u7684\u5185\u6e90\u6027\u6807\u8bb0
\u63d0\u9ad8\u5bf9\u86cb\u767d\u8d28\u5728\u4eba\u4f53\u7ec6\u80de\u5185\u5982\u4f55\u7ec4\u7ec7\u7684\u7406\u89e3\uff0c\u5c06\u589e\u5f3a\u6211\u4eec\u5bf9\u7ec6\u80de\u529f\u80fd\u7684\u7cfb\u7edf\u7ea7\u7406\u89e3\u3002Cho\u7b49\u4eba\u4f7f\u7528CRISPR\u6280\u672f\u4ee5\u63a5\u8fd1\u5185\u6e90\u6027\u7684\u91cf\u8868\u8fbe\u4e861000\u591a\u79cd\u4e0d\u540c\u7684\u86cb\u767d\u8d28\uff0c\u5176\u6807\u8bb0\u65e2\u53ef\u4ee5\u5bf9\u5176\u4f4d\u7f6e\u8fdb\u884c\u8367\u5149\u6210\u50cf\uff0c\u4e5f\u53ef\u4ee5\u5bf9\u76f8\u4e92\u4f5c\u7528\u7684\u86cb\u767d\u8d28\u4f34\u4fa3\u8fdb\u884c\u514d\u75ab\u6c89\u6dc0\u548c\u8d28\u8c31\u5206\u6790\u3002\u5927\u89c4\u6a21\u6570\u636e\u5728\u4ea4\u4e92\u5f0f\u7f51\u7ad9\u4e0a\u63d0\u4f9b\uff0c\u901a\u8fc7\u673a\u5668\u5b66\u4e60\u8fdb\u884c\u805a\u7c7b\u548c\u5206\u6790\u3002\u8fd9\u4e9b\u7814\u7a76\u5f3a\u8c03\u4e86RNA\u7ed3\u5408\u86cb\u767d\u7684\u4e0d\u5bfb\u5e38\u7279\u6027\uff0c\u5e76\u8868\u660e\u86cb\u767d\u8d28\u5b9a\u4f4d\u662f\u975e\u5e38\u5177\u4f53\u7684\uff0c\u53ef\u4ee5\u9884\u6d4b\u529f\u80fd\u3002
4\u3001Nature Communications | \u6bd4\u8f83\u7eb3\u7c73\u5b54\u76f4\u63a5RNA\u6d4b\u5e8f\u7684RNA\u4fee\u9970\u68c0\u6d4b
\u5927\u591a\u6570\u5229\u7528\u7eb3\u7c73\u5b54dRNA-seq\u6570\u636e\u68c0\u6d4bRNA\u4fee\u9970\u7684\u8f6f\u4ef6\u90fd\u65e0\u6cd5\u907f\u514d\u4f7f\u7528Tombo\u7684\u7ed3\u679c\u3002\u4f46Tombo\u5e76\u4e0d\u9002\u5408\u6700\u65b0\u7684fast5\u683c\u5f0f\u3002\u4f5c\u8005\u5f00\u53d1\u7684Nanocompore\uff0c\u901a\u8fc7\u5229\u7528nanopolish\u7684\u7ed3\u679c\u8fdb\u884cRNA\u4fee\u9970\u68c0\u6d4b\u6765\u89e3\u51b3\u8fd9\u4e2a\u95ee\u9898\u3002
5\u3001Cell Genomics | De novo\u63d0\u53d6\u7b97\u6cd5SigProfilerExtractor\u5728\u764c\u75c7\u57fa\u56e0\u6570\u636e\u4e2d\u53d1\u73b04\u79cd\u65b0\u7a81\u53d8\u7279\u5f81
SigProfilerExtractor\u548c\u5176\u4ed613\u4e2a\u7a81\u53d8\u7279\u5f81\u63d0\u53d6\u5de5\u5177\u572834\u4e2a\u4e0d\u540c\u573a\u666f\u4e2d\u7684\u6bd4\u8f83\u8868\u660e\uff0cSigProfilerExtractor\u5bf9\u566a\u97f3\u5177\u6709\u5f88\u5f3a\u7684\u9c81\u68d2\u6027\uff0c\u5e76\u4e14\u7a81\u53d8\u7279\u5f81De novo\u63d0\u53d6\u65b9\u9762\u4f18\u4e8e\u6240\u6709\u5176\u4ed6\u8ba1\u7b97\u5de5\u5177\u3002\u5c06SigProfilerExtractor\u5e94\u7528\u4e8e\u5168\u57fa\u56e0\u7ec4\u6cdb\u764c\u5206\u6790\u9879\u76ee\uff08PCAWG\uff09\u53d1\u5e03\u76842778\u4e2a\u5168\u57fa\u56e0\u7ec4\u6d4b\u5e8f\uff08WGS\uff09\u548c19184\u4e2a\u5168\u5916\u663e\u5b50\u7ec4\u6d4b\u5e8f\uff08WES\uff09\u6570\u636e\uff0c\u63ed\u793a\u4e86\u56db\u79cd\u65b0\u7684\u7a81\u53d8\u7279\u5f81\u3002
6\u3001gtExtras\uff1a\u534f\u52a9gt\u5305\u521b\u5efa\u7f8e\u89c2\u8868\u683c\u7684R\u5305
gtExtras\u662f\u4e00\u6b3e\u534f\u52a9gt\u5305\u521b\u5efa\u7f8e\u89c2\u8868\u683c\u7684R\u5305\uff0c\u9664\u4e86\u5185\u7f6e\u76847\u79cd\u8868\u683c\u4e3b\u9898\uff0c\u7528\u6237\u8fd8\u53ef\u4ee5\u81ea\u5b9a\u4e49\u4e3b\u9898\u3002\u9664\u6b64\u4e4b\u5916\uff0c\u4f7f\u7528\u8be5\u5305\u8fd8\u80fd\u5728\u8868\u683c\u5185\u6dfb\u52a0\u4e00\u4e9b\u56fe\u6807\u6216\u8005\u56fe\u50cf\uff0c\u751a\u81f3\u53ef\u4ee5\u5728\u8868\u683c\u5185\u7ed8\u5236\u4e00\u4e9b\u7b80\u5355\u7684\u6761\u5f62\u56fe\u6216\u8005\u6570\u636e\u5206\u5e03\u56fe\uff0c\u662f\u4e00\u6b3e\u975e\u5e38\u5f3a\u5927\u7684\u8868\u683c\u53ef\u89c6\u5316\u5305\u3002
7\u3001Aspera for HTS Data TurboDL | \u81ea\u52a8\u5316\u6279\u91cf\u4ece ENA|GSA \u9ad8\u901f\u4e0b\u8f7d fastq/SRA \u6570\u636e
8\u3001\u8de8\u8d8a\u751f\u7269\u4fe1\u606f\u5b66\u201c\u6570\u636e\u9e3f\u6c9f\u201d\uff0c\u89e3\u7801\u57fa\u56e0\u50a8\u5b58\u7684\u5965\u79d8
\u5728\u5927\u6570\u636e\u3001\u4eba\u5de5\u667a\u80fd\u548c\u9ad8\u6027\u80fd\u8ba1\u7b97\u9010\u6e10\u878d\u5408\u7684\u8d8b\u52bf\u4e0b\uff0c\u9762\u4e34\u6d77\u91cf\u751f\u7269\u6570\u636e\u7684\u751f\u7269\u4fe1\u606f\u5b66\u9886\u57df\u867d\u7136\u5b58\u5728\u7740\u201c\u6570\u636e\u9e3f\u6c9f\u201d\uff0c\u9762\u4e34\u7740\u8bf8\u591a\u6311\u6218\uff0c\u4f46\u4e5f\u4e3a\u884c\u4e1a\u53d1\u5c55\u5e26\u6765\u65b0\u7684\u673a\u4f1a\u3002
"},{"location":"issue-82/#_4","title":"\u5de5\u5177","text":"9\u3001PRIMUS | \u5355\u7ec6\u80de\u6570\u636e\u6574\u5408\u5305
PRIMUS\u662f\u4e00\u79cd\u80fd\u591f\u540c\u65f6\u8003\u8651\u6570\u636e\u6765\u6e90\uff08\u5982\u60a3\u8005\u3001\u6837\u672c\u3001\u6570\u636e\u96c6\uff09\u7279\u5b9a\u7684\u7ec4\u5206\u548c\u6280\u672f\u566a\u58f0\uff0c\u4ece scRNA-seq \u6570\u636e\u4e2d\u53d1\u73b0\u7ec6\u80de\u8868\u578b\u7684\u6574\u4f53\u805a\u7c7b\u65b9\u6cd5\u3002PRIMUS \u91c7\u7528\u53cc\u7ebf\u6027\u6cca\u677e\u56de\u5f52\u6a21\u578b\uff0c\u5c06\u8868\u8fbe\u6570\u636e\u5206\u89e3\u4e3a\u660e\u786e\u7684\u5e72\u6270\u56e0\u7d20\u3001\u672a\u5b9a\u4e49\u7684\u7ec6\u80de\u8868\u578b\u4ee5\u53ca\u5b83\u4eec\u5bf9\u5e94\u7684\u8f6c\u5f55\u7ec4\u5b66\u7279\u5f81\u3002
10\u3001shinybones
shinybones\u662f\u4e00\u4e2aR\u5305\uff0c\u5b83\u63d0\u4f9b\u4e86\u4e00\u79cd\u975e\u5e38\u56fa\u6267\u5df1\u89c1\u7684\u65b9\u5f0f\u6765\u7ec4\u7ec7\u5927\u578b\u3001\u591a\u9875\u7684\u95ea\u4eae\u4eea\u8868\u677f\u3002\u5b83\u5141\u8bb8\u7528\u6237\u4e13\u6ce8\u4e8e\u6309\u7167\u6700\u5c0f\u7684\u7ea6\u5b9a\u96c6\u4e3a\u6bcf\u4e2a\u9875\u9762\u6784\u5efa\u72ec\u7acb\u7684\u6a21\u5757\uff0c\u5e76\u5c06\u6240\u6709\u6d89\u53ca\u5728\u4eea\u8868\u677f\u4e2d\u5e03\u5c40\u5b83\u4eec\u7684\u6837\u677f\u4ee3\u7801\u653e\u5728\u4e00\u4e2a\u7b80\u5355\u7684YAML\u914d\u7f6e\u6587\u4ef6\u4e2d\u3002
11\u3001groundhog
groundhog\u901a\u8fc7\u5c06 library\uff08pkg\uff09 \u66ff\u6362\u4e3a groundhog.library\uff08pkg\uff0cdate\uff09 \u6765\u91cd\u73b0 R \u811a\u672c. groundhog.library\uff08\uff09 \u53ef\u4ee5\u52a0\u8f7d\u5728 CRAN \u4e0a\u9009\u5b9a\u65e5\u671f\u53ef\u7528\u7684\u5305\u53ca\u5176\u4f9d\u8d56\u9879\u3002\u5982\u679c\u9700\u8981\uff0c\u5176\u4f1a\u81ea\u52a8\u5b89\u88c5\u8f6f\u4ef6\u5305\uff0c \u800c\u4e14\u5b89\u88c5\u5c06\u4fdd\u7559\uff08\u800c\u4e0d\u662f\u66ff\u6362\uff09\u8be5\u5305\u7684\u73b0\u6709\u5176\u4ed6\u7248\u672c\u3002\u4e0e\u6b64\u540c\u65f6\uff0c\u6240\u6709\u64cd\u4f5c\u7cfb\u7edf\u548c R \u7248\u672c\u90fd\u53ef\u5b89\u88c5/\u52a0\u8f7d\u76f8\u540c\u7684\u5305\u7248\u672c\u3002
12\u3001MutScape | \u4e00\u4e2a\u7528\u4e8e\u63a2\u7d22\u764c\u75c7\u57fa\u56e0\u7ec4\u4e2d\u7a81\u53d8\u666f\u89c2\u7684\u5206\u6790\u5de5\u5177\u5305
\u4e00\u4e2a\u7528\u6237\u53cb\u597d\u7684Python\u5de5\u5177\u5305\uff0c\u5b83\u63d0\u4f9b\u4e86\u4e00\u4e2a\u5168\u9762\u7684\u7ba1\u9053\uff0c\u53ef\u4ee5\u8f7b\u677e\u5730\u63a2\u7d22\u57fa\u4e8e\u961f\u5217\u7684\u7a81\u53d8\u7279\u5f81\uff0c\u7528\u4e8e\u7814\u7a76\u764c\u75c7\u57fa\u56e0\u7ec4\u5b66\u3002
13\u3001alist | \u4e00\u4e2a\u652f\u6301\u591a\u5b58\u50a8\u7684\u6587\u4ef6\u5217\u8868\u7a0b\u5e8f
alist\u662f\u4e00\u4e2a\u652f\u6301\u591a\u79cd\u5b58\u50a8\uff0c\u652f\u6301\u7f51\u9875\u6d4f\u89c8\u548c WebDAV \u7684\u6587\u4ef6\u5217\u8868\u7a0b\u5e8f\uff0c\u7531 gin \u548c Solidjs \u9a71\u52a8\u3002\u652f\u6301docker\u5b89\u88c5\uff0c\u53ef\u4ee5\u5728\u5168\u5e73\u53f0\u4f7f\u7528\u3002
14\u3001sunmao-ui
Sunmao(\u69ab\u536f)\u662f\u4e00\u4e2a\u524d\u7aef\u4f4e\u4ee3\u7801\u6846\u67b6\u3002\u901a\u8fc7 Sunmao\uff0c\u60a8\u53ef\u4ee5\u8f7b\u677e\u5c06\u5404\u79cd\u524d\u7aef UI \u7ec4\u4ef6\u5e93\u548c\u81ea\u5df1\u5f00\u53d1\u7684\u524d\u7aef\u7ec4\u4ef6\uff0c\u5c01\u88c5\u6210\u4f4e\u4ee3\u7801\u7ec4\u4ef6\u5e93\uff0c\u4ece\u800c\u642d\u5efa\u60a8\u81ea\u5df1\u7684\u4f4e\u4ee3\u7801 UI \u5f00\u53d1\u5de5\u5177\uff0c\u4f7f\u524d\u7aef\u5f00\u53d1\u53d8\u5f97\u5982\u69ab\u536f\u822c\u4e25\u4e1d\u5408\u7f1d\u3002
15\u3001PyOxidizer
PyOxidizer\u662f\u4e00\u4e2a\u7528\u4e8e\u751f\u6210\u5d4c\u5165 Python \u7684\u4e8c\u8fdb\u5236\u6587\u4ef6\u7684\u5b9e\u7528\u7a0b\u5e8f\u3002 \u5176\u9996\u8981\u76ee\u6807\u662f\u4f7f\u590d\u6742\u7684\u5305\u88c5\u548c\u5206\u53d1\u95ee\u9898\u53d8\u5f97\u7b80\u5355\uff0c\u4ee5\u6b64\u8ba9\u7a0b\u5e8f\u7ef4\u62a4\u8005\u53ef\u4ee5\u4e13\u6ce8\u4e8e\u6784\u5efa\u5e94\u7528\u7a0b\u5e8f\uff0c\u800c\u4e0d\u662f\u5728\u6784\u5efa\u7cfb\u7edf\u548c\u6253\u5305\u7684\u5de5\u4f5c\u4e2d\u8017\u8d39\u7cbe\u529b\u3002
16\u3001FreeTube
FreeTube \u662f\u4e00\u6b3e\u5f00\u6e90\u7684\u684c\u9762 YouTube \u64ad\u653e\u5668\uff0c\u5728\u6784\u5efa\u65f6\u5145\u5206\u8003\u8651\u4e86\u9690\u79c1\u3002\u4f7f\u7528\u65f6\u53ef\u4ee5\u81ea\u52a8\u8df3\u8fc7\u6240\u6709\u5e7f\u544a\uff0c\u65e0\u9700\u5e10\u6237\u5373\u53ef\u8ba2\u9605\u9891\u9053\uff0c\u5e76\u4e14\u53ef\u4ee5\u9632\u6b62 Google \u4f7f\u7528 cookie \u548c JavaScript \u8ddf\u8e2a\u60a8\u3002\u8f6f\u4ef6\u53ef\u7528\u4e8e Windows\u3001Mac \u548c Linux\u5e73\u53f0\u3002
17\u3001giscus
\u5229\u7528 GitHub Discussions \u5b9e\u73b0\u7684\u8bc4\u8bba\u7cfb\u7edf\uff0c\u8ba9\u8bbf\u5ba2\u501f\u52a9 GitHub \u5728\u4f60\u7684\u7f51\u7ad9\u4e0a\u7559\u4e0b\u8bc4\u8bba\u548c\u53cd\u5e94\u5427\uff01\u672c\u9879\u76ee\u6df1\u53d7 utterances \u7684\u542f\u53d1\u3002\uff08weekly\u7f51\u7ad9\u7684\u8bc4\u8bba\u7cfb\u7edf\u5c31\u662f\u57fa\u4e8egiscus\u505a\u7684\uff09
18\u3001zola | \u9759\u6001\u7ad9\u70b9\u751f\u6210\u5668
\u4e00\u4e2a\u7c7b\u4f3c hugo \u7684\u5de5\u5177\uff0c\u4f46 hugo \u662f golang \u6784\u5efa\u7684\uff0c\u800c zola \u662f\u4f7f\u7528 rust \u6784\u5efa\u7684\u3002
19\u3001\u6839\u636e RNA \u6d4b\u5e8f\u6570\u636e\u8fdb\u884cT\u7ec6\u80de\u53d7\u4f53\u5e93\u91cd\u5efa\u548c\u5206\u6790
\u8fd9\u91cc\u4ecb\u7ecd\u4e86\u4e00\u4e2a\u5206\u6790 TCR \u7684 nextflow \u6d41\u7a0b\u3002
20\u3001openverse | \u521b\u610f\u4f5c\u54c1\u5e93
Openverse\u662f\u4e00\u4e2a\u514d\u8d39\u7684\u521b\u610f\u4f5c\u54c1\u5e93\uff0c\u5305\u62ec\u8d85\u8fc77\u4ebf\u5f20\u7167\u7247\u3001\u56fe\u50cf\u548c\u97f3\u9891\uff0c\u6240\u6709\u5185\u5bb9\u90fd\u662f\u5728\u521b\u610f\u5171\u4eab\u8bb8\u53ef\u8bc1\u4e0b\u6216\u5c5e\u4e8e\u516c\u5171\u9886\u57df\u7684\uff0c\u53ef\u4ee5\u81ea\u7531\u4f7f\u7528\u3002
"},{"location":"issue-82/#_6","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09@kongjianyang\uff08\u7a7a\u95f4\u9633\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-83/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 83 \u671f\uff09\uff1a2022 Science\u5e74\u5ea6\u5341\u5927\u79d1\u5b66\u7a81\u7834","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-83/#_1","title":"\u5c01\u9762\u56fe","text":""},{"location":"issue-83/#2022-science","title":"\u672c\u5468\u8bdd\u9898\uff1a2022 Science\u5e74\u5ea6\u5341\u5927\u79d1\u5b66\u7a81\u7834","text":"\u6bcf\u4e00\u5e74\uff0c\u300a\u79d1\u5b66\u300b\u6742\u5fd7\u7684\u7f16\u8f91\u56e2\u961f\u90fd\u4f1a\u8bc4\u9009\u51fa\u4e00\u9879\u5e74\u5ea6\u79d1\u5b66\u7a81\u7834\u51a0\u519b\u4ee5\u53ca\u4e5d\u9879\u5e74\u5ea6\u79d1\u5b66\u7a81\u7834\u5165\u56f4\u5956\u3002\u5b83\u4eec\u662f\u4e00\u5e74\u91cc\u6700\u91cd\u5927\u7684\u79d1\u5b66\u53d1\u73b0\u3001\u79d1\u5b66\u8fdb\u5c55\u548c\u8d8b\u52bf\u3002
@NiEntropy -2022\u5e74 Science\u63a8\u51fa\u7684\u5341\u5927\u79d1\u5b66\u7a81\u7834\u4e2d\uff0c\u6709\u4e00\u9879\u8ba9\u6211\u8fd9\u4e2a\u751f\u4fe1\u7231\u597d\u8005\u5f88\u611f\u5174\u8da3\u2014\u2014\u51bb\u571f\u53e4DNA\u5e8f\u5217\u63ed\u793a\u5931\u843d\u4e16\u754c\u3002\u8fd9\u9879\u7a81\u7834\u5c55\u793a\u4e86\u73af\u5883DNA\u5728\u91cd\u5efa\u8fc7\u53bb\u751f\u6001\u7cfb\u7edf\u65b9\u9762\u7684\u5de8\u5927\u6f5c\u529b\uff0c\u4e3a\u751f\u7269\u4fe1\u606f\u5b66\u63d0\u4f9b\u4e86\u65b0\u7684\u6570\u636e\u6765\u6e90\u548c\u7814\u7a76\u5bf9\u8c61\uff0c\u63ed\u793a\u4e86\u5730\u7403\u5386\u53f2\u4e0a\u7684\u751f\u7269\u591a\u6837\u6027\u548c\u6f14\u5316\u8fc7\u7a0b\uff0c\u4e3a\u751f\u7269\u4fe1\u606f\u5b66\u63d0\u4f9b\u4e86\u65b0\u7684\u77e5\u8bc6\u548c\u7406\u89e3\u3002\u53e6\u4e00\u9879\u8ba9\u6211\u8fd9\u4e2a\u666e\u901a\u4eba\u53d7\u76ca\u532a\u6d45\u7684\u7a81\u7834\u662f\u2014\u2014\u521b\u9020\u6027\u4eba\u5de5\u667a\u80fd\u7684\u5feb\u901f\u53d1\u5c55\u3002\u5b83\u8ba9\u751f\u6d3b\u5145\u6ee1\u4e86\u4fbf\u5229\u548c\u4e50\u8da3\uff0c\u6211\u53ef\u4ee5\u751f\u6210\u5404\u79cd\u6211\u559c\u6b22\u7684\u56fe\u7247\u3001\u97f3\u4e50\u3001\u89c6\u9891\u7b49\u3002\u5b83\u4e5f\u8ba9\u5b66\u4e60\u66f4\u52a0\u9ad8\u6548\u548c\u6709\u610f\u4e49\uff0c\u6211\u53ef\u4ee5\u5229\u7528\u521b\u9020\u6027\u4eba\u5de5\u667a\u80fd\u6765\u8f85\u52a9\u6211\u5b66\u4e60\u548c\u83b7\u53d6\u77e5\u8bc6\u3002
@ShixiangWang -\u770b\u5230\u300c\u60ca\u4eba\u7684\u5de8\u578b\u7ec6\u83cc\u300d\uff0c\u4e0d\u5f97\u4e0d\u611f\u6168\u4eba\u7c7b\u603b\u662f\u4e3a\u81ea\u5df1\u7684\u89c1\u8bc6\u6240\u675f\u7f1a\uff0c\u81ea\u7136\u754c\u5b58\u5728\u79cd\u79cd\u8d85\u8131\u4eba\u610f\u6599\u7684\u53ef\u80fd\u3002
"},{"location":"issue-83/#_2","title":"\u751f\u4fe1\u7814\u7a76","text":"1\u3001 Nature Methods | Cue: \u4e00\u4e2a\u7528\u4e8e\u53d1\u73b0\u7ed3\u6784\u53d8\u5f02\u548c\u57fa\u56e0\u5206\u578b\u7684\u6df1\u5ea6\u5b66\u4e60\u6846\u67b6
\u6765\u81ea\u7f8e\u56fd\u5e03\u7f57\u5fb7\u7814\u7a76\u6240\u3001\u5a01\u5c14\u5eb7\u5948\u5c14\u533b\u5b66\u9662\u7684\u7814\u7a76\u56e2\u961f\u5728Nature Methods\u4e0a\u53d1\u8868\u4e86\u4e00\u79cd\u540d\u4e3aCue\u7684\u6df1\u5ea6\u5b66\u4e60\u6846\u67b6\uff0c\u7528\u4e8e\u4eceDNA\u6d4b\u5e8f\u6570\u636e\u4e2d\u68c0\u6d4b\u548c\u57fa\u56e0\u5206\u578b\u7ed3\u6784\u53d8\u5f02\uff08SV\uff09\u3002SV\u662f\u4e00\u7ec4\u5927\u4e8e50\u4e2a\u78b1\u57fa\u5bf9\u7684\u57fa\u56e0\u7ec4\u6539\u53d8\uff0c\u662f\u4eba\u7c7b\u57fa\u56e0\u7ec4\u4e2d\u9057\u4f20\u591a\u6837\u6027\u548c\u75be\u75c5\u7684\u5173\u952e\u9a71\u52a8\u56e0\u7d20\u3002\u73b0\u6709\u7684SV\u68c0\u6d4b\u5668\u4f9d\u8d56\u4e8e\u624b\u5de5\u8bbe\u8ba1\u7684\u7279\u5f81\u548c\u542f\u53d1\u5f0f\u65b9\u6cd5\u6765\u5efa\u6a21SV\uff0c\u65e0\u6cd5\u6269\u5c55\u5230SV\u7684\u5e7f\u6cdb\u591a\u6837\u6027\uff0c\u4e5f\u65e0\u6cd5\u5145\u5206\u5229\u7528\u6d4b\u5e8f\u6570\u636e\u4e2d\u53ef\u7528\u7684\u4fe1\u606f\u3002Cue\u5c06\u6bd4\u5bf9\u8f6c\u6362\u4e3a\u7f16\u7801SV\u4fe1\u606f\u7684\u56fe\u50cf\uff0c\u5e76\u4f7f\u7528\u5806\u53e0\u6c99\u6f0f\u5377\u79ef\u795e\u7ecf\u7f51\u7edc\u6765\u9884\u6d4b\u6bcf\u4e2a\u56fe\u50cf\u4e2d\u6355\u83b7\u7684SV\u7684\u7c7b\u578b\u3001\u57fa\u56e0\u578b\u548c\u57fa\u56e0\u7ec4\u4f4d\u70b9\u3002Cue\u5728\u5408\u6210\u548c\u771f\u5b9e\u7684\u77ed\u8bfb\u6570\u636e\u4e0a\u68c0\u6d4b\u591a\u79cd\u7c7b\u522b\u7684SV\u65b9\u9762\u8868\u73b0\u4f18\u4e8e\u73b0\u6709\u6280\u672f\u6c34\u5e73\uff0c\u5e76\u4e14\u53ef\u4ee5\u8f7b\u677e\u6269\u5c55\u5230\u5176\u4ed6\u6d4b\u5e8f\u5e73\u53f0\u3002
2\u3001NC | \u86cb\u767d\u8d28-\u86cb\u767d\u8d28\u76f8\u4e92\u4f5c\u7528\u7684\u5c42\u6b21\u56fe\u5b66\u4e60
\u7531\u9999\u6e2f\u79d1\u6280\u5927\u5b66\u3001\u4e2d\u56fd\u79d1\u5b66\u9662\u5927\u5b66\u3001\u817e\u8baf\u516c\u53f8\u4eba\u5de5\u667a\u80fd\u5b9e\u9a8c\u5ba4\u5171\u540c\u53d1\u8868\u5728nature communications\u7684\u6587\u7ae0\u3002\u6587\u7ae0\u63d0\u51fa\u4e86\u4e00\u4e2a\u53cc\u89c6\u56fe\u5c42\u6b21\u56fe\u5b66\u4e60\u6a21\u578bHIGH-PPI\uff0c\u4ee5\u9884\u6d4b\u86cb\u767d\u8d28-\u86cb\u767d\u8d28\u76f8\u4e92\u4f5c\u7528\uff08PPI\uff09\u5e76\u63a8\u65ad\u6240\u6d89\u53ca\u7684\u5206\u5b50\u7ec6\u8282\u3002HIGH-PPI\u68c0\u67e5\u4eba\u7c7b\u76f8\u4e92\u4f5c\u7528\u7ec4\u7684\u86cb\u767d\u8d28\u5916\u90e8\u548c\u5185\u90e8\uff0c\u4ee5\u5efa\u7acb\u5bf9PPI\u7684\u5f3a\u5927\u673a\u5668\u7406\u89e3\u3002\u8be5\u6a21\u578b\u5728\u9884\u6d4bPPI\u65b9\u9762\u8868\u73b0\u51fa\u9ad8\u7cbe\u5ea6\u548c\u7a33\u5065\u6027\u3002\u6b64\u5916\uff0cHIGH-PPI\u53ef\u4ee5\u901a\u8fc7\u7cbe\u786e\u8bc6\u522b\u91cd\u8981\u7684\u7ed3\u5408\u548c\u50ac\u5316\u4f4d\u70b9\u6765\u89e3\u91caPPI\u7684\u4f5c\u7528\u6a21\u5f0f\u3002\u603b\u4f53\u800c\u8a00\uff0cHIGH-PPI\u662f\u4e00\u4e2a\u9886\u57df\u77e5\u8bc6\u9a71\u52a8\u548c\u86cb\u767d\u8d28\u76f8\u4e92\u4f5c\u7528\u9884\u6d4b\u7814\u7a76\u7684\u53ef\u89e3\u91ca\u6846\u67b6\u3002
3\u3001 NC| \u6df1\u5733\u6e7e\u5b9e\u9a8c\u5ba4\u5b59\u5764\u8bfe\u9898\u7ec4\u63ed\u793a\u6e38\u79bbDNA\u7247\u6bb5\u5316\u6a21\u5f0f\u7684\u8c03\u63a7\u673a\u7406\u53ca\u5176\u5e94\u7528
\u8fd1\u65e5\uff0c\u6df1\u5733\u6e7e\u5b9e\u9a8c\u5ba4\u5b59\u5764\u8bfe\u9898\u7ec4\u5728Nature Communications\u671f\u520a\u53d1\u8868\u4e86\u9898\u4e3a\u201cDNA methylation analysis explores the molecular basis of plasma cell-free DNA fragmentation\u201d\u7684\u6587\u7ae0\u3002\u8be5\u7814\u7a76\u63ed\u793a\u4e86DNA\u7532\u57fa\u5316\u662f\u5916\u5468\u8840\u4e2d\u5faa\u73af\u8840\u6d46\u6e38\u79bbDNA\uff08cell-free DNA\uff0ccfDNA\uff09\u7684\u91cd\u8981\u8c03\u63a7\u5143\u4ef6\uff0c\u5e76\u57fa\u4e8e\u6b64\u539f\u7406\u5f00\u53d1\u4e86\u5168\u65b0\u7684\u6cdb\u764c\u79cd\u3001\u8de8\u5e73\u53f0\u764c\u75c7\u8bca\u65ad\u6807\u5fd7\u7269\uff0c\u6df1\u5165\u63a2\u7d22\u4e86cfDNA\u7247\u6bb5\u5316\u6a21\u5f0f\u7684\u5206\u5b50\u673a\u7406\u4ee5\u53ca\u4e34\u5e8a\u8f6c\u5316\u4ef7\u503c\u3002
4\u3001Nature Genetics\ufe31\u9884\u6d4b\u514d\u75ab\u6cbb\u7597\u53cd\u5e94\u6027\u7684\u65b0\u751f\u7269\u6807\u5fd7\u7269
\u672c\u6587\u7814\u7a76\u4eba\u5458\u5f00\u53d1\u4e86\u4e00\u79cd\u7b97\u6cd5\u2014\u2014SOPRANO\uff08\u86cb\u767d\u8d28\u6ce8\u91ca\u533a\u57df\u7684\u9009\u62e9\uff09\uff0c\u5176\u53ef\u4ee5\u8ba1\u7b97\u4efb\u4f55\u76ee\u6807\u57fa\u56e0\u7ec4\u533a\u57df\u5185\u90e8\uff08ON target\u6216ON-dN/dS\uff09\u548c\u5916\u90e8\uff08OFF target\u6216OFF-dN/dS\uff09\u7684\u4e09\u6838\u82f7\u9178\u80cc\u666f\u6821\u6b63\u7684dN/dS\uff0c\u5141\u8bb8\u5728\u591a\u4e2a\u6216\u5355\u4e2a\u4e2a\u4f53\u4e4b\u95f4\u8fdb\u884c\u961f\u5217\u548c\u60a3\u8005\u7279\u5f02\u6027\u7684dN/dS\u6bd4\u8f83\u3002\u540c\u65f6\uff0c\u672c\u6587\u7684\u65b9\u6cd5\u4f7f\u7528\u4e86\u7531\uff081\uff09\u5355\u4e2aHLA\u7b49\u4f4d\u57fa\u56e0\uff08\u5373HLA-A0201\uff09\u3001\uff082\uff09\u75316\u4e2aHLA\u5355\u500d\u578b\u7ec4\u6210\u7684\u539f\u59cbHLA\u7b49\u4f4d\u57fa\u56e0\u6216\uff083\uff09\u60a3\u8005\u7279\u5b9a\u76846\u4e2aHLA I\u7c7b\u7b49\u4f4d\u57fa\u56e0\u7ec4\u6210\u7684\u9776\u514d\u75ab\u591a\u80bd\u7ec4\u4e2d\u7684\u70b9\u7a81\u53d8\uff08\u9519\u4e49\u548c/\u6216\u622a\u77ed\u5355\u6838\u82f7\u9178\u53d8\u4f53\uff09\u3002\u57fa\u4e8e\u6b64\uff0c\u7814\u7a76\u4eba\u5458\u5728\u4e0d\u540c\u7684\u80cc\u666f\u4e2d\u5e94\u7528SOPRANO\u6765\u91cf\u5316\u514d\u75ab\u9009\u62e9\uff0c\u5e76\u786e\u5b9a\u514d\u75ab\u9003\u9038\u7684\u5f71\u54cd\uff0c\u5206\u6790\u4e86>10,000\u4f8b\u539f\u53d1\u80bf\u7624\u548c356\u4f8bICI\u6cbb\u7597\u7684\u8f6c\u79fb\u7624\uff0c\u5229\u7528\u514d\u75abdN/dS\uff08\u5373\u514d\u75ab\u591a\u80bd\u7ec4\u4e2d\u975e\u540c\u4e49\u7a81\u53d8\u4e0e\u540c\u4e49\u7a81\u53d8\u7684\u6bd4\u7387\uff09\u6765\u6d4b\u91cf\u961f\u5217\u548c\u4e2a\u4f53\u7684\u514d\u75ab\u9009\u62e9\uff0c\u6210\u529f\u4f7f\u7528dN/dS\u6765\u533a\u5206\u514d\u75ab\u7f16\u8f91\u80bf\u7624\u548c\u514d\u75ab\u9003\u9038\u80bf\u7624\u3001\u6d4b\u91cf\u6f5c\u5728\u7684\u6297\u539f\u6027\uff0c\u5e76\u6700\u7ec8\u5b9e\u73b0\u5bf9\u6cbb\u7597\u53cd\u5e94\u7684\u9884\u6d4b\uff0c\u4ee5\u6b64\u5f3a\u8c03\u4e86\u8003\u8651\u80bf\u7624\u8fdb\u5316\u52a8\u529b\u5b66\u5bf9\u672a\u6765\u4e2a\u6027\u5316\u533b\u5b66\u7684\u91cd\u8981\u6027\u3002
5\u3001\u751f\u4fe1\u5b66\u4e60\u5165\u95e8\u5e38\u89c1\u9519\u8bef\u53ef\u80fd\u7684\u539f\u56e0\u5206\u7c7b\u603b\u7ed3\u548c\u6c42\u52a9\u6307\u5357
\u672c\u6587\u4f5c\u8005\u6574\u7406\u4e86\u5165\u95e8\u751f\u4fe1\u65f6R\u6216shell\u4e2d\u53ef\u80fd\u9047\u5230\u62a5\u9519\uff0c\u5e76\u4e14\u5206\u4eab\u4e86\u76f8\u5e94\u89e3\u51b3\u65b9\u6848\u3002
6\u3001\u5355\u7ec6\u80de\u4e0a\u6e38\u6570\u636e\u5904\u7406
\u672c\u6587\u4ecb\u7ecd\u5355\u7ec6\u80de\u5904\u7406\u7684\u4e0a\u6e38\u5206\u6790\u6b65\u9aa4\u548c\u4ee3\u7801\u3002
7\u3001eulerr| \u4f18\u96c5\u7684\u53ef\u89c6\u5316\u97e6\u6069\u56fe
eulerr\u662f\u4e00\u6b3e\u80fd\u591f\u751f\u6210\u9762\u79ef\u6bd4\u4f8b\u6b27\u62c9\u56fe\u7684R\u5305\uff0c\u53ef\u4ee5\u663e\u793a\u96c6\u5408\u5173\u7cfb\uff08\u4ea4\u96c6\u3001\u5e76\u96c6\u548c\u4e0d\u76f8\u4ea4\uff09\uff0c\u5e76\u4e14\u4e0d\u8981\u6c42\u6240\u6709\u96c6\u5408\u4ea4\u4e92\u90fd\u5b58\u5728\uff08\u65e0\u8bba\u5b83\u4eec\u662f\u5426\u4e3a\u7a7a\uff09\u3002\u53e6\u5916\u4e5f\u53ef\u4ee5\u5c1d\u8bd5VennDiagram\u548cggvenn\u3002
8\u3001PanCanSurvPlot | \u4e00\u6b3e\u89e3\u51b3\u6cdb\u80bf\u7624KM\u751f\u5b58\u5206\u6790\u7684Shiny\u7f51\u9875\u5de5\u5177
PanCanSurvPlot\u662f\u4e00\u6b3e\u4ee5\u7f51\u9875\u4e3a\u57fa\u7840\u7684\u4fbf\u6377\u80bf\u7624\u76f8\u5173\u751f\u5b58\u5206\u6790\u5de5\u5177\uff0c\u80fd\u591f\u63d0\u4f9b\u7ed9\u7528\u6237\u63a2\u67e5\u4e0d\u540c\u80bf\u7624\u3001\u4e0d\u540c\u751f\u5b58\u72b6\u6001\u4e0b\u8f6c\u5f55\u7ec4\u6807\u5fd7\u7269\u7684\u751f\u5b58\u9884\u6d4b\u7ed3\u679c\u3002\u63a8\u8350\u4f7f\u7528\uff01
9\u3001starship | \u4e2a\u6027\u5316\u547d\u4ee4\u884c
Starship\u662f\u4e00\u4e2a\u547d\u4ee4\u884c\u63d0\u793a\u7b26\uff0c\u5b83\u53ef\u4ee5\u5728\u7ec8\u7aef\u4e2d\u663e\u793a\u6709\u5173\u7cfb\u7edf\u548cshell\u72b6\u6001\u7684\u4fe1\u606f\u3002\u5b83\u65e8\u5728\u63d0\u4f9b\u4e00\u4e2a\u5feb\u901f\uff0c\u53ef\u5b9a\u5236\u4e14\u6613\u4e8e\u4f7f\u7528\u7684\u63d0\u793a\u7b26\uff0c\u9002\u7528\u4e8e\u5404\u79cd\u4e0d\u540c\u7684shell\u73af\u5883\uff0c\u4f8b\u5982Bash\u3001Zsh\u3001Fish\u7b49\u3002\u5b83\u53ef\u4ee5\u663e\u793a\u6709\u5173\u5f53\u524d\u76ee\u5f55\u3001Git\u5206\u652f\u3001Docker\u5bb9\u5668\u3001Node.js\u7248\u672c\u3001Python\u865a\u62df\u73af\u5883\u7b49\u4fe1\u606f\uff0c\u5e76\u4e14\u53ef\u4ee5\u901a\u8fc7\u914d\u7f6e\u6587\u4ef6\u8fdb\u884c\u81ea\u5b9a\u4e49\u548c\u6269\u5c55\u3002Starship\u662f\u4e00\u4e2a\u8de8\u5e73\u53f0\u7684\u5de5\u5177\uff0c\u53ef\u4ee5\u5728Windows\u3001macOS\u548c\u5404\u79cdLinux\u53d1\u884c\u7248\u4e0a\u4f7f\u7528\u3002
10\u3001scverse \uff5c \u5355\u7ec6\u80de\u7ec4\u5b66\u6570\u636e\u5206\u6790\u7684\u57fa\u7840\u5de5\u5177
\u5f97\u76ca\u4e8e\u7814\u7a76\u56e2\u961f\u5229\u7528 Python \u5904\u7406\u5355\u7ec6\u80de\u6570\u636e\u7684\u4e0d\u65ad\u6df1\u8015\uff0c\u521b\u9020\u4e86\u4e00\u7cfb\u5217\u5de5\u5177\uff0c\u73b0\u5728\uff0c\u5b83\u4eec\u7ec4\u6210\u4e86 Python \u5904\u7406\u5355\u7ec6\u80de\u6570\u636e\u7684\u751f\u6001 scverse\uff0c\u63a8\u52a8\u4e86 Python \u5728\u8be5\u9886\u57df\u7684\u5e94\u7528\u3002
11\u3001Typst | \u4e00\u6b3e\u5f3a\u5927\u7684\u8bed\u8a00\u7684\u6392\u7248\u7cfb\u7edf
Typst \u662f\u4e00\u79cd\u5168\u65b0\u7684\u57fa\u4e8e\u6807\u8bb0\u8bed\u8a00\u7684\u6392\u7248\u7cfb\u7edf\uff0c\u5b83\u7684\u8bbe\u8ba1\u76ee\u6807\u662f\u4e0e LaTeX \u4e00\u6837\u5f3a\u5927\uff0c\u4f46\u66f4\u52a0\u6613\u4e8e\u5b66\u4e60\u548c\u4f7f\u7528\u3002\u76f8\u8f83\u4e8e LaTeX\uff0cTypst \u5185\u7f6e\u4e86\u7528\u4e8e\u5904\u7406\u6700\u5e38\u89c1\u683c\u5f0f\u5316\u4efb\u52a1\u7684\u6807\u8bb0\u8bed\u8a00\uff0c\u540c\u65f6\u4e3a\u5176\u4ed6\u6240\u6709\u4efb\u52a1\u63d0\u4f9b\u4e86\u7075\u6d3b\u7684\u529f\u80fd\u3002
12\u3001Truvari | \u7ed3\u6784\u53d8\u5f02\u7684\u6bd4\u8f83\u3001\u5408\u5e76\u548c\u6ce8\u91ca\u5de5\u5177\u5305
13\u3001\u5728Docker\u4e2d\u4f7f\u7528R\u548cRstudio\u8fdb\u884c\u53ef\u91cd\u590d\u6027\u7814\u7a76\u7684\u6559\u7a0b
\u672c\u6559\u7a0b\u662f\u9488\u5bf9R\u548cRStudio\u4f7f\u7528\u8005\u7684Docker\u5165\u95e8\u6307\u5357\u3002\u6559\u7a0b\u9996\u5148\u4ecb\u7ecd\u4e86Docker\u7684\u57fa\u672c\u6982\u5ff5\u4ee5\u53ca\u5176\u7528\u9014\uff0c\u7136\u540e\u8be6\u7ec6\u4ecb\u7ecd\u5982\u4f55\u5728\u53ef\u91cd\u590d\u4e14\u53ef\u8f6c\u79fb\u7684\u9879\u76ee\u4e2d\u4f7f\u7528Docker\u3002
14\u3001Single-cell best practices | \u5355\u7ec6\u80de\u6700\u4f73\u5b9e\u8df5
\u300aSingle-cell best practices\u300b\u662f\u4e00\u672c\u8be6\u5c3d\u4e14\u5b9a\u671f\u66f4\u65b0\u7684\u5728\u7ebf\u4e66\u7c4d\uff0c\u5168\u4e6653\u4e2a\u7ae0\u8282\uff0c\u5176\u4e3b\u8981\u5185\u5bb9\u6709\u5355\u7ec6\u80de\u6570\u636e\u7684\u9884\u5904\u7406\u3001\u53ef\u89c6\u5316\u3001\u805a\u7c7b\u3001\u7ec6\u80de\u4e9a\u7fa4\u6ce8\u91ca\u3001\u67d3\u8272\u8d28\u53ef\u53ca\u6027\u3001\u7a7a\u95f4\u7ec4\u5b66\u3001\u86cb\u767d\u8d28\u5b66\u3001\u514d\u75ab\u7ec4\u5b66\u7b49\u7b49\u3002
"},{"location":"issue-83/#_6","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09@kongjianyang\uff08\u7a7a\u95f4\u9633\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-84/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 84 \u671f\uff09\uff1a\u8ba4\u8bc6\u81ea\u5df1\u7684\u7f3a\u70b9","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-84/#_1","title":"\u5c01\u9762\u56fe","text":""},{"location":"issue-84/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u8ba4\u8bc6\u81ea\u5df1\u7684\u7f3a\u70b9\uff1f","text":"\u4eba\u4eba\u90fd\u6709\u4f18\u70b9\u548c\u7f3a\u9677\uff0c\u4f46\u4e0d\u4e00\u5b9a\u90fd\u80fd\u8ba4\u8bc6\u5230\u81ea\u5df1\u7684\u4f18\u7f3a\u70b9\u3002\u4e0d\u80fd\u610f\u8bc6\u5230\u81ea\u5df1\u7684\u7f3a\u70b9\u66f4\u662f\u5e38\u6001\u3002\u8ba4\u8bc6\u81ea\u5df1\u7f3a\u9677\u6df1\u523b\u5230\u53ef\u4ee5\u63a8\u52a8\u4eba\u7c7b\u77e5\u8bc6\u7684\u63d0\u9ad8\uff0c\u8fd9\u9700\u8981\u4e00\u5b9a\u7684\u624d\u80fd\uff0c\u6bd4\u5982\u82f1\u56fd\u79d1\u5b66\u5bb6\u9053\u5c14\u987f\u5177\u6709\u8fd9\u6837\u7684\u624d\u80fd\u3002
@He-Kai-fly - \u4e0e\u522b\u4eba\u7684\u6bd4\u8f83\u4e2d\u8ba4\u8bc6\u81ea\u5df1\uff0c\u4ee5\u8eab\u8fb9\u7684\u4eba\u4e3a\u53c2\u7167\u7269\uff0c\u77e5\u9053\u81ea\u5df1\u5728\u8fd9\u4e9b\u53c2\u7167\u7269\u4e2d\u6240\u5904\u7684\u4f4d\u7f6e\uff0c\u5b8c\u5584\u81ea\u5df1\u3002
@ShixiangWang - \u6bcf\u4e2a\u4eba\u90fd\u6709\u81ea\u5df1\u7684\u7f3a\u70b9\uff0c\u7f3a\u70b9\u5e38\u5e38\u662f\u4e00\u7c7b\u4eba\u5171\u6709\u7684\u7cbe\u795e/\u884c\u4e3a\u7279\u5f81\uff0c\u800c\u5728\u81ea\u8eab/\u4ed6\u4eba\u770b\u6765\u662f\u4e00\u79cd\u4e0d\u5b8c\u7f8e\u7684\u4f53\u73b0\u3002\u6709\u65f6\u5019\uff0c\u7f3a\u70b9\u96be\u4ee5\u6216\u8005\u5b8c\u5168\u6ca1\u529e\u6cd5\u6539\u6b63\uff0c\u4f46\u5982\u679c\u81ea\u8eab\u80fd\u8ba4\u8bc6\u5230\uff0c\u90a3\u4e48\u5c31\u53ef\u4ee5\u5c3d\u91cf\u51cf\u5c11\u5bf9\u5176\u4ed6\u4eba\u7684\u4f24\u5bb3\u3002
