目录 一.来源 二.结果 683份材料重测序 地方种landraces和育种品系breeding lines的多样性 表型和基因-环境互作(G by E) 菜豆产量潜力相关的MTAs(显著关联位点) 一.来源 Resequencing of 683 common bean genotypes identifies yield component trait associations across a north–south cline. January 2020 Nature Genetics

英文名:Genetic architecture of artemisinin-resistant Plasmodium falciparum 中文名:疟原虫青蒿素抗药性的全基因组关联分析 期刊:Nature Genetics影响因子:29.352一.研究背景以青蒿素为主的联合疗法一直以来都是治疗疟疾的有效方法,值得关注的是横跨亚洲到非洲都出现了对一线药物的抗药性.阻止出现更高水平的抗药性以及阻止抗药性扩散到非洲刻不容缓.为了更好同抗药性进行斗争,了解遗传因素在抗药性的混合和传播中的作用非常重要

除了影响因子,还有许多指标可以评价论文价值,如Google的H5指数H5中位数.现在JCR 的2015影响因子早已放出.Google也于6月份提供了其最新的2015学术指数.2015版的学术指数,是基于Google Scholor截止到2015月中旬索引的所有文献,涵盖了2010-2014年间的所有文献.Google的学术指数还包括网站遵循Google学术的纳入指标的文献.     英文文献Google学术指数前100名    Publication h5-index h5-median 1.

定义 Circulating free DNA or Cell free DNA (cfDNA):循环游离DNA或者细胞游离DNA,释放到血浆中的降解的DNA片段. https://en.wikipedia.org/wiki/Circulating_free_DNA 基本属性 长度 Azad A A, Volik S V, Wyatt A W, et al. Androgen Receptor Gene Aberrations in Circulating Cell-Free DNA: Biom

HapMap五周年回顾 2011-01-12 | 作者: [关闭] 作者简介:曾长青,中国科学院北京基因组所研究员,博士生导师.CUSBEA奖学金.百人计划.杰出青年基金.首批新世纪百千万人才工程国家级人选获得者.作为“十五”重大攻关项目课题组长.国际HapMap计划Steering Committee Member和 “中华单体型图协作组”召集人,负责HapMap“中国卷”的实施.主要从事疾病相关基因定位.群体遗传学和基因组多态研究,部分成果在Nature,Nature Genetics, P

单细胞流程跑了不少,但依旧看不懂结果,是该好好补补了. 有些人可能会误会,觉得单细胞的RNA-seq数据很好分析,跟分析常规的RNA-seq应该没什么区别.今天的这篇文章2015年3月发表在Nature Genetics Review上,专门说明了一下单细胞RNA测序数据在数据分析和计算上的挑战(虽然已经过去1年多了,这里指出的问题和挑战仍然是不过时的,至于这些问题和挑战现在是不是完美解决了,这里就暂且先不讨论了.). 主要说了以下问题: 1. 单细胞RNA测序 (single cell RNA

VCFtools用来处理VCF文档. 筛选特定突变 比较文件 总结突变 转化文件格式 验证并合并文件 取突变交集和差集 Get basic file statistics input可以为VCF或BCF格式(--vcf --gvcf or --bcf). vcftools --vcf test.vcf less test.vcf | vcftools --vcf - Applying a filter 可以把筛选的突变写入一个新文件.--recode 表示输出筛选的内容,--recode-INF

The C++ executable module examples This page provides usage examples for the executable module. Extended documentation for all of the options can be found on the manual page. Running the program Getting basic file statistics Applying a filter Writing

转载:http://blog.sina.com.cn/s/blog_6721167201018jik.html Change Logs: 13/01/12: 增加了一篇文献,外加一些无聊的修改.12/08/20: 修正了一个代码错误:增加了对-rf(Read filters)参数的说明.12/08/14: 补充了2.x版本有改动的一些地方.12/08/10: 更正一个错误.12/11/06:因为后面一直都没什么时间,同时也觉得没有什么好讲的了就一直搁置了,在这边再补充说明一下,其实GATK毕竟只

Predicting effects of noncoding variants with deep learning–based sequence model PDF Interpreting noncoding variants- 非常好的学习资料 这篇文章的第一个亮点就是直接从序列开始分析,第二就是使用深度学习获得了很好的预测效果. This is, to our knowledge, the first approach for prioritization of functional

做了好久的RNA-seq分析,基因表达也在口头溜了几年了,但似乎老是浮在表面. 对一件事的了解程度决定了你的思维深度,只想做技工就不用想太多,想做大师就一定要刨根问底. 老是说基因表达,那么什么是基因表达?我们测序得到的基因表达其实只是一种表型,是样本的一个快照,和普通的身高体重之类的连续型表型类似. 常规的转录组分析本质上都是表型分析,clustering.pseudotime.DEG.marker,在这些分析中,每个基因都是独立的维度,属于静态的分析,此时我们关注的是某个基因的功能分析,比如

