绘制基因结构图的需求比较普遍，也常常会和其他数据如 track plot 合并在一起，所以在这里特别开一篇，简单介绍一些工具。 ggbio从名字上就能看出，这是具有 ggplot2 属性的工具包，熟悉 ggplot2 的同学，用这个包可以说

大小写转换tr$ echo file | tr a-z A-Z FILE $ echo FILE | tr A-Z a-z file $ tr [:lower:] [:upper:] $ tr [:upper:] [:lower:]

手工命令计数器

grep用于查找文件里符合条件的字符串。 常用选项–after-context=<显示行数>-A <显示行数> ， 除了显示符合范本样式的那一列之外，并显示之后的指定行 –before-context=<显示行

积累文献中各种常用词汇，词组和句型句式

用好 parallel 简单实现多进程，从此起飞

TF、histone 等 ChIP-seq, RBP 的 CLIP 中的 peak calling 是分析过程中重要的一环 peak callingmacs2SICER(2)使用SICER进行peak calling现如今已有 versio

options 全局设置# 关闭所有的图形窗口，常用于R包安装，选择镜像源时 options(main.graphics=FALSE) # increasing the download timeout options(timeout =

差异表达差异，剪接变化差异，和富集差异等等，如何从生物信息学的角度理解差异？ 剪接差异 应该最为容易理解：通过计算PSI(percent spliced in)值，进而得到样本间变化的 ΔPSI(PSI1-PSI2)。 表达差异（这里表达简

—————- 2023.03.06 ———————-俺来填坑了！！！ scRNA-seq analysis 大体分两个模块： 测序数据前期处理转为矩阵数据挖掘 前期处理，包括 barcode 的拆解，比对。利用比对结果，进行定量，去除 d

服务器上 Rstudio-server 的更新换代

基本了解motifs指在一些序列当中，高频出现的序列特征。motif 的发现与富集是生信分析的常用手段，其原理和常用的工具，以及不同工具的特点，如何选择合适的工具，都值得深入的了解。先在这里填个坑，希望能把这个大坑填完。 motifs 常以