"},{"location":"issue-84/#_3","title":"\u751f\u4fe1\u7814\u7a76","text":"1\u3001Nature Communications| AI \u8d4b\u80fd\u5168\u8eab\u5371\u53ca\u5668\u5b98\u52fe\u753b\uff0c\u52a0\u901f\u653e\u5c04\u6cbb\u7597
\u8fd1\u65e5\uff0c\u7531\u4e0a\u6d77\u79d1\u6280\u5927\u5b66\u751f\u7269\u533b\u5b66\u5de5\u7a0b\u5b66\u9662\u4e0e\u8054\u5f71\u667a\u80fd\u3001\u590d\u65e6\u5927\u5b66\u9644\u5c5e\u80bf\u7624\u533b\u9662\u3001\u8054\u5f71\u79d1\u6280\u5408\u4f5c\u5b8c\u6210\u7684\u5168\u8eab\u591a\u5668\u5b98\u300cAI \u653e\u7597\u52fe\u753b\u300d,\u5176\u6709\u6548\u6027\u548c\u5b89\u5168\u6027\u9996\u5148\u4f9d\u8d56\u4e8e\u5371\u53ca\u5668\u5b98(Organ At Risk, OAR) \u548c\u9776\u533a\u7684\u51c6\u786e\u52fe\u753b\u3002\u4f20\u7edf\u7684\u653e\u7597\u8ba1\u5212 (Radiotherapy Treatment Planning, RTP) \u9700\u533b\u5e08\u624b\u52a8\u52fe\u753b\u5668\u5b98\u548c\u9776\u533a\uff0c\u8017\u65f6\u8f83\u957f\u4e14\u4e0d\u540c\u533b\u5e08\u52fe\u753b\u7ed3\u679c\u5dee\u5f02\u6027\u8f83\u5927\u3002\u9488\u5bf9\u8be5\u75db\u70b9\uff0c\u672c\u8bfe\u9898\u8bbe\u8ba1\u4e86\u4e00\u79cd\u901a\u7528\u578b\u7684\u5206\u5272\u7f51\u7edc\u6846\u67b6\u4ee5\u5b9e\u73b0\u591a\u79cd\u5668\u5b98\u548c\u75c5\u7076\u7684\u81ea\u52a8\u3001\u5feb\u901f\u3001\u7cbe\u51c6\u5206\u5272\uff0c\u4e3a\u540e\u7eed All-In-One \u4e00\u7ad9\u5f0f\u653e\u7597\u63d0\u4f9b\u4e00\u81f4\u6027\u9ad8\u3001\u91cd\u73b0\u6027\u597d\u7684\u9776\u533a\u52fe\u753b\u7ed3\u679c\u3002
2\u3001Genome Biology | iDNA-ABF: \u57fa\u4e8e\u591a\u5c3a\u5ea6\u6df1\u5ea6\u5b66\u4e60\u7684\u751f\u7269\u5e8f\u5217\u4e0e\u529f\u80fd\u8bed\u4e49\u6a21\u578b\u5b9e\u73b0DNA\u7532\u57fa\u5316\u53ef\u89e3\u91ca\u6027\u9884\u6d4b
\u9b4f\u4e50\u4e49\u6559\u6388\u56e2\u961f\u63d0\u51fa\u4e86\u4e00\u79cd\u57fa\u4e8e\u591a\u5c3a\u5ea6\u6df1\u5ea6\u5b66\u4e60\u7684\u751f\u7269\u5e8f\u5217\u4e0e\u529f\u80fd\u8bed\u4e49\u6a21\u578biDNA-ABF\u5b9e\u73b0\u5bf9DNA\u7532\u57fa\u5316\u7684\u53ef\u89e3\u91ca\u6027\u9884\u6d4b\u3002\u5728\u591a\u7269\u79cd\u6570\u636e\u96c6\u53ca\u4eba\u7c7b\u7ec6\u80de\u7cfb\u6570\u636e\u96c6\u4e2d\uff0ciDNA-ABF\u5747\u5c55\u73b0\u51fa\u8f83\u597d\u7684\u6027\u80fd\u3002\u901a\u8fc7\u5f15\u5165\u5bf9\u6297\u8bad\u7ec3\u7b56\u7565\uff0c\u589e\u5f3a\u4e86\u6a21\u578b\u7684\u9c81\u68d2\u6027\u4ece\u800c\u8ba9\u6a21\u578b\u5728\u4e0d\u540c\u5927\u5c0f\u7684\u8bad\u7ec3\u96c6\u4e0a\u90fd\u83b7\u5f97\u8f83\u4f18\u5f02\u7684\u6027\u80fd\uff0c\u4e5f\u53ef\u4ee5\u9884\u9632\u51fa\u73b0\u5927\u6a21\u578b\u7684\u8fc7\u62df\u5408\u95ee\u9898\u3002\u53e6\u4e00\u65b9\u9762\uff0c\u901a\u8fc7\u5f15\u5165attention\u673a\u5236\uff0ciDNA-ABF\u83b7\u5f97\u4e86\u826f\u597d\u7684\u53ef\u89e3\u91ca\u6027\uff0c\u80fd\u591f\u6709\u6548\u4ece\u5e8f\u5217\u5c42\u9762\u5efa\u7acb\u8d77\u7532\u57fa\u5316\u529f\u80fd\u7684\u5173\u7cfb\uff0c\u4ece\u800c\u4e3a\u751f\u7269\u5b66\u5bb6\u7684\u7814\u7a76\u548c\u53d1\u73b0\u63d0\u4f9b\u542f\u53d1\u3002
3\u3001Nature Biotechnology\u4e28 PRPS \u6709\u6548\u6d88\u9664\u6587\u5e93\u5927\u5c0f\u3001\u80bf\u7624\u7eaf\u5ea6\u548c\u6279\u6b21\u6548\u5e94\u5bf9RNA-seq\u6570\u636e\u5206\u6790\u7684\u5f71\u54cd
\u4e3a\u4eceRNA-seq\u6570\u636e\u4e2d\u83b7\u5f97\u6709\u610f\u4e49\u7684\u751f\u7269\u5b66\u7ed3\u679c\uff0c\u51c6\u786e\u8bc6\u522b\u548c\u6709\u6548\u53bb\u9664\u4e0d\u540c\u56e0\u7d20\u4ea7\u751f\u7684\u57fa\u56e0\u8868\u8fbe\u5dee\u5f02\u81f3\u5173\u91cd\u8981\uff0c\u7279\u522b\u662f\u5728\u5927\u578b\u3001\u590d\u6742\u7684\u7814\u7a76\u6570\u636e\u4e2d\u3002\u7814\u7a76\u56e2\u961f\u5229\u7528\u6765\u81eaTCGA\u7684RNA-seq\u6570\u636e\uff0c\u5f00\u53d1\u4e86\u4e00\u79cd\u540d\u4e3aRUV-III-PRPS\u7684\u65b9\u6cd5\uff0c\u80fd\u591f\u6709\u6548\u53bb\u9664\u6587\u5e93\u5927\u5c0f\u3001\u80bf\u7624\u7eaf\u5ea6\u548c\u6279\u6b21\u6548\u5e94\u5bf9TCGA RNA-seq\u6570\u636e\u7684\u5f71\u54cd\u3002\u7ecf\u9a8c\u8bc1\uff0c\u8be5\u65b9\u6cd5\u53ef\u7528\u4e8e\u6574\u5408\u3001\u89c4\u8303\u6765\u81ea\u591a\u4e2a\u5b9e\u9a8c\u5ba4\u6216\u5e73\u53f0\u7684\u5176\u4ed6\u5927\u578b\u8f6c\u5f55\u7ec4\u6570\u636e\u96c6\u3002
4\u3001nature systems biology and applications | \u75be\u75c5\u5efa\u6a21\u548c\u836f\u7269\u63a7\u5236\u4e2d\u7684\u8ba1\u7b97\u7cfb\u7edf\u751f\u7269\u5b66
\u57fa\u4e8eOmics\u7684\u65b9\u6cd5\u5728\u786e\u5b9a\u75be\u75c5\u673a\u5236\u548c\u836f\u7269\u5e94\u7b54\u65b9\u9762\u7684\u5f71\u54cd\u8d8a\u6765\u8d8a\u5927\u3002\u8003\u8651\u5230\u75be\u75c5\u548c\u836f\u7269\u5e94\u7b54\u5728\u76f8\u5173\u7684\u7ec4\u5b66\u6570\u636e\u4ea4\u4e92\u4e2d\u662f\u5171\u540c\u8868\u8fbe\u548c\u8c03\u8282\u7684\uff0c\u4f20\u7edf\u7684\u4ece\u5355\u4e2a\u5b64\u7acb\u83b7\u53d6\u7ec4\u5b66\u6570\u636e\u7684\u65b9\u6cd5\u4e0d\u80fd\u603b\u662f\u83b7\u5f97\u6709\u4ef7\u503c\u7684\u63a8\u65ad\u3002\u6b64\u5916\uff0c\u836f\u7269\u6709\u53ef\u80fd\u7ed9\u60a3\u8005\u5e26\u6765\u526f\u4f5c\u7528\uff0c\u800c\u4e14\u9488\u5bf9\u75be\u75c5\u63a8\u51fa\u65b0\u836f\u7684\u6210\u672c\u5f88\u9ad8\u3002\u7cfb\u7edf\u751f\u7269\u5b66\u901a\u8fc7\u6574\u5408\u57fa\u56e0\u7ec4\u3001\u86cb\u767d\u8d28\u7ec4\u3001\u8f6c\u5f55\u548c\u4ee3\u8c22\u5c42\u7684\u7ec4\u5b66\u6570\u636e\u6765\u9884\u6d4b\u6f5c\u5728\u7684\u5206\u5b50\u76f8\u4e92\u4f5c\u7528\u3002\u7ed3\u5408\u5df2\u77e5\u7684\u836f\u7269\u5e94\u7b54\uff0c\u7531\u6b64\u4ea7\u751f\u7684\u6a21\u578b\u901a\u8fc7\u836f\u7269\u91cd\u5229\u7528\u5e76\u7ed3\u5408\u836f\u7269\u5206\u5b50\u63d0\u9ad8\u836f\u7269\u7684\u6cbb\u7597\u6027\u80fd\uff0c\u800c\u4e0d\u4f1a\u4ea7\u751f\u975e\u9776\u5411\u6548\u5e94\u3002\u57fa\u4e8e\u786e\u5b9a\u7684\u8ba1\u7b97\u6a21\u578b\uff0c\u836f\u7269\u7ba1\u7406\u63a7\u5236\u65e8\u5728\u5e73\u8861\u6bd2\u6027\u548c\u7597\u6548\u3002
5\u3001\u4e24\u9662\u9662\u58eb\u8bc4\u9009\u201c2022\u5e74\u4e2d\u56fd/\u4e16\u754c\u5341\u5927\u79d1\u6280\u8fdb\u5c55\u65b0\u95fb\u201d\u63ed\u6653
\u7531\u4e2d\u56fd\u79d1\u5b66\u9662\u3001\u4e2d\u56fd\u5de5\u7a0b\u9662\u4e3b\u529e\uff0c\u4e2d\u56fd\u79d1\u5b66\u9662\u5b66\u90e8\u5de5\u4f5c\u5c40\u3001\u4e2d\u56fd\u5de5\u7a0b\u9662\u529e\u516c\u5385\u3001\u4e2d\u56fd\u79d1\u5b66\u62a5\u793e\u627f\u529e\uff0c\u4e2d\u56fd\u79d1\u5b66\u9662\u9662\u58eb\u548c\u4e2d\u56fd\u5de5\u7a0b\u9662\u9662\u58eb\u6295\u7968\u8bc4\u9009\u76842022\u5e74\u4e2d\u56fd\u5341\u5927\u79d1\u6280\u8fdb\u5c55\u65b0\u95fb\u3001\u4e16\u754c\u5341\u5927\u79d1\u6280\u8fdb\u5c55\u65b0\u95fb\u4e8e2023\u5e741\u670812\u65e5\u5728\u4eac\u63ed\u6653\u3002
6\u3001Multipass | \u514d\u8d39\u8f7b\u91cf\u7ea7\u7684\u865a\u62df\u673a\u547d\u4ee4\u7ba1\u7406\u5de5\u5177
\u672c\u6587\u63a8\u8350\u4e86\u4e00\u6b3e\u865a\u62df\u673a\u5de5\u5177\uff1aMultipass\uff0c\u5b83\u662f\u975e\u5e38\u8f7b\u91cf\u7ea7\u7684\u865a\u62df\u673a\u547d\u4ee4\u7ba1\u7406\u5de5\u5177\uff0c\u8fd0\u884c\u73af\u5883\u652f\u6301 Linux\u3001Windows \u548c macOS\u3002\u6b64\u5916\uff0c\u4f5c\u8005\u8fd8\u7b80\u8981\u4ecb\u7ecd\u4e86\u672c\u5de5\u5177\u7684\u57fa\u672c\u64cd\u4f5c\u3002
7\u3001Python\u4e5f\u80fd\u753b\u6f02\u4eae\u7684complex heatmap\uff1f
\u4ecb\u7ecd\u4e00\u6b3e\u53ef\u4ee5\u5728python\u4e2d\u753b\u51fa\u7c7b\u4f3c\u4e8eR\u4e2dComplexHeatmap\u6548\u679c\u7684\u5305\uff1aPyComplexHeatmap
8\u3001\u4f7f\u7528dendextend\u5305\u8fdb\u884c\u4e24\u4e2a\u805a\u7c7b\u6811\u7684\u6210\u5bf9\u6bd4\u8f83
\u4e3a\u4e86\u6bd4\u8f83\u540c\u4e00\u6570\u636e\u4f7f\u7528\u4e0d\u540c\u805a\u7c7b\u65b9\u6cd5\u7684\u5dee\u5f02\uff08\u4f8b\u5982\uff0c\u5e73\u5747\u805a\u5408\u805a\u7c7b\u548cWard\u6700\u5c0f\u65b9\u5dee\u805a\u7c7b\uff09\uff0c\u6216\u8005\u8bc4\u4ef7\u4e24\u7ec4\u5b58\u5728\u67d0\u79cd\u5173\u8054\u7684\u6570\u636e\u95f4\u7684\u4e00\u81f4\u6027\uff08\u4f8b\u5982\uff0c\u6765\u81ea\u540c\u4e00\u91c7\u6837\u70b9\u7684\u7269\u79cd\u548c\u73af\u5883\uff0c\u540c\u4e00\u4e2a\u4f53\u7684\u57fa\u56e0\u8868\u8fbe\u548c\u86cb\u767d\u8868\u8fbe\u7b49\uff09\uff0c\u8fd9\u79cd\u6d89\u53ca\u4e24\u4e2a\u805a\u7c7b\u6811\u7684\u6bd4\u8f83\u7684\u60c5\u51b5\uff0c\u5728R\u4e2d\u53ef\u501f\u52a9dendextend\u5305\u6765\u5b9e\u73b0\u3002
"},{"location":"issue-84/#_5","title":"\u5de5\u5177","text":"9\u3001gpttools | \u5c06chatGPT\u6574\u5408\u81f3Rstudio\u7684R\u5305
gpttools\u7684\u76ee\u6807\u662f\u4e3aR\u5305\u5f00\u53d1\u4eba\u5458\u6269\u5c55gptstudio\uff0c\u4f7f\u5176\u66f4\u5bb9\u6613\u5c06\u5927\u578b\u8bed\u8a00\u6a21\u578b(llm)\u7684\u4f7f\u7528\u5408\u5e76\u5230\u4ed6\u4eec\u7684\u9879\u76ee\u5de5\u4f5c\u6d41\u4e2d\u3002
10\u3001\u8d85\u8fc7 230 \u4e2a\u7684\u7eaf Python \u5b9e\u7528\u5de5\u5177\u5e93
\u672c\u6587\u63a8\u8350\u7b2c\u4e09\u65b9\u5e93 \u2013 Boltons\uff0c\u548c\u5927\u591a\u6570\u7b2c\u4e09\u65b9\u5e93\u4e0d\u592a\u4e00\u6837\uff0c\u5b83\u5e76\u4e0d\u662f\u9488\u5bf9\u67d0\u4e00\u529f\u80fd\u7684\u5de5\u5177\u5e93\uff0c\u800c\u662f\u5c06\u5f00\u53d1\u4e2d\u90a3\u4e9b\u91cd\u590d\u6027\uff08\u7ecf\u5e38\u4f7f\u7528\uff09\u53ca\u590d\u6742\u5ea6\u8f83\u9ad8\uff08\u4e0d\u5bb9\u6613\u7f16\u5199\uff09\u8f83\u9ad8\u7684\u4ee3\u7801\u5265\u79bb\u51fa\u6765\uff0c\u5e76\u6309\u7167\u64cd\u4f5c\u5bf9\u8c61\u5206\u95e8\u522b\u7c7b\u6574\u5408\u5728\u4e00\u8d77\u7684\u5de5\u5177\u5e93\u3002
Boltons \u4f7f\u7528\u7684\u662f BSD \u8bb8\u53ef\u8bc1\uff0c\u5230\u76ee\u524d\u4e3a\u6b62\u5df2\u7ecf\u6536\u5f55\u8d85\u8fc7 230 \u4e2a\u7684\u7eaf Python \u5b9e\u7528\u5de5\u5177\u5e93\uff0c\u8fd9\u4e9b\u5de5\u5177\u5e93\u4e0e Python \u6807\u51c6\u5e93\u5e76\u6ca1\u6709\u91cd\u5408\uff0c\u662f\u8865\u5145\u7684\u5173\u7cfb\u3002
11\u3001Workflowy| \u63d0\u4f9b\u4e86\u4e00\u79cd\u5de5\u4f5c\u6d41\u9879\u76ee\u7ba1\u7406
Workflowy\u63d0\u4f9b\u4e86\u8bb8\u591a\u5de5\u4f5c\u6d41\u7684\u6a21\u677f\u4f9b\u4f7f\u7528\uff0c\u611f\u5174\u8da3\u53ef\u4ee5\u5c1d\u8bd5
"},{"location":"issue-84/#_6","title":"\u8d44\u6e90","text":"12\u3001Orchestrating Single-Cell Analysis with Bioconductor
\u300aOrchestrating Single-Cell Analysis with Bioconductor\u300b\u8fd9\u672c\u4e66\u6559\u7ed9\u7528\u6237\u4e00\u4e9b\u5206\u6790\u5355\u7ec6\u80deRNA-seq\u6570\u636e\uff08scRNA-seq\uff09\u7684\u5e38\u89c1\u5de5\u4f5c\u6d41\u7a0b\u3002 \u672c\u4e66\u5c06\u5c55\u793a\u5982\u4f55\u5229\u7528\u751f\u7269\u5904\u7406\u5de5\u5177\u6765\u5904\u7406\u3001\u5206\u6790\u3001\u53ef\u89c6\u5316\u548c\u63a2\u7d22scRNA-seq\u6570\u636e\u3002
13\u3001Arch-guide\u7cfb\u7edf\u7b80\u660e\u6307\u5357
14\u3001\u6df1\u5165\u4e86\u89e3Bioconductor\u9879\u76ee\u7684\u6559\u7a0b
\u672c\u6559\u7a0b\u63d0\u4f9b\u4e86\u5728R\u548cRStudio\u4e2d\u5982\u4f55\u6709\u6548\u5730\u4f7f\u7528Bioconductor\u4e0a\u7684\u5305\u8fdb\u884c\u591a\u7ec4\u5b66\u6570\u636e\u5206\u6790\u548c\u53ef\u89c6\u5316\u7684\u76f8\u5173\u57fa\u7840\u77e5\u8bc6\u548c\u6d41\u7a0b\u3002
"},{"location":"issue-84/#_7","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09@kongjianyang\uff08\u7a7a\u95f4\u9633\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-85/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c85\u671f\uff09\uff1a\u5927\u5b66\u662f\u5426\u9009\u751f\u7269\uff1a\u9002\u5408\u666e\u901a\u5bb6\u5ead\u3001\u667a\u529b\u4e00\u822c\u7684\u5b66\u751f","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-85/#_1","title":"\u5c01\u9762\u56fe","text":"\u6492\u54c8\u62c9\u6c99\u6f20\u4e2d\u7684\u5ca9\u77f3\u827a\u672f
"},{"location":"issue-85/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u5927\u5b66\u662f\u5426\u9009\u751f\u7269\uff1a\u9002\u5408\u666e\u901a\u5bb6\u5ead\u3001\u667a\u529b\u4e00\u822c\u7684\u5b66\u751f","text":"@kktjmac \u751f\u7269\u5b66\u662f\u4e00\u4e2a\u5e7f\u6cdb\u4e14\u6df1\u5165\u7684\u9886\u57df\uff0c\u8be5\u4e13\u4e1a\u6bd5\u4e1a\u7684\u5b66\u751f\u53ef\u4ee5\u8fdb\u5165\u8bb8\u591a\u4e0d\u540c\u7684\u9886\u57df\uff0c\u5305\u62ec\u533b\u7597\u536b\u751f\u3001\u7814\u7a76\u3001\u6559\u80b2\u3001\u73af\u4fdd\u7b49\u3002\u76ee\u524d\u8fd9\u4e2a\u9886\u57df\u7684\u7ade\u4e89\u975e\u5e38\u6fc0\u70c8\uff0c\u5c24\u5176\u662f\u5728\u9ad8\u7ea7\u804c\u4f4d\u4e0a\u3002\u56e0\u6b64\uff0c\u5982\u679c\u9009\u62e9\u8fd9\u4e2a\u4e13\u4e1a\uff0c\u9664\u4e86\u5bf9\u751f\u7269\u5b66\u6709\u70ed\u60c5\uff0c\u53ef\u80fd\u9700\u8981\u8fdb\u4e00\u6b65\u7684\u5b66\u4e60\u548c\u4e13\u4e1a\u53d1\u5c55\uff0c\u4f8b\u5982\u83b7\u5f97\u7855\u58eb\u6216\u535a\u58eb\u5b66\u4f4d\uff0c\u6216\u8005\u51fa\u56fd\u6df1\u9020\u5b66\u4e60\u3002
"},{"location":"issue-85/#_3","title":"\u751f\u4fe1\u7814\u7a76","text":"1\u3001Nature Chemical Biology | DM-Seq\u5168\u9176\u3001\u65e0\u635f\u5355\u78b1\u57fa\u5206\u8fa8\u7387\u76f4\u63a5\u6d4b\u5e8f5mC
\u7f8e\u56fd\u5bbe\u5915\u6cd5\u5c3c\u4e9a\u5927\u5b66\u7684\u7814\u7a76\u56e2\u961f\u5f00\u53d1\u4e86\u4e00\u79cd\u5168\u9176\u3001\u65e0\u635f\u3001\u53ef\u9760\u548c\u76f4\u63a5\u7684\u65b9\u6cd5\u201cDM-Seq\u201d\u6765\u5355\u72ec\u68c0\u6d4b5mC\uff0c\u89e3\u51b3\u4e86\u4f20\u7edf\u65b9\u6cd5\u4e2d5mC\u548c5hmC\u6df7\u6dc6\u3001\u96be\u4ee5\u533a\u5206\u7684\u5c40\u9650\u3002\u8be5\u65b9\u6cd5\u7075\u654f\u5ea6\u8f83\u9ad8\uff0c\u53ef\u5e94\u7528\u5176\u5206\u6790\u6781\u5c11\u91cf\u7684DNA\u6837\u672c\uff0c\u4f8b\u5982\u7528\u4e8e\u65e9\u671f\u764c\u75c7\u68c0\u6d4b\u7684\u65e0\u7ec6\u80deDNA\uff0c\u8fd9\u4e3a\u90e8\u5206\u764c\u75c7\u60a3\u8005\u7684\u8bca\u65ad\u548c\u9884\u540e\u5224\u65ad\u63d0\u4f9b\u4e86\u6f5c\u5728\u53ef\u884c\u7684\u65b9\u6848\u3002\u8be5\u7814\u7a76\u63ed\u793a\uff0c\u901a\u8fc7DM-Seq\u76f4\u63a5\u68c0\u6d4b5mC\u80fd\u591f\u63a8\u8fdb\u4f7f\u7528\u8868\u89c2\u9057\u4f20\u6d4b\u5e8f\u6539\u5584\u60a3\u8005\u62a4\u7406\u9884\u540e\u7684\u53d1\u5c55\u3002
2\u3001Nature | \u6709\u53f2\u4ee5\u6765\u6700\u5927\u7684\u4eba\u7c7b\u6b63\u5e38\u4e73\u817a\u7ec6\u80de\u56fe\u8c31\u4e3a\u4e73\u817a\u751f\u7269\u5b66\u5e26\u6765\u4e86\u524d\u6240\u672a\u6709\u7684\u65b0\u89c1\u89e3
\u8fd1\u65e5Nature\u4e0a\u53d1\u8868\u4e86\u76ee\u524d\u4e16\u754c\u4e0a\u6700\u5927\u548c\u6700\u5168\u9762\u7684\u6b63\u5e38\u4e73\u817a\u7ec4\u7ec7\u56fe\u8c31\uff0c\u8be5\u7814\u7a76\u4f7f\u7528\u5355\u7ec6\u80de\u548c\u7a7a\u95f4\u57fa\u56e0\u7ec4\u5b66\u65b9\u6cd5\u5bf9126\u540d\u5973\u6027\u7684714000\u591a\u4e2a\u7ec6\u80de\u8fdb\u884c\u5206\u6790\uff0c\u786e\u5b9a\u4e8612\u79cd\u4e3b\u8981\u7ec6\u80de\u7c7b\u578b\u548c58\u79cd\u751f\u7269\u7ec6\u80de\u72b6\u6001\uff0c\u5e76\u6839\u636e\u79cd\u65cf\u3001\u5e74\u9f84\u548c\u5065\u5eb7\u5973\u6027\u7684\u7edd\u7ecf\u72b6\u6001\u786e\u5b9a\u4e86\u5dee\u5f02\uff0c\u6781\u5927\u5730\u63a8\u8fdb\u79d1\u7814\u4eba\u5458\u5bf9\u4eba\u7c7b\u4e73\u817a\u751f\u7269\u5b66\u548c\u75be\u75c5\u77e5\u8bc6\u7684\u8ba4\u77e5\u3002
3\u3001Nat Genet | WES\u8054\u5408RNA-seq\u5206\u6790\u63ed\u793a\u665a\u671fNSCLC\u514d\u75ab\u6cbb\u7597\u7684\u57fa\u56e0\u7ec4\u5b66\u548c\u8f6c\u5f55\u7ec4\u5b66\u7279\u5f81
\u53d1\u8868\u5728Nature Genetics\u4e0a\u7684\u4e00\u9879\u7814\u7a76\u3002\u5728\u8fd9\u9879\u7814\u7a76\u4e2d\uff0c\u4e3a\u4e86\u52a0\u6df1\u5bf9NSCLC\u4e2d\u514d\u75ab\u68c0\u67e5\u70b9\u6291\u5236\u5242\u53cd\u5e94\u5206\u5b50\u7279\u5f81\u7684\u7406\u89e3\uff0c\u7814\u7a76\u56e2\u961f\u5bf9Stand Up To Cancer-Mark Foundation\uff08SU2C-MARK\uff09\u961f\u5217\u8fdb\u884c\u4e86\u9996\u6b21\u8054\u5408\u5206\u6790\uff0c\u7814\u7a76\u56e2\u961f\u5206\u6790\u4e86NSCLC\u60a3\u8005\u63a5\u53d7PD-1/PD-L1\u836f\u7269\u7684\u4e00\u7ebf\u6cbb\u7597\u4e4b\u524d\u6536\u96c6\u7684\u80bf\u7624\u6837\u672c\u8fdb\u884c\u4e86\u5168\u5916\u663e\u5b50\u7ec4\u6d4b\u5e8f\uff08WES\uff09\u548c\u5168\u8f6c\u5f55\u7ec4\u6d4b\u5e8f\uff08RNA-seq\uff09\u5206\u6790\u3002\u53d1\u73b0\u4e86\u591a\u4e2a\u4e0e\u60a3\u8005\u53cd\u5e94\u7ed3\u679c\u76f8\u5173\u7684\u5206\u5b50\u7279\u5f81\uff0c\u5305\u62ec\u6709\u5229\uff08ATM\u7a81\u53d8\uff09\u548c\u4e0d\u5229\uff08TERT\u6269\u589e\uff09\u7684\u57fa\u56e0\u7ec4\u4e9a\u7fa4\uff1b\u514d\u75ab\u86cb\u767d\u9176\u4f53\u53ef\u8bf1\u5bfc\u6210\u5206\u7684\u8868\u8fbe\u4e0e\u53cd\u5e94\u4e4b\u95f4\u7684\u5173\u8054\u4ee5\u53ca\u80bf\u7624\u5185\u5728\u4e9a\u578b\u7684\u5f71\u54cd\u7b49\u3002\u8be5\u7814\u7a76\u7ed3\u679c\u5f3a\u8c03\u4e86\u514d\u75ab\u6cbb\u7597\u80cc\u540e\u7684\u751f\u7269\u5b66\u51b3\u5b9a\u56e0\u7d20\u7684\u590d\u6742\u6027\uff0c\u4ee5\u53ca\u5728\u5927\u578b\u7279\u5b9a\u764c\u75c7\u961f\u5217\u4e2d\u8fdb\u884c\u7efc\u5408\u5206\u6790\u7684\u6f5c\u529b\u3002
4\u3001Nature | \u539f\u53d1\u6027\u548c\u8f6c\u79fb\u6027\u5b9e\u4f53\u7624\u7684\u6cdb\u764c\u5168\u57fa\u56e0\u7ec4\u6bd4\u8f83
\u7edd\u5927\u591a\u6570\u764c\u75c7\u76f8\u5173\u6b7b\u4ea1\uff08\u7ea690%\uff09\u662f\u7531\u8f6c\u79fb\u6027\u800c\u4e0d\u662f\u539f\u53d1\u6027\u80bf\u7624\u5f15\u8d77\u7684\uff0c\u8f6c\u79fb\u6027\u6269\u6563\u6d89\u53ca\u80bf\u7624\u7ec6\u80de\u4ece\u539f\u53d1\u6027\u80bf\u7624\u4e2d\u5206\u79bb\u3001\u4e8c\u6b21\u7ec4\u7ec7\u5b9a\u690d\u548c\u5728\u6076\u52a3\u73af\u5883\u4e2d\u751f\u957f\u7684\u591a\u6b65\u9aa4\u8fc7\u7a0b\uff0c\u5c3d\u7ba1\u4eba\u4eec\u4e3a\u7406\u89e3\u8fd9\u4e9b\u73b0\u8c61\u4f5c\u51fa\u4e86\u8bb8\u591a\u52aa\u529b\uff0c\u4f46\u76ee\u524d\u5bf9\u57fa\u56e0\u7ec4\u53d8\u5316\u5728\u4f7f\u80bf\u7624\u5177\u6709\u8fd9\u4e9b\u975e\u51e1\u80fd\u529b\u65b9\u9762\u7684\u8d21\u732e\u4ecd\u7136\u77e5\u4e4b\u751a\u5c11\u3002\u6765\u81ea\u8377\u5170\u4e4c\u7279\u5217\u5179\u5927\u5b66\u533b\u5b66\u4e2d\u5fc3\u7684\u7814\u7a76\u56e2\u961f\u901a\u8fc7\u5bf97108\u4e2a\u5168\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u80bf\u7624\u7684\u4e24\u4e2a\u672a\u914d\u5bf9\u7684\u539f\u53d1\u548c\u8f6c\u79fb\u961f\u5217\u7684\u7edf\u4e00\u6cdb\u764c\u5206\u6790\uff08harmonized pan-cancer analysis\u6216\u518d\u5206\u6790\uff09\uff0c\u63cf\u8ff0\u4e86\u65e9\u671f\u672a\u6cbb\u7597\u539f\u53d1\u6027\u80bf\u7624\u548c\u665a\u671f\u6cbb\u7597\u7684\u8f6c\u79fb\u6027\u80bf\u7624\u4e4b\u95f4\u7684\u57fa\u56e0\u7ec4\u5dee\u5f02\uff0c\u5c55\u793a\u4e86\u6cdb\u764c\u5168\u57fa\u56e0\u7ec4\u5206\u6790\u5728\u8bc6\u522b\u665a\u671f\u80bf\u7624\u7684\u72ec\u7279\u7279\u5f81\u65b9\u9762\u7684\u6f5c\u529b\uff0c\u5e76\u4e3a\u8fdb\u4e00\u6b65\u7814\u7a76\u764c\u75c7\u548c\u6cbb\u7597\u8010\u836f\u6027\u7684\u751f\u7269\u5b66\u57fa\u7840\u63d0\u4f9b\u4e86\u5b9d\u8d35\u7684\u8d44\u6e90\u3002
5\u3001\u56e0\u679c\u63a8\u65ad\u5b9e\u8bc1\u9886\u57df\u529b\u4f5c\u65af\u79d1\u7279\u00b7\u574e\u5b81\u5b89\u7684\u300a\u56e0\u679c\u63a8\u65ad\u300b\u7ec8\u4e8e\u6765\u5566
\u7f8e\u56fd\u8d1d\u52d2\u5927\u5b66\u7ecf\u6d4e\u5b66\u6559\u5e08\u65af\u79d1\u7279\u00b7\u574e\u5b81\u5b89\uff08Scott Cunningham\uff09\u4e3a\u5927\u5b66\u751f\u8bb2\u6388\u56e0\u679c\u63a8\u65ad\u4e0e\u7814\u7a76\u8bbe\u8ba1\u8bfe\u7a0b\u5df2\u7ecf\u6709\u5341\u4e09\u5e74\u4e4b\u4e45\uff0c\u4ed6\u7ed3\u5408\u81ea\u5df1\u7684\u6559\u5b66\u7ecf\u9a8c\u4e0e\u6210\u679c\uff0c\u5199\u51fa\u4e86\u4e00\u672cCausal Inference: The Mixtape\uff08Yale University Press\uff09\uff0c\u8fd9\u672c\u4e66\u901a\u4fd7\u6613\u61c2\u5730\u4ecb\u7ecd\u4e86\u793e\u4f1a\u79d1\u5b66\u5bb6\u5f97\u4ee5\u786e\u5b9a\u56e0\u679c\u5173\u7cfb\u7684\u4e3b\u8981\u6570\u5b66\u5de5\u5177\u548c\u65b9\u6cd5\u3002\u5168\u4e66\u5bf9\u56e0\u679c\u63a8\u65ad\u9886\u57df\u7684\u7406\u8bba\u4e0e\u65b9\u6cd5\u6db5\u76d6\u9762\u975e\u5e38\u5e7f\u6cdb\uff0c\u5bf9\u7406\u8bba\u7684\u9610\u8ff0\u8a00\u7b80\u610f\u8d45\uff0c\u5bf9\u65b9\u6cd5\u5e94\u7528\u7740\u58a8\u66f4\u591a\u3002
6\u3001\u5f53clusterProfiler\u9047\u89c1stringdb\u2026
\u672c\u6587\u4ecb\u7ecd\u4e86\u5982\u4f55\u4f7f\u7528clusterProfiler\u8854\u63a5\u5b9e\u73b0PPI\u7f51\u7edc\u7684\u6784\u5efa\u3002
7\u3001\u764c\u75c7\u4e2d\u7684\u4e09\u7ea7\u6dcb\u5df4\u7ed3\u6784
\u4e09\u7ea7\u6dcb\u5df4\u7ed3\u6784\uff08TLS\uff09\u662f\u51fa\u751f\u540e\u5728\u975e\u6dcb\u5df4\u7ec4\u7ec7\u4e2d\u5f62\u6210\u7684\u514d\u75ab\u7ec6\u80de\u7684\u6709\u7ec4\u7ec7\u7684\u805a\u96c6\u4f53\u3002TLS\u4e0d\u662f\u5728\u751f\u7406\u6761\u4ef6\u4e0b\u53d1\u73b0\u7684\uff0c\u800c\u662f\u5728\u6162\u6027\u708e\u75c7\u7684\u80cc\u666f\u4e0b\u51fa\u73b0\u7684\uff0c\u4f8b\u5982\u81ea\u8eab\u514d\u75ab\u6027\u75be\u75c5\uff0c\u6162\u6027\u611f\u67d3\u548c\u764c\u75c7\u3002\u8fd9\u7bc7\u6587\u7ae0\u901a\u8fc7\u9605\u8bfb\u4e00\u7bc72022\u5e747\u6708\u53d1\u8868\u5728Science\u7684\u6587\u7ae0\uff0c\u8be6\u7ec6\u56de\u987e\u4e86\u4e09\u7ea7\u6dcb\u5df4\u7ed3\u6784\u5f62\u6210\u7684\u9a71\u52a8\u56e0\u7d20\u4ee5\u53ca\u4e00\u4e9b\u9884\u540e\u548c\u9884\u6d4b\u6f5c\u529b\u3002
"},{"location":"issue-85/#_5","title":"\u5de5\u5177","text":"8\u3001SCP | \u5355\u7ec6\u80de\u5904\u7406\u548c\u4e0b\u6e38\u5206\u6790\u5de5\u4f5c\u6d41
\u975e\u5e38\u5168\u9762\u548c\u7ec6\u81f4\u7684\u5355\u7ec6\u80de\u5904\u7406\u548c\u4e0b\u6e38\u5206\u6790\u6d41\u7a0b\uff0c\u4ee3\u7801\u548c\u6d41\u7a0b\u90fd\u53ef\u4ee5\u8fdb\u884c\u53c2\u8003\u548c\u590d\u7528\u3002
9\u3001TwoSampleMR | \u4f7f\u7528 GWAS \u6570\u636e\u8fdb\u884c\u5b5f\u5fb7\u5c14\u968f\u673a\u5316\u5206\u6790
10\u3001learnr\u5305 | \u53ef\u4ee5\u5c06\u4efb\u4f55 R Markdown\u6587\u6863\u8f6c\u53d8\u4e3a\u4ea4\u4e92\u5f0f\u6559\u7a0b\u7684R\u5305
learnr\u5305\u662f\u4e00\u6b3e\u53ef\u4ee5\u5c06\u4efb\u4f55 R Markdown\u6587\u6863\u8f6c\u53d8\u4e3a\u4ea4\u4e92\u5f0f\u6559\u7a0b\u7684R\u5305\u3002\u5305\u62ec\u4ee3\u7801\u7ec3\u4e60\u548c\u6d4b\u9a8c\u95ee\u9898\u3002\u5bf9\u4e8e\u6709\u6559\u5b66R\u8bed\u8a00\u7684\u670b\u53cb\u503c\u5f97\u4e00\u8bd5\u3002
11\u3001UnitedNet | \u53ef\u89e3\u91ca\u7684\u591a\u4efb\u52a1\u6df1\u5ea6\u795e\u7ecf\u7f51\u7edc\u7528\u4e8e\u591a\u6a21\u6001\u751f\u7269\u6570\u636e\u5206\u6790
UnitedNet\u662f\u4e00\u79cd\u53ef\u89e3\u91ca\u7684\u591a\u4efb\u52a1\u6df1\u5ea6\u795e\u7ecf\u7f51\u7edc\uff0c\u80fd\u591f\u6574\u5408\u4e0d\u540c\u7684\u4efb\u52a1\u6765\u5206\u6790\u5355\u7ec6\u80de\u591a\u6a21\u6001\u6570\u636e\uff0c\u5e94\u7528\u4e8e\u5404\u79cd\u591a\u6a21\u6001\u6570\u636e\u96c6\uff08\u4f8b\u5982Patch-seq\u3001multiome ATAC+\u57fa\u56e0\u8868\u8fbe\u548c\u7a7a\u95f4\u8f6c\u5f55\u7ec4\u5b66\uff09\uff0c\u4e0e\u73b0\u6709\u7684\u65b9\u6cd5\u76f8\u6bd4\uff0cUnitedNet\u5728\u591a\u6a21\u6001\u6574\u5408\u548c\u4ea4\u53c9\u6a21\u6001\u9884\u6d4b\u65b9\u9762\u5c55\u73b0\u51fa\u7c7b\u4f3c\u6216\u66f4\u9ad8\u7684\u51c6\u786e\u6027\u3002
12\u3001Learn Genomics | \u7b80\u5355\u3001\u6613\u61c2\u5165\u95e8\u57fa\u56e0\u7ec4\u5b66
13\u30012023NAR\u6570\u636e\u5e93\u7279\u520a\uff1a\u5355\u7ec6\u80de\u6570\u636e\u5e93\u5408\u8f91
\u672c\u6587\u4f5c\u8005\u6574\u74062023\u6838\u9178\u7814\u7a76\u6570\u636e\u5e93\u7279\u520a\u4e2d\u6d89\u53ca\u5355\u7ec6\u80de\u9886\u57df\u7684\u6570\u636e\u5e93\u5408\u8f91\u3002
\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09@kongjianyang\uff08\u7a7a\u95f4\u9633\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-86/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 86 \u671f\uff09\uff1a\u5982\u4f55\u505a\u4eae\u773c\u7684\u7814\u7a76\u751f\uff1f","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-86/#_1","title":"\u5c01\u9762\u56fe","text":"\u82cd\u7a79\u5de8\u7075\u2014\u2014\u9e8b\u9e7f\u3002\u9e8b\u9e7f\u662f\u6211\u56fd\u7279\u6709\u7269\u79cd\u3001\u4e16\u754c\u73cd\u7a00\u52a8\u7269\u3002\u56fe\u7247\u6765\u6e90 - \u65b0\u534e\u793e
"},{"location":"issue-86/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u5982\u4f55\u505a\u4eae\u773c\u7684\u7814\u7a76\u751f\uff1f","text":"\u8fd1\u65e5\uff0c\u989c\u5b81\u5728\u9762\u8bd5 20 \u4f59\u4f4d\u7814\u7a76\u751f\u540e\u516c\u5f00\u8bc4\u4ef7\u6ca1\u6709\u8ba9\u5979\u773c\u524d\u4e00\u4eae\u7684\u3002
\u5979\u7684\u9762\u8bd5\u95ee\u9898\u662f\uff1a
\u5047\u8bbe\u65f6\u95f4\u6765\u523010\u5e74\u540e\uff0c\u4f60\u5df2\u7ecf\u6210\u4e3a\u4e00\u540dPI\uff08Principal Investigator\uff0c \u5373\u72ec\u7acb\u5e26\u9886\u4e00\u4e2a\u5b9e\u9a8c\u5ba4\u7684\u535a\u5bfc\uff09\uff0c\u4f60\u62e5\u6709\u6240\u9700\u8981\u7684\u6240\u6709\u8d44\u6e90\uff08\u4f18\u79c0\u7684\u79d1\u7814\u56e2\u961f\u3001\u5145\u8db3\u7684\u7ecf\u8d39\u3001\u5b8c\u5584\u7684\u5b9e\u9a8c\u8bbe\u5907\u3001\u5927\u628a\u7684\u65f6\u95f4\uff09\uff0c\u90a3\u4f60\u6700\u60f3\u63a2\u7d22\u7684\u79d1\u5b66\u95ee\u9898\u662f\u4ec0\u4e48\uff1f\u6362\u4e00\u79cd\u8bf4\u6cd5\uff0c\u8fd9\u4e00\u8f88\u5b50\u6709\u4ec0\u4e48\u79d1\u5b66\u95ee\u9898\u6216\u8005\u6280\u672f\u96be\u9898\uff0c\u4f60\u80fd\u89e3\u7b54\u6216\u8005\u7a81\u7834\uff0c\u5c31\u89c9\u5f97\u4eca\u751f\u65e0\u61be\u4e86\uff1f
\u8fd9\u6837\u7684\u8bc4\u4ef7\u662f\u5426\u6b63\u786e\uff1f\u53c8\u5982\u4f55\u505a\u4eae\u773c\u7684\u7814\u7a76\u751f\u5462\uff1f
@ShixiangWang\uff1a\u6211\u89c9\u5f97\u53ef\u80fd\u989c\u6559\u6388\u5728\u56fd\u5916\u5446\u7684\u592a\u4e45\uff0c\u53c8\u5168\u662f\u5728\u9876\u7ea7\u9ad8\u6821\u4e2d\u5446\u7740\uff0c\u6240\u4ee5\u5bf9\u5b66\u751f\u4ea7\u751f\u4e86\u4e0d\u5408\u7406\u7684\u9884\u671f\u3002\u6211\u4eec\u56fd\u5bb6\u5f53\u524d\u7684\u6587\u5316\u3001\u73af\u5883\u5f80\u5f80\u5728\u591a\u4e2a\u65b9\u9762\u6d88\u78e8\u4eba\u7684\u5174\u8da3\u548c\u8010\u5fc3\uff0c\u793e\u4f1a\u53c8\u8fdb\u5165\u4e86\u201c\u5377\u201d\u65f6\u4ee3\uff0c\u6050\u6015\u4e0d\u80fd\u505a\u592a\u591a\u7684\u8981\u6c42\u5427\uff1f\u4e0d\u8981\u8bf4\u5b66\u751f\uff0c\u989c\u6559\u6388\u5927\u53ef\u4ee5\u95ee\u95ee\u56fd\u5185\u7684 PI \u4eec\uff0c\u6709\u591a\u5c11\u4eba\u5728\u7814\u7a76\u751f\u7684\u65f6\u5019\u60f3\u8fc7\u8fd9\u4e2a\u95ee\u9898\uff1f\u76ee\u524d\u662f\u5426\u8fd8\u5728\u60f3\u8fd9\u4e2a\u95ee\u9898\uff1f\u8fd8\u5728\u5b9e\u9645\u63a2\u7d22\u8fd9\u79cd\u95ee\u9898\uff1f\u6211\u4e2a\u4eba\u89c9\u5f97\u7814\u7a76\u751f\u9636\u6bb5\u6700\u91cd\u8981\u7684\u662f\u57f9\u517b\u81ea\u6211\u7684\u72ec\u7acb\u601d\u8003\u80fd\u529b\u548c\u4e13\u6ce8\u5de5\u4f5c\u7684\u80fd\u529b\uff0c\u5174\u8da3\u53ef\u4ee5\u57f9\u517b\u3001\u5927\u90e8\u5206\u4eba\u4e5f\u5230\u4e0d\u4e86\u9886\u57df\u91d1\u5b57\u5854\u7684\u5c16\u7aef\uff0c\u4f46\u8fd9\u4e24\u9879\u80fd\u529b\u662f\u624e\u6839\u79d1\u6280\u5de5\u4f5c\u7684\u6839\u672c\uff0c\u65e0\u8bba\u5230\u54ea\u91cc\uff0c\u7ec8\u7a76\u4f1a\u201c\u4eae\u773c\u201d\u3002