在我之前的帖子单细胞分析实录(7): 差异表达分析/细胞类型注释里面,我已经介绍了如何使用SingleR给单细胞数据做注释,当时只讲了SingleR配套的参考集.这次就讲讲如何使用自己定义/找到的基因集做注释,使用场景还是比较多的,比如想根据某篇论文里面的注释结果,给自己的数据做注释.本文配套的视频讲解已上传到B站,新手UP: TOP菌.gongzhong号后台回复20211023可获取本文所用到的示例数据和代码. 本次演示用到的数据集来自2020年发表在Nature Genetics的一篇结直

目录 2010年1月:大豆基因组首次发表(Nature) 2010年12月:31个大豆基因组重测序(Nature Genetics) 2014年10月:野生大豆泛基因组(Nature Biotechnology) 2015年2月:大豆在驯化和改良过程中遗传多态性明显降低(Nature Biotechnology) 2017年8月:GWAS解析大豆重要性状网络(Genome Biology) 2018年8月:中国国审大豆品种中黄13的基因组完成(Science China Life Science

转自希望组公众号.学习二代+三代组装策略的流程 垂枝桦(Betula pendula)是一种速生乔木,能在短短一年时间内开花,木质坚实,可做细工.家具等,经济价值极高.近日,芬兰研究人员对垂枝桦自交系个体进行全基因组测序,并对80个来自不同地理范围的桦树个体进行群体重测序,为林木基因组学研究和遗传改良工作提供了研究资源,从而利于生态环境的持续优化. PacBio数据的加入,有效地对基因组初装版本进行了补洞,并在进一步Scaffolding提供高连续性序列,基因组覆盖率达到98.9%(435Mb/

The top 100 papers Nature explores the most-cited research of all time. The discovery of high-temperature superconductors, the determination of DNA’s double-helix structure, the first observations that the expansion of the Universe is accelerating —

1.直接原因:出现这个问题,一般都是因为手抖误操作. 但是出现了问题,还不知道从何查起. 可能出现的场景是eclipse安装Maven插件后,右键项目却找不到Maven按钮,继而无法编译项目. 2.实际原因:由于误操作,点击了Disable Maven Nature,即将maven工程转换成了一般工程. 3.解决方法:再将一般工程转换成Maven工程即可 maven工程转为一般工程: 工程右键--->Maven--->Disable Maven Nature转为一般工程.一般工程转为maven

想发好文章?先看好文献! 生物信息分析类的文章都有着比较明显的套路,如果你深刻的掌握了这些套路,相信有一天你也能发Nature(子刊). Extremotolerant tardigrade genome and improved radiotolerance of human cultured cells by tardigrade-unique protein 先了解基本背景: 水熊虫是一个非常值得研究的物种,虽然它不像主流作物的研究那么实用,但其近乎变态的耐受性确是人类梦寐以求的功能. 前

美德科学家独立进行的两项最新研究表明,单个神经元的激发就足以影响学习和行为.这一结论挑战了人们长期以来的认识,即数千个神经元的有序排列才能够产生一个行为反应.这两篇论文12月19日在线发表于<自然>杂志上. 进行最新研究的是美国霍华德•休斯医学院的神经生物学家Karel Svoboda和同事,以及洪堡大学Michael Brecht领导的一个独立研究小组.他们的研究结论为一项饱受争议的神经理论---神经元“稀疏编码”假说(sparse-coding hypothesis)提供了依据和支持,该理

在强化学习(八)价值函数的近似表示与Deep Q-Learning中,我们讲到了Deep Q-Learning(NIPS 2013)的算法和代码,在这个算法基础上,有很多Deep Q-Learning(以下简称DQN)的改进版,今天我们来讨论DQN的第一个改进版Nature DQN(NIPS 2015). 本章内容主要参考了ICML 2016的deep RL tutorial和Nature DQN的论文. 1. DQN(NIPS 2013)的问题 在上一篇我们已经讨论了DQN(NIPS 2013

1 概述 在之前介绍的几种方法,我们对值函数一直有一个很大的限制,那就是它们需要用表格的形式表示.虽说表格形式对于求解有很大的帮助,但它也有自己的缺点.如果问题的状态和行动的空间非常大,使用表格表示难以求解,因为我们需要将所有的状态行动价值求解出来,才能保证对于任意一个状态和行动,我们都能得到对应的价值.因此在这种情况下,传统的方法,比如Q-Learning就无法在内存中维护这么大的一张Q表. 针对上面的问题,于是有人提出用一个模型来表示状态,动作到值函数的关系.我们令状态为 $s \in S