1\u3001Nat Rev Clin Oncol | \u80a0\u9053\u80bf\u7624\u5fae\u751f\u7269\u7ec4\u6807\u7b7e(GOMS)\u662f\u764c\u75c7\u514d\u75ab\u6cbb\u7597\u7684\u4e0b\u4e00\u4ee3\u751f\u7269\u6807\u5fd7\u7269
\u6765\u81ea\u6cd5\u56fd\u5df4\u9ece-\u8428\u514b\u96f7\u5927\u5b66\u7684Laurence Zitvogel\u6559\u6388\u8bfe\u9898\u7ec4\u8ba8\u8bba\u4e86\u5404\u79cd\u4e9a\u578b\u7684\u764c\u75c7\u60a3\u8005\u5982\u4f55\u4e0e\u770b\u4f3c\u65e0\u5173\u7684\u6162\u6027\u708e\u75c7\u6027\u75be\u75c5\u60a3\u8005\u5171\u4eab\u51e0\u4e2aGOMS\uff0c\u800c\u8fd9\u4e9b\u60a3\u8005\u7684GOMS\u53c8\u5f80\u5f80\u4e0d\u540c\u4e8e\u5065\u5eb7\u4e2a\u4f53\u3002\u4f5c\u8005\u8ba8\u8bba\u4e86\u4e0a\u8ff0\u5728\u4e0d\u540c\u764c\u75c7\u7c7b\u578b(808\u4f8b\u60a3\u8005)\u4e2d\u4e0eICI\u4e34\u5e8a\u83b7\u76ca\u6216\u8010\u836f\u76f8\u5173\u7684GOMS\u6a21\u5f0f\u835f\u8403\u5206\u6790\u7684\u7ed3\u679c\uff0c\u91cd\u70b9\u5173\u6ce8\u80a0\u9053\u751f\u6001\u5931\u8c03\u7684\u4ee3\u8c22\u548c\u514d\u75ab\u5b66\u66ff\u4ee3\u6807\u5fd7\u7269\uff0c\u5e76\u63d0\u51fa\u4e86\u5728\u514d\u75ab\u80bf\u7624\u5b66\u524d\u77bb\u6027\u4e34\u5e8a\u8bd5\u9a8c\u51b3\u7b56\u4e2d\u7eb3\u5165GOMS\u7684\u5b9e\u7528\u6307\u5357\u3002
2\u3001Nature | \u57fa\u4e8e\u7a7a\u95f4\u5206\u8fa8\u8f6c\u5f55\u7ec4\u5b66\u5206\u6790\u826f\u3001\u6076\u6027\u7ec4\u7ec7\u62f7\u8d1d\u6570\u72b6\u6001\uff0c\u63ed\u793a\u5168\u57fa\u56e0\u7ec4CNV\u7684\u72ec\u7279\u514b\u9686\u6a21\u5f0f
\u53d1\u8868\u5728Nature\u4e0a\u9762\u7684\u4e00\u7bc7\u6587\u7ae0\uff0c\u7814\u7a76\u56e2\u961f\u5229\u7528\u7a7a\u95f4\u7ec4\u5b66\u6280\u672f\u7cfb\u7edf\u5730\u7814\u7a76\u4e86\u524d\u5217\u817a\u5668\u5b98\u7684\u539f\u4f4d\u57fa\u56e0\u7ec4\u7684\u5b8c\u6574\u6027\uff0c\u5e76\u63cf\u8ff0\u4e86\u5148\u524d\u672a\u88ab\u786e\u5b9a\u7684\u514b\u9686\u5173\u7cfb\uff0c\u540c\u65f6\u63a8\u6d4b\u4e86\u826f\u6027\u548c\u6076\u6027\u7ec4\u7ec7\u4e2d\u591a\u4e2a\u5668\u5b98\u7ea612\u4e07\u4e2a\u533a\u57df\u7684\u7a7a\u95f4\u62f7\u8d1d\u6570\u53d8\u5316\uff0c\u63ed\u793a\u4e86\u5168\u57fa\u56e0\u7ec4\u62f7\u8d1d\u6570\u53d8\u5f02\uff08CNV\uff09\u5728\u80bf\u7624\u548c\u9644\u8fd1\u7684\u826f\u6027\u7ec4\u7ec7\u4e2d\u72ec\u7279\u7684\u514b\u9686\u6a21\u5f0f\u3002
3\u3001Scientific Reports | \u7fa4\u4f53\u9057\u4f20\u7814\u7a76\u4e2d\u57fa\u4e8e\u4e3b\u6210\u5206\u5206\u6790\uff08PCA\uff09\u7684\u7ed3\u679c\u5b58\u5728\u9ad8\u5ea6\u504f\u501a\uff0c\u5fc5\u987b\u91cd\u65b0\u8bc4\u4f30
\u4e3b\u6210\u5206\u5206\u6790 \uff08PCA\uff09 \u662f\u4e00\u79cd\u591a\u53d8\u91cf\u5206\u6790\uff0c\u53ef\u5728\u4fdd\u7559\u6570\u636e\u534f\u65b9\u5dee\u7684\u540c\u65f6\u964d\u4f4e\u6570\u636e\u96c6\u7684\u590d\u6742\u6027\u3002\u7ed3\u679c\u53ef\u4ee5\u5728\u5f69\u8272\u6563\u70b9\u56fe\u4e0a\u53ef\u89c6\u5316\uff0c\u7406\u60f3\u60c5\u51b5\u4e0b\u53ea\u6709\u6700\u5c0f\u7684\u4fe1\u606f\u635f\u5931\u3002PCA\u5e94\u7528\u7a0b\u5e8f\u5728EIGENSOFT\u548cPLINK\u7b49\u88ab\u5e7f\u6cdb\u5f15\u7528\u7684\u8f6f\u4ef6\u5305\u4e2d\u5b9e\u73b0\uff0c\u88ab\u5e7f\u6cdb\u7528\u4f5c\u7fa4\u4f53\u9057\u4f20\u5b66\u548c\u76f8\u5173\u9886\u57df\uff08\u4f8b\u5982\uff0c\u52a8\u7269\u548c\u690d\u7269\u6216\u533b\u5b66\u9057\u4f20\u5b66\uff09\u4e2d\u6700\u91cd\u8981\u7684\u5206\u6790\u3002PCA\u7ed3\u679c\u7528\u4e8e\u5851\u9020\u7814\u7a76\u8bbe\u8ba1\uff0c\u8bc6\u522b\u548c\u8868\u5f81\u4e2a\u4f53\u548c\u4eba\u7fa4\uff0c\u5e76\u5f97\u51fa\u6709\u5173\u8d77\u6e90\uff0c\u8fdb\u5316\uff0c\u5206\u6563\u548c\u76f8\u5173\u6027\u7684\u5386\u53f2\u548c\u79cd\u65cf\u751f\u7269\u5b66\u7ed3\u8bba\u3002\u79d1\u5b66\u4e2d\u7684\u53ef\u590d\u5236\u6027\u5371\u673a\u4fc3\u4f7f\u7814\u7a76\u4eba\u5458\u8bc4\u4f30PCA\u7ed3\u679c\u662f\u5426\u53ef\u9760\uff0c\u7a33\u5065\u548c\u53ef\u590d\u5236\u3002\u4f5c\u8005\u7684\u7ed3\u8bba\u662f\uff0cPCA\u53ef\u80fd\u5728\u9057\u4f20\u8c03\u67e5\u4e2d\u5177\u6709\u504f\u501a\u4f5c\u7528\uff0c\u76f8\u5173\u768432000\u5230216000\u9879\u9057\u4f20\u7814\u7a76\u5e94\u91cd\u65b0\u8bc4\u4f30\u3002\u540c\u65f6\uff0c\u4f5c\u8005\u8ba8\u8bba\u4e86\u53e6\u4e00\u79cd\u6df7\u5408\u6df7\u5408\u7fa4\u4f53\u9057\u4f20\u6a21\u578b\u3002
4\u3001Nature | \u63ed\u5f00p53\u57fa\u56e0\u4e0e\u764c\u75c7\u53d1\u751f\u4e4b\u95f4\u7684\u5168\u65b0\u5173\u7cfb\uff0c\u4e3a\u5e7f\u8c31\u6297\u764c\u836f\u7269\u5f00\u53d1\u6307\u660e\u65b9\u5411
\u7eaa\u5ff5\u65af\u9686\u51ef\u7279\u7433\u764c\u75c7\u7814\u7a76\u6240\u7684\u7814\u7a76\u4eba\u5458\u53d1\u73b0\u5f53\u7ec6\u80de\u7f3a\u5931p53\u540e\uff0c\u5e76\u4e0d\u662f\u5355\u7eaf\u5730\u5f15\u8d77\u57fa\u56e0\u6df7\u4e71\uff0c\u800c\u662f\u4fc3\u8fdb\u4e00\u79cd\u53ef\u9884\u6d4b\u7684\u3001\u6709\u5e8f\u800c\u786e\u5b9a\u7684\u764c\u75c7\u57fa\u56e0\u7ec4\u8fdb\u5316\u3002\u8fd9\u79cd\u51fa\u4eba\u610f\u6599\u7684\u53d1\u73b0\u63d0\u4f9b\u4e86\u4e00\u79cd\u65b0\u7684\u65b9\u5f0f\u6765\u601d\u8003\u6cbb\u7597\u764c\u75c7\u7684\u53ef\u80fd\u6027\u3002
5\u3001Colossal \u63a8\u52a8\u5206\u5b50\u9769\u547d
Colossal \u7531\u201c\u5f53\u4ee3\u57fa\u56e0\u7ec4\u5b66\u6559\u7236\u201dGeorge Church\u3001\u65b0\u5174\u6280\u672f\u548c\u8f6f\u4ef6\u4f01\u4e1a\u5bb6Ben Lamm\u548c\u4e00\u4f17\u77e5\u540d\u9057\u4f20\u5b66\u5bb6\u5171\u540c\u521b\u7acb\u3002Colossal \u5728\u590d\u6d3b\u5df2\u706d\u7edd\u7269\u79cd\u731b\u72b8\u8c61\u548c\u5854\u65af\u9a6c\u5c3c\u4e9a\u864e\u7684\u5de5\u4f5c\u5438\u5f15\u4e86\u4e1a\u5185\u4eba\u58eb\u7684\u5e7f\u6cdb\u5173\u6ce8\u3002Colossal \u56e2\u961f\u8ba4\u8bc6\u5230\u4f20\u7edf\u751f\u7269\u4fe1\u606f\u5b66\u6d41\u7a0b\u5728\u5feb\u901f\u5206\u6790\u5927\u91cf\u6570\u636e\u65b9\u9762\u7684\u4e0d\u8db3\u4ee5\u53ca\u5e02\u573a\u4e0a\u7f3a\u4e4f\u5fc5\u8981\u7684\u8f6f\u4ef6\u529f\u80fd\u3002Form Bio\u6700\u521d\u662f\u4e3a\u4e86\u63a8\u8fdb\u91cd\u73b0\u53f2\u524d\u706d\u7edd\u731b\u72b8\u8c61\u800c\u5f00\u53d1\u7684\uff0c\u53ef\u89e3\u51b3\u6570\u636e\u6cdb\u6ee5\u7684\u95ee\u9898\uff0c\u540c\u65f6\u6ee1\u8db3\u884c\u4e1a\u5bf9\u7b80\u5355\u3001\u7528\u6237\u53cb\u597d\u7684\u5e73\u53f0\u7684\u8feb\u5207\u9700\u6c42\u3002\u76ee\u524d\uff0cForm Bio\u7531Colossal\u7684\u5185\u90e8\u5de5\u5177\u8f6c\u53d8\u4e3a\u72ec\u7acb\u8f6f\u4ef6\u516c\u53f8\uff0c\u65e8\u5728\u4f7f\u79d1\u5b66\u5bb6\u80fd\u591f\u5728\u66f4\u77ed\u7684\u65f6\u95f4\u548c\u66f4\u5c11\u7684\u52aa\u529b\u4e2d\u83b7\u5f97\u53d1\u73b0\u548c\u7a81\u7834\u3002
Form\u5e73\u53f0\u4f4d\u4e8e\u751f\u7269\u5b66\u548c\u73b0\u5b9e\u53d1\u73b0\u7684\u4ea4\u53c9\u70b9\u3002\u5b83\u5c06\u6570\u636e\u7ba1\u7406\u3001\u5de5\u4f5c\u6d41\u7a0b\u3001\u7ed3\u679c\u53ef\u89c6\u5316\u548c\u534f\u4f5c\u7684\u6838\u5fc3\u7ec4\u4ef6\u6574\u5408\u5230\u4e00\u4e2a\u89e3\u51b3\u65b9\u6848\u4e2d\u3002Form Bio\u5305\u62ec\u4e86\u7ecf\u8fc7\u9a8c\u8bc1\u7684\u5de5\u4f5c\u6d41\u7a0b\u7684\u5e7f\u6cdb\u76ee\u5f55\uff0c\u6db5\u76d6\u4ece\u53e4\u4ee3DNA\u5206\u6790\u548c\u8f6c\u5f55\u7ec4\u5b66\u5230AAV\u57fa\u56e0\u6cbb\u7597\u7684\u5e7f\u6cdb\u79d1\u5b66\u7528\u4f8b\u3002\u8be5\u5e73\u53f0\u8fd8\u4e3a\u9488\u5bf9\u7279\u5b9a\u884c\u4e1a\u548c\u5b66\u672f\u9886\u57df\u7684\u9700\u6c42\u91cf\u8eab\u5b9a\u5236\u7684\u57fa\u4e8e\u4eba\u5de5\u667a\u80fd\u7684\u9ad8\u7ea7\u5e94\u7528\u7a0b\u5e8f\u5960\u5b9a\u4e86\u57fa\u7840\u3002
\u5bf9\u6bd4\u56fd\u5185\u56fd\u5916\u7684\u751f\u4fe1\u53d1\u5c55\u611f\u89c9\u5dee\u8ddd\u597d\u5927\u3002\u56fd\u5916\u7684\u4e13\u4e1a\u751f\u4fe1\u8f6f\u4ef6\u516c\u53f8\u90fd\u51fa\u6765\u4e86\uff0c\u8fd8\u6709\u8fd9\u4e48\u5927\u7684\u98ce\u9669\u6295\u8d44\uff0c\u4f46\u56fd\u5185\u7684\u751f\u4fe1\u8fd8\u4e0d\u88ab\u7814\u7a76\u673a\u6784\u8ba4\u53ef\u3002
6\u3001\u79d1\u5b66\u63a2\u7d22\u5956 2023 \u5e74\u83b7\u5956\u540d\u5355\u63ed\u6653
\u8fd1\u65e5\uff0c\u6c11\u95f4\u79d1\u5b66\u5927\u5956\u63ed\u6653\uff0c\u767d\u6d0b\u3001\u767d\u51e1\u7b49 10 \u4eba\u65a9\u83b7\u4eca\u5e74\u7684\u79d1\u5b66\u63a2\u7d22\u5956\u3002
\u201c\u79d1\u5b66\u63a2\u7d22\u5956\u201d\u79c9\u627f\u201c\u9762\u5411\u672a\u6765\u3001\u5956\u52b1\u6f5c\u529b\u3001\u9f13\u52b1\u63a2\u7d22\u201d\u7684\u5b97\u65e8\uff0c\u9f13\u52b1\u9752\u5e74\u79d1\u6280\u5de5\u4f5c\u8005\u5fc3\u65e0\u65c1\u9a9b\u5730\u63a2\u7d22\u79d1\u5b66\u201c\u65e0\u4eba\u533a\u201d\u3002\u5956\u9879\u9762\u5411\u57fa\u7840\u79d1\u5b66\u548c\u524d\u6cbf\u6280\u672f\u7684\u5341\u4e2a\u9886\u57df\uff0c\u6bcf\u5e74\u9074\u9009\u4e0d\u8d85\u8fc750\u4f4d\u83b7\u5956\u4eba\uff0c\u6bcf\u4f4d\u83b7\u5956\u4eba\u5c06\u57285\u5e74\u5185\u83b7\u5f97\u603b\u8ba1300\u4e07\u5143\u4eba\u6c11\u5e01\u5956\u91d1\uff0c\u662f\u76ee\u524d\u56fd\u5185\u91d1\u989d\u6700\u9ad8\u7684\u9752\u5e74\u79d1\u6280\u4eba\u624d\u8d44\u52a9\u8ba1\u5212\u4e4b\u4e00\u3002\u79d1\u5b66\u63a2\u7d22\u5956\u8bbe\u7acb\u4e8e2018\u5e74\uff0c5\u5e74\u6765\u4e00\u5171\u8d44\u52a9248\u4f4d\u9752\u5e74\u79d1\u5b66\u5bb6\uff0c\u4ed6\u4eec\u6765\u81ea26\u4e2a\u57ce\u5e02\uff0c90\u6240\u79d1\u7814\u673a\u6784\uff0c\u5e73\u5747\u5e74\u9f8441\u5c81\u3002
7\u3001\u624b\u628a\u624b\u6559\u4f60\u7ed8\u5236\u8fdb\u5316\u6811\uff08\u7406\u8bba\u4e0e\u5b9e\u8df5\uff09
\u672c\u6587\u56fe\u6587\u5e76\u8302\u7684\u4ecb\u7ecd\u4e86\u5982\u4f55\u7ed8\u5236\u8fdb\u5316\u6811\uff0c\u4ece\u6700\u57fa\u7840\u7684\u8f6f\u4ef6\u4e0b\u8f7d\u3001\u914d\u7f6e\u5230\u6700\u7ec8\u7684\u7ed3\u679c\u53ef\u89c6\u5316\uff08\u57fa\u4e8e\u7f16\u7801\u533aDNA\u7684\u7cfb\u7edf\u53d1\u80b2\u5206\u6790\uff09\u3002
8\u3001\u56fd\u81ea\u7136\u201c\u5341\u56db\u4e94\u201d\u4f18\u5148\u53d1\u5c55\u9886\u57df\u516c\u5e03\uff0c\u751f\u7269\u533b\u5b66\u9886\u57df\u8282\u9009\u8fd1 50 \u9879
\u53ef\u89c1\u751f\u7269\u533b\u5b66\u9886\u57df\u7684\u4ea7\u4e1a\u5316\u4ef7\u503c\u5f88\u5927\u7684\u3002\u8fd9\u91cc\u8282\u9009\u8ddf\u751f\u7269\u4fe1\u606f\u5b66\u76f4\u63a5\u76f8\u5173\u7684\u6761\u76ee\uff1a
9\u3001aplot\u7248\u672c\u7684oncoplot
\u6765\u81ea\u4f59\u8001\u5e08\u5b9e\u9a8c\u5ba4\u7684R\u5305aplot\u73b0\u5728\u4e5f\u652f\u6301\u7ed8\u5236oncoplot\u56fe\u4e86\uff0c\u5927\u5bb6\u53ef\u4ee5\u591a\u591a\u4f7f\u7528\u5e76\u63d0\u51fa\u81ea\u5df1\u7684\u9700\u6c42\u4ee5\u5b8c\u5584\u8fd9\u4e2a\u529f\u80fd\u3002
10\u3001\u751f\u7269\u4fe1\u606f\u5b66\u9886\u57df\u6709\u54ea\u4e9b\u725b\u520a\uff1f
\u672c\u6587\u7f57\u5217\u4e86\u751f\u7269\u4fe1\u606f\u5b66\u9886\u57df\u7684\u6709\u5f71\u54cd\u529b\u7684\u671f\u520a\uff0c\u5e76\u4ece\u6295\u7a3f\u89d2\u5ea6\u63a8\u8350\u4e86\u4e00\u4e2a\u6295\u7a3f\u987a\u5e8f\u3002
"},{"location":"issue-86/#_5","title":"\u5de5\u5177","text":"11\u3001Greed
Greed \u662f\u4e00\u4e2a\u57fa\u4e8e\u8d1d\u53f6\u65af\u8d2a\u5a6a\u7b97\u6cd5\u7684\u805a\u7c7b\u5de5\u5177\uff0c\u80fd\u591f\u4f7f\u7528\u4e0d\u540c\u7c7b\u578b\u7684\u751f\u6210\u6a21\u578b\u5bf9\u7f51\u7edc\u3001\u8ba1\u6570\u6570\u636e\u77e9\u9635\u7b49\u8fdb\u884c\u57fa\u4e8e\u6a21\u578b\u7684\u805a\u7c7b\u3002\u901a\u8fc7\u4f18\u5316\u7efc\u5408\u5206\u7c7b\u4f3c\u7136\u5ea6\uff0c\u540c\u65f6\u8fdb\u884c\u6a21\u578b\u9009\u62e9\u548c\u805a\u7c7b\u3002
12\u3001sioyek
Sioyek \u57fa\u4e8e\u952e\u76d8\u64cd\u4f5c\uff0c\u53ef\u4ee5\u5feb\u901f\u641c\u7d22\u6253\u5f00\u4f60\u4e4b\u524d\u4ea4\u4e92\u8fc7\u7684\u6587\u6863\uff0c\u800c\u4e14\u5c31\u7b97\u6587\u6863\u4e2d\u7684\u5f15\u7528\u6ca1\u6709\u94fe\u63a5\u4e5f\u53ef\u4ee5\u76f4\u63a5\u8df3\u8f6c\uff0c\u7279\u522b\u9002\u5408\u9605\u8bfb\u548c\u7814\u7a76\u8bba\u6587\u3001\u6280\u672f\u4e66\u7c4d\u3002
13\u3001ctop | \u5b9e\u65f6\u76d1\u63a7\u591a\u4e2a\u5bb9\u5668\u8d44\u6e90\u5360\u7528\u7684\u8f6f\u4ef6
14\u3001reactR\uff1a\u5e2e\u52a9R\u7528\u6237\u66f4\u5feb\u6574\u5408react\u5230R\u7684\u5305
React\u73b0\u5728\u975e\u5e38\u6d41\u884c\uff0c\u5e76\u4e14\u57fa\u4e8ereact\u7684\u751f\u6001\u7cfb\u7edf\u4e5f\u975e\u5e38\u5f3a\u5927\u3002 reactR \u65e8\u5728\u8ba9 R \u7528\u6237\u66f4\u8f7b\u677e\u5730\u6574\u5408React\u5230R\u8bed\u8a00\u4e2d\u7684R\u5305\u3002\u5176\u63d0\u4f9b\u4e86\u5f88\u591a\u65b9\u4fbf\u7684\u529f\u80fd\uff0c\u7528\u4e8e\u5728 R \u4e2d\u4f7f\u7528 React\uff0c\u5e76\u4e14\u53ef\u4ee5\u501f\u7531React\u751f\u6001\u7684\u4e30\u5bcc\u7ec4\u4ef6\u6765\u589e\u5f3aR Web \u548c Shiny\u5e94\u7528\u7684\u4f7f\u7528\u4f53\u9a8c\u3002
15\u3001joplin
Joplin \u662f\u4e00\u4e2a\u514d\u8d39\u3001\u5f00\u6e90\u7684\u7b14\u8bb0\u548c\u5f85\u529e\u4e8b\u9879\u5e94\u7528\u7a0b\u5e8f\uff0c\u53ef\u4ee5\u5904\u7406\u5927\u91cf\u7ec4\u7ec7\u6210\u7b14\u8bb0\u672c\u7684\u7b14\u8bb0\u3002\u8fd9\u4e9b\u7b14\u8bb0\u53ef\u4ee5\u8fdb\u884c\u641c\u7d22\u3001\u590d\u5236\u3001\u6807\u8bb0\u548c\u4fee\u6539\uff0c\u4e5f\u53ef\u4ee5\u76f4\u63a5\u5728\u5e94\u7528\u7a0b\u5e8f\u4e2d\u6216\u4ece\u4f7f\u7528\u8005\u81ea\u5df1\u7684\u6587\u672c\u7f16\u8f91\u5668\u4e2d\u8fdb\u884c\u7f16\u8f91\u3002\u8fd9\u4e9b\u7b14\u8bb0\u91c7\u7528 Markdown \u683c\u5f0f\u8fdb\u884c\u4fe1\u606f\u8bb0\u5f55\u3002
"},{"location":"issue-86/#_6","title":"\u8d44\u6e90","text":"16\u300115 \u4e2a\u9002\u5408\u5f00\u53d1\u4eba\u5458\u7684\u535a\u5ba2\u5e73\u53f0
17\u3001World top 2% scientists \u699c\u5355
\u987e\u7956\u5149\u5f00\u53d1\u7684\u4e00\u4e2a Shiny app\uff0c\u5c55\u793a\u4e16\u754c\u7684\u5b66\u672f\u5f15\u7528\u5927\u4f6c\u4eec\uff0c\u5feb\u53bb\u819c\u62dc\u5427\uff01
18\u3001Mermaid | \u5728Markdown\u4e2d\u521b\u5efa\u4e0e\u4fee\u6539\u56fe\u8868
Mermaid \u662f\u4e00\u4e2a\u57fa\u4e8e Javascript \u7684\u56fe\u8868\u7ed8\u5236\u5de5\u5177\uff0c\u901a\u8fc7\u89e3\u6790\u7c7b Markdown \u7684\u6587\u672c\u8bed\u6cd5\u6765\u5b9e\u73b0\u56fe\u8868\u7684\u521b\u5efa\u548c\u52a8\u6001\u4fee\u6539\uff0c\u5176\u4e3b\u8981\u76ee\u7684\u662f\u8ba9\u6587\u6863\u7684\u66f4\u65b0\u80fd\u591f\u53ca\u65f6\u8ddf\u4e0a\u5f00\u53d1\u8fdb\u5ea6\u3002
"},{"location":"issue-86/#_7","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09@kongjianyang\uff08\u7a7a\u95f4\u9633\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-87/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 87 \u671f\uff09\uff1a\u803f\u7f8e\u7389\u7684971\u662f\u771f\u836f\u7684\u53ef\u80fd\u6027","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-87/#_1","title":"\u5c01\u9762\u56fe","text":"\u56fe\u7247\u6765\u6e90\uff1aSuperhumanAI
"},{"location":"issue-87/#971","title":"\u672c\u5468\u8bdd\u9898\uff1a\u803f\u7f8e\u7389\u7684971\u662f\u771f\u836f\u7684\u53ef\u80fd\u6027\uff1a\u5c0f\u4e8e\u5979\u662f\u4e2d\u56fd\u7231\u56e0\u65af\u5766\u7684\u53ef\u80fd\u6027","text":"\u6587\u7ae0\u8ba8\u8bba\u4e86\u6240\u8c13\u803f\u7f8e\u7389\u53d1\u660e\u3001\u7eff\u8c37\u836f\u5382\u63a8\u5e7f\u7684GV-971\uff0c\u5b83\u58f0\u79f0\u80fd\u6cbb\u7597\u963f\u5179\u6d77\u9ed8\u75c5\uff08\u8001\u5e74\u75f4\u5446\uff09\u3002\u6587\u7ae0\u5217\u51fa\u4e86\u591a\u4e2a\u7406\u7531\u6765\u8d28\u7591GV-971\u7684\u6709\u6548\u6027\u548c\u803f\u7f8e\u7389\u7684\u7814\u7a76\u65b9\u6cd5\u3002\u6587\u7ae0\u6700\u540e\u63d0\u5230\uff0c\u5982\u679cGV-971\u771f\u7684\u662f\u4e00\u4e2a\u5947\u8ff9\uff0c\u90a3\u4e48\u803f\u7f8e\u7389\u53ef\u80fd\u662f\u4e00\u4e2a\u8d85\u8d8a\u7231\u56e0\u65af\u5766\u7684\u5929\u624d\u3002
@wangdepin - \u9976\u6bc5\u8001\u5e08\u4e00\u76f4\u662f\u6211\u5f88\u656c\u4f69\u7684\u751f\u7269\u5b66\u5bb6\uff0c\u4ed6\u4e00\u76f4\u53d1\u6587\u8d28\u7591971\u7684\u6709\u6548\u6027\uff0c\u8ba9\u793e\u4f1a\u5927\u4f17\u5bf9\u8fd9\u4e2a\u836f\u5f15\u8d77\u5173\u6ce8\u3002\u6211\u4eec\u4ece\u5c0f\u7684\u6559\u80b2\u90fd\u662f\u6559\u80b2\u6211\u4eec\u8981\u987a\u4ece\uff0c\u5f88\u5c11\u63d0\u53cd\u5bf9\u610f\u89c1\u3002\u5bf9\u4e8e\u516c\u4f17\u8bae\u9898\uff0c\u6211\u4eec\u603b\u662f\u9ed8\u4e0d\u4f5c\u58f0\uff0c\u4f46\u662f\u771f\u7406\u5e94\u8be5\u662f\u8d8a\u8fa9\u8d8a\u660e\u7684\u3002\u53e6\u5916\uff0c\u501f\u7528\u65bd\u4e00\u516c\u8001\u5e08\u5bf9\u9976\u6bc5\u8001\u5e08\u7684\u8bc4\u4ef7\uff1a\u9976\u6bc5\uff0c\u5fe7\u56fd\u5fe7\u6c11\u7684\u79d1\u5b66\u5927\u5bb6\uff0c\u5149\u660e\u78ca\u843d\u7684\u6b63\u4eba\u541b\u5b50\uff0c\u7280\u5229\u803f\u76f4\u7684\u73b0\u4ee3\u9c81\u8fc5\uff0c\u6211\u884c\u6211\u7d20\u7684\u534a\u8001\u987d\u7ae5\u3002\u65e0\u8bba\u4f60\u662f\u5426\u559c\u6b22\u4ed6\uff0c\u9976\u6bc5\u5728\u7528\u81ea\u5df1\u7684\u65b9\u5f0f\u542f\u8499\u4e2d\u56fd\u793e\u4f1a\u3001\u4e5f\u6ce8\u5b9a\u7559\u4e0b\u91cd\u8981\u5f71\u54cd\u3002(\u9976\u6bc5\u5176\u4eba\u5176\u4e8b)
"},{"location":"issue-87/#_2","title":"\u751f\u4fe1\u7814\u7a76","text":"1\u3001ESHG | \u82f1\u56fd\u201c10\u4e07\u4eba\u57fa\u56e0\u7ec4\u8ba1\u5212\u201d\u8f6c\u5f55\u7ec4\u6570\u636e\uff0c\u63ed\u793aRNA-seq\u5bf9\u7f55\u89c1\u75be\u75c5\u7684\u8bca\u65ad\u6f5c\u529b
\u57282023\u5e74\u6b27\u6d32\u4eba\u7c7b\u9057\u4f20\u5b66\u4f1a\u8bae\uff08ESHG\uff09\u5e74\u4f1a\u4e0a\u5c55\u793a\u4e86\u82f1\u56fd\u201c\u5341\u4e07\u4eba\u57fa\u56e0\u7ec4\u8ba1\u5212\u201d\uff08UK100K\uff09\u4e2d\u4e00\u4e2a\u5927\u578b\u60a3\u8005\u961f\u5217\u7684\u8f6c\u5f55\u7ec4\u6570\u636e\u3002\u7814\u7a76\u56e2\u961f\u5206\u6790\u4e86\u53bb\u9664\u73e0\u86cb\u767dRNA\u548c\u6838\u7cd6\u4f53RNA\u7684\u8840\u6db2\u6837\u672c\uff0c\u5e76\u4f7f\u7528Illumina 100bp\u53cc\u7aef\u6d4b\u5e8f\u6280\u672f\u5bf9\u5176\u8fdb\u884cRNA\u6d4b\u5e8f\uff0c\u4ece\u57fa\u56e0\u8868\u8fbe\u548c\u526a\u63a5\u89d2\u5ea6\u63ed\u793a\u4e86RNA-seq\u5728\u6539\u5584\u7f55\u89c1\u75be\u75c5\u8bca\u65ad\u65b9\u9762\u7684\u6f5c\u529b\u3002
2\u3001Science | \u7a7a\u95f4\u7ffb\u8bd1\u7ec4\u6d4b\u5e8f\u6280\u672fRIBOmap
RIBOmap\u7684\u5efa\u7acb\u57fa\u4e8e\u4e00\u79cd\u4e09\u5143\u63a2\u9488\u7b56\u7565\uff0c\u5305\u62ec\uff1a(i) splint \u63a2\u9488\u6742\u4ea4\u7ed3\u5408\u5230\u6838\u7cd6\u4f53rRNA\uff0c\u5e76\u4e14\u4f5c\u4e3asplint\u73af\u5316\u4e34\u8fd1\u7684\u9501\u5f0f\u63a2\u9488\uff1b(ii) \u9501\u5f0f\u63a2\u9488\u9776\u5411\u7279\u5b9a\u57fa\u56e0\u5e76\u4e14\u542b\u6709\u57fa\u56e0\u7279\u5f02\u6761\u5f62\u7801\uff1b(iii) \u5f15\u7269\u63a2\u9488\u4f5c\u4e3a\u6eda\u8f6e\u590d\u5236\u7684\u5f15\u7269\u3002\u53ea\u6709\u4e0esplint \u63a2\u9488\u4e34\u8fd1\u7684\u9501\u5f0f\u63a2\u9488\u624d\u80fd\u88ab\u73af\u5316\u5e76\u751f\u6210DNA\u6269\u589e\u5b50\uff0c\u5b9e\u73b0\u5bf9\u4e8e\u6838\u7cd6\u4f53\u7ed3\u5408mRNA\u7684\u9009\u62e9\u6027\u68c0\u6d4b\u3002\u7814\u7a76\u4eba\u5458\u5229\u7528\u975e\u7f16\u7801RNA\uff0cRNA\u7ffb\u8bd1\u6291\u5236\u5242\u548c\u4f53\u5916\u8f6c\u5f55RNA\u7b49\u5b9e\u9a8c\u9a8c\u8bc1\u4e86RIBOmap\u7279\u5f02\u6027\u68c0\u6d4b\u6838\u7cd6\u4f53\u7ed3\u5408mRNA\u3002
3\u3001PNAS | \u9ebb\u7701\u7406\u5de5\u56e2\u961f\u5f00\u53d1\u7c7bChatGPT\u6a21\u578b\uff0c\u57fa\u4e8e\u86cb\u767d\u8d28\u5927\u8bed\u8a00\u6a21\u578b\uff0c\u52a0\u901fAI\u836f\u7269\u53d1\u73b0
2023\u5e746\u67088\u65e5\uff0c\u9ebb\u7701\u7406\u5de5\u5b66\u9662\uff08MIT\uff09\u6559\u6388\u3001\u8ba1\u7b97\u5206\u5b50\u751f\u7269\u5b66\u5148\u9a71 Bonnie Berger \u5728\u300a\u7f8e\u56fd\u56fd\u5bb6\u79d1\u5b66\u9662\u9662\u520a\u300b\uff08PNAS\uff09\u53d1\u8868\u4e86\u9898\u4e3a\uff1aContrastive learning in protein language space predicts interactions between drugs and protein targets \u7684\u7814\u7a76\u8bba\u6587\u3002\u7814\u7a76\u56e2\u961f\u8bbe\u8ba1\u4e86\u4e00\u79cd\u57fa\u4e8e\u5927\u8bed\u8a00\u6a21\u578b\u7684AI\u7b97\u6cd5\u2014\u2014ConPLex\uff0c\u5b83\u53ef\u4ee5\u50cfChatGPT\u90a3\u6837\u5206\u6790\u5927\u91cf\u6587\u672c\u5e76\u627e\u5230\u6700\u53ef\u80fd\u4e00\u8d77\u51fa\u73b0\u7684\u5355\u8bcd\uff08\u5728\u8fd9\u9879\u7814\u7a76\u4e2d\u5219\u662f\u6c28\u57fa\u9178\uff09\uff0c\u4ece\u800c\u5c06\u76ee\u6807\u86cb\u767d\u8d28\u4e0e\u6f5c\u5728\u836f\u7269\u5206\u5b50\u76f8\u5339\u914d\uff0c\u800c\u65e0\u9700\u6267\u884c\u8ba1\u7b97\u5206\u5b50\u7ed3\u6784\u7684\u5bc6\u96c6\u8ba1\u7b97\u6b65\u9aa4\u3002ConPLex\u53ef\u4ee5\u5229\u7528\u9884\u5148\u8bad\u7ec3\u7684\u86cb\u767d\u8d28\u8bed\u8a00\u6a21\u578b\uff08PLex\uff09\uff0c\u5e76\u91c7\u7528\u86cb\u767d\u8d28\u951a\u5b9a\u7684\u5bf9\u6bd4\u5171\u5d4c\u5165\uff08Con\uff09\uff0c\u8d85\u8d8a\u76ee\u524d\u6700\u5148\u8fdb\u7684\u7b97\u6cd5\uff0c\u5b9e\u73b0\u901a\u8fc7\u86cb\u767d\u8d28\u8bed\u8a00\u7a7a\u95f4\u7684\u5bf9\u6bd4\u5b66\u4e60\u6765\u9884\u6d4b\u836f\u7269\u548c\u76ee\u6807\u86cb\u767d\u8d28\u4e4b\u95f4\u7684\u76f8\u4e92\u4f5c\u7528\u3002
4\u3001PNAS | \u673a\u5668\u5b66\u4e60\u7b56\u7565\u89e3\u6790\u8461\u8404\u98ce\u5473\u7684\u53e4\u5f80\u4eca\u6765
\u5317\u4eac\u65f6\u95f46\u67086\u65e5\uff0c\u300a\u7f8e\u56fd\u56fd\u5bb6\u79d1\u5b66\u9662\u9662\u520a\u300b\uff08Proceedings of the National Academy of Sciences, PNAS\uff09\u5728\u7ebf\u53d1\u8868\u4e86\u57fa\u56e0\u7ec4\u6240\u5468\u6c38\u950b\u8bfe\u9898\u7ec4\u5728\u8461\u8404\u7fa4\u4f53\u9057\u4f20\u5b66\u4e0e\u80b2\u79cd\u9886\u57df\u7684\u6700\u65b0\u7814\u7a76\u6210\u679c\u201cAdaptive and maladaptive introgression in grapevine domestication\u201d(\u8461\u8404\u9a6f\u5316\u8fc7\u7a0b\u4e2d\u9002\u5e94\u4e0e\u4e0d\u9002\u5e94\u7684\u57fa\u56e0\u6e10\u6e17)\u3002\u8be5\u7814\u7a76\u9996\u6b21\u5229\u7528\u673a\u5668\u5b66\u4e60\u624b\u6bb5\uff0c\u7ed3\u5408\u6eaf\u7956\u6a21\u62df\u3001\u6b63\u5411\u6a21\u62df\u548c\u8fdb\u5316\u4fdd\u5b88\u6027\u7b49\u7fa4\u4f53\u9057\u4f20\u5b66\u65b9\u6cd5\u63ed\u793a\u4e86\u8461\u8404\u98ce\u5473\u7684\u5f62\u6210\u673a\u5236\uff0c\u89e3\u6790\u4e86\u9a6f\u5316\u5bf9\u8461\u8404\u57fa\u56e0\u7ec4\u7684\u5f71\u54cd\uff0c\u8fdb\u4e00\u6b65\u9610\u660e\u4e86\u8461\u8404\u7684\u9a6f\u5316\u5386\u53f2\u3002\u8be5\u7814\u7a76\u6709\u52a9\u4e8e\u8461\u8404\u91ce\u751f\u8d44\u6e90\u7684\u5229\u7528\uff0c\u4e3a\u4e0b\u4e00\u6b65\u8461\u8404\u57f9\u80b2\u63d0\u4f9b\u7406\u8bba\u652f\u6301\u3002
5\u3001\u4e00\u6587\u4e86\u89e3\u6700\u5927\u4f3c\u7136\u4f30\u8ba1
Rob Taylor \u535a\u58eb\u5199\u7684\u4e24\u7bc7\u535a\u6587\uff0c\u8be6\u7ec6\u4ecb\u7ecd\u4e86\u6700\u5927\u4f3c\u7136\u4f30\u8ba1\u3002
6\u3001\u718a\u8bf4\u80bf\u7624\uff5c\u8de8\u8d8a60\u5e74\u7684\u764c\u75c7\u9776\u5411\u6cbb\u7597\u91cc\u7a0b\u7891
ASCO \u5b98\u7f51\u4e13\u95e8\u5efa\u7acb\u4e86\u4e00\u4e2a\u53eb\u505a Cancer Progress Timeline \u7684\u9875\u9762\u3002\u672c\u6587\u6311\u9009\u5176\u4e2d\u9776\u5411\u6cbb\u7597\u76f8\u5173\u5185\u5bb9\u8fdb\u884c\u68b3\u7406\uff0c\u975e\u5e38\u8be6\u7ec6\u3002
7\u3001\u57fa\u56e0\u6d4b\u5e8f20\u5e74\u540e\uff0c\u7ec8\u4e8e\u641e\u6e05\u4e86\u5783\u573eDNA\u662f\u5e72\u5565\u7684
\u4ece1990\u5e74\u52302003\u5e74\uff0c\u4eba\u7c7b\u57fa\u56e0\u7ec4\u7684\u5927\u90e8\u5206\u5df2\u7ecf\u88ab\u6d4b\u5b9a\u3002\u4ee4\u4eba\u60ca\u8bb6\u7684\u662f\uff0c\u4eba\u7c7b\u7684\u57fa\u56e0\u5e76\u4e0d\u662f\u4e00\u4e2a\u5b8c\u6574\u7684\u4fe1\u606f\u94fe\uff0c\u800c\u662f\u88ab\u8bb8\u591a\u4e0d\u80fd\u7f16\u7801\u9057\u4f20\u4fe1\u606f\u7684\u4e32\u884c\u6240\u5207\u5272\u3002\u8fd9\u4e9b\u4e0d\u80fd\u7f16\u7801\u7684DNA\u88ab\u79f0\u4e3a\u201c\u5783\u573e\u201d\u3002\u4f46\u4e3a\u4ec0\u4e48\u5927\u81ea\u7136\u4f1a\u5728\u4eba\u7c7b\u57fa\u56e0\u4e2d\u653e\u7f6e\u8fd9\u4e48\u591a\u7684\u201c\u5783\u573e\u201d\u5462\uff1f\u7ecf\u8fc7\u4e8c\u5341\u5e74\u7684\u7814\u7a76\uff0c\u79d1\u5b66\u5bb6\u4eec\u53d1\u73b0\u8fd9\u4e9b\u88ab\u79f0\u4e3a\u201c\u5783\u573e\u201d\u7684DNA\u5176\u5b9e\u6709\u5176\u7279\u5b9a\u7684\u529f\u80fd\uff0c\u5176\u4e2d\u4e00\u4e2a\u975e\u5e38\u91cd\u8981\u7684\u7c7b\u522b\u5c31\u662f\u201c\u5185\u542b\u5b50\u201d\u3002\u5185\u542b\u5b50\u5728\u7ec6\u80de\u4e2d\u6709\u591a\u79cd\u529f\u80fd\uff0c\u5982\u7ef4\u6301\u57fa\u56e0\u7684\u7a33\u5b9a\u6027\u3001\u53c2\u4e0e\u57fa\u56e0\u7684\u8868\u8fbe\u548c\u8c03\u63a7\u7b49\u3002\u6b64\u5916\uff0c\u5185\u542b\u5b50\u8fd8\u4e0e\u751f\u7269\u7684\u6f14\u5316\u6709\u5173\u3002
8\u3001\u751f\u4fe1\u8f6f\u4ef6\u516c\u53f8\u5982\u4f55\u53d1\u5c55\uff1f
\u5728JPM23\u5927\u4f1a\u4e0a\uff0c\u745e\u5178\u79c1\u52df\u80a1\u6743\u57fa\u91d1Summa Equity\u6536\u8d2d\u4e86\u4e09\u5bb6\u751f\u4fe1\u8f6f\u4ef6\u516c\u53f8\uff1aPierian\u3001Seven Bridges \u548c UgenTec\uff0c\u5c06\u5176\u96c6\u6210\u6210\u4e86\u65b0\u516c\u53f8Velsera\u3002\u8be5\u6587\u8be6\u7ec6\u7684\u4ecb\u7ecd\u4e86\u88ab\u6536\u8d2d\u7684\u4e09\u5bb6\u751f\u4fe1\u8f6f\u4ef6\u516c\u53f8\u7684\u7814\u7a76\u9886\u57df\uff0c\u5e76\u5bf9\u672a\u6765Velsera\u7684\u7814\u7a76\u65b9\u5411\u548c\u524d\u666f\u8fdb\u884c\u4e86\u5c55\u671b\u3002
"},{"location":"issue-87/#_4","title":"\u5de5\u5177","text":"9\u3001snakePipes | \u7b80\u5316NGS\u6570\u636e\u5206\u6790\u7684\u5de5\u4f5c\u6d41\u7a0b\u5de5\u5177
\u57fa\u4e8esnakemake\u548cpython\u7684\u53ef\u5b9a\u5236\u5de5\u4f5c\u6d41\u7a0b\uff0c\u7528\u4e8e\u5206\u6790NGS\u6570\u636e\u3002
10\u3001R\u5305 infer
\u8fd9\u4e2a\u8f6f\u4ef6\u5305\u7684\u76ee\u6807\u662f\u4f7f\u7528\u4e00\u4e2a\u4e0e\u8bbe\u8ba1\u6846\u67b6\u4e00\u81f4\u7684\u8868\u8fbe\u6027\u7edf\u8ba1\u8bed\u6cd5\u6765\u8fdb\u884c\u7edf\u8ba1\u63a8\u65ad\u3002
11\u3001R\u5305 datawizard
datawizard\u662f\u4e00\u4e2a\u8f7b\u91cf\u7ea7\u7684\u8f6f\u4ef6\u5305\uff0c\u53ef\u4ee5\u8f7b\u677e\u5730\u64cd\u4f5c\u3001\u6e05\u6d17\u3001\u8f6c\u6362\u548c\u51c6\u5907\u6570\u636e\u8fdb\u884c\u5206\u6790\u3002\u5b83\u662feasystats\u751f\u6001\u7cfb\u7edf\u7684\u4e00\u90e8\u5206\uff0c\u8fd9\u662f\u4e00\u5957\u7528\u4e8e\u5904\u7406\u6574\u4e2a\u7edf\u8ba1\u5206\u6790\u8fc7\u7a0b\u7684R\u8f6f\u4ef6\u5305\uff0c\u4ece\u6570\u636e\u6e05\u6d17\u5230\u7ed3\u679c\u62a5\u544a\u3002
"},{"location":"issue-87/#_5","title":"\u8d44\u6e90","text":"12\u3001\u5728\u5fae\u8f6fAzure\u670d\u52a1\u5668\u4e0a\u90e8\u7f72Shiny Server\u6559\u7a0b
\u672c\u6587\u8be6\u7ec6\u4ecb\u7ecd\u5982\u4f55\u5728 Azure \u4e0a\u90e8\u7f72Shiny \u670d\u52a1\u5668\u3002
13\u3001AI\u86cb\u767d\u8d28\u8bbe\u8ba1\u7684\u8fdb\u5316\uff5cDavid Baker\u8fd1\u4e24\u5e74\u534a\u53d1\u886819\u7bc7CNS\u4e3b\u520a\u6587\u7ae0
David Baker\u662fAI\u86cb\u767d\u8d28\u8bbe\u8ba1\u9886\u57df\u7684\u5168\u7403\u6700\u9876\u5c16\u79d1\u5b66\u5bb6\u4e4b\u4e00\u3002\u672c\u6587\u6574\u7406\u4e86David Baker\u56e2\u961f\u81ea2021\u5e74\u81f3\u4eca\u53d1\u8868\u768419\u7bc7Cell/Science/Nature\u4e3b\u520a\u6587\u7ae0\u7684\u7b80\u8981\u5185\u5bb9\u3002
14\u3001\u751f\u7269\u4fe1\u606f\u5b66\u76f8\u5173\u7684\u7f51\u7ad9\u5de5\u5177\u8d44\u6e90
\u672c\u6587\u4ecb\u7ecd\u4e86\u5341\u51e0\u4e2a\u4e0e\u751f\u7269\u4fe1\u606f\u5b66\u76f8\u5173\u7684\u7f51\u7ad9\u3002
15\u3001The ReScience Journal
ReScience \u662f\u4e00\u4efd\u5f00\u653e\u83b7\u53d6\u540c\u884c\u8bc4\u5ba1\u671f\u520a\uff0c\u4ee5\u8ba1\u7b97\u7814\u7a76\u4e3a\u76ee\u6807\uff0c\u9f13\u52b1\u660e\u786e\u590d\u5236\u5df2\u53d1\u8868\u7684\u7814\u7a76\uff0c\u4fc3\u8fdb\u65b0\u7684\u5f00\u6e90\u5b9e\u73b0\uff0c\u4ee5\u786e\u4fdd\u539f\u59cb\u7814\u7a76\u7684\u53ef\u91cd\u590d\u6027\u3002\u4e3a\u4e86\u5b9e\u73b0\u8fd9\u4e00\u76ee\u6807\uff0c\u6574\u4e2a\u7f16\u8f91\u94fe\u4e0e\u4efb\u4f55\u5176\u4ed6\u4f20\u7edf\u79d1\u5b66\u671f\u520a\u622a\u7136\u4e0d\u540c\u3002 ReScience \u4f4d\u4e8e github \u4e0a\uff0c\u6bcf\u4e2a\u65b0\u7684\u5b9e\u73b0\u90fd\u53ef\u4ee5\u4e0e\u8bc4\u8bba\u3001\u89e3\u91ca\u548c\u6d4b\u8bd5\u4e00\u8d77\u4f7f\u7528\u3002\u6bcf\u6b21\u63d0\u4ea4\u90fd\u91c7\u7528\u62c9\u53d6\u8bf7\u6c42\u7684\u5f62\u5f0f\uff0c\u5e76\u7ecf\u8fc7\u516c\u5f00\u5ba1\u67e5\u548c\u6d4b\u8bd5\uff0c\u4ee5\u4fdd\u8bc1\u4efb\u4f55\u7814\u7a76\u4eba\u5458\u90fd\u53ef\u4ee5\u91cd\u590d\u4f7f\u7528\u5b83\u3002
"},{"location":"issue-87/#_6","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09@kongjianyang\uff08\u7a7a\u95f4\u9633\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-88/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 88 \u671f\uff09\uff1aVim\u4e4b\u7236\u56e0\u75c5\u79bb\u4e16\uff0c\u4e00\u751f\u5199\u4e0bVim\u4f20\u5947","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\uff08\u8bed\u96c0\uff09\u300d | \u300c\u751f\u4fe1\u8ba8\u8bba\u533a\uff08Gitter\uff09\u300d
"},{"location":"issue-88/#_1","title":"\u5c01\u9762\u56fe","text":"8\u67083\u65e5\uff0c\u300cVim\u4e4b\u7236\u300dBram Moolenaar\u56e0\u75c5\u79bb\u5f00\u4e86\u6240\u6709\u4eba\uff0c\u5e74\u4ec562\u5c81\uff0c\u5f00\u53d1\u8005\u793e\u533a\u7684\u4eba\u4eec\u7eb7\u7eb7\u7f05\u6000\u60bc\u5ff5\u3002\u5728Bram\u7684\u4e00\u751f\u4e2d\uff0c\u4ed6\u5c06\u8fd1\u534a\u7684\u65f6\u95f4\u5168\u90e8\u5949\u732e\u7ed9\u4e86Vim\uff0c\u4e3a\u5f00\u6e90\u793e\u533a\u505a\u51fa\u4e86\u5de8\u5927\u7684\u8d21\u732e\u3002\u4e0e\u6b64\u540c\u65f6\uff0c\u4ed6\u8fd8\u662f\u4e00\u4e2a\u6148\u5584\u5bb6\uff0c\u8d44\u52a9\u4e86\u4e4c\u5e72\u8fbe\u513f\u7ae5\u3002
"},{"location":"issue-88/#_2","title":"\u751f\u4fe1\u7814\u7a76","text":"\u54c8\u4f5b\u5927\u5b66\u533b\u5b66\u9662\u7814\u7a76\u4eba\u5458\u5f00\u53d1\u4e86\u4e00\u79cd\u65b0\u5de5\u5177Dictys\uff0c\u5b83\u53ef\u4ee5\u6574\u5408\u5206\u6790\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4(scRNA-seq)\u548c\u67d3\u8272\u8d28\u5f00\u653e\u6027\u6570\u636e(scATAC-seq)\uff0c\u7ed3\u5408\u8f6c\u5f55\u56e0\u5b50\u7ed3\u5408\u8db3\u8ff9\u548c\u8f6c\u5f55\u56e0\u5b50\u8868\u8fbe/\u8c03\u8282\u6d3b\u6027\u5206\u6790\uff0c\u4ece\u5355\u7ec6\u80de\u591a\u7ec4\u5b66\u6570\u636e\u4e2d\u89e3\u6790\u52a8\u6001\u57fa\u56e0\u8c03\u63a7\u7f51\u7edc\u3002\u8be5\u5de5\u5177\u5728\u4eba\u9020\u8840\u7cfb\u7edf\u7b49\u65b9\u9762\u5b9e\u73b0\u4e86\u53d1\u80b2\u8fde\u7eed\u8fc7\u7a0b\u57fa\u56e0\u8c03\u63a7\u7f51\u7edc\u7684\u52a8\u6001\u5206\u6790\uff0c\u5e76\u63d0\u9ad8\u4e86\u65f6\u95f4/\u7ec6\u80de\u72b6\u6001\u5206\u8fa8\u7387\u4ee5\u53cafeedback loop\u5206\u6790\u7b49\u80fd\u529b\u3002
\u5de5\u5177\u94fe\u63a5\uff1ahttps://github.com/pinellolab/dictys
\u8bba\u6587\u94fe\u63a5\uff1ahttps://www.nature.com/articles/s41592-023-01971-3
JAMA Oncol | \u57fa\u4e8e31\u57fa\u56e0\u7684AI\u6a21\u578b\u5b9e\u73b0\u5bf9\u7ed3\u76f4\u80a0\u764c-\u809d\u8f6c\u79fb\u7684\u7cbe\u51c6\u5206\u578b
\u7ed3\u76f4\u80a0\u764c\uff08CRC\uff09\u7684\u4e00\u4e2a\u4e3b\u8981\u8f6c\u79fb\u90e8\u4f4d\u662f\u809d\u810f\uff0c\u5927\u7ea625%\u7684CRC\u60a3\u8005\u6700\u7ec8\u4f1a\u53d1\u751f\u809d\u8f6c\u79fb\uff0c\u8fd9\u90e8\u5206\u60a3\u8005\u5f80\u5f80\u751f\u5b58\u7387\u8f83\u5dee\u3002\u6765\u81ea\u7f8e\u56fd\u829d\u52a0\u54e5\u5927\u5b66\u533b\u5b66\u9662\u7684\u7814\u7a76\u56e2\u961f\u53ca\u5408\u4f5c\u8005\u9996\u6b21\u5bf9\u4e00\u4e2a\u65b0\u578b\u768431\u57fa\u56e0\u795e\u7ecf\u7f51\u7edc\u5206\u7c7b\u5668\u8fdb\u884c\u4e86\u4e34\u5e8a\u9a8c\u8bc1\uff0c\u5176\u53ef\u4ee5\u51c6\u786e\u9884\u6d4bCRC\u809d\u8f6c\u79fb\u5206\u5b50\u4e9a\u578b\u3002\u8be5\u795e\u7ecf\u7f51\u7edc\u5206\u7c7b\u5668\u662f\u57fa\u4e8e\u5207\u9664\u7684\u8f6c\u79fb\u7624\u7684mRNA\u548cmiRNA\u7684\u8868\u8fbe\u8c31\u8bad\u7ec3\uff0c\u5e76\u4ee596%\u7684\u51c6\u786e\u5ea6\u9884\u6d4b\u4e86CRC\u7684\u5206\u5b50\u4e9a\u578b\uff08\u5178\u578b\u3001\u514d\u75ab\u6216\u57fa\u8d28\u4e9a\u578b\uff09\u3002\u8fd9\u7bc7\u6587\u7ae0\u4e5f\u4e3a\u8f6c\u79fb\u5206\u671f\u548c\u5206\u7c7b\u63d0\u4f9b\u4e86\u4e00\u4e2a\u65b0\u6846\u67b6\u3002
\u6587\u7ae0\u94fe\u63a5\uff1ahttps://jamanetwork.com/journals/jamaoncology/article-abstract/2807472
\u540c\u65e59\u7bc7\uff01\u4eba\u7c7b\u751f\u7269\u5206\u5b50\u56fe\u8c31\u8ba1\u5212\uff08HuBMAP\uff09\u91cc\u7a0b\u7891\u767bNature\u5c01\u9762\uff0c\u80a0\u9053\u3001\u80be\u810f\u548c\u80ce\u76d8\u7a7a\u95f4\u5206\u8fa8\u7ec6\u80de\u56fe\u8c31\u53d1\u5e03
\u4eba\u7c7b\u751f\u7269\u5206\u5b50\u56fe\u8c31\u8ba1\u5212\uff08HuBMAP\uff09\u662f\u7f8e\u56fd\u56fd\u7acb\u536b\u751f\u7814\u7a76\u9662\u4e8e2018\u5e74\u53d1\u8d77\u7684\u4e00\u4e2a\u9879\u76ee\uff0c\u65e8\u5728\u5229\u7528\u5355\u7ec6\u80de\u6280\u672f\uff0c\u5efa\u7acb\u4e00\u4e2a\u6db5\u76d6\u4eba\u4f53\u5668\u5b98\u4e2d\u5404\u79cd\u751f\u7269\u5206\u5b50\uff08\u5982\u8f6c\u5f55\u3001\u86cb\u767d\u8d28\u548c\u4ee3\u8c22\u7269\uff09\u7684\u7a7a\u95f4\u5206\u5e03\u7684\u7efc\u5408\u56fe\u8c31\u3002\u8fd1\u65e5\uff0cHuBMAP\u53d1\u8868\u4e86\u6700\u65b0\u7814\u7a76\u6210\u679c\uff0c\u62a5\u9053\u4e86\u4eba\u7c7b\u80a0\u9053\u3001\u80be\u810f\u548c\u80ce\u76d8\u7a7a\u95f4\u5206\u8fa8\u7ec6\u80de\u56fe\u8c31\u3002
\u8bba\u6587\u94fe\u63a5\uff1ahttps://www.nature.com/immersive/d42859-023-00019-y/index.html
Nature | \u57fa\u4e8e\u8d851\u4e07\u4f8b\u764c\u75c7\u6837\u672c\u5206\u6790\uff0c\u63ed\u793a\u67d3\u8272\u4f53\u975e\u6574\u500d\u4f53\u5982\u4f55\u9a71\u52a8\u764c\u75c7\u8fdb\u5c55
\u7814\u7a76\u56e2\u961f\u5f00\u53d1\u4e86\u4e00\u79cd\u540d\u4e3aBISCUT\uff08Breakpoint identification of significant cancer undiscovered targets\uff09\u7684\u7b97\u6cd5\uff0c\u901a\u8fc7\u7814\u7a76\u7aef\u7c92\u6216\u7740\u4e1d\u7c92\u8fb9\u754c\u62f7\u8d1d\u6570\u4e8b\u4ef6\u7684\u957f\u5ea6\u5206\u5e03\u4ee5\u786e\u5b9a\u53d7\u9002\u5e94\u5ea6\u4f18\u52bf\u6216\u52a3\u52bf\u5f71\u54cd\u7684\u57fa\u56e0\u4f4d\u70b9\u3002\u7814\u7a76\u4eba\u5458\u5c06BISCUT\u5e94\u7528\u4e8e\u764c\u75c7\u57fa\u56e0\u7ec4\u56fe\u8c31\uff08TCGA\uff09\u4e2d\u7684\u8d8510,000\u4f8b\u80bf\u7624\uff0c\u7cfb\u7edf\u5730\u91cf\u5316\u4e86\u9009\u62e9\u548c\u673a\u68b0\u504f\u5dee\u5728\u9a71\u52a8\u975e\u6574\u500d\u4f53\u65b9\u9762\u7684\u4f5c\u7528\uff0c\u5bf9\u764c\u75c7\u5185\u548c\u764c\u75c7\u95f4\u67d3\u8272\u4f53\u81c2\u975e\u6574\u500d\u4f53\u6a21\u5f0f\u7684\u5f71\u54cd\uff0c\u5e76\u53d1\u73b0arm-SCNA\u7684\u901f\u7387\u4e0e\u5176\u5bf9\u7ec6\u80de\u9002\u5e94\u5ea6\u7684\u5f71\u54cd\u9ad8\u5ea6\u76f8\u5173\u3002
\u503c\u5f97\u6ce8\u610f\u7684\u662f\uff0c\u7814\u7a76\u56e2\u961f\u5bf9 Arm \u6c34\u5e73\u7684\u62f7\u8d1d\u6570\u53d8\u5f02\u8fdb\u884c\u4e86\u7ec6\u5206\uff0c\u9664\u4e86\u8986\u76d6\u6574\u4e2a Arm \u7684\u53d8\u5f02\uff0c\u8fd8\u5305\u62ec\uff1a\u4ece\u7aef\u7c92\u6216\u7740\u4e1d\u7c92\u5f00\u59cb\u7684SCNA\u65ad\u70b9\u4f4d\u7f6e\uff08\u5206\u522b\u88ab\u79f0\u4e3atel-SCNA\u548ccent -SCNA\uff0c\u7edf\u79f0partial-SCNA\uff09\u3002
\u53e6\u5916\uff0c\u8be5\u8bba\u6587\u901a\u8baf\u4f5c\u8005\u4e4b\u524d\u662f\u8457\u540d\u62f7\u8d1d\u6570\u5206\u6790\u8f6f\u4ef6 GISTIC2 \u6587\u7ae0\u7684\u5171\u540c\u901a\u8baf\u3002
\u672c\u63a8\u6587\u4ecb\u7ecd\u4e86\u751f\u7269\u4fe1\u606f\u4e66\u7c4dBiostar Handbook\u4e2d\u751f\u7269\u4fe1\u606f\u5b66\u7684\u56db\u6761\u201d\u89c4\u5219\u201c\uff0c\u5e76\u8fdb\u884c\u4e86\u89e3\u8bfb\u3002
\u4e00\u7bc7\u4ee5\u56fe\u7247\u5f62\u5f0f\u603b\u7ed3\u4e86\u5e38\u89c1\u7684\u673a\u5668\u5b66\u4e60\u7b97\u6cd5\u7684\u6587\u7ae0\uff0c\u5199\u7684\u7565\u663e\u7c97\u7cd9\uff0c\u53ef\u4ee5\u7ffb\u7ffb\u3002
\u672c\u6587\u4ecb\u7ecd\u4e86\u7531Takara\u63a8\u51fa\u7684\u8fd9\u5957\u5355\u7ec6\u80de\u6d4b\u5e8f\u8bd5\u5242\u76d2SSmRNA + UMIs\uff0c\u5176\u5177\u6709\u4ee5\u4e0b\u4f18\u52bf\u7279\u70b9\uff1a - \u83b7\u5f97\u5168\u957f\u8f6c\u5f55\u7ec4\u4fe1\u606f - \u6dfb\u52a0UMI\u6821\u6b63 - \u514d\u8d39\u7684\u6570\u636e\u5206\u6790\u6d41\u7a0b
Jupyter AI\u4e3aJupyter\u7b14\u8bb0\u672c\u5e26\u6765\u4e86\u751f\u6210\u5f0f\u4eba\u5de5\u667a\u80fd\uff0c\u4f7f\u7528\u6237\u80fd\u591f\u89e3\u91ca\u548c\u751f\u6210\u4ee3\u7801\uff0c\u4fee\u590d\u9519\u8bef\uff0c\u603b\u7ed3\u5185\u5bb9\uff0c\u8be2\u95ee\u6709\u5173\u672c\u5730\u6587\u4ef6\u7684\u95ee\u9898\uff0c\u5e76\u4ece\u81ea\u7136\u8bed\u8a00\u63d0\u793a\u751f\u6210\u6574\u4e2a\u7b14\u8bb0\u672c\u3002\u4f7f\u7528\u5176\u5f3a\u5927\u7684\u9b54\u6cd5\u547d\u4ee4\u548c\u804a\u5929\u754c\u9762\uff0cJupyter AI\u5c06Jupyter\u4e0e\u6765\u81eaAI21, Anthropic, AWS, Cohere\u548cOpenAI\u7b49\u63d0\u4f9b\u5546\u7684\u5927\u578b\u8bed\u8a00\u6a21\u578b(LLM)\u8fde\u63a5\u8d77\u6765\u3002\u6211\u4eec\u4f7f\u7528LangChain\u6765\u652f\u6301\u6240\u6709\u6d41\u884c\u7684llm\u548c\u63d0\u4f9b\u5546\uff0c\u8ba9\u60a8\u5728\u65b0\u6a21\u578b\u53d1\u5e03\u65f6\u8bbf\u95ee\u5b83\u4eec\u3002LangChain\u4e5f\u4f1a\u8ba9Jupyter AI\u4f7f\u7528\u672c\u5730\u6a21\u578b\u3002\u7528\u4e8eJupyterLab 3\u7684Jupyter AI\u7248\u672c1.0\u548c\u7528\u4e8eJupyterLab 4\u7684Jupyter AI 2.0\u73b0\u5728\u90fd\u662f\u514d\u8d39\u7684\u5f00\u6e90\u8f6f\u4ef6\u3002
\u6211\u53ea\u80fd\u8bf4\u5f88\u5f3a\u5927\uff0c\u5b89\u88c5\u548c\u4f7f\u7528\u90fd\u514d\u8d39\u3002\u559c\u6b22\u7528 Jupyter \u7684\u4f19\u4f34\u8d76\u7d27\u8bd5\u8bd5\uff0c\u5411\u5927\u5bb6\u5206\u4eab\u4f7f\u7528\u4f53\u9a8c\u3002
\u8bb8\u591a\u590d\u6742\u7684\u56fe\u8868\u5b9e\u9645\u4e0a\u662f\u7531\u590d\u5408\u56fe\u8868\u7ec4\u6210\u7684\u3002\u6211\u4eec\u53ef\u4ee5\u4f7f\u7528\u2019ggplot2\u2019\u751f\u6210\u5b50\u56fe\uff0c\u7136\u540e\u4f7f\u7528\u2019aplot\u2019\u5c06\u5b83\u4eec\u7ec4\u5408\u8d77\u6765\u521b\u5efa\u590d\u5408\u56fe\u8868\u3002\u901a\u8fc7\u5728\u6700\u7ec8\u56fe\u8868\u4e2d\u6dfb\u52a0\u3001\u5220\u9664\u6216\u4fee\u6539\u5b50\u56fe\uff0c\u5f88\u5bb9\u6613\u81ea\u5b9a\u4e49\u8fd9\u4e9b\u590d\u6742\u7684\u56fe\u8868\u3002\u8fd9\u4e2a\u8f6f\u4ef6\u5305\u63d0\u4f9b\u4e86\u4e00\u5957\u5b9e\u7528\u5de5\u5177\uff0c\u5e2e\u52a9\u7528\u6237\u521b\u5efa\u5b50\u56fe\u548c\u590d\u6742\u56fe\u8868\u3002
\u5de5\u5177\u94fe\u63a5\uff1ahttps://github.com/YuLab-SMU/aplotExtra
kitty: \u8de8\u5e73\u53f0GPU\u7ec8\u7aef
Kitty\u662f\u4e00\u4e2a\u57fa\u4e8eGPU\u7684\u8de8\u5e73\u53f0\u7ec8\u7aef\uff0c\u5176\u901f\u5ea6\u5feb\uff0c\u5185\u7f6e\u4e86\u4e30\u5bcc\u7684\u529f\u80fd\u3002\u5b83\u7684\u914d\u7f6e\u662f\u4e00\u4e2a\u7b80\u5355\u7684\u3001\u53ef\u7531\u4eba\u7f16\u8f91\u7684\u5355\u4e2a\u6587\u4ef6\uff0c\u4ee5\u4fbf\u6613\u4e8e\u590d\u5236\u3002\u5b83\u4e0d\u4f9d\u8d56\u4e8e\u4efb\u4f55\u5e9e\u5927\u800c\u590d\u6742\u7684\u7528\u6237\u754c\u9762\u5de5\u5177\u5305\uff0c\u4ec5\u4f7f\u7528OpenGL\u8fdb\u884c\u6e32\u67d3\u3002\u6700\u540e\uff0c\u5b83\u7684\u8bbe\u8ba1\u76ee\u6807\u4e4b\u4e00\u662f\u6613\u4e8e\u6269\u5c55\uff0c\u4ee5\u4fbf\u672a\u6765\u53ef\u4ee5\u76f8\u5bf9\u8f7b\u677e\u5730\u6dfb\u52a0\u65b0\u529f\u80fd\u3002
\u5de5\u5177\u94fe\u63a5\uff1ahttps://github.com/kovidgoyal/kitty
ThemePark | \u4e00\u6b3e\u6709\u610f\u601d\u7684\u6d41\u884c\u5143\u7d20\u914d\u8272\u65b9\u6848R\u5305
ThemePark\u662f\u4e00\u4e2a\u63d0\u4f9b\u5f53\u4e0b\u70ed\u95e8\u7535\u5f71\u3001\u6e38\u620f\u548c\u7535\u89c6\u5267\u7b49\u914d\u8272\u65b9\u6848\u7684R\u5305\uff0c\u8fd9\u4e9b\u65b9\u6848\u5305\u542b\u6743\u529b\u6e38\u620f\u3001\u661f\u7403\u5927\u6218\u548c\u585e\u5c14\u8fbe\u7b49\u3002
\u5de5\u5177\u94fe\u63a5\uff1ahttps://github.com/MatthewBJane/theme_park/?anything
webR4Shiny
webR4Shiny\u53ef\u4ee5\u5728\u7528\u6237\u7684Shiny\u5305\u9879\u76ee\u4e2d\u8bbe\u7f6e\u4e0ewebR\u517c\u5bb9\u7684\u57fa\u7840\u8bbe\u65bd\u3002\u8be5\u5305\u57fa\u4e8eGeorge Stagg\u5173\u4e8e{webR}\u7684\u5de5\u4f5c\uff0c\u7279\u522b\u662f\u7528\u4e8e\u5728Netlify\u4e0a\u90e8\u7f72Shiny\u5e94\u7528\u7a0b\u5e8f\u7684\u8fd9\u4e2a\u5b58\u50a8\u5e93\u3002
Makefile\u662f\u4e00\u4e2a\u6587\u672c\u6587\u4ef6\uff0c\u5b83\u544a\u8bc9Make\u5de5\u5177\u5982\u4f55\u7f16\u8bd1\u548c\u94fe\u63a5\u4e00\u4e2a\u7531\u591a\u4e2aC\u6216C++\u6e90\u6587\u4ef6\u548c\u5934\u6587\u4ef6\u7ec4\u6210\u7684\u9879\u76ee\u3002\u7f16\u8bd1\u662f\u5c06\u6e90\u4ee3\u7801\u8f6c\u6362\u4e3a\u53ef\u6267\u884c\u6587\u4ef6\u7684\u8fc7\u7a0b\uff0c\u800c\u6784\u5efa\u662f\u5c06\u591a\u4e2a\u6587\u4ef6\u7f16\u8bd1\u6210\u4e00\u4e2a\u5b8c\u6574\u7684\u7a0b\u5e8f\u7684\u8fc7\u7a0b\u3002Make\u662fGNU\u63d0\u4f9b\u7684\u4e00\u4e2a\u6784\u5efa\u5de5\u5177\uff0c\u5b83\u53ef\u4ee5\u6839\u636eMakefile\u4e2d\u7684\u89c4\u5219\u548c\u547d\u4ee4\uff0c\u81ea\u52a8\u6267\u884c\u7f16\u8bd1\u548c\u6784\u5efa\u7684\u4efb\u52a1\uff0c\u4ece\u800c\u8282\u7701\u7a0b\u5e8f\u5458\u7684\u65f6\u95f4\u548c\u7cbe\u529b\u3002\u8981\u4f7f\u7528Make\uff0c\u6211\u4eec\u9700\u8981\u5b66\u4e60\u5982\u4f55\u7f16\u5199Makefile\uff0c\u4ee5\u53ca\u5982\u4f55\u5229\u7528Makefile\u7684\u5404\u79cd\u7279\u6027\u548c\u6280\u5de7\u3002
\u8fd9\u7bc7\u6559\u7a0b\u662f\u4e00\u4e2a\u5f88\u597d\u7684\u5165\u95e8\u8d44\u6e90\uff0c\u5b83\u53ef\u4ee5\u5e2e\u52a9\u4f60\u638c\u63e1Makefile\u7684\u57fa\u672c\u6982\u5ff5\u548c\u7528\u6cd5\uff0c\u5e76\u907f\u514d\u4e00\u4e9b\u5e38\u89c1\u7684\u9677\u9631\u548c\u9519\u8bef\u3002
\u672c\u6587\u5bf9 Python \u7684\u6838\u5fc3\u57fa\u7840\u77e5\u8bc6\u8fdb\u884c\u4e86\u68b3\u7406\u3002
\u8fd9\u7bc7\u6587\u7ae0\u5206\u4eab\u4e86\u6bd4\u8f83\u5e38\u7528\u7684\u514d\u8d39\u7684icon\u8d44\u6e90\uff0c\u65b9\u4fbf\u6587\u7ae0\u7ed8\u5236\u793a\u610f\u56fe\u3002
https://fonts.google.com/icons
\u56fe\u4e66\u4e0b\u8f7d\uff1aStatistics and Machine Learning in Python
\u5728\u672c\u4e66\u4e2d\uff0c\u6211\u4eec\u5c06\u56de\u5230\u6570\u5b66\u9886\u57df\uff0c\u5b66\u4e60\u7edf\u8ba1\u5b66\u4ee5\u53ca\u5982\u4f55\u57fa\u4e8e\u6570\u636e\u96c6\u8ba1\u7b97\u91cd\u8981\u7684\u6570\u503c\u3002\u6211\u4eec\u8fd8\u5c06\u5b66\u4e60\u5982\u4f55\u4f7f\u7528\u5404\u79cdPython\u6a21\u5757\u6765\u83b7\u53d6\u6240\u9700\u7684\u7b54\u6848\uff0c\u5e76\u5b66\u4e60\u5982\u4f55\u6839\u636e\u6240\u5b66\u77e5\u8bc6\u521b\u5efa\u80fd\u591f\u9884\u6d4b\u7ed3\u679c\u7684\u51fd\u6570\u3002
\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09@kongjianyang\uff08\u7a7a\u95f4\u9633\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-89/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 89 \u671f\uff09\uff1a\u89c6\u9891\u5b66\u4e60\u80dc\u8fc7\u8bfb\u4e66\u5417\uff1f","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-89/#_1","title":"\u5c01\u9762\u56fe","text":"\u751f\u7269\u4fe1\u606f\u5b66\u7684 11 \u5927\u673a\u5668\u5b66\u4e60\u7528\u4f8b
"},{"location":"issue-89/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u89c6\u9891\u5b66\u4e60\u80dc\u8fc7\u8bfb\u4e66\u5417\uff1f","text":"@kktjmac \u5728\u77ed\u89c6\u9891\u76db\u884c\u7684\u5e74\u4ee3\uff0c\u901a\u8fc7\u89c6\u9891\u5b66\u4e60\u65b0\u77e5\u8bc6\u3001\u5165\u95e8\u65b0\u9886\u57df\u8d8a\u6765\u8d8a\u666e\u904d\u3002\u89c6\u9891\u5b66\u4e60\u4ece\u4e00\u5b9a\u7a0b\u5ea6\u4e0a\u53ef\u4ee5\u7f29\u77ed\u5b66\u4e60\u5468\u671f\uff0c\u66f4\u76f4\u89c2\u5730\u7406\u89e3\u590d\u6742\u7684\u6982\u5ff5\u548c\u8fc7\u7a0b\uff0c\u4f46\u662f\u8bfb\u4e66\u63d0\u4f9b\u66f4\u6df1\u5165\u7684\u7406\u8bba\u548c\u6982\u5ff5\u89e3\u91ca\uff0c\u4ee5\u53ca\u66f4\u5e7f\u6cdb\u7684\u89c6\u89d2\u548c\u89c2\u70b9\uff0c\u540c\u65f6\u5728\u8bfb\u4e66\u7684\u8fc7\u7a0b\u4e2d\u53ef\u4ee5\u953b\u70bc\u81ea\u5df1\u7684\u72ec\u7acb\u601d\u8003\u80fd\u529b\u548c\u9605\u8bfb\u7406\u89e3\u80fd\u529b\u3002\u56e0\u6b64\u5c06\u4e24\u79cd\u5b66\u4e60\u65b9\u5f0f\u7ed3\u5408\u4f7f\u7528\uff0c\u4ee5\u8fbe\u5230\u66f4\u5168\u9762\u7684\u6548\u679c\u3002
"},{"location":"issue-89/#_3","title":"\u751f\u4fe1\u7814\u7a76","text":"1\u3001Nature | 1000\u591a\u79cd\u80bf\u7624\u7684\u8f6c\u5f55\u5f02\u8d28\u6027\u7279\u5f81
\u8fd1\u671f\u53d1\u8868\u5728Nature\u4e0a\u9762\u7684\u4e00\u7bc7\u6587\u7ae0\uff0c\u901a\u8fc7scRNA-seq\u5206\u6790\u76841000\u591a\u4e2a\u80bf\u7624\uff0c\u5bf9\u80bf\u7624\u5185\u8f6c\u5f55\u5f02\u8d28\u6027\uff08intratumour heterogeneity\uff09\u8fdb\u884c\u4e86\u7cfb\u7edf\u7684\u6cdb\u764c\u75c7\u7279\u5f81\u5206\u6790\u3002\u7814\u7a76\u4eba\u5458\u5728\u6076\u6027\u7ec6\u80de\u4e2d\u786e\u5b9a\u4e8641\u4e2a\u5171\u8bc6\u8f6c\u5f55\u5f02\u8d28\u6027\u5143\u7a0b\u5e8f\uff08meta-programs\uff09\u3002\u6bcf\u4e2a\u5143\u7a0b\u5e8f\u7531\u6570\u5341\u4e2a\u57fa\u56e0\u7ec4\u6210\uff0c\u8fd9\u4e9b\u57fa\u56e0\u5728\u8bb8\u591a\u80bf\u7624\u4e2d\u7684\u7ec6\u80de\u4e9a\u7fa4\u4e2d\u534f\u8c03\u4e0a\u8c03\u3002\u6587\u7ae0\u8fd8\u5c06\u8fd9\u4e9b\u5143\u7a0b\u5e8f\u5206\u6790\u6269\u5c55\u5230\u516d\u79cd\u5e38\u89c1\u975e\u6076\u6027\u7ec6\u80de\u7c7b\u578b\u4e0a,\u4ee5\u63cf\u7ed8\u80bf\u7624\u5fae\u73af\u5883\u4e2d\u7684\u7ec6\u80de\u4e92\u52a8\u3002\u8fd9\u9879\u6cdb\u764c\u75c7\u7814\u7a76\u7cfb\u7edf\u5730\u5b9a\u4e49\u548c\u6ce8\u91ca\u4e86\u80bf\u7624\u5185\u8f6c\u5f55\u5f02\u8d28\u6027\u7279\u5f81\uff0c\u4e3a\u672a\u6765\u63a2\u7d22\u65b0\u7684\u6cbb\u7597\u7b56\u7565\u63d0\u4f9b\u4e86\u6846\u67b6\u3002
2\u3001Protein & Cell | \u57fa\u4e8eR\u8bed\u8a00\u7684\u5fae\u751f\u7269\u7ec4\u6570\u636e\u6316\u6398\u7684\u6700\u4f73\u6d41\u7a0b
\u968f\u7740\u6d4b\u5e8f\u6280\u672f\u7684\u9010\u6b65\u6210\u719f\uff0c\u8bb8\u591a\u751f\u7269\u4fe1\u606f\u76f8\u5173\u5fae\u751f\u7269\u7ec4\u8f6f\u4ef6\u76f8\u7ee7\u53d1\u8868\u3002\u7136\u800c\uff0c\u6570\u4ee5\u4e07\u8ba1\u7684R\u5305\u548c\u65e0\u6570\u7c7b\u4f3c\u7684\u5206\u6790\u5de5\u5177\u7ed9\u8bb8\u591a\u7814\u7a76\u4eba\u5458\u6316\u6398\u5fae\u751f\u7269\u7ec4\u6570\u636e\u5e26\u6765\u4e86\u91cd\u5927\u6311\u6218\u3002\u5982\u4f55\u4ece\u4f17\u591a\u7684R\u5305\u4e2d\u9009\u62e9\u5408\u9002\u3001\u9ad8\u6548\u3001\u65b9\u4fbf\u3001\u6613\u5b66\u7684\u5de5\u5177\u5df2\u7ecf\u6210\u4e3a\u8bb8\u591a\u5fae\u751f\u7269\u7ec4\u7814\u7a76\u4eba\u5458\u9762\u4e34\u7684\u95ee\u9898\u3002\u4f5c\u8005\u6574\u7406\u4e86324\u4e2a\u7528\u4e8e\u5fae\u751f\u7269\u7ec4\u5206\u6790\u7684\u5e38\u7528R\u5305\uff0c\u5e76\u6839\u636e\u5e94\u7528\u7c7b\u522b\u5bf9\u5176\u8fdb\u884c\u5206\u7c7b\uff0c\u4ee5\u5e2e\u52a9\u7814\u7a76\u4eba\u5458\u5feb\u901f\u627e\u5230\u7528\u4e8e\u5fae\u751f\u7269\u7ec4\u5206\u6790\u7684\u76f8\u5173R\u5305\u3002\u6b64\u5916\uff0c\u53c8\u5bf9\u5fae\u751f\u7269\u7ec4\u5206\u6790\u7684\u96c6\u6210R\u5305\u8fdb\u884c\u4e86\u7cfb\u7edf\u7684\u5206\u7c7b\uff0c\u5e76\u603b\u7ed3\u4e86\u5b83\u4eec\u7684\u4f18\u70b9\u548c\u5c40\u9650\u6027\uff0c\u4ee5\u5e2e\u52a9\u7814\u7a76\u4eba\u5458\u9009\u62e9\u5408\u9002\u7684\u5de5\u5177\u3002\u6700\u540e\uff0c\u5bf9\u7528\u4e8e\u5fae\u751f\u7269\u7ec4\u5206\u6790\u7684R\u5305\u8fdb\u884c\u4e86\u5168\u9762\u7684\u56de\u987e\uff0c\u603b\u7ed3\u4e86\u5fae\u751f\u7269\u7ec4\u4e2d\u5927\u591a\u6570\u5e38\u89c1\u7684\u5206\u6790\u5185\u5bb9\uff0c\u4ee5\u6784\u5efa\u6700\u9002\u5408\u5fae\u751f\u7269\u7ec4\u5206\u6790\u7684\u6d41\u7a0b\u3002
3\u3001Nature Biotechnology | BioCypher \u63a8\u52a8\u751f\u7269\u533b\u5b66\u77e5\u8bc6\u8868\u5f81\u5927\u4e00\u7edf
\u6807\u51c6\u5316\u7684\u751f\u7269\u533b\u5b66\u77e5\u8bc6\u8868\u5f81\u662f\u4e00\u9879\u96be\u4ee5\u514b\u670d\u7684\u4efb\u52a1\uff0c\u5b83\u963b\u788d\u4e86\u8bb8\u591a\u8ba1\u7b97\u65b9\u6cd5\u7684\u6709\u6548\u6027\u3002\u4e3a\u4e86\u4fc3\u8fdb\u77e5\u8bc6\u8868\u5f81\u7684\u534f\u8c03\u548c\u4e92\u64cd\u4f5c\u6027\uff0c\u8be5\u5de5\u4f5c\u5c06\u77e5\u8bc6\u56fe\u8c31\u521b\u5efa\u7684\u6846\u67b6\u6807\u51c6\u5316\u3002\u672c\u6587\u63d0\u51fa\u7684BioCypher\u5b9e\u73b0\u4e86\u8fd9\u4e00\u6807\u51c6\u5316\uff0c\u8fd9\u662f\u4e00\u4e2aFAIR\uff08\u53ef\u67e5\u627e\u3001\u53ef\u8bbf\u95ee\u3001\u53ef\u4e92\u64cd\u4f5c\u3001\u53ef\u91cd\u7528\uff09\u6846\u67b6\uff0c\u53ef\u4ee5\u900f\u660e\u5730\u6784\u5efa\u751f\u7269\u533b\u5b66\u77e5\u8bc6\u56fe\u8c31\uff0c\u540c\u65f6\u4fdd\u7559\u6e90\u6570\u636e\u7684\u6765\u6e90\u3002\u5c06\u77e5\u8bc6\u6620\u5c04\u5230\u751f\u7269\u533b\u5b66\u672c\u4f53\u6709\u52a9\u4e8e\u5e73\u8861\u534f\u8c03\u3001\u4eba\u7c7b\u548c\u673a\u5668\u53ef\u8bfb\u6027\u4ee5\u53ca\u5bf9\u975e\u4e13\u4e1a\u7814\u7a76\u4eba\u5458\u7684\u6613\u7528\u6027\u548c\u53ef\u8bbf\u95ee\u6027\u7684\u9700\u6c42\u3002\u672c\u6587\u5c55\u793a\u4e86\u8be5\u6846\u67b6\u5728\u5404\u79cd\u7528\u4f8b\u4e2d\u7684\u6709\u7528\u6027\uff0c\u4ece\u7ef4\u62a4\u7279\u5b9a\u4e8e\u4efb\u52a1\u7684\u77e5\u8bc6\u5b58\u50a8\uff0c\u5230\u751f\u7269\u533b\u5b66\u9886\u57df\u4e4b\u95f4\u7684\u4e92\u64cd\u4f5c\u6027\uff0c\u518d\u5230\u4e3a\u8054\u90a6\u5b66\u4e60\u6309\u9700\u6784\u5efa\u7279\u5b9a\u4e8e\u4efb\u52a1\u7684\u77e5\u8bc6\u56fe\u3002
4\u3001 Nature\u5e26\u6765\u57fa\u56e0\u7814\u7a76\u65b0\u98ce\u5411\uff1a\u4eba\u5de5\u667a\u80fd\u7cfb\u7edf\u9884\u6d4b\u57fa\u56e0\u4fee\u6539\u7684\u540e\u679c
\u5927\u578b\u8bed\u8a00\u6a21\u578b\uff08Large language models\uff09\uff0c\u4e5f\u88ab\u79f0\u4e3a\u57fa\u7840\u6a21\u578b\uff0c\u662f\u4e00\u79cd\u4eba\u5de5\u667a\u80fd\u7cfb\u7edf\uff0c\u5b83\u4ece\u5927\u91cf\u7684\u901a\u7528\u6570\u636e\u4e2d\u5b66\u4e60\u57fa\u7840\u77e5\u8bc6\uff0c\u7136\u540e\u5e94\u7528\u8fd9\u4e9b\u77e5\u8bc6\u6765\u5b8c\u6210\u65b0\u7684\u4efb\u52a1\u2014\u2014\u8fd9\u4e2a\u8fc7\u7a0b\u88ab\u79f0\u4e3a\u8fc1\u79fb\u5b66\u4e60 (Transfer Learning)\u3002\u968f\u7740ChatGPT\u7684\u53d1\u5e03\uff0c\u8fd9\u4e9b\u7cfb\u7edf\u6700\u8fd1\u83b7\u5f97\u4e86\u4e3b\u6d41\u7684\u5173\u6ce8\uff0cChatGPT\u662f\u4e00\u4e2a\u57fa\u4e8eOpenAI\u6a21\u578b\u6784\u5efa\u7684\u804a\u5929\u673a\u5668\u4eba\u3002 \u5728\u53d1\u8868\u5728\u300aNature\u300b\u6742\u5fd7\u4e0a\u7684\u8fd9\u9879\u65b0\u7814\u7a76\u4e2d\uff0cChristina Theodoris\u535a\u58eb\u5f00\u53d1\u4e86\u4e00\u4e2a\u7406\u89e3\u57fa\u56e0\u76f8\u4e92\u4f5c\u7528\u7684\u57fa\u7840\u6a21\u578b\u3002\u8fd9\u4e2a\u65b0\u6a21\u578b\u88ab\u79f0\u4e3aGeneformer\uff0c\u5b83\u4ece\u5927\u91cf\u4eba\u4f53\u7ec4\u7ec7\u7684\u57fa\u56e0\u76f8\u4e92\u4f5c\u7528\u6570\u636e\u4e2d\u5b66\u4e60\uff0c\u5e76\u5c06\u8fd9\u4e9b\u77e5\u8bc6\u7528\u4e8e\u9884\u6d4b\u75be\u75c5\u4e2d\u53ef\u80fd\u51fa\u73b0\u7684\u95ee\u9898\u3002 Theodoris\u56e2\u961f\u4f7f\u7528Geneformer\u6765\u9610\u660e\u5fc3\u810f\u7ec6\u80de\u5728\u5fc3\u810f\u75c5\u4e2d\u662f\u5982\u4f55\u51fa\u9519\u7684\u3002\u6b64\u5916\uff0c\u8fd9\u79cd\u65b9\u6cd5\u4e5f\u53ef\u4ee5\u6cbb\u7597\u8bb8\u591a\u5176\u4ed6\u7ec6\u80de\u7c7b\u578b\u548c\u75be\u75c5\u3002
5\u3001\u533a\u5206\u80bf\u7624\u7ec6\u80de\u7684\u5355\u7ec6\u80deCNV\u5206\u6790\u539f\u7406
\u672c\u6587\u4ecb\u7ecd 3 \u79cd\u5355\u7ec6\u80de\u62f7\u8d1d\u6570\u53d8\u5f02\u5206\u6790\u8f6f\u4ef6\uff0ccna\u3001inferCNV\u3001copyKAT\uff0c\u5b83\u4eec\u7684\u5206\u6790\u539f\u7406\u5404\u6709\u4e0d\u540c\uff0c\u5176\u4e2dcna\u65b9\u6cd5\u662f\u57fa\u8fea\u5965\u53c2\u7167\u6700\u521d\u7684\u5355\u7ec6\u80deCNV\u5206\u6790\u76f8\u5173\u7684\u6587\u732e\u65b9\u6cd5\u81ea\u5199\u7684\u811a\u672c\uff0cinferCNV\u662f\u7ee7\u6700\u521d\u7684cna\u7b97\u6cd5\u53d1\u5c55\u800c\u6765\u7684\uff0ccopyKAT\u662f\u4e00\u4e2a\u5168\u65b0\u5f00\u53d1\u7684\u9002\u7528\u4e8e\u7ec6\u80de\u901a\u91cf\u9ad8\u548c\u57fa\u56e0\u8868\u8fbe\u7a00\u758f\u7684\u8f6f\u4ef6\u7b97\u6cd5\u3002
6\u3001DNA\u7532\u57fa\u5316\u7684\u65f6\u95f4\u548c\u5730\u70b9
\u8fd9\u7bc7\u6587\u7ae0\u9610\u8ff0\u4e86DNA\u7532\u57fa\u5316\u4e3b\u8981\u53d1\u751f\u4f4d\u70b9\u548c\u673a\u5236,\u5e76\u6307\u51fa\u7ec4\u86cb\u767d\u4fee\u9970\u5728\u6307\u5bfcDNA\u7532\u57fa\u5316\u6a21\u5f0f\u5f62\u6210\u4e2d\u7684\u91cd\u8981\u4f5c\u7528\u3002\u4e00\u4e9b\u8981\u70b9\uff1a
7\u3001\u80bf\u7624\u836f\u4e34\u5e8a\u8bd5\u9a8cIIa\u671f\u4e0eIIb\u671f\u533a\u522b
\u8fd9\u7bc7\u6587\u7ae0\u6089\u6570\u4e86\u80bf\u7624\u836f\u4e34\u5e8a\u8bd5\u9a8cII\u671f\u4e2d\u7684IIa\u671f\u548cIIb\u671f\uff0c\u5176\u4e8c\u8005\u7684\u76ee\u7684\u548c\u8bbe\u8ba1\u6709\u660e\u786e\u533a\u522b\u3002IIa\u671f\u7684\u76ee\u7684\u662f\u521d\u6b65\u8bc1\u660e\u836f\u7269\u7684\u4e34\u5e8a\u7597\u6548\u548c\u751f\u7269\u6d3b\u6027,\u4e5f\u79f0\u6982\u5ff5\u8bc1\u660e\u7814\u7a76\u3002\u91c7\u6837\u53d7\u8bd5\u8005\u8f83\u5c11,\u7ed9\u836f\u5242\u91cf\u63a5\u8fd1MTD,\u7597\u6548\u7ec8\u70b9\u91cd\u5728\u751f\u7269\u5b66\u6307\u6807\u3002IIb\u671f\u7684\u76ee\u7684\u662f\u5bfb\u627e\u4e34\u5e8a\u6548\u679c\u6700\u5927\u5e76\u4e14\u5b89\u5168\u6027\u6700\u4f73\u7684\u5242\u91cf,\u4e5f\u79f0\u5242\u91cf\u53d1\u73b0\u7814\u7a76\u3002\u91c7\u6837\u53d7\u8bd5\u8005\u6570\u91cf\u66f4\u5927,\u7ed9\u836f\u5242\u91cf\u8bbe\u591a\u4e2a\u5242\u91cf\u7ec4,\u7597\u6548\u7ec8\u70b9\u91cd\u5728\u4e34\u5e8a\u6307\u6807\u3002
"},{"location":"issue-89/#_5","title":"\u5de5\u5177","text":"8\u3001rPanglaoDB | \u83b7\u53d6PanglaoDB\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u6570\u636e\u7684R\u5305
PanglaoDB\u6570\u636e\u5e93\uff0c\u8fd9\u662f2019\u5e74\u53d1\u5e03\u7684\u4e00\u4e2a\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u6570\u636e\u5e93\uff0c\u6536\u96c6\u4e86\u4eba\u548c\u5c0f\u9f20\u7684\u5355\u7ec6\u80de\u6570\u636e\uff0c\u76ee\u524d\u5171\u8ba1\u5305\u542b\u6765\u81ea1300+\u4f8b\u6837\u672c\u3001250+\u79cd\u7ec4\u7ec7\u7684550\u4e07+\u7ec6\u80de\u6570\u636e\uff0c\u53e6\u5916\u8fd8\u67096000\u591a\u4e2amarker\u57fa\u56e0\u53ef\u4ee5\u7528\u6765\u505a\u7ec6\u80de\u6ce8\u91ca\u3002\u73b0\u5728\u4f5c\u8005\u56e2\u961f\u5f00\u53d1\u4e86\u5bf9\u4e8e\u7684R\u5305\u53ef\u4ee5\u5728R\u4e2d\u5b8c\u6210\u5355\u7ec6\u80de\u7684\u6ce8\u91ca\u5de5\u4f5c\u3002
9\u3001Pandora | \u987a\u7545\u8bbf\u95eeChatGPT\u7684\u5de5\u5177
10\u3001pinyin |\u5c06\u6c49\u5b57\u8f6c\u6362\u4e3a\u62fc\u97f3\u7684R\u5305
11\u3001logomakerr | AI\u8f85\u52a9\u8bbe\u8ba1\u4e2a\u6027\u5316logo\u7684\u5728\u7ebf\u5de5\u5177
logomakerr\u662f\u4e00\u4e2aAI\u8f85\u52a9\u7684logo\u8bbe\u8ba1\u5de5\u5177\uff0c\u901a\u8fc7\u8f93\u5165logo\u7684\u540d\u79f0\u3001\u5e94\u7528\u9886\u57df\u3001\u98ce\u683c\u5c31\u53ef\u4ee5\u5feb\u901f\u591a\u4e2a\u5b9a\u5236\u5316\u7684logo\u3002
12\u30012023\u5e74Single Cell Genomics Day From Satija Lab
\u505a\u8fc7\u5355\u7ec6\u80de\u5206\u6790\u7684\u4eba\u6ca1\u6709\u8c01\u4e0d\u77e5\u9053Seurat\uff0c\u5176\u5f00\u53d1\u8005Satija\u662f\u5355\u7ec6\u80de\u5206\u6790\u9886\u57df\u7684\u9886\u822a\u8005\u4e4b\u4e00\u3002Satija\u5b9e\u9a8c\u5ba4\u6bcf\u5e74\u90fd\u4f1a\u4e3e\u529eSingle Cell Genomics Day\u6d3b\u52a8\uff0c\u672c\u8d44\u6e90\u63d0\u4f9b\u4e862023\u5e74\u5ea6\u6d3b\u52a8\u7684\u76f8\u5173\u5185\u5bb9\u3002
13\u3001\u751f\u7269\u4fe1\u606f\u5165\u95e8Linux\u547d\u4ee4\u884c\u7684\u6559\u7a0b
\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09@kongjianyang\uff08\u7a7a\u95f4\u9633\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-9/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 9 \u671f\uff09\uff1a\u7edf\u8ba1\u5efa\u6a21\u4e4b\u9053\u548c\u672f","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
GitHub \u7c89\u4eec\u53ef\u4ee5\u901a\u8fc7 Watch \u4ed3\u5e93\u7684 Release\uff08\u63d0\u524d\uff09\u5173\u6ce8\u53d1\u5e03\u5185\u5bb9\u3002
\u8ba8\u8bba\u533a\u7684\u5e16\u5b50\u300a\u8c01\u5728\u62db\u4eba\uff1f\u300b\uff0c\u63d0\u4f9b\u751f\u4fe1\u6df1\u9020\u548c\u5c31\u4e1a\u4fe1\u606f\uff0c\u6b22\u8fce\u8bbf\u95ee\u6216\u53d1\u5e03\u5b66\u4f4d\u653b\u8bfb/\u5de5\u4f5c/\u5b9e\u4e60\u7b49\u5c97\u4f4d\u3002
\u300c\u672c\u671f\u4e13\u7528\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-9/#_1","title":"\u5c01\u9762\u56fe","text":"\uff08via\uff09
"},{"location":"issue-9/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u7edf\u8ba1\u5efa\u6a21\u4e4b\u9053\u548c\u672f","text":"\u6211\u8ba4\u4e3a\u4e00\u4e2a\u66f4\u57fa\u672c\u7684\u5bf9\u7edf\u8ba1\u5efa\u6a21\u7684\u4e8c\u5206\u662f\u5176\u539f\u7406\u4e0e\u6280\u672f\u3002\u4e2d\u56fd\u4eba\u4f1a\u628a\u524d\u8005\u79f0\u4e3a\u9053 \uff08\u201c\u8def\u7ebf\u201d\u3001\u201c\u539f\u7406\u201d\u6216\u201c\u6574\u4f53\u601d\u60f3\u201d\uff09\uff0c\u800c\u628a\u540e\u8005\u79f0\u4e3a\u672f\uff08\u201c\u6280\u672f\u201d\u3001\u201c\u6280\u5de7\u201d\u6216\u201c\u65b9\u6cd5\u201d\uff09\u3002\u60f3\u8981\u51c6\u786e\u5730\u63cf\u8ff0\u7edf\u8ba1\u5efa\u6a21\u7684\u8fd9\u4e24\u4e2a\u65b9\u9762\u5e76\u4e0d\u5bb9\u6613\u3002\u4ee5\u4e0b\u662f\u6211\u7684\u5927\u81f4\u60f3\u6cd5\uff1a
\u672f\uff1a\u5728\u8fd9\u79cd\u89c2\u5ff5\u4e0b\uff0c\u7edf\u8ba1\u5206\u6790\u59cb\u4e8e\u4e00\u4e9b\u7531\u5176\u4ed6\u4eba\u51c6\u5907\u597d\u7684\u6570\u636e\u96c6\u3002\u6211\u4eec\u7684\u76ee\u6807\u662f\u5c3d\u53ef\u80fd\u597d\u5730\u5206\u6790\u6570\u636e\u96c6\uff0c\u4f46\u5177\u4f53\u7684\u4efb\u52a1\u901a\u5e38\u53d6\u51b3\u4e8e\u5206\u6790\u65b9\u6cd5\u7684\u590d\u6742\u7a0b\u5ea6\u3002\u8fd9\u4e2a\u65b9\u6cd5\u53ef\u4ee5\u662f\u4e00\u4e2a\u7b80\u5355\u7684\u7ebf\u6027\u56de\u5f52\u6216\u8005\u4e00\u4e2a\u6709\u5341\u4ebf\u4e2a\u53c2\u6570\u7684\u795e\u7ecf\u7f51\u7edc\u3002
\u9053\uff1a\u5728\u8fd9\u79cd\u89c2\u5ff5\u4e0b\uff0c\u7edf\u8ba1\u5206\u6790\u59cb\u4e8e\u79d1\u5b66\u3001\u5de5\u7a0b\u6216\u5546\u4e1a\u95ee\u9898\u3002\u6211\u4eec\u7684\u76ee\u6807\u662f\u4e86\u89e3\u95ee\u9898\u80cc\u540e\u7684\u673a\u7406\uff0c\u5e76\u5229\u7528\u7edf\u8ba1\u7ed3\u8bba\u6765\u66f4\u597d\u5730\u8fdb\u884c\u51b3\u7b56\u3002\u8fd9\u4e2a\u95ee\u9898\u53ef\u80fd\u662f\u4f30\u8ba1\u67d0\u79cd\u5e72\u9884\u7684\u56e0\u679c\u6548\u5e94\uff0c\u6216\u662f\u7406\u89e3\u5df2\u6709\u6570\u636e\u96c6\u7684\u5c40\u9650\u6027\u3002
\uff08\u6765\u6e90\uff1a\u516c\u4f17\u53f7\u300c\u7edf\u8ba1\u4e4b\u90fd\u300d\uff09
"},{"location":"issue-9/#_3","title":"\u751f\u4fe1\u79d1\u6280\u52a8\u6001","text":"1\u3001Nature\uff5c\u53ef\u89e3\u91ca\u6df1\u5ea6\u5b66\u4e60\u7528\u57fa\u56e0\u7ec4\u56fe\u8c31\u9884\u6d4b\u524d\u5217\u817a\u764c\u8f6c\u79fb\u72b6\u6001
\u9ebb\u7701\u7406\u5de5\u5b66\u9662\u3001\u54c8\u4f5b\u5927\u5b66\u7b49\u9ad8\u6821\u8054\u5408\u5728Nature\u53d1\u8868\u4e86Biologically informed deep neural network for prostate cancer discovery\u3002\u8be5\u7814\u7a76\u63d0\u51fa\u53ef\u89e3\u91ca\u6df1\u5ea6\u5b66\u4e60P-NET\u6a21\u578b\uff0c\u8be5\u6a21\u578b\u80fd\u591f\u5728\u524d\u5217\u817a\u764c\u75c7\u60a3\u8005\u57fa\u56e0\u5c5e\u6027\u7684\u57fa\u7840\u4e0a\u7ed3\u5408\u751f\u4fe1\u4e2d\u7684\u5c42\u6b21\u4fe1\u606f\u9884\u6d4b\u764c\u75c7\u7684\u72b6\u6001\u3002
P-NET\u7684\u751f\u7269\u5b66\u53ef\u89e3\u91ca\u6027\u63ed\u793a\u4e86\u5df2\u5efa\u7acb\u7684\u57fa\u56e0\u4e0e\u65b0\u57fa\u56e0\u53d8\u5f02\u7684\u76f8\u5173\u5019\u9009\u57fa\u56e0\uff0c\u5982MDM4\u548cFGFR1\uff0c\u8fd9\u4e9b\u57fa\u56e0\u4e0e\u9884\u6d4b\u665a\u671f\u75be\u75c5\u6709\u5173\uff0c\u5e76\u5728\u4f53\u5916\u8fdb\u884c\u9a8c\u8bc1\u3002
\u5e7f\u6cdb\u7684\u6765\u8bf4\uff0c\u751f\u7269\u5b66\u4e0a\u77e5\u60c5\u7684\u5b8c\u5168\u53ef\u89e3\u91ca\u7684\u795e\u7ecf\u7f51\u7edc\u4f7f\u524d\u5217\u817a\u764c\u7684\u4e34\u5e8a\u524d\u53d1\u73b0\u548c\u4e34\u5e8a\u9884\u6d4b\u6210\u4e3a\u53ef\u80fd\uff0c\u5e76\u53ef\u80fd\u5728\u5404\u79cd\u764c\u75c7\u7c7b\u578b\u4e2d\u5177\u6709\u666e\u904d\u7684\u9002\u7528\u6027\u3002
2\u3001Transformer\u65b0\u73a9\u6cd5\u767bNature\u5b50\u520a\uff1aDeepMind\u7528\u65b0\u53d8\u4f53\u8bfb\u53d6DNA\u957f\u5e8f\u5217\uff0c\u7784\u51c6\u9057\u4f20\u75c5\u9ad8\u53d1\u533a\u57df
DeepMind\u4e0e\u8c37\u6b4c\u65d7\u4e0b\u751f\u7269\u79d1\u6280\u516c\u53f8 Calico \u7684\u4e00\u9879\u7814\u7a76\u767b\u4e0a\u4e86\u56fd\u9645\u9876\u7ea7\u65b9\u6cd5\u5b66\u671f\u520aNature Methods\u3002\u5728\u8fd9\u7bc7\u8bba\u6587\u4e2d\uff0c\u4ed6\u4eec\u5f15\u5165\u4e86\u4e00\u79cd\u53eb\u505a Enformer \u7684\u795e\u7ecf\u7f51\u7edc\u67b6\u6784\uff0c\u5927\u5927\u63d0\u9ad8\u4e86\u6839\u636e DNA \u5e8f\u5217\u9884\u6d4b\u57fa\u56e0\u8868\u8fbe\u7684\u51c6\u786e\u6027\u3002\u4e3a\u4e86\u8fdb\u4e00\u6b65\u7814\u7a76\u75be\u75c5\u4e2d\u7684\u57fa\u56e0\u8c03\u63a7\u548c\u81f4\u75c5\u56e0\u7d20\uff0c\u7814\u7a76\u8005\u8fd8\u516c\u5f00\u4e86\u4ed6\u4eec\u7684\u6a21\u578b\u53ca\u5176\u5bf9\u5e38\u89c1\u9057\u4f20\u53d8\u5f02\u7684\u521d\u6b65\u9884\u6d4b\u3002
3\u3001\u56fd\u5bb6\u751f\u7269\u4fe1\u606f\u4e2d\u5fc3\u5728\u6838\u9178\u7814\u7a76\u53d1\u8868\u5355\u7ec6\u80deDNA\u7532\u57fa\u5316\u6570\u636e\u5e93\u2014scMethBank
DNA\u7532\u57fa\u5316\u662f\u8868\u89c2\u9057\u4f20\u7814\u7a76\u7684\u4e00\u4e2a\u91cd\u8981\u5c42\u9762\uff0c\u4e14\u4e0e\u53d1\u80b2\u3001\u8870\u8001\u548c\u75be\u75c5\u7684\u53d1\u751f\u53d1\u5c55\u5bc6\u5207\u76f8\u5173\u3002\u4e3a\u4e86\u66f4\u597d\u5730\u5229\u7528\u5df2\u516c\u5f00\u7684\u6d77\u91cf\u7532\u57fa\u5316\u6570\u636e\uff0c\u6b64\u524d\uff0c\u4e2d\u56fd\u79d1\u5b66\u9662\u5317\u4eac\u57fa\u56e0\u7ec4\u7814\u7a76\u6240\u56fd\u5bb6\u57fa\u56e0\u7ec4\u79d1\u5b66\u6570\u636e\u4e2d\u5fc3\uff08\u4ee5\u4e0b\u7b80\u79f0\u57fa\u56e0\u7ec4\u6570\u636e\u4e2d\u5fc3\uff09\u5df2\u7ecf\u53d1\u5e03\u4e86\u4e00\u4e2aDNA\u7532\u57fa\u5316\u7684\u7efc\u5408\u6027\u6570\u636e\u5e93MethBank\uff08https://ngdc.cncb.ac.cn/methbank/\uff09\uff0c\u6db5\u76d6\u4e86\u591a\u7269\u79cd\u9ad8\u8d28\u91cf\u7684\u5168\u57fa\u56e0\u7ec4\u5355\u78b1\u57fa\u7cbe\u5ea6\u7532\u57fa\u5316\u56fe\u8c31\u3001\u5065\u5eb7\u4eba\u53c2\u6bd4\u7532\u57fa\u5316\u7ec4\u4ee5\u53ca\u4eba\u5de5\u5ba1\u7f16\u7684\u7532\u57fa\u5316\u5206\u6790\u5de5\u5177\u96c6\u3002\u8fd9\u91cc\uff0c\u6211\u4eec\u4ecb\u7ecd\u57fa\u56e0\u7ec4\u6570\u636e\u4e2d\u5fc3\u6700\u65b0\u53d1\u5e03\u7684\u5355\u7ec6\u80de\u7532\u57fa\u5316\u6570\u636e\u5e93\u2014\u2014scMethbank\uff08https://ngdc.cncb.ac.cn/methbank/scm/\uff09\u3002
\u8be5\u9879\u7814\u7a76\u6210\u679c\u4ee5scMethBank: a database for single-cell whole genome DNA methylation maps\u4e3a\u9898\u4e8e2021\u5e749\u6708\u5728\u56fd\u9645\u5b66\u672f\u671f\u520a\u300a\u6838\u9178\u7814\u7a76\u300b\uff08Nucleic Acids Research\uff09\u5728\u7ebf\u53d1\u8868\u3002
"},{"location":"issue-9/#_4","title":"\u6587\u7ae0","text":"1\u3001R\u4f7f\u7528\u6b63\u5219\u8868\u8fbe\u5f0f\u5339\u914d\u4efb\u4f55\u6a21\u5f0f\u7684\u521d\u5b66\u8005\u6307\u5357
\u6b63\u5219\u8868\u8fbe\u5f0f\u53ea\u4e0d\u8fc7\u662f\u5339\u914d\u6587\u672c\u6216\u6587\u672c\u6587\u4ef6\u4e2d\u7684\u6a21\u5f0f\u7684\u5b57\u7b26\u5e8f\u5217\u3002\u5728\u8bb8\u591a\u7f16\u7a0b\u8bed\u8a00\u4e2d\uff0c\u5b83\u88ab\u7528\u4e8e\u6587\u672c\u6316\u6398\u3002\u5728\u6240\u6709\u8bed\u8a00\u4e2d\uff0c\u6b63\u5219\u8868\u8fbe\u5f0f\u7684\u5b57\u7b26\u90fd\u975e\u5e38\u76f8\u4f3c\u3002\u4f46\u5728\u4e0d\u540c\u7684\u8bed\u8a00\u4e2d\uff0c\u63d0\u53d6\u3001\u5b9a\u4f4d\u3001\u68c0\u6d4b\u548c\u66ff\u6362\u7684\u529f\u80fd\u662f\u4e0d\u540c\u7684\u3002\u672c\u6587\u4ecb\u7ecd\u5728R\u4e2d\u5982\u4f55\u4f7f\u7528\u548c\u64cd\u4f5c\u6b63\u5219\u8868\u8fbe\u5f0f\u3002
2\u3001\u4f7f\u7528Python\u7684XGBoost\u53c2\u6570\u8c03\u4f18\u5b8c\u6574\u6307\u5357
XGBoost\u7b97\u6cd5\u5df2\u7ecf\u6210\u4e3a\u8bb8\u591a\u6570\u636e\u79d1\u5b66\u5bb6\u7684\u7ec8\u6781\u6b66\u5668\u3002\u8fd9\u662f\u4e00\u79cd\u9ad8\u5ea6\u590d\u6742\u7684\u7b97\u6cd5\uff0c\u5f3a\u5927\u5230\u8db3\u4ee5\u5904\u7406\u5404\u79cd\u4e0d\u89c4\u5219\u6570\u636e\u3002\u4f7f\u7528XGBoost\u6784\u5efa\u6a21\u578b\u5f88\u5bb9\u6613\u3002\u4f46\u662f\uff0c\u4f7f\u7528XGBoost\u6539\u8fdb\u6a21\u578b\u662f\u56f0\u96be\u7684\u3002\u8be5\u7b97\u6cd5\u4f7f\u7528\u591a\u4e2a\u53c2\u6570\u3002\u4e3a\u4e86\u6539\u8fdb\u6a21\u578b\uff0c\u5fc5\u987b\u8fdb\u884c\u53c2\u6570\u4f18\u5316\u3002\u5f88\u96be\u56de\u7b54\u4e00\u4e9b\u5b9e\u9645\u95ee\u9898\uff0c\u6bd4\u5982\uff1a\u5e94\u8be5\u8c03\u4f18\u54ea\u4e00\u7ec4\u53c2\u6570\uff1f\u4e3a\u4e86\u83b7\u5f97\u6700\u4f73\u8f93\u51fa\uff0c\u8fd9\u4e9b\u53c2\u6570\u7684\u7406\u60f3\u503c\u662f\u591a\u5c11\uff1f
3\u3001R-\u64cd\u4f5c\u6570\u636e\u5e93
\u672c\u6587\u4ecb\u7ecd\u5982\u4f55\u901a\u8fc7RSQLite\u64cd\u4f5c\u5173\u7cfb\u578b\u6570\u636e\u5e93\u3002
4\u3001usethis\u5305\u65b0\u589epr_*\u7cfb\u5217\u51fd\u6570
1\u3001r-script
\u4e00\u4e2a\u7b80\u5355\u7684\u5c0f\u6a21\u5757\uff0c\u7528\u4e8e\u5c06\u6570\u636e\u4eceNodeJS\u4f20\u9012\u7ed9R\uff08\u5e76\u8fd4\u56de\uff09\u3002
2\u3001RestRserve
RestRserve\u662f\u4e00\u4e2aR web API\u6846\u67b6\uff0c\u7528\u4e8e\u6784\u5efa\u9ad8\u6027\u80fd\u548c\u5065\u58ee\u7684\u5fae\u670d\u52a1\u548c\u5e94\u7528\u540e\u7aef\u3002\u5728\u7c7bunix\u7cfb\u7edf\u4e0a\u4f7f\u7528Rserve\u540e\u7aef\uff0c\u5b83\u88ab\u8bbe\u8ba1\u6210\u5e76\u884c\u7684\u3002
3\u3001ggh4x
ggh4x\u5305\u662fggplot2\u6269\u5c55\u5305\u3002\u5b83\u63d0\u4f9b\u4e86\u4e00\u4e9b\u5b9e\u7528\u529f\u80fd\uff0c\u8fd9\u4e9b\u529f\u80fd\u5e76\u4e0d\u5b8c\u5168\u7b26\u5408\u201c\u56fe\u5f62\u8bed\u6cd5\u201d\u7684\u6982\u5ff5\u2014\u2014\u5b83\u4eec\u53ef\u80fd\u6709\u70b9\u7b28\u62d9\u2014\u2014\u4f46\u5728\u8c03\u6574\u4f60\u7684ggplot\u65f6\u4ecd\u7136\u6709\u7528\u3002\u793a\u4f8b\u5305\u62ec\u8c03\u6574facet\u7684\u5927\u5c0f\uff0c\u5c06\u591a\u79cd\u7f8e\u5b66\u6620\u5c04\u5230\u989c\u8272\uff0c\u4ee5\u53ca\u4e3afacet\u6307\u5b9a\u5355\u72ec\u7684\u6bd4\u4f8b\u3002\u9664\u6b64\u4e4b\u5916\uff0c\u5b83\u4e5f\u662fgeoms, facets, positions, guides\u548cstats\u7684\u96c6\u5408\u3002
4\u3001r-codespaces
GitHub\u4ee3\u7801\u7a7a\u95f4\u914d\u7f6e\u7684R\u548cShiny\u3002
"},{"location":"issue-9/#_6","title":"\u8d44\u6e90","text":"1\u3001\u4e00\u672c\u4ece\u96f6\u5f00\u59cb\u5168\u9762\u4e86\u89e3\u8d1d\u53f6\u65af\u4f18\u5316\u8fc7\u7a0b\u7684\u4e66\u7c4d
2\u3001\u4e34\u5e8a\u57fa\u56e0\u7ec4\u5206\u6790\u76f8\u5173\u6570\u636e\u5e93\u6c47\u603b
"},{"location":"issue-9/#_7","title":"\u8d5e\u8d4f","text":"\u5982\u679c\u4f60\u60f3\u8981\u652f\u6301\u672c\u5468\u520a\uff0c\u53ef\u4ee5\u5bf9\u63a8\u6587\u8fdb\u884c\u8d5e\u8d4f\u6216\u8005\u63d0\u4f9b\u7684\u652f\u4ed8\u5b9d/\u5fae\u4fe1\u4e8c\u7ef4\u7801\u6253\u8d4f\u3002
\u611f\u8c22\u4ee5\u4e0b\u8bfb\u8005\u5f80\u671f\u7684\u8d5e\u8d4f\uff1a
\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-90/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 90 \u671f\uff09\uff1a\u6027\u522b\u89c6\u89d2\u4e0b\u7684\u4e2d\u56fd\u79d1\u7814\u4eba\u5458\u753b\u50cf","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-90/#_1","title":"\u5c01\u9762\u56fe","text":"\u91ce\u751f\u52a8\u7269\u559d\u6c34\u7167\u7247
"},{"location":"issue-90/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u6027\u522b\u89c6\u89d2\u4e0b\u7684\u4e2d\u56fd\u79d1\u7814\u4eba\u5458\u753b\u50cf","text":"\u300a\u6027\u522b\u89c6\u89d2\u4e0b\u7684\u4e2d\u56fd\u79d1\u7814\u4eba\u5458\u753b\u50cf\u300b\u662f\u9996\u90e8\u4ee5\u6027\u522b\u89c6\u89d2\u7814\u7a76\u4e2d\u56fd\u79d1\u7814\u751f\u6001\u3001\u591a\u7ef4\u5ea6\u5206\u6790\u548c\u5c55\u73b0\u4e2d\u56fd\u5973\u6027\u7684\u79d1\u5b66\u53c2\u4e0e\u5ea6\u3001\u8d21\u732e\u5ea6\u548c\u5f71\u54cd\u529b\u7684\u62a5\u544a\u3002\u7814\u7a76\u8868\u660e\uff0c\u4e2d\u56fd\u79d1\u7814\u9886\u57df\u7684\u6027\u522b\u5dee\u5f02\u9010\u6b65\u6539\u5584\uff0c\u5973\u6027\u79d1\u7814\u4eba\u5458\u5728\u79d1\u7814\u53c2\u4e0e\u5ea6\u3001\u804c\u573a\u7ade\u4e89\u529b\u7b49\u65b9\u9762\u90fd\u53d6\u5f97\u4e86\u8fdb\u6b65\uff0c\u5404\u5b66\u79d1\u9886\u57df\u4e2d\u7684\u6027\u522b\u5dee\u5f02\u4e5f\u5728\u9010\u6b65\u5f31\u5316\uff0c\u5973\u6027\u5728\u751f\u547d\u79d1\u5b66\u548c\u533b\u5b66\u9886\u57df\u8868\u73b0\u66f4\u51fa\u8272\u3002\u76f8\u5bf9\u800c\u8a00\uff0c\u5728\u79d1\u7814\u4ea7\u51fa\u548c\u57fa\u91d1\u8d44\u52a9\u7b49\u65b9\u9762\uff0c\u5973\u6027\u4ecd\u4f4e\u4e8e\u7537\u6027\uff0c\u53ef\u89c1\u6d88\u5f2d\u79d1\u7814\u9886\u57df\u7684\u6027\u522b\u5dee\u5f02\u4efb\u91cd\u800c\u9053\u8fdc\u3002
@kongjianyang\uff1a\u5973\u6027\u79d1\u7814\u4eba\u5458\u5728\u79d1\u7814\u9886\u57df\u5185\u4e00\u822c\u4f1a\u9762\u4e34\u66f4\u591a\u7684\u6311\u6218\uff0c,\u5982\u5bb6\u5ead\u8d23\u4efb\u3001\u9690\u6027\u6b67\u89c6\u3001\u8d44\u6e90\u548c\u664b\u5347\u673a\u4f1a\u7f3a\u4e4f\u7b49\u3002\u6539\u5584\u8fd9\u79cd\u6027\u522b\u4e0d\u5e73\u7b49\u7684\u73b0\u8c61\u9700\u8981\u6574\u4e2a\u793e\u4f1a\u7684\u66f4\u591a\u52aa\u529b\uff0c\u4f8b\u5982\u5236\u5b9a\u53cd\u6b67\u89c6\u653f\u7b56\u3001\u589e\u52a0\u5973\u6027\u79d1\u7814\u8d44\u6e90\u3001\u5efa\u7acb\u5f39\u6027\u8bc4\u4ef7\u673a\u5236\u7b49\u3002
"},{"location":"issue-90/#_3","title":"\u751f\u4fe1\u7814\u7a76","text":"1\u3001Plos computational biology | CNVkit: \u9776\u5411DNA\u6d4b\u5e8f\u7684\u5168\u57fa\u56e0\u7ec4\u62f7\u8d1d\u6570\u68c0\u6d4b\u548c\u53ef\u89c6\u5316
\u751f\u6b96\u7ec6\u80de\u62f7\u8d1d\u6570\u53d8\u5f02 (CNV) \u548c\u4f53\u7ec6\u80de\u62f7\u8d1d\u6570\u6539\u53d8 (SCNA) \u5728\u7efc\u5408\u5f81\u548c\u764c\u75c7\u4e2d\u5177\u6709\u91cd\u8981\u610f\u4e49\u3002\u5927\u89c4\u6a21\u5e76\u884c\u6d4b\u5e8f\u8d8a\u6765\u8d8a\u591a\u5730\u7528\u4e8e\u4ece\u6d4b\u5e8f\u6570\u636e\u4e2d\u8bfb\u53d6\u6df1\u5ea6\u7684\u53d8\u5316\u63a8\u65ad\u62f7\u8d1d\u6570\u4fe1\u606f\u3002\u7136\u800c\uff0c\u8fd9\u79cd\u65b9\u6cd5\u5728\u9776\u5411\u91cd\u6d4b\u5e8f\u7684\u60c5\u51b5\u4e0b\u5b58\u5728\u5c40\u9650\u6027\uff0c\u8fd9\u4f1a\u5728\u9009\u62e9\u7528\u4e8e\u5bcc\u96c6\u7684\u533a\u57df\u4e4b\u95f4\u7559\u4e0b\u8986\u76d6\u7a7a\u767d\uff0c\u5e76\u5f15\u5165\u4e0e\u76ee\u6807\u6355\u83b7\u548c\u6587\u5e93\u5236\u5907\u6548\u7387\u76f8\u5173\u7684\u504f\u5dee\u3002\u52a0\u5229\u798f\u5c3c\u4e9a\u5927\u5b66\u65e7\u91d1\u5c71\u5206\u6821\uff08UCSF\uff09\u7684Boris C. Bastian\u56e2\u961f\u5728Plos computational biology\u63d0\u51fa\u4e86\u4e00\u79cd\u62f7\u8d1d\u6570\u68c0\u6d4b\u65b9\u6cd5\uff0c\u5728\u8f6f\u4ef6\u5305 CNVkit \u4e2d\u5b9e\u73b0\uff0c\u8be5\u65b9\u6cd5\u4f7f\u7528\u9776\u5411\u8bfb\u53d6\u548c\u975e\u7279\u5f02\u6027\u6355\u83b7\u7684\u8131\u9776\u8bfb\u53d6\u6765\u5e73\u5747\u63a8\u65ad\u6574\u4e2a\u57fa\u56e0\u7ec4\u7684\u62f7\u8d1d\u6570\u3002\u8fd9\u79cd\u7ec4\u5408\u5728\u76ee\u6807\u533a\u57df\u5b9e\u73b0\u4e86\u5916\u663e\u5b50\u6c34\u5e73\u7684\u5206\u8fa8\u7387\uff0c\u5e76\u5728\u8f83\u5927\u7684\u5185\u542b\u5b50\u548c\u57fa\u56e0\u95f4\u533a\u57df\u5b9e\u73b0\u4e86\u8db3\u591f\u7684\u5206\u8fa8\u7387\uff0c\u4ee5\u8bc6\u522b\u62f7\u8d1d\u6570\u7684\u53d8\u5316\u3002
2\u3001Nature\uff5c\u9996\u4e2a\u9ad8\u8d28\u91cf\u4e8c\u500d\u4f53\u4eba\u7c7b\u53c2\u8003\u57fa\u56e0\u7ec4\uff01PacBio\u3001Nanopore\u3001Bionano\u3001Hi-C\u6280\u672f\u5404\u663e\u795e\u901a
\u8fd1\u65e5\uff0c\u56fd\u9645\u4eba\u7c7b\u6cdb\u57fa\u56e0\u7ec4\u53c2\u8003\u8054\u76df \uff08HPRC\uff09\u5728Nature\u4e0a\u53d1\u8868\u4e86\u9898\u4e3a\u201cSemi-automated assembly of high-quality diploid human reference genomes\u201d\u7684\u6587\u7ae0\uff0c\u62a5\u9053\u4e86\u5176\u8bc4\u4f30\u7ed3\u679c\u3002\u7814\u7a76\u4eba\u5458\u786e\u5b9a\u4e86\u76ee\u524d\u53ef\u4ee5\u5b9e\u73b0\u6700\u5b8c\u6574\u548c\u6700\u51c6\u786e\u7684\u4e8c\u500d\u4f53\u57fa\u56e0\u7ec4\u7ec4\u88c5\u7684\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u548c\u7ec4\u88c5\u65b9\u6cd5\u7ec4\u5408\uff0c\u4e14\u4eba\u5de5\u6574\u7406\u7684\u5de5\u4f5c\u91cf\u6700\u5c0f\uff1b\u7ec4\u88c5\u4e86\u7b2c\u4e00\u4e2a\u9ad8\u8d28\u91cf\u7684\u4e8c\u500d\u4f53\u53c2\u8003\u57fa\u56e0\u7ec4\uff1b\u53d1\u73b0\u4e86\u66f4\u591a\u5355\u500d\u578b\u4e4b\u95f4\u7684\u9057\u4f20\u53d8\u5f02\uff0c\u7ea648%\u7684\u86cb\u767d\u8d28\u7f16\u7801\u57fa\u56e0\u5728\u5355\u500d\u578b\u95f4\u5b58\u5728\u975e\u540c\u4e49\u6c28\u57fa\u9178\u53d8\u5316\uff0c\u5176\u4e2d\u4e2d\u5fc3\u7c92\u533a\u591a\u6837\u6027\u6700\u9ad8\u3002\u4e3a\u5b9e\u73b0\u81ea\u52a8\u5316\u3001\u5b8c\u6574\u3001\u65e0\u9519\u7684\u4e8c\u500d\u4f53\u57fa\u56e0\u7ec4\u7ec4\u88c5\uff0c\u7814\u7a76\u4eba\u5458\u8fd8\u786e\u5b9a\u4e86\u9700\u8981\u6539\u8fdb\u7684\u90e8\u5206\u3002\u603b\u4e4b\uff0c\u8be5\u7814\u7a76\u4e3a\u5927\u89c4\u6a21\u7ec4\u88c5\u63a5\u8fd1\u5b8c\u6574\u7684\u4e8c\u500d\u4f53\u4eba\u7c7b\u57fa\u56e0\u7ec4\u63d0\u4f9b\u4e86\u57fa\u7840\uff0c\u80fd\u6355\u83b7\u4ece\u5355\u6838\u82f7\u9178\u5230\u7ed3\u6784\u91cd\u6392\u7684\u5168\u5c40\u9057\u4f20\u53d8\u5f02\u3002
3\u3001Nucleic Acids Res. | scHumanNet:\u7528\u4e8e\u7814\u7a76\u75be\u75c5\u57fa\u56e0\u7ec6\u80de\u7c7b\u578b\u7279\u5f02\u6027\u7684\u5355\u7ec6\u80de\u7f51\u7edc\u5206\u6790\u5e73\u53f0
\u672c\u6587\u4ecb\u7ecd\u7531\u54c8\u4f5b\u533b\u5b66\u9662\u7684Martin Hemberg\u548c\u97e9\u56fd\u5ef6\u4e16\u5927\u5b66\u751f\u547d\u79d1\u5b66\u4e0e\u751f\u7269\u6280\u672f\u5b66\u9662\u751f\u7269\u6280\u672f\u7cfb\u7684Insuk Lee\u5171\u540c\u901a\u8baf\u53d1\u8868\u5728Nucleic Acids Research\u7684\u7814\u7a76\u6210\u679c\uff1a\u5355\u7ec6\u80de\u751f\u7269\u5b66\u9762\u4e34\u7684\u4e00\u4e2a\u4e3b\u8981\u6311\u6218\u662f\u8bc6\u522b\u7ec6\u80de\u7c7b\u578b\u7279\u5f02\u6027\u57fa\u56e0\u529f\u80fd\uff0c\u8fd9\u53ef\u80fd\u4f1a\u5927\u5927\u63d0\u9ad8\u7cbe\u51c6\u533b\u5b66\u7684\u6c34\u5e73\u3002\u57fa\u56e0\u7684\u5dee\u5f02\u8868\u8fbe\u5206\u6790\u662f\u4e00\u79cd\u6d41\u884c\u4f46\u4e0d\u5145\u5206\u7684\u7814\u7a76\u65b9\u6cd5\uff0c\u9700\u8981\u8865\u5145\u4e0e\u7ec6\u80de\u7c7b\u578b\u76f8\u5173\u7684\u529f\u80fd\u3002\u56e0\u6b64\uff0c\u4f5c\u8005\u63d0\u51fa\u4e86\u5355\u7ec6\u80de\u7f51\u7edc\u5206\u6790\u5e73\u53f0scHumanNet\uff0c\u7528\u4e8e\u89e3\u51b3\u4eba\u7c7b\u4e0d\u540c\u57fa\u56e0\u529f\u80fd\u7684\u7ec6\u80de\u5f02\u8d28\u6027\u3002scHumanNet\u662f\u57fa\u4e8eHumanNet\u53c2\u8003\u76f8\u4e92\u4f5c\u7528\u7ec4\u6784\u5efa\u7ec6\u80de\u7c7b\u578b\u7279\u5f02\u6027\u57fa\u56e0\u7f51\u7edc(CGN)\uff0c \u5b83\u5728\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u6570\u636e\u4e0a\u6784\u5efa\u7684CGN\u6bd4\u5176\u4ed6\u65b9\u6cd5\u663e\u793a\u51fa\u66f4\u9ad8\u7684\u7ec6\u80de\u73af\u5883\u529f\u80fd\u76f8\u5173\u6027\u3002\u6b64\u5916\uff0c\u57fa\u4e8e\u8de8\u7ec6\u80de\u7c7b\u578b\u7f51\u7edc\u7d27\u81f4\u6027\u7684\u57fa\u56e0\u4fe1\u53f7\u7684\u7ec6\u80de\u53cd\u8936\u79ef\u63ed\u793a\u4e86\u4e0eT\u7ec6\u80de\u76f8\u5173\u7684\u4e73\u817a\u764c\u9884\u540e\u6807\u5fd7\u7269\u3002scHumanNet\u8fd8\u53ef\u4ee5\u5229\u7528CGN\u7684\u4e2d\u5fc3\u6027\u5bf9\u4e0e\u7279\u5b9a\u7ec6\u80de\u7c7b\u578b\u76f8\u5173\u7684\u57fa\u56e0\u8fdb\u884c\u4f18\u5148\u6392\u5e8f\uff0c\u5e76\u786e\u5b9aCGN\u5728\u75be\u75c5\u548c\u5065\u5eb7\u72b6\u51b5\u4e4b\u95f4\u7684\u5dee\u5f02\u4e2d\u5fc3\u3002\u4f5c\u8005\u901a\u8fc7\u63ed\u793a\u4e73\u817a\u764c\u9884\u540e\u57fa\u56e0GITR\u7684T\u7ec6\u80de\u7279\u5f02\u6027\u529f\u80fd\u6548\u5e94\uff0c\u4ee5\u53ca\u6291\u5236\u795e\u7ecf\u5143\u7279\u5f02\u6027\u81ea\u95ed\u75c7\u8c31\u7cfb\u969c\u788d\u57fa\u56e0\u7684\u529f\u80fd\u7f3a\u9677\uff0c\u8bc1\u660e\u4e86scHumanNet\u7684\u6709\u6548\u6027\u3002
4\u3001R\u8f6f\u4ef6\u5305\u751f\u6001\u7cfb\u7edf\u4f9d\u8d56\u6c89\u91cd\u6027\u5206\u6790
\u987e\u7956\u5149\u53d1\u8868\u5728\u8f6f\u4ef6\u5de5\u7a0b\u671f\u520aJournal of Systems and Software\u4e0a\u7684\u6587\u7ae0\uff0c\u4e3b\u8981\u63a2\u8ba8\u4e86R\u8f6f\u4ef6\u751f\u6001\u7cfb\u7edf\u5305\u4f9d\u8d56\u7684\u590d\u6742\u6027\u548c\u8106\u5f31\u6027\u3002\u6587\u7ae0\u63d0\u51fa\u4e86\u4e00\u4e2a\u65b0\u7684\u5ea6\u91cf\u6307\u6807\u201d\u4f9d\u8d56\u91cd\u91cf\u201d(dependency heaviness),\u7528\u6765\u91cf\u5316\u4e00\u4e2a\u4e0a\u6e38\u5305(parent package)\u5411\u4e0b\u6e38\u5305(child package)\u72ec\u7279\u8d21\u732e\u7684\u989d\u5916\u4f9d\u8d56\u6570\u91cf\u3002\u901a\u8fc7\u7f51\u7edc\u5206\u6790\u65b9\u6cd5\u627e\u51fa\u4e86\u4e3b\u8981\u4f20\u9001\u91cd\u4f9d\u8d56\u7684\u9876\u7ea7\u5305\u548c\u5173\u952e\u8def\u5f84\u3002\u7ed3\u679c\u8868\u660e,\u5f88\u5c11\u6570\u91cf\u7684\u9876\u7ea7\u5305\u72ec\u5360\u4e86\u7cfb\u7edf\u4e2d\u5927\u90e8\u5206\u7684\u4f9d\u8d56\u5173\u7cfb,\u8fd9\u4f7f\u751f\u6001\u7cfb\u7edf\u53d8\u5f97\u66f4\u6613\u53d7\u8fd9\u4e9b\u9876\u7ea7\u5305\u5931\u8d25\u7684\u5f71\u54cd\u3002\u6587\u7ae0\u5185\u5bb9\u5f88\u957f\uff0c\u4f46\u662f\u503c\u5f97\u4e00\u8bfb\u3002
5\u3001\u6df1\u5ea6\u68b3\u7406 | \u5404\u5927\u80bf\u7624\u514d\u75ab\u7597\u6cd5\u4f18\u52a3\u3001\u4e34\u5e8a\u3001\u4e0a\u5e02\u548c\u5168\u7403\u5e03\u5c40
\u6587\u7ae0\u6982\u62ec\u4ecb\u7ecd\u4e86\u4e94\u79cd\u4e3b\u6d41\u7684\u6297\u80bf\u7624\u514d\u75ab\u7597\u6cd5,\u5305\u62ec\u514d\u75ab\u68c0\u67e5\u70b9\u6291\u5236\u5242(ICIs)\u3001\u7ec6\u80de\u7597\u6cd5(TILs\u3001TCR-T\u548cCAR-T)\u4ee5\u53ca\u80bf\u7624\u75ab\u82d7\u3002\u5206\u522b\u4ecb\u7ecd\u4e86\u8fd9\u51e0\u79cd\u514d\u75ab\u7597\u6cd5\u5728\u5168\u7403\u548c\u56fd\u5185\u7684\u4e0a\u5e02\u60c5\u51b5\u4ee5\u53ca\u4e34\u5e8a\u7814\u53d1\u8fdb\u5c55\u3002\u7279\u522b\u63d0\u5230\u4e86\u4e00\u4e9b\u77e5\u540d\u4ea7\u54c1\u5982\u4fe1\u8fea\u5229\u5355\u6297\u3001\u7279\u745e\u666e\u5229\u5355\u6297\u3001\u5955\u51ef\u8fbe\u7b49\u3002\u5bf9\u6bd4\u603b\u7ed3\u4e86\u8fd9\u51e0\u7c7b\u514d\u75ab\u7597\u6cd5\u7684\u4f18\u52bf\u548c\u5c40\u9650\u3002\u6bd4\u5982ICIs\u5e7f\u6cdb\u9002\u5e94\u4f46\u4f9d\u8d56\u7387\u8f83\u4f4e\uff0cT\u7ec6\u80de\u7597\u6cd5\u4f9d\u8d56\u7387\u9ad8\u4f46\u9002\u5e94\u75c7\u7a84\u7b49\u3002\u6700\u7ec8\u6307\u51fa\u6297\u80bf\u7624\u514d\u75ab\u5df2\u6210\u4e3a\u91cd\u8981\u6cbb\u7597\u624b\u6bb5\u4e4b\u4e00,\u5404\u7c7b\u514d\u75ab\u7597\u6cd5\u90fd\u6709\u5176\u5e94\u7528\u524d\u666f,\u672a\u6765\u91cd\u70b9\u5728\u4e8e\u5bfb\u627e\u66f4\u4f18\u7684\u9776\u70b9\u548c\u8054\u5408\u6a21\u5f0f\u3002
6\u3001PacBio MAS-Seq \u2013 \u5f00\u542f\u80bf\u7624\u5355\u7ec6\u80de\u7814\u7a76\u65b0\u65f6\u4ee3
\u76ee\u524d\u7edd\u5927\u90e8\u5206\u7684\u5355\u7ec6\u80de RNA \u6d4b\u5e8f\u90fd\u662f\u57fa\u4e8e NGS \u6d4b\u5e8f\u5e73\u53f0\u5b8c\u6210\u7684\uff0c\u7531\u4e8e NGS \u6d4b\u5e8f\u77ed\u8bfb\u957f\u7684\u539f\u56e0\uff0c\u8f6c\u5f55\u672c\u5747\u9700\u8981\u7247\u6bb5\u5316\u540e\u8fdb\u884c\u6d4b\u5e8f\uff0c\u53ea\u80fd\u5f97\u5230\u8f6c\u5f55\u672c\u7684\u5404\u7aef\u7684\u4fe1\u606f\uff0c\u5f97\u5230\u7684\u6d4b\u5e8f\u6570\u636e\u53ea\u80fd\u63d0\u4f9b\u7ec6\u80de\u5185\u57fa\u56e0\u6c34\u5e73\u7684\u8868\u8fbe\u4fe1\u606f\uff0c\u7f3a\u5c11\u53ef\u80fd\u5bf9\u75be\u75c5\u6216\u751f\u7269\u529f\u80fd\u53d1\u6325\u5341\u5206\u5173\u952e\u4f5c\u7528\u7684\u91cd\u8981\u5f02\u6784\u4f53\u591a\u6837\u6027\u7b49\u4fe1\u606f\u3002 \u4e3a\u89e3\u51b3\u4ee5\u4e0a\u95ee\u9898\uff0cPacBio \u63a8\u51fa\u4e86 MAS-Seq \u8bd5\u5242\u76d2\uff0c\u901a\u8fc7\u5c06\u77ed\u7684 cDNA \u8fdb\u884c\u4e32\u8054\u5efa\u5e93\u7684\u65b9\u5f0f\u8fde\u63a5\u8d77\u6765\u518d\u8fdb\u884cHiFi\u6d4b\u5e8f\uff0c\u4ece\u800c\u89e3\u51b3\u4e86\u957f\u8bfb\u957f\u5355\u7ec6\u80de RNA \u6d4b\u5e8f\u7684\u901a\u91cf\u74f6\u9888\u3002MAS-Seq \u7684\u53d1\u5e03\uff0c\u5c06\u4f7f\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u7814\u7a76\u4ece\u57fa\u56e0\u7814\u7a76\u63a8\u8fdb\u5230\u8f6c\u5f55\u672c\u5f02\u6784\u4f53\u7684\u65b0\u9886\u57df\uff0c\u800c\u8fd1\u671f\uff0c\u745e\u58eb\u82cf\u9ece\u4e16\u8054\u90a6\u7406\u5de5\u5b66\u9662\u7814\u7a76\u56e2\u961f\u521b\u65b0\u6027\u5730\u91c7\u7528\u4e86\u4e0e MAS-Seq \u7c7b\u4f3c\u7684\u5b9e\u9a8c\u7b56\u7565\uff0c\u6d4b\u5e8f\u5f97\u5230\u4e86\u57fa\u4e8e PacBio \u7684\u5168\u957f scRNA-seq \u6570\u636e\uff0c\u4e0e\u4f20\u7edf\u57fa\u4e8e NGS \u7684 scRNA-seq \u6d4b\u5e8f\u76f8\u6bd4\uff0c\u5728\u6d4b\u5e8f\u6210\u672c\u5dee\u4e0d\u591a\u7684\u60c5\u51b5\u4e0b\uff0c\u83b7\u5f97\u4e86\u8db3\u591f\u7684\u5355\u7ec6\u80de\u5168\u957f\u8f6c\u5f55\u672c\u6570\u636e\uff0c\u901a\u8fc7\u5206\u6790\u53d1\u73b0 PacBio \u5168\u957f\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u4e0d\u4ec5\u53ef\u4ee5\u5bf9\u7ec6\u80de\u7c7b\u578b\u8fdb\u884c\u51c6\u786e\u7684\u9274\u5b9a\uff0c\u540c\u65f6\u8fd8\u80fd\u53d1\u73b0\u4e8c\u4ee3\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u65e0\u6cd5\u6d4b\u5230\u7684\u878d\u5408\u57fa\u56e0\u8868\u8fbe\uff0c\u60a3\u8005\u7279\u5f02\u6027\u548c\u80bf\u7624\u7ec4\u7ec7\u7279\u5f02\u6027\u7684 isoform \u9009\u7528\u504f\u597d\u6027\uff0c\u4ee5\u53ca\u80fd\u591f\u53d1\u73b0\u66f4\u591a\u5916\u663e\u5b50\u7ed3\u5408\u4f4d\u70b9\u3002\u8fd9\u4e9b\u4fe1\u606f\u7684\u83b7\u53d6\uff0c\u4e3a\u7814\u7a76\u80bf\u7624\u7684\u53d1\u751f\u53d1\u5c55\u3001\u514b\u9686\u6f14\u5316\uff0c\u63d0\u4f9b\u4e86\u8fdb\u4e00\u6b65\u63a2\u7d22\u7684\u57fa\u7840\u3002
"},{"location":"issue-90/#_5","title":"\u5de5\u5177","text":"7\u3001rconfig | \u5728\u547d\u4ee4\u884c\u7ba1\u7406R\u914d\u7f6e
export USER=Jane\n\nRscript --vanilla test.R deploy \\\n -f rconfig-prod.yml \\\n -j '{\"trials\":30,\"dataset\":\"full-data.csv\"}' \\\n --user.name $USER \\\n --verbose\n# List of 6\n# $ trials : int 30\n# $ dataset : chr \"full-data.csv\"\n# $ cores : int 1\n# $ user :List of 1\n# ..$ name: chr \"Jane\"\n# $ description: chr \"This is a multi line\\ndescription.\"\n# $ verbose : logi TRUE\n# - attr(*, \"trace\")=List of 2\n# ..$ kind : chr \"merged\"\n# ..$ value:List of 4\n# .. ..$ :List of 2\n# .. .. ..$ kind : chr \"file\"\n# .. .. ..$ value: chr \"/Users/Peter/git/github.com/analythium/rconfig/inst/examples/rconfig.yml\"\n# .. ..$ :List of 2\n# .. .. ..$ kind : chr \"file\"\n# .. .. ..$ value: chr \"/Users/Peter/git/github.com/analythium/rconfig/inst/examples/rconfig-prod.yml\"\n# .. ..$ :List of 2\n# .. .. ..$ kind : chr \"json\"\n# .. .. ..$ value: chr \"{\\\"trials\\\":30,\\\"dataset\\\":\\\"full-data.csv\\\"}\"\n# .. ..$ :List of 2\n# .. .. ..$ kind : chr \"args\"\n# .. .. ..$ value: chr \"deploy --user.name Jane --verbose\"\n# - attr(*, \"command\")= chr \"deploy\"\n# - attr(*, \"class\")= chr \"rconfig\n8\u3001Windows Terminal
Windows \u7ec8\u7aef\u7a0b\u5e8f\u662f\u4e00\u6b3e\u65b0\u5f0f\u3001\u5feb\u901f\u3001\u9ad8\u6548\u3001\u5f3a\u5927\u4e14\u9ad8\u6548\u7684\u7ec8\u7aef\u5e94\u7528\u7a0b\u5e8f\uff0c\u9002\u7528\u4e8e\u547d\u4ee4\u884c\u5de5\u5177\u548c\u547d\u4ee4\u63d0\u793a\u7b26\uff0cPowerShell\u548c WSL \u7b49 Shell \u7528\u6237\u3002\u4e3b\u8981\u529f\u80fd\u5305\u62ec\u591a\u4e2a\u9009\u9879\u5361\u3001\u7a97\u683c\u3001Unicode\u3001\u548c UTF-8 \u5b57\u7b26\u652f\u6301\uff0cGPU \u52a0\u901f\u6587\u672c\u6e32\u67d3\u5f15\u64ce\u4ee5\u53ca\u81ea\u5b9a\u4e49\u4e3b\u9898\u3001\u6837\u5f0f\u548c\u914d\u7f6e\u3002
9\u3001Scoop\uff1aWindows\u5e73\u53f0\u6700\u597d\u7528\u7684\u8f6f\u4ef6\u7ba1\u7406\u5668
Scoop\u662f\u4e00\u6b3e\u9002\u7528\u4e8eWindows\u5e73\u53f0\u7684\u547d\u4ee4\u884c\u8f6f\u4ef6\uff08\u5305\uff09\u7ba1\u7406\u5de5\u5177\u3002\u7b80\u5355\u6765\u8bf4\uff0c\u5c31\u662f\u53ef\u4ee5\u901a\u8fc7\u547d\u4ee4\u884c\u5de5\u5177\uff08PowerShell\u3001CMD\u7b49\uff09\u5b9e\u73b0\u8f6f\u4ef6\uff08\u5305\uff09\u7684\u5b89\u88c5\u7ba1\u7406\u7b49\u9700\u6c42\uff0c\u901a\u8fc7\u7b80\u5355\u7684\u4e00\u884c\u4ee3\u7801\u5b9e\u73b0\u8f6f\u4ef6\u7684\u4e0b\u8f7d\u3001\u5b89\u88c5\u3001\u5378\u8f7d\u3001\u66f4\u65b0\u7b49\u64cd\u4f5c\u3002\u5176\u7075\u611f\u6765\u6e90\u4e8emacOS\u7684Homebrew\u3002
"},{"location":"issue-90/#_6","title":"\u8d44\u6e90","text":"10\u3001Kaggle Solutions
\u6b63\u5982\u5176\u540d\u79f0\u6240\u793a\uff0c\u8fd9\u4efd\u4ed3\u5e93\u5305\u542b\u4e86\u8fc7\u53bbKaggle\u7ade\u8d5b\u4e2d\u6240\u6709\u9876\u7ea7\u9009\u624b\u5206\u4eab\u7684\u53ef\u7528\u7684\u89e3\u51b3\u65b9\u6848\u548c\u60f3\u6cd5\u3002\u8fd9\u4e2a\u5217\u8868\u4f1a\u5728\u6bcf\u573a\u6bd4\u8d5b\u7ed3\u675f\u540e\u7acb\u5373\u66f4\u65b0\uff0c\u5e76\u5141\u8bb8\u4f60\u641c\u7d22\u8fc7\u53bbKaggle\u7ade\u8d5b\u7684\u89e3\u51b3\u65b9\u6848\u548c\u60f3\u6cd5\u3002
11\u3001prompt \u7ed8\u56fe\u6807\u7b7e
12\u3001ith.Variant\uff1a\u4ece\u591a\u6837\u672c\u6d4b\u5e8f\u6570\u636e\u4e2d\u786e\u5b9a\u4f53\u7ec6\u80de\u7a81\u53d8\u7684pipeline
\u7531SunPathLab\u56e2\u961f\u5728GitHub\u4e0a\u5f00\u6e90\u7684\u7528\u4e8e\u4ece\u591a\u6837\u672c\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u6570\u636e\u4e2d\u8c03\u7528\u4f53\u7ec6\u80de\u53d8\u5f02\u7684pipeline\uff0c\u7ba1\u9053\u5305\u542b\u4e86\u5bf9Illumina\u6d4b\u5e8f\u6570\u636e\u7684\u5904\u7406\u3001\u8d28\u63a7\u3001\u6bd4\u5bf9\u7b49\u6a21\u5757\uff0c\u4e3b\u8981\u7684\u53d8\u5f02\u8c03\u7528\u6a21\u5757\u4f7f\u7528\u4e86Mutect2\u3001Scalpel\u7b49\u5de5\u5177\u3002\u8fd8\u5305\u542b\u4e86\u5bf9\u53d8\u5f02\u8fdb\u884c\u6ce8\u91ca\u3001\u8fc7\u6ee4\u3001\u6c47\u603b\u7edf\u8ba1\u7b49\u540e\u5904\u7406\u6d41\u7a0b\u3002\u63d0\u4f9b\u4e86docker\u7684\u4f7f\u7528\u9009\u9879\u3002
"},{"location":"issue-90/#_7","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 50 \u671f\uff09\uff1a\u9876\u7ea71\u533a\u671f\u520a\u5ba3\u5e03\uff1a\u660e\u5e74\u8d77\u5c06\u4e0d\u518d\u62d2\u7a3f\uff01
"},{"location":"issue-90/#github-id","title":"\u8d21\u732e\u8005\uff08GitHub ID\uff09","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09@kongjianyang\uff08\u7a7a\u95f4\u9633\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-91/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 91 \u671f\uff09\uff1a\u63a2\u7d22\u7684\u52a8\u673a","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-91/#_1","title":"\u5c01\u9762\u56fe","text":""},{"location":"issue-91/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u63a2\u7d22\u7684\u52a8\u673a","text":"\u4eba\u7c7b\u81ea\u53e4\u4ee5\u6765\u5c31\u5bf9\u4e16\u754c\u6709\u6050\u60e7\u611f\uff0c\u800c\u79d1\u5b66\u53ef\u4ee5\u5e2e\u52a9\u4eba\u4eec\u4e86\u89e3\u5b87\u5b99\u7684\u89c4\u5f8b\u3001\u589e\u957f\u667a\u6167\uff0c\u6709\u4e86\u667a\u6167\u4e4b\u540e\uff0c\u4eba\u7c7b\u5c31\u4e0d\u518d\u56f0\u60d1\uff0c\u4e5f\u4e0d\u518d\u56e0\u4e3a\u81ea\u8eab\u5728\u5b87\u5b99\u4e2d\u7684\u5b58\u5728\u800c\u611f\u5230\u6050\u60e7\u4e0d\u5b89\u3002\u5f53\u5fc3\u5b89\u5b9a\u4e86\uff0c\u4eba\u4eec\u505a\u4efb\u4f55\u4e8b\u60c5\uff0c\u6210\u529f\u4e5f\u597d\uff0c\u4e0d\u6210\u529f\u4e5f\u7f62\uff0c\u90fd\u4e0d\u90a3\u4e48\u5bb9\u6613\u60a3\u5f97\u60a3\u5931\u3002\u4eba\u5fc3\u7684\u7126\u8651\u5f80\u5f80\u6e90\u4e8e\u6b64\uff1a\u6ca1\u6709\u65f6\u6015\u5f97\u4e0d\u5230\uff0c\u5f97\u5230\u540e\u53c8\u552f\u6050\u5931\u53bb\u3002\u7528\u7231\u56e0\u65af\u5766\u7684\u8bdd\u6765\u8bf4\uff0c\u4eba\u7c7b\u63a2\u7d22\u7684\u4e00\u4e2a\u4e3b\u8981\u76ee\u7684\u5c31\u662f\u8ffd\u6c42\u601d\u60f3\u4e0a\u7684\u89e3\u653e\u3002\u5c3d\u7ba1\u79d1\u5b66\u63a2\u7d22\u7684\u8def\u5e76\u975e\u5766\u9014\uff0c\u4f46\u5f52\u6839\u5230\u5e95\u4f9d\u7136\u662f\u4e3a\u4e86\u4ec1\u3001\u667a\u3001\u52c7\uff0c\u4e3a\u4e86\u771f\u6b63\u505a\u597d\u4e00\u4e2a\u201c\u4eba\u201d\uff0c\u8fd9\u4e5f\u662f\u79d1\u5b66\u63a2\u7d22\u7684\u6700\u7ec8\u5965\u4e49\u4e86\u3002
@ShixiangWang: \u63a2\u7d22\u7684\u52a8\u673a\u65e2\u662f\u5bf9\u672a\u77e5\u7684\u6050\u60e7\uff0c\u4e5f\u662f\u5bf9\u638c\u63e1\u7684\u6e34\u671b\u3002\u5b83\u5851\u9020\u4fe1\u606f\u7684\u4e0d\u5bf9\u79f0\uff0c\u53c8\u63a8\u8fdb\u7740\u6587\u660e\u7684\u8fdb\u7a0b\u3002
"},{"location":"issue-91/#_3","title":"\u751f\u4fe1\u7814\u7a76","text":"1\u3001Briefings in Bioinformatics | \u4e00\u7ad9\u5f0f\u80bf\u7624\u7cbe\u51c6\u8bca\u7597\u6587\u732e\u6316\u6398\u5e73\u53f0OncoPubMiner
\u7814\u7a76\u8bba\u6587\u662f\u79d1\u7814\u53d1\u73b0\u7684\u7b2c\u4e00\u5c55\u793a\u9635\u5730\uff0c\u4e5f\u662f\u80bf\u7624\u7cbe\u51c6\u8bca\u7597\u77e5\u8bc6\u6570\u636e\u7684\u91cd\u8981\u6765\u6e90\u3002\u8be5\u9879\u76ee\u4ee5\u6587\u732e\u6570\u636e\u6316\u6398\u4e3a\u76ee\u6807\uff0c\u4eceNCBI\u4e0b\u8f7d\u53ef\u516c\u5f00\u4f7f\u7528\uff08open-access\uff09\u7684PubMed\u6458\u8981\uff08Abstract\uff09\u548cPMC\u5168\u6587\uff08Full-text\uff09\uff0c\u7ecf\u8fc7\u811a\u672c\u5904\u7406\u3001\u89e3\u6790\u548c\u683c\u5f0f\u8f6c\u5316\u540e\uff0c\u5229\u7528\u57fa\u4e8e\u4eba\u5de5\u667a\u80fd\u7684NLP\u6280\u672f\u5bf9\u80bf\u7624\u7cbe\u51c6\u8bca\u7597\u76f8\u5173\u7684\u5b9e\u4f53\uff08\u5982\u764c\u79cd\u3001\u57fa\u56e0\u3001\u53d8\u5f02\u3001\u836f\u7269\u3001\u4e34\u5e8a\u610f\u4e49\u3001\u8bc1\u636e\u65b9\u5411\uff09\u8fdb\u884c\u6316\u6398\u3002\u540c\u65f6\uff0c\u5229\u7528\u4e1a\u754c\u5e38\u7528\u7684\u672f\u8bed\u96c6\uff08terminology\uff09\u548c\u672c\u4f53\uff08ontology\uff09\uff0c\u5206\u522b\u5bf9\u81ea\u52a8\u5316\u6807\u6ce8\u7684\u5b9e\u4f53\u8fdb\u884c\u6807\u51c6\u5316\u548c\u5c42\u7ea7\u5316\u5904\u7406\u3002\u6700\u540e\uff0c\u57fa\u4e8e\u6570\u636e\u6316\u6398\u7ed3\u679c\uff0c\u6784\u5efa\u4e00\u5957\u5305\u62ec\u6587\u732e\u68c0\u7d22\u3001\u6587\u5e93\u7ba1\u7406\u3001\u56e2\u961f\u642d\u5efa\u3001\u8868\u5355\u5b9a\u5236\u3001\u9879\u76ee\u7ba1\u7406\u3001\u6570\u636e\u6458\u5f55\u53ca\u5ba1\u6838\u7b49\u529f\u80fd\u5728\u5185\u7684\u5168\u6d41\u7a0b\u4e00\u7ad9\u5f0f\u5e73\u53f0\u3002
2\u3001Nature Cancer | MSK\u56e2\u961f\u5f00\u53d1\u65b0\u6280\u672fMACHETE\uff0c\u63ed\u793a\u67d3\u8272\u4f539p21.3\u7f3a\u5931\u662f\u80bf\u7624\u7ec6\u80de\u514d\u75ab\u9003\u907f\u548c\u8f6c\u79fb\u7684\u4ecb\u8d28
\u764c\u75c7\u4e2d\u7ecf\u5e38\u53d1\u751f\u7684\u4e00\u79cd\u5927\u89c4\u6a21\u57fa\u56e0\u53d8\u5316\u662f\u62f7\u8d1d\u6570\u53d8\u5f02\u6539\u53d8\uff08CNA\uff09\uff0c\u6709\u7814\u7a76\u663e\u793a\uff0c\u4e00\u4e2a\u5178\u578b\u7684\u80bf\u7624\u5e73\u5747\u670924\u4e2a\u4e0d\u540c\u7684CNA\uff0c\u5f71\u54cd\u5176\u9ad8\u8fbe30%\u7684\u57fa\u56e0\u7ec4\u3002\u7f8e\u56fd\u7eaa\u5ff5\u65af\u9686\u51ef\u7279\u7433\u764c\u75c7\u4e2d\u5fc3\uff08MSK\uff09\u6b64\u524d\u7684\u7814\u7a76\u53d1\u73b0\uff0c\u5177\u6709\u8f83\u9ad8\u6c34\u5e73CNA\u7684\u80bf\u7624\u4e0e\u4e73\u817a\u764c\u3001\u524d\u5217\u817a\u764c\u3001\u5b50\u5bab\u5185\u819c\u764c\u3001\u80be\u900f\u660e\u7ec6\u80de\u764c\u3001\u7532\u72b6\u817a\u764c\u548c\u7ed3\u76f4\u80a0\u764c\u7684\u590d\u53d1\u548c\u6076\u5316\u6709\u5173\u3002CNA\u7684\u5927\u5c0f\u548c\u79cd\u7c7b\u5f71\u54cd\u4e86\u6570\u5343\u751a\u81f3\u6570\u767e\u4e07\u5bf9DNA\u78b1\u57fa\u5bf9\uff0c\u800c\u4e0d\u4ec5\u4ec5\u662fDNA\u5e8f\u5217\u4e2d\u4e00\u4e2a\u78b1\u57fa\u7684\u6539\u53d8\uff0c\u56e0\u6b64\u4e0d\u80fd\u901a\u8fc7\u64cd\u7eb5\u5355\u4e2a\u57fa\u56e0\u6765\u91cd\u73b0\uff0c\u5f88\u96be\u5728\u5b9e\u9a8c\u5ba4\u6a21\u578b\u4e2d\u91cd\u65b0\u751f\u6210\u4ee5\u8fdb\u884c\u6df1\u5165\u7814\u7a76\u3002 \u8fd1\u65e5\uff0cMSK\u7814\u7a76\u56e2\u961f\u5f00\u53d1\u4e86\u4e00\u79cd\u57fa\u4e8eCRISPR\u65b0\u6280\u672fMACHETE\uff0c\u53ef\u4ee5\u5207\u5272\u57fa\u56e0\u5e8f\u5217\u7684\u91cd\u8981\u9776\u6807\u90e8\u5206\uff0c\u53cd\u6620\u764c\u75c7\u548c\u5176\u4ed6\u4eba\u7c7b\u75be\u75c5\u4e2d\u51fa\u73b0\u7684\u53d8\u5316\uff0c\u53ef\u7528\u4e8e\u5b9e\u9a8c\u5ba4\u6a21\u578b\u4e2d\u9ad8\u6548\u5730\u7814\u7a76\u5927\u89c4\u6a21\u57fa\u56e0\u7f3a\u5931\uff0c\u4f8b\u5982CNA\u3002\u7814\u7a76\u56e2\u961f\u5229\u7528MACHETE\u63ed\u793a\u4e86\u4e00\u79cd\u5bfc\u81f4\u7ea615%\u764c\u75c7\u7684\u57fa\u56e0\u53d8\u5316\uff0c\u8fd9\u53ef\u80fd\u6709\u52a9\u4e8e\u8bc6\u522b\u5bf9\u514d\u75ab\u7597\u6cd5\u6709\u53cd\u5e94\u7684\u60a3\u8005\u3002
3\u3001Nature\u4e28 \u9274\u5b9a\u4fc3\u8fdb\u80a0\u9053\u708e\u75c7\u7684\u73af\u5883\u56e0\u7d20
\u8fd1\u65e5\uff0c\u7f8e\u56fd\u54c8\u4f5b\u5927\u5b66Francisco J. Quintana\u7814\u7a76\u7ec4\u5728Nature\u4e0a\u53d1\u8868\u4e86\u6587\u7ae0Identification of environmental factors that promote intestinal inflammation\uff0c\u901a\u8fc7\u7ed3\u5408\u516c\u5f00\u7684\u6570\u636e\u5e93\u3001\u6591\u9a6c\u9c7c\u5316\u5b66\u7b5b\u9009\u3001\u673a\u5668\u5b66\u4e60\u4ee5\u53ca\u5c0f\u9f20\u4e34\u5e8a\u524d\u6a21\u578b\u7b49\u8bc6\u522b\u63a7\u5236\u708e\u75c7\u6027\u80a0\u75c5\u7684\u73af\u5883\u56e0\u7d20\u4ee5\u53ca\u5177\u4f53\u7684\u53d1\u75c5\u673a\u5236\u3002
4\u3001Nature Machine Intelligence | \u57fa\u4e8e\u5bf9\u6bd4\u5b66\u4e60\u7684\u65b9\u6cd5\u53ef\u5feb\u901f\u6620\u5c04\u5230\u6570\u767e\u4e07\u89c4\u6a21\u7684\u591a\u6a21\u6001\u5355\u7ec6\u80de\u56fe\u8c31
Nature Machine Intelligence\u4e0a\u4ecb\u7ecd\u4e86\u4e00\u4e2a\u57fa\u4e8e\u6df1\u5ea6\u5b66\u4e60\u7684\u3001\u901a\u8fc7\u63a8\u5bfc\u975e\u7ebf\u6027\u7ec6\u80de\u5d4c\u5165\u5904\u7406\u767e\u4e07\u89c4\u6a21\u591a\u6a21\u6001\u5355\u7ec6\u80de\u6570\u636e\u7684\u5bf9\u6bd4\u65b9\u6cd5-Concerto\u3002\u901a\u8fc7\u5bf9\u771f\u5b9e\u6570\u636e\u96c6\u548c\u6a21\u62df\u6570\u636e\u96c6\u8fdb\u884c\u57fa\u51c6\u6d4b\u8bd5\uff0c\u5b66\u4e60\u7684\u5d4c\u5165\u53ef\u4ee5\u9488\u5bf9\u5404\u79cd\u4e0b\u6e38\u9700\u6c42\u8fdb\u884c\u5fae\u8c03\uff0c\u5305\u62ec\u81ea\u52a8\u7ec6\u80de\u7c7b\u578b\u5206\u7c7b\u3001\u805a\u7c7b\u3001\u6279\u6b21\u6548\u5e94\u6821\u6b63\u7684\u6570\u636e\u96c6\u6210\u4ee5\u53caquery-to-reference\u6620\u5c04\u3002Concerto \u53ef\u4ee5\u7075\u6d3b\u5730\u5904\u7406\u591a\u7ec4\u5b66\u6570\u636e\u96c6\uff0c\u5e76\u5728\u6bcf\u4e2a\u4efb\u52a1\u4e2d\u4f18\u4e8e\u5176\u4ed6\u65b9\u6cd5\u3002\u6b64\u5916\uff0c\u4f5c\u8005\u5229\u7528Concerto \u6839\u636e\u5305\u542b\u5065\u5eb7\u548c\u611f\u67d3\u6837\u672c\u7684\u7efc\u5408\u53c2\u8003\u56fe\u8c31\u67e5\u8be2 COVID-19 \u514d\u75ab\u7ec6\u80de\u6570\u636e\u96c6\uff0c\u6982\u62ec\u4e86\u5177\u6709\u4e0d\u540c\u75be\u75c5\u72b6\u6001\u7684\u60a3\u8005\u7684\u51e0\u79cd\u4e0d\u540c\u514d\u75ab\u7279\u5f81\u3002\u5b9e\u9a8c\u7ed3\u679c\u8868\u660e\uff0cConcerto \u662f\u4e00\u4e2a\u5f3a\u5927\u3001\u51c6\u786e\u3001\u53ef\u6269\u5c55\u7684\u8868\u793a\u5b66\u4e60\u6846\u67b6\uff0c\u53ef\u7528\u4e8e 1000 \u4e07\u4e2a\u7ec6\u80de\u89c4\u6a21\u7684\u5355\u7ec6\u80de\u591a\u6a21\u6001\u5206\u6790\u3002
5\u3001PyTorch 2.0
\u4e00\u6761\u7a0d\u5fae\u6709\u4e9b\u8fc7\u65f6\u7684\u8d44\u8baf\u3002
PyTorch 2.0 \u5f15\u5165\u4e86 torch.compile\uff0c\u8fd9\u662f\u4e00\u79cd\u7f16\u8bd1\u6a21\u5f0f\uff0c\u53ef\u4ee5\u5728\u4e0d\u66f4\u6539\u6a21\u578b\u4ee3\u7801\u7684\u60c5\u51b5\u4e0b\u52a0\u901f\u6a21\u578b\u3002\u5728 163 \u4e2a\u6db5\u76d6\u89c6\u89c9\u3001NLP \u548c\u5176\u4ed6\u9886\u57df\u7684\u5f00\u6e90\u6a21\u578b\u4e2d\uff0c\u8be5\u56e2\u961f\u53d1\u73b0\u4f7f\u7528 2.0 \u53ef\u4ee5\u5c06\u8bad\u7ec3\u901f\u5ea6\u63d0\u9ad8 38-76%\u3002
6\u3001\u56fd\u5185\u5916\u5f00\u6e90\u514d\u8d39\u7684\u5efa\u7ad9CMS\u6709\u54ea\u4e9b\uff1f
\u77e5\u4e4e\u8ba8\u8bba\u8bdd\u9898\uff0c\u603b\u7ed3\u4e86\u4e00\u4e9b\u56fd\u5185\u5916\u8457\u540d\u7684\u5f00\u6e90\u514d\u8d39\u7684\u5efa\u7ad9CMS(Content Management System\uff0c\u5185\u5bb9\u7ba1\u7406\u7cfb\u7edf)\uff0c\u4f8b\u5982WordPress\u3001Django CMS\u7b49\u3002\u5bf9\u6bcf\u6b3eCMS\u8fdb\u884c\u4e86\u7b80\u8981\u63cf\u8ff0,\u5e76\u7ed9\u51fa\u4e86\u76f8\u5173GitHub\u5730\u5740\u548c\u7b80\u5355\u7684\u5b89\u88c5\u6b65\u9aa4\u3002
7\u3001\u56de\u987e | \u7cfb\u7edf\u8fdb\u5316\u6811\u6784\u5efa\u7684\u5e38\u89c1\u65b9\u6cd5
\u6784\u5efa\u8fdb\u5316\u6811\u7684\u65b9\u6cd5\u4e3b\u8981\u5206\u4e3a:
8\u3001MetaTiME:\u89e3\u6790\u80bf\u7624\u514d\u75ab\u5fae\u73af\u5883\u4e2d\u7684\u5143\u6210\u5206
MetaTiME\u901a\u8fc7\u6574\u5408\u6570\u767e\u4e2a\u80bf\u7624scRNA-seq\u6570\u636e\u4e2d\u7684\u6570\u767e\u4e07\u4e2a\u5355\u7ec6\u80de\u6765\u5b66\u4e60\u6570\u636e\u9a71\u52a8\u3001\u53ef\u89e3\u91ca\u548c\u53ef\u590d\u5236\u7684\u57fa\u56e0\u7a0b\u5e8f\u3002\u5176\u60f3\u6cd5\u662f\u4ece\u5927\u89c4\u6a21\u6570\u636e\u4e2d\u5b66\u4e60\u5177\u6709\u751f\u7269\u5b66\u610f\u4e49\u65b9\u5411\u7684\u5355\u7ec6\u80de\u7a7a\u95f4\u5730\u56fe\uff0c\u8fd9\u6709\u52a9\u4e8e\u7406\u89e3\u529f\u80fd\u7ec6\u80de\u72b6\u6001\u5e76\u5c06\u77e5\u8bc6\u8f6c\u79fb\u5230\u65b0\u7684\u6570\u636e\u5206\u6790\u4e2d\u3002MetaTiME\u63d0\u4f9b\u9884\u8bad\u7ec3\u7684\u5143\u7ec4\u4ef6(mec)\uff0c\u4ee5\u81ea\u52a8\u6ce8\u91ca\u7ec6\u7c92\u5ea6\u7ec6\u80de\u72b6\u6001\uff0c\u5e76\u7ed8\u5236\u80bf\u7624\u5fae\u73af\u5883\u65b0\u5355\u7ec6\u80de\u7684\u7279\u5f81\u8fde\u7eed\u8c31\u3002
9\u3001ChatBot TheB.AI
\u591a\u79cd\u5bf9\u8bdd\u6a21\u578b\u9009\u62e9\uff08\u5305\u62ec ChatGPT\uff09\u4ee5\u53ca\u56fd\u5185\u4ed8\u8d39\u65b9\u6848\u3002\u53ef\u4ee5\u4e00\u8bd5\u3002
10\u3001\u8ddf\u7740Environ. Pollut.\u5b66\u7fa4\u843d\u7ec4\u88c5\u673a\u5236\uff08iCAMP\uff09\u53ef\u89c6\u5316
\u4e3a\u4e86\u7cfb\u7edf\u5c55\u793aitol.toolkit\uff08\u8f85\u52a9iTOL\u8fdb\u884c\u53ef\u89c6\u5316\u7684R\u5305\uff09\u7684\u591a\u4e2a\u529f\u80fd\u534f\u540c\u4f7f\u7528\uff0c\u672c\u6587\u9009\u62e9\u4e86\u4e00\u4e9b\u7528iTOL\u5236\u4f5c\u5e76\u5df2\u53d1\u8868\u7684\u56fe\u6765\u590d\u73b0\uff0c\u672c\u671f\u7684\u4e3b\u9898\u662f\u7fa4\u843d\u7ec4\u88c5\u673a\u5236\uff0c\u8fd9\u662f\u8fd1\u4e9b\u5e74\u5fae\u751f\u7269\u751f\u6001\u9886\u57df\u7684\u5927\u70ed\u95e8\u3002
11\u3001WebR | \u5728\u6d4f\u89c8\u5668\u4e2d\u642d\u5efaR
12\u3001Shiny.gosling: R shiny\u4e2d\u7684\u57fa\u56e0\u7ec4\u53ef\u89c6\u5316
\u6587\u7ae0\u4ecb\u7ecd\u4e86shiny.gosling\u5305\uff0c\u53ef\u4ee5\u5c06Gosling.js\u7684\u8bed\u6cd5\u5f15\u5165R/Shiny\u4e2d\uff0c\u5b9e\u73b0\u57fa\u56e0\u7ec4\u53ef\u89c6\u5316\u3002
13\u3001\u5355\u7ec6\u80de\u591a\u7ec4\u5b66\u6570\u636e\u5206\u6790\u6700\u4f73\u5b9e\u8df5(2023\u5178\u85cf\u7248)
\u672c\u6587\u5c06\u5f15\u5bfc\u8bfb\u8005\u4e86\u89e3\u5355\u6a21\u6001\u548c\u591a\u6a21\u6001\u5355\u7ec6\u80de\u6570\u636e\u5206\u6790\u7684\u5404\u4e2a\u6b65\u9aa4\uff0c\u5e76\u8ba8\u8bba\u9690\u85cf\u5728\u5176\u4e2d\u7684\u5206\u6790\u9677\u9631\u548c\u5efa\u8bae(\u56fe1)\u3002\u5728\u67d0\u4e9b\u5730\u65b9\uff0c\u7531\u4e8e\u5de5\u5177\u7684\u65b0\u9896\u6027\u6216\u7f3a\u4e4f\u72ec\u7acb\u7684\u57fa\u51c6\u800c\u65e0\u6cd5\u786e\u5b9a\u6700\u4f73\u5b9e\u8df5\uff0c\u4f5c\u8005\u5c06\u5217\u51fa\u5e7f\u6cdb\u91c7\u7eb3\u7684\u5de5\u5177\u548c\u5efa\u8bae\u3002\u4f5c\u8005\u5c06\u6587\u7ae0\u7ec4\u7ec7\u6210\u7279\u5b9a\u4e8e\u6a21\u5f0f\u7684\u90e8\u5206\u548c\u5206\u6790\u6b65\u9aa4\u7ec4\uff0c\u800c\u4e0d\u662f\u5355\u4e00\u7684\u5de5\u4f5c\u6d41\uff0c\u5728\u73b0\u4ee3\u5355\u7ec6\u80de\u5206\u6790\u4e2d\uff0c\u7531\u4e8e\u4efb\u52a1\u7684\u591a\u6837\u6027\uff0c\u8fd9\u5df2\u7ecf\u5f88\u5c11\u5b58\u5728\u4e86\u3002\u4e3a\u4e86\u8fdb\u4e00\u6b65\u9605\u8bfb\uff0c\u4f5c\u8005\u63d0\u4f9b\u4e86\u66f4\u5e7f\u6cdb\u548c\u5b9a\u671f\u66f4\u65b0(\u4f46\u6ca1\u6709\u540c\u884c\u8bc4\u5ba1)\u7684\u5355\u7ec6\u80de\u6700\u4f73\u5b9e\u8df5\u5728\u7ebf\u4e66\u7c4d(https://sc-best-practices.org/)\uff0c\u5168\u4e66\u8d85\u8fc750\u7ae0\uff0c\u5305\u62ec\u8be6\u7ec6\u7684\u4ee3\u7801\u793a\u4f8b\uff0c\u5206\u6790\u6a21\u677f\u4ee5\u53ca\u8ba1\u7b97\u9700\u6c42\u7684\u8bc4\u4f30\u3002
14\u3001\u7a0b\u5e8f\u5458\u9700\u77e5\u7684 58 \u4e2a\u7f51\u7ad9\uff0c\u4e00\u6b21\u6027\u6574\u7406\u5168\u4e86\uff01
\u6587\u7ae0\u603b\u7ed3\u4e86\u7a0b\u5e8f\u5458\u5b66\u4e60\u548c\u5de5\u4f5c\u5e38\u7528\u768458\u4e2a\u7f51\u7ad9,\u6db5\u76d6\u7684\u8303\u56f4\u5305\u62ec\u8bed\u8a00\u548c\u6846\u67b6\u6559\u7a0b\u3001\u7535\u5b50\u4e66\u8d44\u6e90\u3001\u5b98\u65b9\u6587\u6863\u3001\u6280\u672f\u793e\u533a\u3001\u535a\u5ba2\u3001\u5f00\u6e90\u9879\u76ee\u3001\u9762\u8bd5\u7ec3\u4e60\u7b49\u5e38\u7528\u8d44\u6e90\u7c7b\u578b\u3002\u5bf9\u7a0b\u5e8f\u5458\u5b66\u4e60\u548c\u8fdb\u9636\u5177\u6709\u5f88\u597d\u7684\u53c2\u8003\u4ef7\u503c\u3002
"},{"location":"issue-91/#_7","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09@kongjianyang\uff08\u7a7a\u95f4\u9633\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-92/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 92 \u671f\uff09\uff1a\u533b\u7597\u53cd\u8150\u7684\u56f0\u5883\u548c\u9009\u9879","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
\u795d\u5404\u4f4d\u8bfb\u8005\u8001\u5e08\u6559\u5e08\u8282\u5feb\u4e50\uff01
"},{"location":"issue-92/#_1","title":"\u5c01\u9762\u56fe","text":"\u97e9\u56fd\u5ba3\u5e03\u5c06\u5728\u9996\u90fd\u9996\u5c14\uff0c\u5efa\u9020\u4e16\u754c\u6700\u5927\u7684\u65e0\u8f90\u6469\u5929\u8f6e\u3002via
"},{"location":"issue-92/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u533b\u7597\u53cd\u8150\u7684\u56f0\u5883\u548c\u9009\u9879","text":"\u4e2d\u56fd\u533b\u7597\u53cd\u8150\u7684\u56f0\u96be\u5728\u4e8e\uff1a\u600e\u4e48\u5bf9\u5f85\u5927\u4e13\u5bb6\u3001\u79d1\u5ba4\u548c\u533b\u9662\u9886\u5bfc\u3002 \u4e5f\u5c31\u662f\u8bf4\uff0c\u6240\u8c13\u201c\u5343\u91cc\u9a79\u201d\u548c\u201c\u5bb3\u7fa4\u4e4b\u9a6c\u201d\uff0c\u5728\u4e2d\u56fd\u533b\u7597\u754c\u5f88\u6709\u53ef\u80fd\u5b9e\u9645\u91cd\u53e0\u7387\u4e0d\u4f4e\u3002 \u5bb9\u6613\u4e89\u8bba\u201c\u5343\u91cc\u9a79\u201d\u4e2d\u5230\u5e95\u6709\u591a\u5c11\u201c\u5bb3\u7fa4\u4e4b\u9a6c\u201d\uff0c\u4f46\u5f88\u96be\u4e89\u8bae\u201c\u5bb3\u7fa4\u4e4b\u9a6c\u201d\u4e2d\u6709\u591a\u5c11\u201c\u5343\u91cc\u9a79\u201d\uff0c\u540e\u8005\u7684\u6bd4\u7387\u6050\u6015\u5f88\u9ad8\u3002 \u56db\u5341\u5e74\u6765\u79ef\u7d2f\u7684\u7ed3\u679c\uff0c\u5bfc\u81f4\u8fd9\u4e2a\u6bd4\u7387\u6709\u53ef\u80fd\u9ad8\u5230\u96be\u4ee5\u505a\u5230\uff1a\u5168\u90e8\u6e05\u9664\u5bb3\u7fa4\u4e4b\u9a6c\uff0c\u800c\u540c\u65f6\u4fdd\u7559\u8db3\u591f\u7684\u5343\u91cc\u9a79\u3002 \u4e07\u4e00\u56e0\u4e3a\u5343\u91cc\u9a79\u88ab\u53cd\u8150\u800c\u51fa\u73b0\u4e0d\u5f97\u4e0d\u53bb\u76d1\u72f1\u770b\u75c5/\u505a\u624b\u672f\u7684\u666f\u8c61\uff0c\u53ef\u80fd\u5bf9\u5927\u5bb6\uff08\u533b\u7597\u754c\u5185\u5916\uff09\u90fd\u6bd4\u8f83\u5c34\u5c2c\uff1f
@ShixiangWang - \u5c60\u9f99\u5c11\u5e74\uff0c\u6210\u4e3a\u6076\u9f99\uff0c\u5c61\u89c1\u4e0d\u9c9c\u3002\u4eca\u5e74\u6211\u4eec\u901a\u8fc7\u65b0\u95fb\u8d44\u8baf\u770b\u5230\u4e86\u5f88\u591a\u533b\u9662\u7684\u9886\u5bfc\u4eec\u843d\u9a6c\uff0c\u53ef\u89c1\u5f53\u4e0b\u8150\u8d25\u7684\u4e25\u91cd\u548c\u56fd\u5bb6\u7684\u51b3\u5fc3\u3002\u8083\u6e05\u6bd2\u7624\u56fa\u7136\u91cd\u8981\uff0c\u4f46\u6211\u89c9\u5f97\u66f4\u5e94\u8be5\u6df1\u601d\u7684\u662f\u4e3a\u4ec0\u4e48\u5b83\u4eec\u4f1a\u5b58\u5728\uff1f\u4f1a\u957f\u671f\u5b58\u5728\uff1f\u8083\u6e05\u540e\u6062\u590d\u4f1a\u590d\u53d1\uff1f\u6bcf\u4e2a\u4eba\u90fd\u6709\u7740\u5185\u5fc3\u7684\u9633\u5149\u9762\u548c\u9634\u6697\u9762\uff0c\u5851\u9020\u826f\u597d\u7684\u6587\u5316\u3001\u826f\u597d\u7684\u73af\u5883\u8ba9\u4eba\u5fc3\u5411\u9633\u800c\u751f\uff0c\u53ef\u80fd\u9700\u8981\u66f4\u4e3a\u957f\u671f\u7684\u5b9e\u8df5\u3002
1\u3001Nature | \u80bf\u7624\u7ec6\u80de\u67d3\u8272\u4f53\u4e0d\u7a33\u5b9a\u6027\u5bfc\u81f4\u514d\u75ab\u9003\u9038
\u672c\u7814\u7a76\u5229\u7528\u5168\u65b0\u7684\u57fa\u4e8e\u5355\u7ec6\u80deRNA\u6d4b\u5e8f\u6570\u636e\u7684\u7ec6\u80de\u95f4\u4ea4\u4e92\u4f5c\u7528\u5206\u6790\u624b\u6bb5ContactTracing\uff0c\u5206\u6790\u5177\u6709\u4e0d\u540c\u67d3\u8272\u4f53\u4e0d\u7a33\u5b9a\u6027\u6c34\u5e73\u7684\u5c0f\u9f20\u548c\u75c5\u4eba\u80bf\u7624\u7684\u80bf\u7624\u5fae\u73af\u5883\uff0c\u53d1\u73b0\u8d1f\u8d23\u611f\u53d7\u7ec6\u80de\u8d28\u5185DNA\u7684\u5929\u7136\u514d\u75ab\u901a\u8def\u7684\u6162\u6027\u6fc0\u6d3b\u4fc3\u8fdb\u4e86\u514d\u75ab\u9003\u9038\u548c\u80bf\u7624\u8f6c\u79fb\u3002\u5177\u4f53\u800c\u8a00\uff0c\u80bf\u7624\u7ec6\u80de\u7684\u67d3\u8272\u4f53\u4e0d\u7a33\u5b9a\u6027\u9020\u6210\u4e86Sting\u7684\u6162\u6027\u6fc0\u6d3b\u3002\u6709\u8da3\u7684\u662f\uff0c\u8fd9\u79cdSting\u901a\u8def\u7684\u6162\u6027\u6fc0\u6d3b\u5e76\u6ca1\u6709\u5f15\u53d1\u4e0e\u80bf\u7624\u514d\u75ab\u6e05\u9664\u76f8\u5173\u7684\u5e72\u6270\u7d20\u901a\u8def\uff0c\u800c\u662f\u901a\u8fc7ER stress\u673a\u5236\uff0c\u8fdb\u800c\u5bfc\u81f4\u80bf\u7624\u7684\u514d\u75ab\u9003\u9038\u3002\u8fd9\u4e00\u53d1\u73b0\u4e3a\u9488\u5bf9\u80bf\u7624\u7ec6\u80de\u67d3\u8272\u4f53\u4e0d\u7a33\u5b9a\u6027\u7684\u6cbb\u7597\u65b9\u6848\u63d0\u4f9b\u4e86\u7406\u8bba\u57fa\u7840\uff0c\u540c\u65f6\u4e5f\u63d0\u793a\u4e86\u80bf\u7624\u7ec6\u80de\u4e2dSting\u901a\u8def\u6fc0\u6d3b\u4e0e\u514d\u75ab\u7cfb\u7edf\u4e4b\u95f4\u7684\u5173\u7cfb\u6bd4\u6700\u521d\u9884\u8ba1\u7684\u66f4\u52a0\u590d\u6742\u3002\u8fd9\u4e5f\u4e3aSting\u6fc0\u6d3b\u5242\u5728\u4e34\u5e8a\u8bd5\u9a8c\u4e2d\u672a\u80fd\u8fbe\u5230\u9884\u671f\u7684\u6548\u679c\u63d0\u4f9b\u4e86\u53ef\u80fd\u7684\u89e3\u91ca\u3002\u4e0e\u6b64\u540c\u65f6\uff0cContactTracing\u7b97\u6cd5\u7684\u5f00\u53d1\u5145\u5206\u5229\u7528\u4e86\u590d\u6742\u6837\u54c1\u4e2d\u7ec6\u80de\u7684\u5f02\u8d28\u6027\uff0c\u4e3a\u5355\u7ec6\u80deRNA\u6d4b\u5e8f\u6570\u636e\u5206\u6790\u63d0\u4f9b\u4e86\u5168\u65b0\u7684\u5de5\u5177\u548c\u601d\u8def\u3002\u8fd9\u5c06\u6709\u52a9\u4e8e\u66f4\u6df1\u5165\u5730\u4e86\u89e3\u7ec6\u80de\u95f4\u76f8\u4e92\u4f5c\u7528\u7684\u590d\u6742\u6027\uff0c\u4ece\u800c\u63a8\u52a8\u533b\u5b66\u7814\u7a76\u548c\u6cbb\u7597\u7684\u8fdb\u5c55\u3002
2\u3001Cell Discovery | \u7f3a\u8840\u6027\u8111\u5352\u4e2d\u60a3\u8005\u5168\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u5206\u6790
\u8fd1\u671f\u53d1\u8868\u5728Cell Discovery\u4e0a\u7684\u6587\u7ae0\uff0c\u62a5\u9053\u4e86\u4e00\u9879\u6765\u81ea\u4e2d\u56fd10241\u4f8b\u7f3a\u8840\u6027\u8111\u5352\u4e2d\u60a3\u8005\u7684\u5168\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u548c\u5206\u6790\u7814\u7a76\u3002\u7814\u7a76\u56e2\u961f\u901a\u8fc7\u6df1\u5ea6\u5168\u57fa\u56e0\u7ec4\u6d4b\u5e8f\u9274\u5b9a\u4e86\u8fd9\u4e9b\u4e2a\u4f53\u4e2d\u768413.55\u4ebf\u4e2a\u9ad8\u8d28\u91cf\u53d8\u5f02,\u5e76\u901a\u8fc7\u968f\u540e\u7684\u5173\u8054\u5206\u6790\u63ed\u793a\u4e8610\u4e2a\u65b0\u7684\u57fa\u56e0\u4f4d\u70b9\u4e0e\u8111\u5352\u4e2d\u76f8\u5173\u6027\u72b6\u4e4b\u95f4\u7684\u8054\u7cfb,\u4e3a\u672a\u6765\u7814\u7a76\u8111\u5352\u4e2d\u673a\u5236\u3001\u65b0\u7684\u6cbb\u7597\u9776\u70b9\u63d0\u4f9b\u4e86\u7ebf\u7d22\u3002\u8fd9\u662f\u8fc4\u4eca\u4e3a\u6b62\u9488\u5bf9\u4e2d\u56fd\u8111\u5352\u4e2d\u60a3\u8005\u961f\u5217\u8fdb\u884c\u7684\u6700\u5927\u89c4\u6a21\u7684\u5168\u57fa\u56e0\u7ec4\u7814\u7a76,\u6781\u5927\u4e30\u5bcc\u4e86\u4eba\u4eec\u5bf9\u4e2d\u56fd\u7fa4\u4f53\u9057\u4f20\u7ed3\u6784\u548c\u81ea\u7136\u9009\u62e9\u7684\u4e86\u89e3\u3002
3\u3001Cell | \u57fa\u4e8e35\u79cd\u764c\u75c7\u7c7b\u578b\u6784\u5efa\u9996\u4e2a\u6cdb\u764c\u771f\u83cc\u5fae\u751f\u7269\u7ec4\u56fe\u8c31\uff0c\u63ed\u793a\u764c\u75c7\u4e0e\u5fae\u751f\u7269\u76f8\u4e92\u4f5c\u7528
\u4ee5\u8272\u5217\u9b4f\u8328\u66fc\u79d1\u5b66\u7814\u7a76\u6240\u9886\u5bfc\u7684\u7814\u7a76\u56e2\u961f\u5168\u9762\u8868\u5f81\u4e86\u7ec4\u7ec7\u548c\u8840\u6db2\u4e2d\u768435\u79cd\u764c\u75c7\u7684\u771f\u83cc\u7fa4\u843d\uff0c\u6784\u5efa\u51fa\u9996\u4e2a\u6cdb\u764c\u771f\u83cc\u5fae\u751f\u7269\u7ec4\u56fe\u8c31\u3002\u7814\u7a76\u56e2\u961f\u5c06\u771f\u83cc\u7fa4\u843d\u4e0e\u5339\u914d\u7684\u7ec6\u83cc\u7ec4\u548c\u514d\u75ab\u7ec4\u8fdb\u884c\u6bd4\u8f83\uff0c\u53d1\u73b0\u4e24\u8005\u5171\u5b58\u7684\u53cc\u7ed3\u6784\u57df\u751f\u6001\u7cfb\u7edf\uff0c\u901a\u5e38\u5177\u6709\u8bb8\u53ef\u6027\u800c\u975e\u7ade\u4e89\u6027\u7684\u5fae\u73af\u5883\u548c\u72ec\u7279\u7684\u514d\u75ab\u5e94\u7b54\u3002\u4e34\u5e8a\u8bc4\u4f30\u7ed3\u679c\u8868\u660e\u4e86\u7ec4\u7ec7\u548c\u8840\u6d46\u5206\u679d\u6746\u83cc\u7fa4\u7684\u9884\u540e\u548c\u8bca\u65ad\u80fd\u529b\uff0c\u5373\u4f7f\u5728I\u671f\u764c\u75c7\u4e2d\u4e5f\u662f\u5982\u6b64\uff0c\u5e76\u4e14\u4e0e\u83cc\u7fa4\u5177\u6709\u534f\u540c\u9884\u6d4b\u6027\u80fd\u3002
4\u3001Nature Communications | devCellPy:\u5bf9\u590d\u6742\u7684\u591a\u5c42\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u6570\u636e\u8fdb\u884c\u81ea\u52a8\u6ce8\u91ca\u7684\u673a\u5668\u5b66\u4e60\u7ba1\u9053
\u5728\u5355\u7ec6\u80deRNA\u6d4b\u5e8f\u5206\u6790\u4e2d\uff0c\u7531\u4e8e\u7ec6\u80de\u8868\u73b0\u51fa\u590d\u6742\u7684\u591a\u5c42\u8eab\u4efd\u6216\u8fc7\u6e21\u72b6\u6001\uff0c\u5bfc\u81f4\u5bf9\u6570\u636e\u96c6\u7684\u7cbe\u786e\u6ce8\u91ca\u6210\u4e3a\u4e3b\u8981\u6311\u6218\u3002devCellPy\u4f5c\u4e3a\u4e00\u4e2a\u9ad8\u5ea6\u7cbe\u786e\u7684\u673a\u5668\u5b66\u4e60\u5de5\u5177\u80fd\u81ea\u52a8\u9884\u6d4b\u8de8\u590d\u6742\u6ce8\u91ca\u5c42\u6b21\u7ed3\u6784\u7684\u7ec6\u80de\u7c7b\u578b\uff0c\u53ef\u63a8\u5e7f\u5230\u4efb\u4f55scRNA-seq\u6570\u636e\u96c6\u3002\u968f\u7740\u5927\u89c4\u6a21\u53d1\u80b2\u7ec6\u80de\u56fe\u8c31\u7684\u53d1\u5c55\uff0cdevCellPy\u5c06\u63d0\u4f9b\u8d44\u6e90\u6765\u5e2e\u52a9\u8bc6\u522b\u8de8\u5e73\u53f0\u548c\u7269\u79cd\u7684\u7ec6\u80de\u7c7b\u578b\uff0c\u7279\u522b\u662f\u5728\u6ce8\u91ca\u826f\u597d\u7684\u53c2\u8003\u6570\u636e\u96c6\u4e2d\u663e\u793a\u590d\u6742\u7684\u591a\u5c42\u6ce8\u91ca\u65b9\u6848\u3002
5\u3001Cell Reports | DeepFavored: \u63ed\u793a\u9002\u5e94\u6027\u7a81\u53d8\u4e0e\u75be\u75c5\u6613\u611f\u6027\u5173\u8054
\u4e2d\u56fd\u5357\u65b9\u533b\u79d1\u5927\u5b66\u6731\u6d69\u6559\u6388\u56e2\u961f\u5f00\u53d1\u4e86DeepFavored \uff0c\u53ef\u4ee5\u7528\u4e8e\u8bc6\u522b\u6709\u5229\u7a81\u53d8\u3001\u642d\u4fbf\u8f66\u7a81\u53d8\u548c\u666e\u901a\u7a81\u53d8\u3002\u5728\u4e1c\u4e9a\uff08CHB\uff09\u3001\u6b27\u6d32\uff08CEU\uff09\u3001\u975e\u6d32\uff08YRI\uff09\u4e09\u4e2a\u4eba\u7fa4\u7684\u5206\u6790\u4e2d\uff0c\u53d1\u73b0\u6709\u5229\u7a81\u53d8\u548c\u642d\u8f66\u7a81\u53d8\u5728GWAS\u4f4d\u70b9\u7684\u6bd4\u4f8b\u660e\u663e\u9ad8\u4e8e\u666e\u901a\u7a81\u53d8\uff0c\u662f\u4e3a\u9002\u5e94\u6027\u8fdb\u5316\u548c\u75be\u75c5\u6613\u611f\u6027\u95f4\u7684\u5e73\u8861\u5173\u7cfb\u5206\u6790\u63d0\u4f9b\u4e86\u8bc1\u636e\u3002
6\u3001\u201c\u57fa\u56e0\u7ec4\u4e0eAI\uff1a\u4e00\u4f5c\u9762\u5bf9\u9762\u201d\u5f00\u653e\u6295\u7a3f\u5566\uff01
\u201c\u57fa\u56e0\u7ec4\u4e0eAI\u201d\u4e00\u4f5c\u9762\u5bf9\u9762\u8bba\u575b\u81f4\u529b\u4e8e\u5c06\u4e00\u4f5c\u9762\u5bf9\u9762\u6253\u9020\u6210\u4e00\u4e2a\u9752\u5e74\u5b66\u5b50\u7684\u5171\u540c\u6210\u957f\u7684\u5bb6\u56ed\u3002\u4ece\u73b0\u5728\u5f00\u59cb\uff0c\u201c\u57fa\u56e0\u7ec4\u4e0eAI\uff1a\u4e00\u4f5c\u9762\u5bf9\u9762\u201d\u8bba\u575b\u9080\u8bf7\u6240\u6709\u4fe1\u5fc3\u548c\u52c7\u6c14\u7684\u5b66\u751f\u3001\u535a\u58eb\u540e\u4ee5\u53ca\u9752\u5e74\u7814\u7a76\u4eba\u5458\u6765\u5206\u4eab\u81ea\u5df1\u5de5\u4f5c\u3002
7\u3001harmony\u3001\u4e0dharmony\uff0c\u8fd9\u662f\u4e2a\u95ee\u9898
\u672c\u6587\u901a\u8fc7\u5177\u4f53\u5b9e\u4f8b\u4ecb\u7ecd\u4e86harmony\u57fa\u672c\u539f\u7406\u3001harmony\u540e\u53ef\u80fd\u5bfc\u81f4\u7684\u95ee\u9898\u4ee5\u53ca\u76f8\u5e94\u7684\u89e3\u51b3\u65b9\u6cd5\u3002
8\u3001\u4e34\u5e8a\u8bd5\u9a8c\u6570\u636e\u5171\u4eab\u7684\u5341\u6761(\u5e76\u975e\u5982\u6b64)\u7b80\u5355\u89c4\u5219
9\u3001Windows\u4e0b\u65b0\u88c5R\u7684\u6781\u7b80\u6307\u5357
\u6765\u81eaY\u53d4\u516c\u4f17\u53f7\u7684\u6587\u7ae0\uff0c\u4e3b\u8981\u8bb0\u5f55\u4e86\u4ed6\u5728Windows\u4e0b\u4f7f\u7528scoop\u5b89\u88c5R\u4ee5\u53ca\u5728vscode\u91cc\u9762\u4f7f\u7528R\u7684\u4e00\u4e9b\u6b65\u9aa4\u3002Scoop\u662fWindows\u7684\u547d\u4ee4\u884c\u5b89\u88c5\u7a0b\u5e8f\uff0c\u662f\u4e00\u4e2a\u5f3a\u5927\u7684\u5305\u7ba1\u7406\u5de5\u5177\u3002\u53ef\u4ee5\u8bd5\u7740\u7528\u7528\u770b\u3002
"},{"location":"issue-92/#_5","title":"\u5de5\u5177","text":"10\u3001Highcharts
\u8ba9\u5f00\u53d1\u4eba\u5458\u53ef\u4ee5\u8f7b\u677e\u5730\u4e3aweb\u548c\u79fb\u52a8\u5e73\u53f0\u521b\u5efa\u56fe\u8868\u548c\u4eea\u8868\u677f\u3002\u9002\u7528\u4e8eJavascript\u3001Angular\u3001React\u3001VueJS\u3001iOS\u3001R\u3001\u3002net\u3001Python\u7b49\u3002(\u6d89\u53ca\u8bb8\u53ef\u534f\u8bae)
11\u3001elvis
{elvis}\u5305\u7684\u76ee\u6807\u662f\u901a\u8fc7\u63d0\u4f9b\u539f\u751f\u7684tryCatch()\u673a\u5236\uff0c\u5728{shiny}\u5305\u4e2d\u63d0\u4f9b\u66f4\u5b89\u5168\u7684render\u548cobserve\u3002
\u4f8b\u5982\u4e0b\u9762\u7684\u793a\u4f8b\uff1a
output$plot <- try_renderPlot({\n stop(\"a\")\n },\n errorHandler = function(e){\n showNotification(\"There was an error in the plot\")\n }\n)\n\u57fa\u672c\u601d\u60f3\u662f\u7ed9\u6240\u6709\u51fd\u6570\u52a0\u4e0atry_\u524d\u7f00\uff0c\u8fd9\u6837\u5c31\u66f4\u5bb9\u6613\u5c06\u65e7\u4ee3\u7801\u79fb\u690d\u5230{elvis}\u5305\u3002
12\u3001CNAViz | \u80bf\u7624DNA\u6d4b\u5e8f\u6570\u636e\u5206\u5272\u7f51\u9875\u5de5\u5177
\u4e00\u4e2a\u975e\u5e38\u76f4\u89c2\u7684\u5de5\u5177\uff0c\u8ba9\u7528\u6237\u53ef\u4ee5\u5bf9\u80bf\u7624DNA\u6d4b\u5e8f\u6570\u636e\u8fdb\u884c\u4ea4\u4e92\u5f0f\u7684\u5206\u5272\uff0c\u67e5\u770b\u548c\u7f16\u8f91\u5206\u5272\u7ed3\u679c\uff0c\u4ee5\u53ca\u67e5\u770b\u5206\u5272\u7684\u7edf\u8ba1\u4fe1\u606f\u548c\u9a71\u52a8\u57fa\u56e0\u3002
13\u3001aliyunpan
\u963f\u91cc\u4e91\u76d8CLI\u3002\u4eff Linux shell \u6587\u4ef6\u5904\u7406\u547d\u4ee4\u7684\u963f\u91cc\u4e91\u76d8\u547d\u4ee4\u884c\u5ba2\u6237\u7aef\uff0c\u652f\u6301JavaScript\u63d2\u4ef6\uff0c\u652f\u6301webdav\u6587\u4ef6\u534f\u8bae\uff0c\u652f\u6301\u540c\u6b65\u5907\u4efd\u529f\u80fd\u3002
14\u3001configr | \u5728R\u4e2d\u751f\u6210\u3001\u4fee\u6539\u5e38\u7528\u914d\u7f6e\u6587\u4ef6\u53c2\u6570\u7684R\u5305
R\u5305\u2019configr\u2019\u652f\u6301\u5bf9\u591a\u79cd\u914d\u7f6e\u6587\u4ef6\u683c\u5f0f\uff1a\u2019JSON\u2019\u3001\u2019INI\u2019\u3001\u2019YAML\u2019\u548c\u2019TOML\u2019\uff0c\u901a\u8fc7\u76f8\u5e94\u7684\u51fd\u6570\u53ef\u4ee5\u5bf9\u4e0a\u8ff0\u6587\u4ef6\u8fdb\u884c\u64cd\u4f5c\u3002
"},{"location":"issue-92/#_6","title":"\u8d44\u6e90","text":"15\u3001Diving into Genetics and Genomics
\u8ba1\u7b97\u751f\u7269\u5b66\u5927\u4f6cMing Tang\u7684\u535a\u5ba2\uff0c\u6d89\u53ca\u751f\u7269\u4fe1\u606f\u5b66\u3001\u6570\u636e\u79d1\u5b66\u3001\u514d\u75ab\u5b66\u3001\u5355\u7ec6\u80de\u5206\u6790\u7b49\u591a\u4e2a\u4e3b\u9898\uff0c\u4ed6\u5206\u4eab\u4e86\u4e00\u4e9b\u6709\u7528\u7684\u8d44\u6e90\u3001\u5de5\u5177\u3001\u4e66\u7c4d\u548c\u6559\u7a0b\uff0c\u4ee5\u53ca\u4e00\u4e9b\u81ea\u5df1\u7684\u5fc3\u5f97\u548c\u7ecf\u9a8c\u3002\u4ed6\u8fd8\u6709\u4e00\u4e2a\u81ea\u5df1\u7684\u4e66\u7c4d\u300a\u6f5c\u5165\u9057\u4f20\u5b66\u4e0e\u57fa\u56e0\u7ec4\u5b66\u300b\uff0c\u53ef\u4ee5\u5e2e\u52a9\u60f3\u8981\u5b66\u4e60\u8ba1\u7b97\u751f\u7269\u5b66\u7684\u4eba\u3002
16\u3001\u5404\u5927PD-1\u7ba1\u7ebf\u7ecfFDA\u6279\u51c6\u7684\u65f6\u95f4\u7ebf
\u672c\u8d44\u6599\u6574\u7406\u4e0d\u540c\u80bf\u7624\u7c7b\u578b\u4e2dPD-1\u836f\u7269\u7ecfFDA\u6279\u51c6\u7684\u65f6\u95f4\u7ebf\uff0c\u70b9\u51fb\u76f8\u5e94\u7684\u70b9\u8fd8\u80fd\u770b\u5230\u66f4\u52a0\u8be6\u7ec6\u7684\u836f\u54c1\u7b49\u4fe1\u606f\u3002
"},{"location":"issue-92/#_7","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09@kongjianyang\uff08\u7a7a\u95f4\u9633\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-93/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 93 \u671f\uff09\uff1a\u6765\u81ea\u5988\u5988\u7684Y\u67d3\u8272\u4f53","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-93/#_1","title":"\u5c01\u9762\u56fe","text":""},{"location":"issue-93/#y","title":"\u672c\u5468\u8bdd\u9898\uff1a\u6765\u81ea\u5988\u5988\u7684Y\u67d3\u8272\u4f53","text":"\u5728\u4eba\u7c7b\u7e41\u6b96\u65b9\u9762\uff0c\u4f20\u7edf\u8ba4\u77e5\u4ee5\u4e3a\u53ea\u6709\u62e5\u6709\u6765\u81ea\u7236\u4eb2\u7684Y\u67d3\u8272\u4f53\u624d\u80fd\u53d1\u80b2\u6210\u7537\u6027\uff0c\u6027\u67d3\u8272\u4f53\u4e3aXY\u7684\u4e3a\u7537\u6027\uff0cSwyer\u7efc\u5408\u5f81\u60a3\u8005\u65e0\u751f\u80b2\u80fd\u529b\u3002\u4f46\u662f\uff0c\u533b\u5b66\u4e0a\u5374\u6709\u8fd9\u6837\u7684\u73b0\u5b9e\u6848\u4f8b\uff1a\u4e00\u540d\u53d1\u80b2\u4e3a\u6b63\u5e38\u5973\u6027\uff0c\u6027\u67d3\u8272\u4f53\u4e3aXY \u7684\u6bcd\u4eb2\u7ecf\u5386\u4e86\u81ea\u53d1\u6027\u9752\u6625\u671f\u3001\u6708\u7ecf\u521d\u6f6e\uff0c\u62e5\u6709\u5375\u5de2\u4e14\u6708\u7ecf\u89c4\u5f8b\uff0c\u7ecf\u5386\u4e86\u4e24\u6b21\u598a\u5a20\uff0c\u5e76\u6700\u7ec8\u751f\u4e0b\u4e00\u540d\u6027\u67d3\u8272\u4f53\u540c\u6837\u4e3aXY\u4f46\u6027\u817a\u5b8c\u5168\u53d1\u80b2\u4e0d\u5168\u7684\u5973\u513f\u3002
@kongjianyang\uff1a\u6027\u522b\u4e0d\u4ec5\u53ea\u662fXX\u6216\u8005XY\uff0c\u5e94\u8be5\u8ba4\u8bc6\u5230\u4eba\u7fa4\u4e2d\u6bcf\u4e2a\u4eba\u7684\u6027\u522b\u6709\u5dee\u5f02\uff0c\u4e0d\u5e94\u5f3a\u52a0\u5b9a\u578b\u3002\u5e94\u8be5\u5c0a\u91cd\u6bcf\u4e2a\u4eba\u7684\u6027\u53d6\u5411\u548c\u6027\u522b\u81ea\u6211\u8ba4\u540c\u9009\u62e9\u3002
"},{"location":"issue-93/#_2","title":"\u751f\u4fe1\u7814\u7a76","text":"1\u3001\u300a\u79d1\u5b66\u300b\u91cd\u78c5\uff1a\u9996\u6b21\u5b9e\u73b0\u76d1\u6d4b\u591a\u79cd\u795e\u7ecf\u5143\u95f4\u5b9e\u65f6\u6beb\u79d2\u7ea7\u4e92\u52a8
\u6765\u81ea\u8036\u9c81\u5927\u5b66The John B. Pierce\u5b9e\u9a8c\u5ba4\u7684Madhuvanthi Kannan\u3001Ganesh Vasan\u3001Vincent A. Pieribone\u548c\u65af\u5766\u798f\u5927\u5b66\u7684Mark J. Schnitzer\uff0c\u5728\u5148\u524d\u5f00\u53d1\u7684\u7eff\u8272\u548c\u7ea2\u8272\u8367\u5149GEVI\uff08Ace-mNeon\u548cVARNAM\uff0c\u5728\u7ec6\u80de\u819c\u7535\u4f4d\u53bb\u6781\u5316\u65f6\u8367\u5149\u51cf\u5f31\uff09\u7684\u57fa\u7840\u4e0a[2,\uff0c\u8fdb\u4e00\u6b65\u5f00\u53d1\u4e86\u7075\u654f\u5ea6\u66f4\u9ad8\u7684\u4e0b\u4e00\u4ee3GEVI\uff08Ace-mNeon2\u548cVARNAM2\uff09\uff0c\u4ee5\u53ca\u5bf9\u5e94\u7684\u5177\u6709\u76f8\u53cd\u54cd\u5e94\u6781\u6027\u7684\u8367\u5149GEVI\u2014\u2014pAce\u548cpAceR\uff08\u5728\u7ec6\u80de\u819c\u7535\u4f4d\u53bb\u6781\u5316\u65f6\u8367\u5149\u589e\u5f3a\uff09\uff0c\u76f8\u5173\u7ed3\u679c\u53d1\u8868\u4e8e\u300a\u79d1\u5b66\u300b\u6742\u5fd7\u3002 \u8be5\u7814\u7a76\u4e2d\u7684\u65b0\u4e00\u4ee3GEVI\u53ef\u5728\u540c\u4e00\u89c6\u91ce\u4e0b\u5bf9\u8d85\u8fc750\u4e2a\u7ec6\u80de\uff08\u653e\u7535\u9891\u7387\u8fbe0.4-1kHz\uff09\u8fdb\u884c\u7535\u6d3b\u52a8\u76d1\u6d4b\uff0c\u4e14\u5728\u679c\u8747\u4e2d\u7684\u8fde\u7eed\u76d1\u6d4b\u65f6\u95f4\u957f\u8fbe30\u5206\u949f\u3002 \u5229\u7528\u8fd9\u4e00\u7535\u538b\u6210\u50cf\u7cfb\u7edf\uff0c\u7406\u8bba\u4e0a\u53ef\u540c\u65f6\u8bb0\u5f55\u591a\u8fbe\u56db\u4e2a\u4e0d\u540c\u7684\u795e\u7ecf\u5143\u7c7b\u578b\uff0c\u4e3a\u9996\u4e2a\u53ef\u5bf9\u4e0d\u540c\u7c7b\u578b\u795e\u7ecf\u5143\u8fdb\u884c\u5b9e\u65f6\u3001\u4e9a\u6beb\u79d2\u7ea7\u76d1\u6d4b\u7684\u6280\u672f\u3002
2\u3001Nature | \u5f20\u5b81/\u5f20\u6cfd\u6c11/\u6731\u7ee7\u4e1a\u5408\u4f5c\u63ed\u793a\u809d\u764c\u514d\u75ab\u5fae\u73af\u5883\u4e9a\u578b\u548c\u4e2d\u6027\u7c92\u7ec6\u80de\u5f02\u8d28\u6027
\u7531\u5f20\u5b81\u3001\u5f20\u6cfd\u6c11\u548c\u6731\u7ee7\u4e1a\u7b49\u7814\u7a76\u4eba\u5458\u56e2\u961f\u5728Nature\u6742\u5fd7\u4e0a\u53d1\u8868\u7684\u4e00\u9879\u5173\u4e8e\u809d\u764c\u514d\u75ab\u5fae\u73af\u5883\u5f02\u8d28\u6027\u7814\u7a76\u3002\u7814\u7a76\u4eba\u5458\u91c7\u7528\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u6280\u672f,\u5bf9189\u4f8b\u809d\u764c\u6807\u672c\u548c8\u53ea\u5c0f\u9f20\u6807\u672c\u8fdb\u884c\u4e86\u5168\u9762\u68c0\u6d4b,\u9996\u6b21\u5b9a\u4e49\u51fa\u809d\u764c\u514d\u75ab\u5fae\u73af\u5883\u7684\u4e94\u79cd\u4e9a\u578b\u3002\u4ed6\u4eec\u8fd8\u53d1\u73b0\u4e86\u80bf\u7624\u76f8\u5173\u4e2d\u6027\u7c92\u7ec6\u80de\u4e2d11\u4e2a\u65b0\u7684\u4e9a\u7fa4,\u5e76\u9274\u5b9a\u4e86\u5176\u4e2d\u4e24\u4e2a\u4e9a\u7fa4CCL4+ TAN\u548cPD-L1+ TAN\u53ef\u80fd\u901a\u8fc7\u4e0d\u540c\u673a\u5236\u4fc3\u8fdb\u80bf\u7624\u751f\u957f\u3002\u5229\u7528\u5c0f\u9f20\u809d\u764c\u6a21\u578b,\u4ed6\u4eec\u8fdb\u4e00\u6b65\u8bc1\u5b9e\u4e86\u4e2d\u6027\u7c92\u7ec6\u80de\u5728\u80bf\u7624\u53d1\u5c55\u4e2d\u7684\u4f5c\u7528,\u4e2d\u6027\u7c92\u7ec6\u80de\u6e05\u9664\u80fd\u5ef6\u7f13\u80bf\u7624\u751f\u957f\u3002\u8fd9\u9879\u7814\u7a76\u901a\u8fc7\u5355\u7ec6\u80de\u6d4b\u5e8f\u6280\u672f\u7cfb\u7edf\u63ed\u793a\u4e86\u809d\u764c\u514d\u75ab\u5fae\u73af\u5883\u5f02\u8d28\u6027,\u8bc1\u5b9e\u4e86\u4e2d\u6027\u7c92\u7ec6\u80de\u5728\u809d\u764c\u4e2d\u7684\u4fc3\u80bf\u7624\u4f5c\u7528,\u4e3a\u5c06\u6765\u5f00\u53d1\u9488\u5bf9\u80bf\u7624\u76f8\u5173\u4e2d\u6027\u7c92\u7ec6\u80de\u7684\u65b0\u578b\u514d\u75ab\u6cbb\u7597\u63d0\u4f9b\u4e86\u7406\u8bba\u4f9d\u636e\u3002
3\u3001Nature Genetics | \u65b0\u578b\u8868\u89c2\u7ec4\u6d4b\u5e8f\u6cd5\u52a9\u529b\u4e34\u5e8a\u8bca\u65ad
\u57fa\u56e0\u8c03\u63a7\u5143\u4ef6\u7684\u7cfb\u7edf\u9274\u5b9a\u548c\u529f\u80fd\u7814\u7a76\u5bf9\u4e8e\u4e86\u89e3\u4eba\u7c7b\u75be\u75c5\u673a\u5236\u5341\u5206\u91cd\u8981\u3002\u5728\u8fd9\u9879\u7814\u7a76\u4e2d\uff0c\u7814\u7a76\u4eba\u5458\u57fa\u4e8e\u9776\u5411\u7eb3\u7c73\u5b54\u6d4b\u5e8f\u6cd5\uff0c\u5bcc\u96c6\u6d4b\u5e8f\u957f\u8fbe115 kb\u7684DNA\u5206\u5b50\u7247\u6bb5\uff0c\u514b\u670d\u4e86\u4e8c\u4ee3\u6d4b\u5e8f\u8986\u76d6\u548c\u8bfb\u53d6\u957f\u5ea6\u7684\u9650\u5236\u3002\u540c\u65f6\uff0c\u7814\u7a76\u56e2\u961f\u7ed3\u5408NOMe-seq\u6cd5\uff0c\u5728\u5e7f\u6cdb\u7684\u53d1\u80b2\u3001\u514d\u75ab\u7b49\u4f4d\u70b9\u4e0a\u5bf9\u9057\u4f20\u53d8\u5f02\u3001DNA\u7532\u57fa\u5316\u548c\u67d3\u8272\u8d28\u53ef\u53ca\u6027\u8fdb\u884c\u5206\u671f\uff0c\u8bc4\u4f30\u57fa\u56e0\u7ec4\u4e2d\u5143\u7d20\u7684\u76f8\u4e92\u4f9d\u8d56\u6027\uff0c\u6355\u83b7\u5355\u5206\u5b50\u52a8\u529b\u5b66\uff0c\u52a0\u6df1\u5bf9\u57fa\u56e0\u8c03\u63a7\u5143\u4ef6\u7684\u8ba4\u8bc6\uff0c\u5e76\u5bf9H19/IGF2\u4e0a\u6e38\u7684\u5370\u8bb0\u63a7\u5236\u533a\u7684\u4fee\u9970\u72b6\u6001\u4e0e\u5176\u8f6c\u5f55\u6c34\u5e73\u8fdb\u884c\u5206\u6790\u3002
4\u3001\u9776\u5411\u80bf\u7624\u7684\u4e0a\u5e02\u5c0f\u5206\u5b50\u836f\u7269\u2014\u53d7\u4f53\u916a\u6c28\u9178\u6fc0\u9176\u6291\u5236\u5242
\u81ea2001\u5e74\u7f8e\u56fd\u98df\u54c1\u836f\u54c1\u76d1\u7763\u7ba1\u7406\u5c40(FDA)\u6279\u51c6\u9996\u4e2a\u916a\u6c28\u9178\u6fc0\u9176\u6291\u5236\u5242\u4f0a\u9a6c\u66ff\u5c3c(imatinib)\u8fdb\u5165\u5e02\u573a\u4ee5\u6765\uff0c\u8d8a\u6765\u8d8a\u591a\u7684\u5c0f\u5206\u5b50\u9776\u5411\u836f\u7269\u88ab\u5f00\u53d1\u7528\u4e8e\u6cbb\u7597\u6076\u6027\u80bf\u7624\u3002\u622a\u81f32020\u5e7412\u6708\uff0c\u5df2\u670989\u79cd\u5c0f\u5206\u5b50\u9776\u5411\u6297\u80bf\u7624\u836f\u7269\u83b7\u5f97\u7f8e\u56fdFDA\u548c\u4e2d\u56fd\u56fd\u5bb6\u836f\u54c1\u76d1\u7763\u7ba1\u7406\u5c40(NMPA)\u7684\u6279\u51c6\u3002\u5c3d\u7ba1\u5c0f\u5206\u5b50\u9776\u5411\u6297\u764c\u836f\u7269\u53d6\u5f97\u4e86\u5f88\u5927\u7684\u8fdb\u5c55\uff0c\u4f46\u4ecd\u9762\u4e34\u7740\u53cd\u5e94\u7387\u4f4e\u3001\u8010\u836f\u7b49\u8bf8\u591a\u6311\u6218\u3002
5\u3001\u53ef\u4ee5\u7528ChatGPT\u641c\u7d22\u8bba\u6587\u4e86
\u6587\u7ae0\u4ecb\u7ecd\u4e86\u5229\u7528OpenAI\u6280\u672f\u8fdb\u884c\u8bed\u4e49\u641c\u7d22\u7684\u8bba\u6587\u641c\u7d22\u7f51\u7ad9arXiv Xplorer\u3002\u5b83\u5229\u7528OpenAI\u7684embedding\u6280\u672f\uff0c\u5c06arXiv\u4e0a\u7684\u8bba\u6587\u6807\u9898\u548c\u6458\u8981\u8fdb\u884c\u5411\u91cf\u5d4c\u5165,\u5b9e\u73b0\u8bba\u6587\u7684\u8bed\u4e49\u641c\u7d22\u3002\u7528\u6237\u53ea\u9700\u8981\u8f93\u5165\u5173\u952e\u8bcd\u6216\u8bba\u6587URL,\u5c31\u53ef\u4ee5\u627e\u5230\u4e0e\u4e4b\u6700\u76f8\u5173\u7684\u8bba\u6587\u3002\u4eb2\u6d4b\u597d\u7528\uff01
6\u3001MSKCC \u5c1a\u5f85\u89e3\u51b3\u7684\u80bf\u7624\u57fa\u56e0\u7ec4\u68c0\u6d4b\u4e34\u5e8a\u5e94\u7528\u95ee\u9898
\u718a\u7684\u8fd9\u7bc7\u6587\u7ae0\u603b\u7ed3\u4e86MSK\u524d\u77bb\u6027\u4e34\u5e8a\u961f\u5217 MSK-IMPACT\u548cMSK-ACCESS\u6837\u672c\u91cf\u7a81\u783410\u4e07\u4e4b\u540e\uff0cMSKCC\u7684\u5206\u5b50\u80bf\u7624\u4e2d\u5fc3 (Center for Molecular Oncology, CMO) \u4e3b\u4efb David Solit \u5bf9\u5f53\u524d\u4e34\u68c0\u95ee\u9898\u7684\u76f8\u5173\u770b\u6cd5\uff0c\u6216\u8bb8\u5bf9\u8bfb\u8005\u6709\u542f\u53d1\u610f\u4e49\u3002
7\u3001Cancer Genomics Cloud\uff1a\u764c\u75c7\u57fa\u56e0\u7ec4\u7684\u4e91\u5e73\u53f0
\u7531\u7f8e\u56fd\u56fd\u7acb\u764c\u75c7\u7814\u7a76\u6240\uff08NCI\uff09\u548c\u7f8e\u56fd\u56fd\u5bb6\u57fa\u56e0\u7ec4\u7814\u7a76\u6240\uff08NHGRI\uff09\u5171\u540c\u521b\u5efa\u7684\u7f51\u7ad9Cancer Genomics Cloud\uff0c\u65e8\u5728\u4e3a\u764c\u75c7\u7814\u7a76\u4eba\u5458\u63d0\u4f9b\u4e00\u4e2a\u5e73\u53f0\uff0c\u5171\u4eab\u548c\u5206\u6790\u764c\u75c7\u57fa\u56e0\u7ec4\u6570\u636e\u3002
8\u3001Chat Thing AI
chatthing.ai \u662f\u4e00\u4e2a\u804a\u5929\u673a\u5668\u4eba\u5e73\u53f0\uff0c\u5141\u8bb8\u7528\u6237\u521b\u5efa\u3001\u7ba1\u7406\u548c\u4f7f\u7528\u804a\u5929\u673a\u5668\u4eba\u3002\u5b83\u63d0\u4f9b\u62d6\u653e\u5f0f\u754c\u9762\u3001\u591a\u8bed\u8a00\u652f\u6301\u3001\u673a\u5668\u5b66\u4e60\u548c\u96c6\u6210\u7b49\u529f\u80fd\uff0c\u53ef\u7528\u4e8e\u5404\u79cd\u76ee\u7684\uff0c\u5305\u62ec\u5ba2\u6237\u670d\u52a1\u3001\u6559\u80b2\u548c\u5a31\u4e50\u3002
9\u3001ggquiver
ggquiver\u662fggplot2\u7684\u6269\u5c55\uff0c\u63d0\u4f9b\u77e2\u91cf\u3001\u53ef\u89c6\u5316\u7684\u7bad\u5934\u56fe\u3002
10\u3001\u6e2f\u5927\u5355\u7ec6\u80de\u57f9\u8bad\u516c\u5f00\u8bfe
\u8d44\u6599\u5730\u5740\uff1a
\u6574\u4f53\u4e0a\u662f\u5b8c\u5907\u548c\u6709\u76ca\u7684\u8d44\u6599\uff0c\u4f46\u90e8\u5206\u5185\u5bb9\u53ef\u80fd\u8fc7\u65f6\u4e86\uff0c\u9700\u8981\u8bfb\u8005\u81ea\u884c\u7504\u522b\u3002
11\u3001Sandbox.bio\uff1aInteractive bioinformatics tutorials
Sandbox.bio \u662f\u4e00\u4e2a\u751f\u7269\u4fe1\u606f\u5b66\u6c99\u76d2\u5e73\u53f0\uff0c\u5141\u8bb8\u7528\u6237\u5728\u5b89\u5168\u9694\u79bb\u7684\u73af\u5883\u4e2d\u8fd0\u884c\u751f\u7269\u4fe1\u606f\u5b66\u5b9e\u9a8c\u3002\u5b83\u63d0\u4f9b\u5404\u79cd\u5de5\u5177\u548c\u8d44\u6e90\uff0c\u5305\u62ec\u6570\u636e\u5e93\u3001\u7b97\u6cd5\u548c\u5de5\u5177\u5305\uff0c\u53ef\u7528\u4e8e\u5404\u79cd\u751f\u7269\u4fe1\u606f\u5b66\u4efb\u52a1\uff0c\u4f8b\u5982\u6570\u636e\u5206\u6790\u3001\u6a21\u578b\u6784\u5efa\u548c\u673a\u5668\u5b66\u4e60\u3002
12\u3001OpenAI Cookbook
openai-cookbook\u662f\u4e00\u4e2a\u5b58\u50a8\u5e93,\u5185\u5bb9\u5305\u62ec\u4f7f\u7528OpenAI API\u7684\u4ee3\u7801\u793a\u4f8b\u548c\u4f7f\u7528\u6307\u5357\u3002
\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 53 \u671f\uff09\uff1a\u4e3a\u4ec0\u4e48\u73b0\u5728\u7684\u4e2d\u56fd\u5927\u5b66\u751f\u666e\u904d\u7126\u8651\u5185\u5377\uff1f
"},{"location":"issue-93/#github-id","title":"\u8d21\u732e\u8005\uff08GitHub ID\uff09","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09@kongjianyang\uff08\u7a7a\u95f4\u9633\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-94/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 94 \u671f\uff09\uff1a\u975e\u7ebf\u6027\u7684\u4e16\u754c\uff0c\u7ebf\u6027\u7684\u4f60","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-94/#_1","title":"\u5c01\u9762\u56fe","text":"Despite the wind and rain, I am still standing still-\u4efb\u51ed\u98ce\u5439\u96e8\u6253 \u6211\u81ea\u5dcd\u7136\u4e0d\u52a8
"},{"location":"issue-94/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u975e\u7ebf\u6027\u7684\u4e16\u754c\uff0c\u7ebf\u6027\u7684\u4f60","text":"\u73b0\u5b9e\u4e16\u754c\u662f\u975e\u7ebf\u6027\u7684\u3001\u975e\u56e0\u679c\u7684\uff0c\u800c\u4eba\u7684\u601d\u7ef4\u662f\u7ebf\u6027\u7684\u3001\u56e0\u679c\u5173\u7cfb\u7684\uff0c\u4f1a\u4e0d\u77e5\u4e0d\u89c9\u4ece\u5355\u4e00\u7684\u7ebf\u6027\u56e0\u7d20\uff0c\u53bb\u89e3\u8bfb\u975e\u7ebf\u6027\u5173\u7cfb\u3002 \u4f60\u4e0d\u65ad\u52a0\u5927\u52aa\u529b\u7684\u7a0b\u5ea6\uff0c\u957f\u65f6\u95f4\u5de5\u4f5c\u3001\u957f\u671f\u52a0\u73ed\u3001\u6ca1\u6709\u4e2a\u4eba\u751f\u6d3b\uff0c\u4f1a\u5e26\u6765\u6210\u529f\u5417\uff1f\u5f88\u53ef\u80fd\u4e0d\u4f1a\uff0c\u56e0\u4e3a\u4e24\u8005\u4e4b\u95f4\u6ca1\u6709\u56e0\u679c\u5173\u7cfb\u3002
@kktjmac \u56e0\u4e3a\u8fd9\u4e2a\u975e\u7ebf\u6027\u7684\u4e16\u754c\uff0c\u6240\u4ee5\u66f4\u5e94\u8be5\u4ece\u591a\u5143\u5316\u3001\u5168\u5c40\u5316\u7684\u89d2\u5ea6\u53bb\u8ba4\u8bc6\u3001\u7406\u89e3\u751f\u6d3b\u4e0e\u5de5\u4f5c\u3002
"},{"location":"issue-94/#_3","title":"\u751f\u4fe1\u7814\u7a76","text":"1\u3001Cell | \u4eba\u7c7b\u514d\u75ab\u53d1\u80b2\u56fe\u8c31
\u4e2d\u56fd\u79d1\u5b66\u9662\u6df1\u5733\u5148\u8fdb\u6280\u672f\u7814\u7a76\u9662\u674e\u6c49\u6770\u8bfe\u9898\u7ec4\u8054\u5408\u6df1\u5733\u5e02\u5b9d\u5b89\u533a\u5987\u5e7c\u4fdd\u5065\u9662\u3001\u6df1\u5733\u5927\u5b66\u3001\u4e0a\u6d77\u4ea4\u901a\u5927\u5b66\u548c\u590d\u65e6\u5927\u5b66\u7b49\u5355\u4f4d\u5728Cell\u671f\u520a\u4e0a\u53d1\u8868\u4e86\u9898\u4e3a\u201cAn immune cell atlas reveals the dynamics of human macrophage specification during prenatal development\u201d\u7684\u6587\u7ae0\u3002\u7814\u7a76\u56e2\u961f\u7ed3\u5408\u5355\u7ec6\u80de\u8f6c\u5f55\u7ec4\u6d4b\u5e8f\u3001\u5148\u8fdb\u7684\u751f\u7269\u4fe1\u606f\u5b66\u624b\u6bb5\u3001\u591a\u91cd\u514d\u75ab\u8367\u5149\u67d3\u8272\u3001\u4f53\u5916\u529f\u80fd\u5b9e\u9a8c\u7b49\u6280\u672f\u6784\u5efa\u4e86\u6a2a\u8de818\u4e2a\u53d1\u80b2\u9636\u6bb5\u300119\u79cd\u7ec4\u7ec7\u7684\u4eba\u7c7b\u80da\u80ce\u514d\u75ab\u7cfb\u7edf\u53d1\u80b2\u9ad8\u5206\u8fa8\u7387\u56fe\u8c31\u3002\u7814\u7a76\u56e2\u961f\u91cd\u70b9\u5173\u6ce8\u4e86\u6700\u5177\u7ec4\u7ec7\u7279\u5f02\u6027\u7684\u5de8\u566c\u7ec6\u80de\uff0c\u9274\u5b9a\u4e8615\u79cd\u5de8\u566c\u7ec6\u80de\u4e9a\u578b\uff0c\u5176\u4e2d\u5305\u62ec\u4e24\u79cd\u65b0\u7684\u5de8\u566c\u7ec6\u80de\u4e9a\u578b\uff0c\u5373\u5b58\u5728\u4e8e\u8868\u76ae\u3001\u777e\u4e38\u3001\u5fc3\u810f\u7b49\u5916\u5468\u7ec4\u7ec7\u7684\u7c7b\u5c0f\u80f6\u8d28\u7ec6\u80de\uff08Microglia-like cells\uff09\u548c\u5177\u6709\u8840\u7ba1\u751f\u6210\u4fc3\u8fdb\u529f\u80fd\u5e76\u5e7f\u6cdb\u5206\u5e03\u4e8e\u591a\u4e2a\u7ec4\u7ec7\u4e2d\u7684\u4fc3\u8840\u7ba1\u751f\u6210\u5de8\u566c\u7ec6\u80de\uff08Proangiogenic macrophages, PraM\uff09\u3002\u8be5\u7814\u7a76\u901a\u8fc7\u6784\u5efa\u4eba\u7c7b\u4ea7\u524d\u514d\u75ab\u7ec6\u80de\u53d1\u80b2\u7684\u65f6\u7a7a\u52a8\u6001\u56fe\u8c31\uff0c\u63ed\u793a\u4e86\u591a\u79cd\u5de8\u566c\u7ec6\u80de\u4e9a\u578b\u5728\u53d1\u80b2\u8fc7\u7a0b\u4e2d\u7684\u5206\u5316\u8d77\u6e90\u3001\u7a7a\u95f4\u5b9a\u4f4d\u3001\u529f\u80fd\u7279\u5f81\u53ca\u8f6c\u5f55\u8c03\u63a7\u673a\u5236\u3002
2\u3001Nature Methods | \u5355\u5206\u5b50\u6d4b\u5e8f\u5e73\u53f0\u7684scNanoHi-C\u6280\u672f\uff0c\u53ef\u7cbe\u51c6\u68c0\u6d4b\u5355\u7ec6\u80de\u9ad8\u9636\u67d3\u8272\u8d28\u4e92\u4f5c
\u8fd9\u662f\u4e00\u7bc7\u6c64\u5bcc\u916c\u8bfe\u9898\u7ec4\u5728Nature Methods\u4e0a\u53d1\u8868\u7684\u6587\u7ae0\uff0c\u8be5\u7814\u7a76\u5728\u56fd\u9645\u4e0a\u7387\u5148\u4f7f\u7528\u5355\u5206\u5b50\u6d4b\u5e8f\u5e73\u53f0\u5f00\u53d1\u4e86\u4e00\u79cd\u57fa\u4e8e\u90bb\u8fd1\u8fde\u63a5\u7684\u5355\u7ec6\u80de\u67d3\u8272\u8d28\u6784\u8c61\u6355\u83b7\u65b9\u6cd5\uff0c\u79f0\u4e3ascNanoHi-C\u3002\u8be5\u65b9\u6cd5\u5b9e\u73b0\u4e86\u5728\u5355\u7ec6\u80de\u6c34\u5e73\u7684\u9ad8\u9636\u67d3\u8272\u8d28\u76f8\u4e92\u4f5c\u7528\u68c0\u6d4b\uff0c\u5e76\u4e14\u5728\u901a\u91cf\u4e0a\u5177\u6709\u5f88\u597d\u7684\u7075\u6d3b\u6027\uff0c\u80fd\u591f\u6ee1\u8db3\u4e0d\u540c\u7684\u5b9e\u9a8c\u9700\u6c42\u3002
3\u3001Nature Biotechnology | \u5168\u7403\u9996\u5957\u591a\u7ec4\u5b66\u6807\u51c6\u7269\u8d28\u201c\u4e2d\u534e\u5bb6\u7cfb1\u53f7\u201d\u6700\u65b0\u6210\u679c
\u56fd\u9645\u5b66\u672f\u671f\u520a\u300a\u81ea\u7136\u00b7\u751f\u7269\u6280\u672f\u300b\uff08Nature Biotechnology\uff09\u5728\u7ebf\u53d1\u8868\u4e86\u7531\u590d\u65e6\u5927\u5b66/\u4e0a\u6d77\u56fd\u9645\u4eba\u7c7b\u8868\u578b\u7ec4\u7814\u7a76\u9662\u77f3\u4e50\u660e\u3001\u90d1\u5a9b\u5a77\u56e2\u961f\u8054\u5408\u4e2d\u56fd\u8ba1\u91cf\u79d1\u5b66\u7814\u7a76\u9662\u65b9\u5411\u3001\u8463\u83b2\u534e\u56e2\u961f\uff0c\u56fd\u5bb6\u536b\u5065\u59d4\u4e34\u5e8a\u68c0\u9a8c\u4e2d\u5fc3\u674e\u91d1\u660e\u3001\u5f20\u745e\u56e2\u961f\u5171\u540c\u7814\u53d1\u7684\u5168\u7403\u9996\u5957\u591a\u7ec4\u5b66\u6807\u51c6\u7269\u8d28\u201c\u4e2d\u534e\u5bb6\u7cfb1\u53f7\u201d\u7684\u6700\u65b0\u7814\u7a76\u6210\u679c\u3002\u540c\u671f\u520a\u53d1\u76842\u7bc7\u79d1\u7814\u8bba\u6587\u5206\u522b\u805a\u7126\uff1a\u201c\u4f7f\u7528\u57fa\u4e8e\u4e2d\u534e\u5bb6\u7cfb1\u53f7\u6807\u51c6\u7269\u8d28\u7684\u76f8\u5bf9\u5b9a\u91cf\u8fdb\u884c\u591a\u7ec4\u5b66\u6570\u636e\u6574\u5408\uff08Multi-omics data integration using ratio-based quantitative profiling with Quartet reference materials\uff09\u201d\u548c\u201c\u4e2d\u534e\u5bb6\u7cfb1\u53f7 RNA\u6807\u51c6\u7269\u8d28\u4e0e\u57fa\u4e8e\u6bd4\u503c\u7684\u5206\u6790\u65b9\u6cd5\u63d0\u9ad8\u4e86\u8f6c\u5f55\u7ec4\u6570\u636e\u7684\u8d28\u91cf\uff08Quartet RNA reference materials and ratio-based profiling for assessing and improving the quality of transcriptomic data\uff09\u201d\u3002\u8fd9\u4e5f\u6807\u5fd7\u7740\u4e2d\u56fd\u79d1\u5b66\u754c\u81ea\u4e3b\u7814\u5236\u3001\u83b7\u6279\u4e3a\u201c\u56fd\u5bb6\u4e00\u7ea7\u6807\u51c6\u7269\u8d28\u201d\u7684\u201c\u4e2d\u534e\u5bb6\u7cfb1\u53f7\uff08Quartet\uff09\u201d\u591a\u7ec4\u5b66\u6807\u51c6\u7269\u8d28\u7684\u7814\u53d1\u548c\u6548\u7528\u5f97\u5230\u4e86\u56fd\u9645\u540c\u884c\u7684\u8ba4\u53ef\uff0c\u5f00\u521b\u4e86\u751f\u7269\u533b\u5b66\u201c\u5ea6\u91cf\u8861\u201d\u65b0\u4f53\u7cfb\uff0c\u5c06\u63d0\u5347\u751f\u547d\u79d1\u5b66\u521b\u65b0\u7684\u6e90\u5934\u8d28\u91cf\uff0c\u4e3a\u5168\u7403\u63a8\u8fdb\u4eba\u7c7b\u8868\u578b\u7ec4\u8ba1\u5212\u5960\u5b9a\u575a\u5b9e\u7684\u6807\u51c6\u57fa\u7840\u3002
4\u3001\u89c6\u9891\uff1a\u7814\u7a76\u86cb\u767d\u8d28\u4e0eDNA\u76f8\u4e92\u4f5c\u7528\u7684\u65b0\u6280\u672f\u2013CUT&Tag
CUT&Tag \u662f\u4e00\u79cd\u65b0\u7684\u68c0\u6d4b\u76ee\u6807\u86cb\u767d\u8d28\u4e0e\u67d3\u8272\u8d28 DNA \u76f8\u4e92\u4f5c\u7528\u7684\u4e00\u79cd\u6280\u672f\u3002CUT&Tag \u65b9\u6cd5\u6bd4\u7ecf\u5178\u7684 ChIP-seq \u65b9\u6cd5\u7684\u4fe1\u566a\u6bd4\u63d0\u5347\u4e8610\u500d\u4ee5\u4e0a\uff0c\u5e76\u4e14\u6240\u9700\u7684\u8d77\u59cb\u6837\u672c\u7ec6\u80de\u7684\u6570\u91cf\u5c11\u4e8610\u500d\uff0c\u5b9e\u9a8c\u64cd\u4f5c\u65f6\u95f4\u53ea\u9700 1\uff5e2 \u5929\u3002 \u5b83\u7684\u6838\u5fc3\u6280\u672f\u70b9\u5728\u4e8e\uff0c\u5229\u7528\u6297\u4f53\u628a\u76ee\u6807\u86cb\u767d\u548c\u57fa\u56e0\u5de5\u7a0b\u6539\u9020\u8fc7\u7684 Tn5 \u8f6c\u5ea7\u9176\u5438\u9644\u5728\u4e00\u8d77\uff0c\u5229\u7528 Tn5 \u9176\u7684\u8f6c\u5ea7\u529f\u80fd\u5bf9\u76ee\u6807\u86cb\u767d\u5438\u9644\u533a\u9644\u8fd1\u7684 DNA \u8fdb\u884c\u5207\u65ad\uff0c\u5e76\u5728\u5207\u4e0b\u7684\u7247\u6bb5\u4e24\u7aef\u52a0\u4e0a\u6807\u7b7e\u5e8f\u5217\uff0c\u7136\u540e\u6784\u5efa\u6210\u6df1\u5ea6\u6d4b\u5e8f\u6587\u5e93\u3002
5\u3001\u4e00\u6587\u770b\u61c2\u4ec0\u4e48\u662f\u514d\u75ab\u7cfb\u7edf\u4eba\u6e90\u5316\u5c0f\u9f20
\u4e00\u7bc7\u4ecb\u7ecd\u4e86\u514d\u75ab\u7cfb\u7edf\u4eba\u6e90\u5316\u5c0f\u9f20\u6a21\u578b,\u4ee5\u53ca\u5b83\u5728\u4eba\u7c7b\u75be\u75c5\u548c\u751f\u7406\u7814\u7a76\u4e2d\u7684\u5e94\u7528\u7684\u6587\u7ae0\u3002\u514d\u75ab\u7cfb\u7edf\u4eba\u6e90\u5316\u5c0f\u9f20\u6a21\u578b\u901a\u8fc7\u5c06\u4eba\u7c7b\u7684\u9020\u8840\u7ec6\u80de\u6216\u7ec4\u7ec7\u690d\u5165\u514d\u75ab\u7f3a\u9677\u5c0f\u9f20\u4f53\u5185,\u4ece\u800c\u5efa\u7acb\u8d77\u8fd1\u4f3c\u4e8e\u4eba\u7c7b\u7684\u514d\u75ab\u7cfb\u7edf\u3002\u76ee\u7684\u662f\u5f25\u8865\u666e\u901a\u5c0f\u9f20\u6a21\u578b\u4e0e\u4eba\u7c7b\u5728\u514d\u75ab\u7cfb\u7edf\u4e0a\u7684\u5dee\u5f02\u3002\u6587\u7ae0\u6839\u636e\u91cd\u5efa\u514d\u75ab\u7cfb\u7edf\u7684\u4e0d\u540c\u65b9\u6cd5,\u5c06\u4eba\u6e90\u5316\u5c0f\u9f20\u6a21\u578b\u5206\u4e3a\u4e09\u7c7b:Hu-PBMC\u6a21\u578b\u3001Hu-HSC\u6a21\u578b\u548cHu-BLT\u6a21\u578b\u3002\u5b83\u4eec\u5404\u6709\u4f18\u52a3\u5206\u522b\u9002\u7528\u4e8e\u4e0d\u540c\u7814\u7a76\u9886\u57df\u3002
6\u3001IGV\u6570\u636e\u53ef\u89c6\u5316
IGV(Integrative Genomics Viewer)\u662f\u4e00\u79cd\u5f00\u6e90\u57fa\u56e0\u7ec4\u6d4f\u89c8\u5668\uff0c\u662f\u4e00\u79cd\u53ef\u89c6\u5316\u5de5\u5177\uff0c\u7528\u4e8e\u89c2\u5bdf\u57fa\u56e0\u7ec4\u6570\u636e\u96c6\u4e2d\u5177\u6709\u751f\u7269\u5b66\u610f\u4e49\u7684\u6a21\u5f0f\uff0c\u5305\u62ec\u5e8f\u5217\u6570\u636e\uff0c\u57fa\u56e0\u6a21\u578b\uff0c\u6bd4\u5bf9\u548cDNA\u5fae\u9635\u5217\u6570\u636e\u3002\u672c\u6587\u5bf9 IGV \u7684\u754c\u9762\u548c\u64cd\u4f5c\u8fdb\u884c\u4e86\u57fa\u672c\u7684\u4ecb\u7ecd\u3002
"},{"location":"issue-94/#_5","title":"\u5de5\u5177","text":"7\u3001SCENICprotocol | \u53ef\u6269\u5c55\u7684\u5355\u7ec6\u80de\u57fa\u56e0\u8c03\u63a7\u7f51\u7edc\u5206\u6790\u6d41\u7a0b
SCENICprotocol\u4ecb\u7ecd\u4e86\u5982\u4f55\u4f7f\u7528pySCENIC\u5bf9\u5355\u7ec6\u80de\u6570\u636e\u8fdb\u884c\u57fa\u56e0\u8c03\u63a7\u7f51\u7edc\u63a8\u65ad\u5206\u6790\uff0c\u5e76\u7ed3\u5408\u65e2\u5f80\u7684\u201c\u6700\u4f73\u5b9e\u8df5\u201d\u5206\u6790\u6d41\u7a0b\u8fdb\u884c\u5206\u6790\u3002\u5177\u4f53\u5305\u62ec\uff1a - \u4ea4\u4e92\u5f0f\u5206\u6790\u7684Jupyter notebooks - Nextflow DSL1\u5de5\u4f5c\u6d41\u7a0b\uff0c\u63d0\u4f9b\u534a\u81ea\u52a8\u5316\u548c\u7b80\u5316\u7684\u65b9\u6cd5\u6765\u8fd0\u884c\u8fd9\u4e9b\u6b65\u9aa4 - \u5173\u4e8epySCENIC\u7684\u5b89\u88c5\u3001\u4f7f\u7528\u548c\u4e0b\u6e38\u5206\u6790\u7684\u8be6\u7ec6\u4fe1\u606f
8\u3001rtables | \u751f\u6210\u3001\u5c55\u793a\u590d\u6742\u56fe\u8868\u7684R\u5305
rtables\u5305\u53ef\u4ee5\u901a\u8fc7R\u521b\u5efa\u3001\u5c55\u793a\u590d\u6742\u7684\u8868\u683c\u3002rtable\u4e2d\u7684\u5355\u5143\u683c\u53ef\u4ee5\u5305\u542b\u4efb\u4f55\u9ad8\u7ef4\u6570\u636e\u7ed3\u6784\uff0c\u540c\u65f6\u652f\u6301\u8f93\u51faascii html\u3001pdf\u4ee5\u53caPower Point\u7b49\u591a\u79cd\u683c\u5f0f\uff08\u901a\u8fc7\u8f6c\u6362\u4e3aflextable\u5bf9\u8c61\uff09\u3002
9\u3001scrnapip | \u5355\u7ec6\u80deRNA\u6d4b\u5e8f\u6570\u636e\u5206\u6790\u6d41\u7a0b
\u8fd9\u4e2aGitHub\u5e93\u63d0\u4f9b\u4e86\u4e00\u4e2a\u5355\u7ec6\u80deRNA\u6d4b\u5e8f\u6570\u636e\u5206\u6790\u6d41\u7a0b\u3002\u672c\u5206\u6790\u6d41\u7a0b\u4f7f\u7528Docker\u5bb9\u5668\u6280\u672f\u6253\u5305\u76f8\u5173\u5206\u6790\u8f6f\u4ef6,\u5b9e\u73b0\u4ece\u539f\u59cb\u6570\u636e\u9884\u5904\u7406\u81f3\u4e0b\u6e38\u5206\u6790\u7684\u5b8c\u6574\u5de5\u4f5c\u6d41\u3002\u7528\u6237\u53ea\u9700\u8bbe\u7f6e\u53c2\u6570\u6587\u4ef6\u548c\u63d0\u4f9b\u6570\u636e,\u5373\u53ef\u4e00\u952e\u8fd0\u884c\u6574\u4e2a\u5206\u6790\u6d41\u7a0b\u3002\u8be5\u7ba1\u9053\u65e8\u5728\u7b80\u5316\u548c\u52a0\u901f\u5355\u7ec6\u80deRNA\u6d4b\u5e8f\u6570\u636e\u5206\u6790,\u4e3a\u7814\u7a76\u4eba\u5458\u63d0\u4f9b\u4e00\u4e2a\u5206\u6790\u5e73\u53f0,\u52a9\u529b\u751f\u7269\u5b66\u53d1\u73b0\u3002
10\u3001colorblindr | \u9488\u5bf9\u8272\u89c9\u7f3a\u9677\u7528\u6237\u4f18\u5316\u53ef\u89c6\u5316\u7ed3\u679c\u7684R\u5305
\u8272\u89c9\u7f3a\u9677\u7528\u6237\u53ef\u80fd\u5bf9R\u4e2d\u5e38\u89c4\u7684\u914d\u8272\u65b9\u6848\u65e0\u6cd5\u8fa8\u8bc6\uff0c\u9488\u5bf9\u8fd9\u4e2a\u95ee\u9898\uff0ccolorblindr\u5305\u63d0\u4f9b\u4e86\u76f8\u5173\u89e3\u51b3\u65b9\u6848\u3002
"},{"location":"issue-94/#_6","title":"\u8d44\u6e90","text":"11\u3001RM2Target | RNA\u4fee\u9970\u76f8\u5173\u8c03\u63a7\u86cb\u767d\u9776\u57fa\u56e0\u7684\u7efc\u5408\u6570\u636e\u5e93\u8d44\u6e90
RM2Target\u6536\u96c6\u4e86\u6765\u81ea2\u4e2a\u7269\u79cd\u7684419\u79cd\u4e0d\u540c\u7684\u7ec6\u80de\u7cfb\u548c\u7ec4\u7ec7\u7684\u6587\u732e\u548c\u516c\u5f00\u6570\u636e\u96c6\uff0c\u6db5\u76d6\u4e869\u79cdRNA\u4fee\u9970\u7c7b\u578b\uff08m6A, m6Am, m5C, m5U, m1A, m7G, pseudouridine, 2\u2019-O-Me, A-to-I\uff09\u548c63\u4e2a\u76f8\u5173\u7684WER\uff0c\u76ee\u524d\u5171\u6536\u5f55\u4e861,801,980\u6761\u8bb0\u5f55\uff0c\u6d89\u53ca1,619,653\u6761WER-\u9776\u57fa\u56e0\u5173\u8054\u3002
12\u3001RNA-seqblog | RNA\u6d4b\u5e8f\u6280\u672f\u548c\u5e94\u7528\u7684\u535a\u5ba2\u7f51\u7ad9
RNA-Seq Blog\uff0c\u4e00\u4e2a\u5173\u4e8eRNA\u6d4b\u5e8f\u6280\u672f\u548c\u5e94\u7528\u7684\u535a\u5ba2\u7f51\u7ad9\u3002\u5b83\u63d0\u4f9b\u4e86\u4ee5\u4e0b\u5185\u5bb9\uff1a
\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09@kongjianyang\uff08\u7a7a\u95f4\u9633\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"},{"location":"issue-95/","title":"\u751f\u4fe1\u7231\u597d\u8005\u5468\u520a\uff08\u7b2c 95 \u671f\uff09\uff1a\u4e2d\u56fd\u4eba\u7fa4\u6cdb\u57fa\u56e0\u7ec4\u8054\u76df","text":"\u8fd9\u91cc\u8bb0\u5f55\u6bcf\u5468\u503c\u5f97\u5206\u4eab\u7684\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\uff0c\u5468\u65e5\u53d1\u5e03\u3002
\u672c\u6742\u5fd7\u5f00\u6e90\uff08GitHub: openbiox/weekly\uff09\uff0c\u6b22\u8fce\u63d0\u4ea4 issue\uff0c\u6295\u7a3f\u6216\u63a8\u8350\u751f\u4fe1\u76f8\u5173\u5185\u5bb9\u3002
\u300c\u751f\u4fe1\u5468\u520a\u8ba8\u8bba\u533a\u300d
"},{"location":"issue-95/#_1","title":"\u5c01\u9762\u56fe","text":""},{"location":"issue-95/#_2","title":"\u672c\u5468\u8bdd\u9898\uff1a\u4e2d\u56fd\u4eba\u7fa4\u6cdb\u57fa\u56e0\u7ec4\u8054\u76df","text":"\u4e2d\u56fd\u4eba\u7fa4\u6cdb\u57fa\u56e0\u7ec4\u8054\u76df\u662f\u7531\u590d\u65e6\u5927\u5b66\u3001\u897f\u5b89\u4ea4\u901a\u5927\u5b66\u3001\u4e2d\u56fd\u533b\u5b66\u79d1\u5b66\u9662\u7b4926\u5bb6\u5355\u4f4d\u53d1\u8d77\u7684\u4e00\u4e2a\u79d1\u7814\u9879\u76ee\uff0c\u65e8\u5728\u6784\u5efa\u80fd\u591f\u4ee3\u8868\u4e2d\u534e\u6c11\u65cf\u9057\u4f20\u591a\u6837\u6027\u7684\u4e2d\u56fd\u4eba\u7fa4\u6cdb\u57fa\u56e0\u7ec4\u56fe\u8c31\u3002
\u76ee\u524d\uff0c\u901a\u7528\u7684\u4eba\u7c7b\u53c2\u8003\u57fa\u56e0\u7ec4\u4e3b\u8981\u662f\u57fa\u4e8e\u6b27\u6d32\u767d\u4eba\u4e3a\u4e3b\u4f53\u6837\u672c\u6784\u5efa\u7684\uff0c\u96be\u4ee5\u4ee3\u8868\u975e\u6b27\u88d4\u65cf\u7fa4\u3001\u5c24\u5176\u662f\u6211\u56fd\u65cf\u7fa4\u7684\u57fa\u56e0\u7ec4\u591a\u6837\u6027\u3002\u800c\u6211\u56fd\u4f5c\u4e3a\u4eba\u53e3\u5927\u56fd\uff0c\u62e5\u6709\u4e30\u5bcc\u7684\u4eba\u7fa4\u591a\u6837\u6027\u548c\u60a0\u4e45\u7684\u4eba\u7fa4\u5386\u53f2\uff0c\u5176\u9057\u4f20\u7279\u5f81\u5bf9\u4e8e\u7406\u89e3\u4eba\u7c7b\u8d77\u6e90\u4e0e\u6f14\u5316\u3001\u75be\u75c5\u6613\u611f\u6027\u4e0e\u8868\u578b\u591a\u6837\u6027\u3001\u7cbe\u51c6\u533b\u5b66\u4e0e\u5065\u5eb7\u4e2d\u56fd\u6218\u7565\u90fd\u5177\u6709\u91cd\u8981\u610f\u4e49\u3002
\u56e0\u6b64\uff0c\u5efa\u7acb\u6211\u56fd\u81ea\u5df1\u7684\u4eba\u7fa4\u6cdb\u57fa\u56e0\u7ec4\u56fe\u8c31\u5341\u5206\u5fc5\u8981\u548c\u7d27\u8feb\u3002\u8fd9\u4e5f\u662f\u4e2d\u56fd\u4eba\u7fa4\u6cdb\u57fa\u56e0\u7ec4\u8054\u76df\u7684\u4e3b\u8981\u76ee\u6807\u4e4b\u4e00\u3002\u5728\u5176\u7b2c\u4e00\u671f\u7814\u7a76\u4e2d\uff0cCPC\u5bf9\u4ee3\u8868\u4e2d\u56fd36\u4e2a\u65cf\u7fa4\u768458\u4e2a\u6837\u672c\u8fdb\u884c\u4e86\u6df1\u5ea6\u6d4b\u5e8f\u548c\u9ad8\u8d28\u91cf\u5355\u500d\u578b\u57fa\u56e0\u7ec4\u7ec4\u88c5\uff0c\u6784\u5efa\u4e86\u9ad8\u8d28\u91cf\u4e2d\u56fd\u4eba\u7fa4\u53c2\u8003\u6cdb\u57fa\u56e0\u7ec4\u3002
@NiEntropy \uff1a\u6cdb\u57fa\u56e0\u7ec4\u4e0e\u6211\u4eec\u719f\u77e5\u7684\u53c2\u8003\u57fa\u56e0\u7ec4\u7684\u533a\u522b\uff0c\u53c2\u8003\u57fa\u56e0\u7ec4\u662f\u4e00\u4e2a\u7ebf\u6027\u7684\u3001\u5355\u4e00\u7684\u3001\u4e00\u7ef4\u7684\u57fa\u56e0\u7ec4\u5e8f\u5217\uff0c\u901a\u5e38\u662f\u4ece\u4e00\u4e2a\u6216\u5c11\u6570\u51e0\u4e2a\u4e2a\u4f53\u4e2d\u9009\u53d6\u7684\u4ee3\u8868\u6027\u6837\u672c\uff0c\u4e0d\u80fd\u5b8c\u5168\u53cd\u6620\u4e2a\u4f53\u4e4b\u95f4\u7684\u9057\u4f20\u53d8\u5f02\u3002\u6cdb\u57fa\u56e0\u7ec4\u662f\u4e00\u4e2a\u56fe\u5f62\u7684\u3001\u591a\u6837\u7684\u3001\u591a\u7ef4\u7684\u57fa\u56e0\u7ec4\u5e8f\u5217\u96c6\u5408\uff0c\u5305\u542b\u4e86\u4e00\u4e2a\u7269\u79cd\u6216\u4e00\u4e2a\u7fa4\u4f53\u4e2d\u6240\u6709\u4e2a\u4f53\u7684\u9057\u4f20\u53d8\u5f02\u4fe1\u606f\uff0c\u80fd\u66f4\u597d\u5730\u53cd\u6620\u57fa\u56e0\u7ec4\u7684\u7ed3\u6784\u548c\u529f\u80fd\u3002\u53c2\u8003\u57fa\u56e0\u7ec4\u662f\u6cdb\u57fa\u56e0\u7ec4\u7684\u4e00\u4e2a\u5b50\u96c6\uff0c\u6cdb\u57fa\u56e0\u7ec4\u6bd4\u53c2\u8003\u57fa\u56e0\u7ec4\u5305\u542b\u4e86\u66f4\u591a\u7684\u65b0\u5e8f\u5217\u3001\u65b0\u53d8\u5f02\u548c\u65b0\u529f\u80fd\u3002
@eplants\uff1a\u4e3a\u4ec0\u4e48\u8981\u5f00\u5c55\u6cdb\u57fa\u56e0\u7ec4\u6d4b\u5e8f\uff1f\u5728\u6f2b\u957f\u7684\u8fdb\u5316\u8fc7\u7a0b\u4e2d\uff0c\u7531\u4e8e\u5730\u57df\u56e0\u7d20\uff0c\u73af\u5883\u56e0\u7d20\u7b49\u7684\u5f71\u54cd\uff0c\u6bcf\u4e2a\u4e2a\u4f53\u90fd\u5f62\u6210\u4e86\u6781\u5176\u7279\u522b\u7684\u9057\u4f20\u6027\u72b6\uff0c\u5355\u4e00\u4e2a\u4f53\u7684\u57fa\u56e0\u7ec4\u5df2\u7ecf\u4e0d\u80fd\u6db5\u76d6\u8fd9\u4e2a\u7269\u79cd\u7684\u6240\u6709\u9057\u4f20\u4fe1\u606f\u3002
"},{"location":"issue-95/#_3","title":"\u751f\u4fe1\u7814\u7a76","text":"1\u3001Science | \u9519\u4e49\u7a81\u53d8\u9884\u6d4b\u6a21\u578bAlphaMissense
AlphaMissense\u662f\u4e00\u79cd\u80fd\u591f\u8bc6\u522bDNA\u4e2d\u5bfc\u81f4\u86cb\u767d\u8d28\u6c28\u57fa\u9178\u53d8\u5316\u7684\u9519\u4e49\u7a81\u53d8\u7684\u4eba\u5de5\u667a\u80fd\u6a21\u578b\u3002\u5b83\u57fa\u4e8eAlphaFold\u6a21\u578b\uff0c\u7ed3\u5408\u4e86\u5927\u91cf\u7684\u9057\u4f20\u548c\u7fa4\u4f53\u6570\u636e\uff0c\u53ef\u4ee5\u9884\u6d4b71\u767e\u4e07\u4e2a\u9519\u4e49\u7a81\u53d8\u7684\u81f4\u75c5\u6027\u6216\u826f\u6027\u3002\u5b83\u7684\u51c6\u786e\u7387\u9ad8\u8fbe89%\uff0c\u8fdc\u8d85\u4eba\u7c7b\u4e13\u5bb6\u7684\u6c34\u5e73\u3002\u5b83\u65e8\u5728\u5e2e\u52a9\u5feb\u901f\u8bca\u65ad\u548c\u6cbb\u7597\u9057\u4f20\u75be\u75c5\uff0c\u5e76\u5411\u7814\u7a76\u793e\u533a\u5f00\u653e\u4e86\u9884\u6d4b\u7ed3\u679c\u548c\u6a21\u578b\u4ee3\u7801\u3002
2\u3001Cancer Cell\uff5c\u57fa\u4e8eAI \u7684\u751f\u7269\u6807\u5fd7\u7269\u9884\u6d4b\u6a21\u578b\u52a0\u901fCRC\u6d3b\u68c0\u5206\u6790
\u7814\u7a76\u56e2\u961f\u5f00\u53d1\u4e86\u4e00\u79cd\u65b0\u7684\u57fa\u4e8eTransformer\u7684\u5206\u6790\u6846\u67b6\uff0c\u901a\u8fc7\u5c06\u9884\u8bad\u7ec3\u7684Transformer\u7f16\u7801\u5668\u4e0e\u7528\u4e8e\u8865\u4e01\u805a\u5408\u7684Transformer\u7f51\u7edc\u76f8\u7ed3\u5408\uff0c\u4eceCRC\u5e38\u89c4\u75c5\u7406\u5207\u7247\u4e2d\u8fdb\u884c\u7aef\u5230\u7aef\u7684\u751f\u7269\u6807\u5fd7\u7269\u9884\u6d4b\u3002\u901a\u8fc7\u5bf9\u6765\u81ea16\u4e2a\u961f\u521713,000\u591a\u540d\u7ed3\u76f4\u80a0\u764c\u60a3\u8005\u7ec4\u6210\u7684\u5927\u89c4\u6a21\u3001\u591a\u4e2d\u5fc3\u961f\u5217\u8fdb\u884c\u8bad\u7ec3\u548c\u8bc4\u4f30\uff0c\u8be5\u65b9\u6cd5\u5728\u624b\u672f\u5207\u9664\u7ec4\u7ec7\u6837\u672c\u7684MSI\u9884\u6d4b\u65b9\u9762\u8fbe\u5230\u4e8699%\u7684\u7075\u654f\u5ea6\uff0c\u9634\u6027\u9884\u6d4b\u503c\u8d8599%\u3002\u4e0e\u5f53\u524d\u6700\u5148\u8fdb\u7684\u7b97\u6cd5\u76f8\u6bd4\uff0c\u57fa\u4e8eTransformer\u7684\u65b9\u6cd5\u5927\u5927\u63d0\u9ad8\u4e86\u9884\u6d4b\u6027\u80fd\u3001\u901a\u7528\u6027\u3001\u6570\u636e\u6548\u7387\u548c\u53ef\u89e3\u91ca\u6027\u3002
3\u3001 Genome Biology | \u7528\u4e8e\u5355\u7ec6\u80deRNA-seq\u548cATAC-seq\u6570\u636e\u591a\u89c6\u56fe\u5206\u6790\u7684\u6df1\u5ea6\u751f\u6210\u6a21\u578b \u672c\u6587\u4f5c\u8005\u63d0\u51fa\u4e86\u4e00\u79cd\u591a\u6a21\u6001\u6df1\u5ea6\u751f\u6210\u6a21\u578b\u2014\u2014\u5355\u7ec6\u80de\u591a\u89c6\u56fe\u5206\u6790\u5668(scMVP)\uff0c\u5b83\u88ab\u8bbe\u8ba1\u7528\u4e8e\u5904\u7406\u540c\u65f6\u6d4b\u91cf\u540c\u4e00\u7ec6\u80de\u4e2d\u57fa\u56e0\u8868\u8fbe\u548c\u67d3\u8272\u8d28\u53ef\u53ca\u6027\u7684\u6d4b\u5e8f\u6570\u636e\uff0c\u5305\u62ec\u6765\u81ea10X Genomics\u7684SNARE-seq\uff0csci-CAR\uff0cPaired-seq\uff0cSHARE-seq\u548cMultiome\u65b9\u6cd5\u3002scMVP\u901a\u8fc7\u805a\u7c7b\u4e00\u81f4\u6027\u7ea6\u675f\u7684\u591a\u89c6\u56fe\u53d8\u5206\u81ea\u7f16\u7801\u5668\u6a21\u578b(VAE)\u81ea\u52a8\u5b66\u4e60scRNA-seq\u548cscATAC-seq\u6570\u636e\u7684\u5171\u540c\u6f5c\u5728\u8868\u793a\uff0c\u5e76\u901a\u8fc7\u5206\u5c42\u6570\u636e\u751f\u6210\u8fc7\u7a0b\uff0c\u5305\u62ec\u53d8\u538b\u5668\u57fa\u4e8e\u81ea\u5173\u6ce8\u7684scATAC\u751f\u6210\u901a\u9053\u548c\u57fa\u4e8e\u63a9\u7801\u5173\u6ce8\u7684scRNA\u751f\u6210\u901a\u9053\uff0c\u4ece\u591a\u7ec4\u6570\u636e\u7684\u5171\u540c\u6f5c\u5728\u5d4c\u5165\u4e2d\u63a8\u5bfc\u51fa\u5404\u5355\u5c42\u6570\u636e\u3002scMVP\u53ef\u4ee5\u5e2e\u52a9\u7f13\u89e3\u6570\u636e\u7a00\u758f\u95ee\u9898\uff0c\u5e76\u901a\u8fc7\u5171\u540c\u7684\u6f5c\u5728\u5d4c\u5165\u51c6\u786e\u8bc6\u522b\u4e0d\u540c\u8054\u5408\u5206\u6790\u6280\u672f\u7684\u7ec6\u80de\u7fa4\u3002\u6700\u540e\uff0c\u4f5c\u8005\u5728\u51e0\u4e2a\u5b9e\u9645\u6570\u636e\u96c6\u4e0a\u5c55\u793a\u4e86scMVP\u7684\u4f18\u52bf\u3002
4\u3001 \u7ebf\u6027\u6a21\u578b\u4e2d\u7684\u9ad8\u7ea7\u7279\u5f81\u9009\u62e9\u6280\u672f\uff08\u5cad\u56de\u5f52\uff0cLASSO\uff0c\u5f39\u6027\u7f51\u7edc\uff09
\u7ebf\u6027\u6a21\u578b\u5728\u673a\u5668\u5b66\u4e60\u95ee\u9898\u4e2d\u662f\u975e\u5e38\u6709\u6548\u7684\u3002\u5f53\u4eca\u5f88\u591a\u6570\u636e\u96c6\u5177\u6709\u6570\u91cf\u5e9e\u5927\u7684\u7279\u5f81\uff08feature\uff09\uff0c\u5373\u9ad8\u7ef4\u6027\u3002\u6b64\u5916\uff0c\u968f\u7740\u6211\u4eec\u8981\u5904\u7406\u7684\u6570\u636e\u89c4\u6a21\u4e0d\u65ad\u589e\u5927\uff0c\u6700\u4f18\u5b50\u96c6\u548c\u9010\u6b65\u7279\u5f81\u9009\u62e9\u8fd9\u6837\u7684\u6280\u672f\u4f1a\u9020\u6210\u96be\u4ee5\u627f\u53d7\u7684\u65f6\u95f4\u6210\u672c\u3002\u5728\u5f88\u591a\u60c5\u51b5\u4e0b\uff0c\u8981\u5f97\u5230\u4e00\u4e2a\u6700\u4f18\u5b50\u96c6\u7684\u89e3\u9700\u8981\u82b1\u8d39\u6570\u5c0f\u65f6\u3002 \u8fd9\u79cd\u60c5\u51b5\u4e0b\u6709\u66f4\u597d\u7684\u89e3\u51b3\u65b9\u5f0f\u3002\u672c\u6587\u4f1a\u8ba8\u8bba\u6b63\u5219\u5316\u7684\u6982\u5ff5\uff0c\u6b63\u5219\u5316\u4f1a\u5bf9\u7cfb\u6570\u8fdb\u884c\u9650\u5236\uff0c\u751a\u81f3\u5c06\u5176\u7f29\u51cf\u52300\u3002\u73b0\u5728\u6709\u5f88\u591a\u79cd\u65b9\u6cd5\u548c\u65b9\u6cd5\u7ec4\u5408\u53ef\u4ee5\u5b9e\u73b0\u6b63\u5219\u5316\uff0c\u6211\u4eec\u4f1a\u96c6\u4e2d\u8ba8\u8bba\u5cad\u56de\u5f52\u548c\u6700\u5c0f\u5316\u7edd\u5bf9\u6536\u7f29\u548c\u9009\u62e9\u7b97\u5b50\uff0c\u6700\u540e\u8ba8\u8bba\u5f39\u6027\u7f51\u7edc\uff0c\u5b83\u5c06\u524d\u9762\u4e24\u79cd\u7b97\u6cd5\u7684\u4f18\u70b9\u5408\u4e8c\u4e3a\u4e00\u3002
5\u3001GREAT\u5bcc\u96c6\u5206\u6790\u65f6\u8bf7\u4f7f\u7528\u6b63\u786e\u7684\u57fa\u56e0\u7ec4\u7248\u672c
GREAT\u5206\u6790\u662f\u7528\u6765\u76f4\u63a5\u5bf9\u57fa\u56e0\u7ec4\u533a\u95f4\u8fdb\u884c\u529f\u80fd\u5bcc\u96c6\u7684\u4e00\u79cd\u5206\u6790\u65b9\u6cd5\uff0c\u8fd9\u91cc\u901a\u8fc7\u4e00\u4e2a\u4f8b\u5b50\u8bf4\u660e\u5206\u9519\u8bef\u7684\u57fa\u56e0\u7ec4\u7248\u672c\u4f1a\u5bf9\u7ed3\u679c\u4ea7\u751f\u975e\u5e38\u5927\u7684\u5f71\u54cd\uff0c\u5c24\u5176\u662f\u90a3\u4e9b\u53ea\u5173\u8054\u4e86\u8f83\u5c11\u7684\u7528\u6237\u57fa\u56e0\u7ec4\u533a\u95f4\u7684\u57fa\u56e0\u96c6\u5408\u3002\u56e0\u6b64\u5728\u8fdb\u884cGREAT\u5206\u6790\u65f6\uff0c\u9009\u62e9\u6b63\u786e\u7684\u57fa\u56e0\u7ec4\u7248\u672c\u975e\u5e38\u91cd\u8981\u3002
6\u3001\u5c0f\u725b\u751f\u4fe1 | R \u8bed\u8a00\u57fa\u7840\u8bfe\u603b\u7ed3\u7b14\u8bb0
\u8fd9\u7bc7\u63a8\u6587\u662f\u4e00\u4f4d\u751f\u7269\u4fe1\u606f\u5b66\u7231\u597d\u8005\u5199\u7684R\u8bed\u8a00\u57fa\u7840\u8bfe\u603b\u7ed3\u7b14\u8bb0\u3002\u5185\u5bb9\u5305\u62ec\uff1a
7\u3001 Oxford Nanopore \u5728London Calling\u5927\u4f1a\u4e0a\u5ba3\u5e03\u7a81\u7834\u6027\u7684\u6280\u672f\u6027\u80fd\u548c\u8def\u5f84\uff0c\u8ba9\u4efb\u4f55\u4eba\u53ef\u4ee5\u5728\u4efb\u4f55\u5730\u65b9\u6d4b\u5e8f
\u57282023\u5e745\u670817\u65e5\u81f319\u65e5\u4e3e\u884c\u7684\u516c\u53f8\u5e74\u5ea6London Calling\u5927\u4f1a\u4e0a\uff0cOxford Nanopore\u7684\u9996\u5e2d\u6280\u672f\u3001\u521b\u65b0\u548c\u4ea7\u54c1\u5b98Clive G Brown\u5728\u6280\u672f\u66f4\u65b0\u4ecb\u7ecd\u4e2d\u5ba3\u5e03\u4e86\u7a81\u7834\u6027\u7684\u6027\u80fd\u6570\u636e\u548c\u65b0\u5e73\u53f0\u7684\u6700\u65b0\u60c5\u51b5\uff0c\u5305\u62ec\u76f4\u63a5RNA\u6d4b\u5e8f\u4ee5\u652f\u6301\u4ee5RNA\u4e3a\u57fa\u7840\u7684\u7597\u6cd5\u7684\u53d1\u5c55\u3002 \u968f\u7740Oxford Nanopore\u793e\u533a\u7528\u6237\u7fa4\u4f53\u4e0d\u65ad\u6269\u5927\uff0c\u8986\u76d6\u7684\u79d1\u7814\u9886\u57df\u4e5f\u66f4\u52a0\u5e7f\u6cdb\uff0c\u8fd9\u4e9b\u6539\u8fdb\u7684\u5de5\u5177\u6b63\u5728\u4e34\u5e8a\u7814\u7a76\u548c\u5de5\u4e1a\u5e94\u7528\u5e02\u573a\u4e2d\u5efa\u7acb\u8d77\u5e94\u7528\u573a\u666f\uff0c\u8fd9\u4e9b\u5e02\u573a\u9700\u8981\u8fd1\u6837\u54c1\u3001\u53ef\u8bbf\u95ee\u7684\u5b9e\u65f6\u5206\u6790\u5de5\u5177\u3002\u800c\u4e4b\u524d\uff0c\u7531\u4e8e\u53ef\u53ca\u6027\u548c\u6548\u7528\u6027\u7b49\u969c\u788d\uff0c\u6d4b\u5e8f\u8fd8\u672a\u88ab\u5e7f\u6cdb\u5e94\u7528\u4e8e\u8fd9\u4e9b\u573a\u666f\u4e2d\u3002
"},{"location":"issue-95/#_5","title":"\u5de5\u5177","text":"8\u3001funkyheatmap \uff5c \u663e\u793a\u6df7\u5408\u6570\u636e\u7c7b\u578b\u7684\u6570\u636e\u6846
9\u3001grf | \u5e7f\u4e49\u968f\u673a\u68ee\u6797R\u5305
\u65af\u5766\u798f\u5927\u5b66\u548c\u5176\u4ed6\u673a\u6784\u7684\u7814\u7a76\u4eba\u5458\u5f00\u53d1\u548c\u7ef4\u62a4\u7684\u540d\u4e3agrf\u7684R\u8bed\u8a00\u5305\uff0c\u5b83\u53ef\u4ee5\u5b9e\u73b0\u5e7f\u4e49\u968f\u673a\u68ee\u6797\uff08Generalized Random Forests\uff09\u7684\u65b9\u6cd5\u3002\u5e7f\u4e49\u968f\u673a\u68ee\u6797\u662f\u4e00\u79cd\u57fa\u4e8e\u6811\u7684\u7edf\u8ba1\u4f30\u8ba1\u548c\u63a8\u65ad\u7684\u975e\u53c2\u6570\u65b9\u6cd5\u3002
10\u3001BioTIP\uff1a\u7528\u4e8e\u8868\u5f81\u751f\u7269\u4e34\u754c\u70b9\u7684 R \u5305
\u7a81\u7136\u4e14\u901a\u5e38\u4e0d\u53ef\u9006\u8f6c\u7684\u53d8\u5316\uff08\u6216\u4e34\u754c\u70b9\uff09\u5728\u751f\u7269\u8fc7\u7a0b\u7684\u8fdb\u5c55\u4e2d\u5177\u6709\u51b3\u5b9a\u6027\u4f5c\u7528\u3002\u8fd9\u4e2a R \u5305\u53ef\u4ee5\u7528\u4e8e\u4f7f\u7528\u57fa\u56e0\u8868\u8fbe\u8c31\u6765\u8868\u5f81\u751f\u7269\u4e34\u754c\u70b9\u3002 BioTIP \u5177\u6709\u4e24\u79cd\u529f\u80fd\uff1a(1) \u51c6\u786e\u68c0\u6d4b\u4e34\u754c\u70b9\uff0c(2) \u8bc6\u522b\u91cd\u8981\u7684\u5173\u952e\u8f6c\u53d8\u4fe1\u53f7 (CTS)\u3002
11\u3001NanoBlot | \u7528\u4e8e\u4ece\u957f\u8bfb RNA \u6d4b\u5e8f\u6570\u636e\u4e2d\u53ef\u89c6\u5316 RNA \u540c\u5de5\u578b\u7684 R \u8f6f\u4ef6\u5305
12\u3001ggside
\u8fd9\u4e2a\u5de5\u5177\u662f\u4e00\u4e2a\u540d\u4e3aggside\u7684R\u8bed\u8a00\u5305\uff0c\u5b83\u53ef\u4ee5\u6269\u5c55ggplot2\u5305\u7684\u529f\u80fd\u3002\u5b83\u53ef\u4ee5\u8ba9\u7528\u6237\u5728\u4e3b\u56fe\u7684\u67d0\u4e2a\u8f74\u4e0a\u6dfb\u52a0\u56fe\u5f62\u4fe1\u606f\uff0c\u6bd4\u5982\u79bb\u6563\u8f74\u7684\u5143\u6570\u636e\uff0c\u6216\u8005\u8fde\u7eed\u8f74\u7684\u6c47\u603b\u56fe\u5f62\uff0c\u5982\u7bb1\u7ebf\u56fe\u6216\u5bc6\u5ea6\u5206\u5e03\u3002
"},{"location":"issue-95/#_6","title":"\u8d44\u6e90","text":"13\u3001\u4e01\u9e4f\u5728\u4f2f\u514b\u5229\u7684\u56e0\u679c\u63a8\u65ad\u8bb2\u4e49
\u4e00\u672c\u5173\u4e8e\u56e0\u679c\u63a8\u65ad\u7684\u65b0\u4e66A First Course in Causal Inference\uff0c\u5730\u5740\uff1ahttps://arxiv.org/abs/2305.18793 \u672c\u4e66\u4e2d\u6587\u7248\u6b63\u7531\u4f5c\u8005\u4e01\u9e4f\u4eb2\u81ea\u7ffb\u8bd1\uff0c\u540d\u66f0\u300a\u56e0\u679c\u63a8\u65ad\u57fa\u7840\u6559\u7a0b\u300b\uff0c\u9884\u8ba1\u4e0d\u4e45\u540e\u5c06\u6b63\u5f0f\u51fa\u7248\u3002
\u672c\u4e66\u662f\u6839\u636e\u4e01\u9e4f\u8001\u5e08\u8fc7\u53bb\u4e03\u5e74\u91cc\uff0c\u5728\u52a0\u5dde\u5927\u5b66\u4f2f\u514b\u5229\u5206\u6821\u7684\u201c\u56e0\u679c\u63a8\u65ad\u201d\u8bfe\u7a0b\u7684\u57fa\u7840\u4e0a\u7f16\u5199\u7684\u3002\u53d7\u4f17\u90fd\u662f\u672c\u79d1\u751f\u548c\u7814\u7a76\u751f\uff0c\u8be5\u8bb2\u4e49\u53ea\u9700\u8981\u6982\u7387\u8bba\u3001\u7edf\u8ba1\u63a8\u65ad\u4ee5\u53ca\u7ebf\u6027\u56de\u5f52\u3001\u903b\u8f91\u56de\u5f52\u7684\u57fa\u7840\u77e5\u8bc6\u3002\u5982\u679c\u60a8\u53d1\u73b0\u4efb\u4f55\u9519\u8bef\uff0c\u8bf7\u968f\u65f6\u7ed9\u4f5c\u8005\u53d1\u7535\u5b50\u90ae\u4ef6\u3002
14\u3001LangChain and LlamaIndex Projects Lab Book
\u4e00\u672c\u4f7f\u7528python\u8bed\u8a00\u6765\u4ecb\u7ecd LangChain \u548c LlamaIndex \u9879\u76ee\uff0c \u901a\u8fc7\u4f7f\u7528 LangChain \u548c LlamaIndex,\u7ed3\u5408\u5f00\u653eAI\u7684\u6a21\u578b\u6765\u89e3\u51b3\u4e00\u7cfb\u5217\u6709\u8da3\u7684\u95ee\u9898,\u6bd4\u5982\u4fe1\u606f\u68c0\u7d22\u3001\u81ea\u7136\u8bed\u8a00\u5904\u7406\u7b49\u3002\u503c\u5f97\u6709\u5174\u8da3\u7684\u7684\u540c\u5b66\u7ffb\u9605\u3002
15\u3001Human Genome Variation Lab
\u7531The Johns Hopkins Data Science Lab \u63d0\u4f9b\u7684\u4eba\u7c7b\u57fa\u56e0\u7ec4\u53d8\u5f02\u4e0e\u8ba1\u7b97\u8bfe\u7a0b\uff0c\u5e2e\u52a9\u5b66\u751f\u5b66\u4e60\u4eba\u7c7b\u57fa\u56e0\u7ec4\u53d8\u5f02\u7684\u539f\u7406\u548c\u65b9\u6cd5\uff0c\u4ee5\u53ca\u5982\u4f55\u4f7f\u7528\u8ba1\u7b97\u5de5\u5177\u8fdb\u884c\u5206\u6790\u548c\u89e3\u91ca\u3002
"},{"location":"issue-95/#_7","title":"\u5386\u53f2\u4e0a\u7684\u672c\u5468","text":"\u300cOpenbiox \u751f\u4fe1\u5468\u520a\u300d\u8fd0\u7ef4\u5c0f\u961f\uff1a
@ShixiangWang\uff08\u738b\u8bd7\u7fd4\uff09@kkjtmac\uff08\u961a\u79d1\u4f73\uff09@NiEntropy\uff08\u8d75\u542f\u7965\uff09@He-Kai-fly\uff08\u4f55\u51ef\uff09@JnanZhang\uff08\u5f20\u4f73\u6960\uff09@Tomcxf\uff08\u9648\u5578\u67ab\uff09@wangdepin\uff08\u738b\u5fb7\u54c1\uff09@kongjianyang\uff08\u7a7a\u95f4\u9633\uff09\u8fd9\u4e2a\u5468\u520a\u6bcf\u5468\u65e5\u53d1\u5e03\uff0c\u540c\u6b65\u66f4\u65b0\u5728\u5fae\u4fe1\u516c\u4f17\u53f7\u300c\u4f18\u96c5R\u300d\uff08elegant-r\uff09\u4e0a\u3002
\u5fae\u4fe1\u641c\u7d22\u201c\u4f18\u96c5R\u201d\u6216\u8005\u626b\u63cf\u4e8c\u7ef4\u7801\uff0c\u5373\u53ef\u8ba2\u9605\u3002
\uff08\u5b8c\uff09
"}]} \ No newline at end of file diff --git a/sitemap.xml b/sitemap.xml new file mode 100644 index 00000000..f2728e77 --- /dev/null +++ b/sitemap.xml @@ -0,0 +1,483 @@ + +