MiXCR: 一款免费的学术工具，能高效精准地从各类测序数据中获取T细胞和B细胞受体库信息。

5星

浏览量: 0

大小:None

文件类型：None

简介：
MiXCR是一款开源软件工具，专门用于从各种测序数据中精确提取T细胞及B细胞受体库信息。它为科研人员提供了免费、高效的分析解决方案。 MiXCR是一款通用软件，旨在快速准确地分析原始T或B细胞受体库的测序数据。它易于使用，并可以在没有任何其他参数的情况下执行默认管道（请参阅“用法”部分）。该软件支持人类、鼠类和大鼠（仅限TRB和TRA）等物种的数据处理。 MiXCR能够有效地从大多数类型的TCR/IG原始测序数据中提取库，包括来自所有专用RepSeq样品制备方案的数据、RNA序列、全基因组测序以及单细胞数据等等。它还具有可选的CDR3重建步骤，该步骤允许从几个不相交的读取中恢复完整的高变区。通过使用复杂的算法和一流的效率来防止误报汇编，MiXCR能够组装克隆型，并应用几种错误校正算法以消除由PCR和测序错误引起的人为多样性。此外，它支持基于CDR3序列（默认）以及任何其他区域进行组装，包括全长可变序列（从FR1的开始到FR4的结束）。

全部评论 (0)

还没有任何评论哟~

客服

MiXCR: 一款免费的学术工具，能高效精准地从各类测序数据中获取T细胞和B细胞受体库信息。

优质

MiXCR是一款开源软件工具，专门用于从各种测序数据中精确提取T细胞及B细胞受体库信息。它为科研人员提供了免费、高效的分析解决方案。 MiXCR是一款通用软件，旨在快速准确地分析原始T或B细胞受体库的测序数据。它易于使用，并可以在没有任何其他参数的情况下执行默认管道（请参阅“用法”部分）。该软件支持人类、鼠类和大鼠（仅限TRB和TRA）等物种的数据处理。 MiXCR能够有效地从大多数类型的TCR/IG原始测序数据中提取库，包括来自所有专用RepSeq样品制备方案的数据、RNA序列、全基因组测序以及单细胞数据等等。它还具有可选的CDR3重建步骤，该步骤允许从几个不相交的读取中恢复完整的高变区。通过使用复杂的算法和一流的效率来防止误报汇编，MiXCR能够组装克隆型，并应用几种错误校正算法以消除由PCR和测序错误引起的人为多样性。此外，它支持基于CDR3序列（默认）以及任何其他区域进行组装，包括全长可变序列（从FR1的开始到FR4的结束）。

白细胞五分类及红细胞数据集

优质

本数据集包含大量白细胞五分类（包括中性粒细胞、淋巴细胞等）和红细胞检测结果，适用于医学研究与自动化血液分析。血细胞数据集包括白细胞五分类和红细胞（RBC），每个类别包含2400张图片。

红细胞、白细胞和血小板的目标检测数据集

优质

本数据集包含了丰富的红细胞、白细胞及血小板图像样本，旨在支持医学界对血液成分进行精准目标检测与分析研究。目标检测数据集包括红细胞、白细胞和血小板的图像及标注文件，共有874张图片和对应的874个XML文件。

SomaticSeq：精准检测体细胞突变的全面策略

优质

SomaticSeq是一种先进的算法工具，专门设计用于准确识别和解析肿瘤样本中的体细胞突变。它提供了一套全面的方法来提升癌症基因组学研究的质量与深度。 SomaticSeq是一个整体调用程序，能够利用机器学习技术来过滤掉误报结果。详细文档可以在项目的回购仓库中找到。关于SomaticSeq的开放获取论文可以参考相关文献资料。用户可以通过问题报告页面提交任何发现的问题或提出建议。虽然旧版本仍然支持，但与当前最新版本相比功能上有所限制。软件需求：该工具揭示了依赖关系：Python 3环境以及pysam、numpy、scipy、pandas和xgboost库。注意，在使用并行处理调用或者将基础文件作为输入时需要特别关注这些要求。我们已经整合了至少一个调用方，例如MuTect2（GATK4）、MuTect 1, Indelocator, VarScan2, JointSNVMix2, SomaticSniper, VarDict, MuSE, LoFreq, Scalpel 和 Strelka2等。SomaticSeq依赖于第三方调用程序来生成候选突变，因此用户需要至少运行其中一个，并且建议尽可能多地使用不同的工具以提高准确性。

SCENIC: 一个用于从单细胞RNA测序数据推断基因调控网络及细胞类型的R软件包

优质

SCENIC是一款基于单细胞RNA测序技术的R语言软件包，能够高效地推断出基因调控网络与细胞类型，为复杂生物系统的解析提供了强大工具。 SCENIC（单细胞重组网络推断和聚类）是一种利用单细胞RNA序列数据来推断基因调控网络及识别不同细胞类型的计算方法。该技术的详细描述以及一些使用示例可以在相关文献中找到。目前，SCENIC在R语言环境与Python环境中均有实现版本。对于不熟悉R编程语言的用户来说，可以考虑查看包含Nextflow工作流程的SCENIC或pySCENIC Jupyter笔记本以简化运行过程（强烈建议用于批量处理大体量数据）。之后可以在R、Python或是Web界面SCope中浏览分析结果。有关在R环境中使用和安装SCENIC的具体说明，请参考相关教程。示例输出文件可在指定位置获取。常见问题解答： - 2021年3月26日：发布新的教程以帮助用户更好地理解和应用该方法； - 2020年6月26日：更新了包含Nextflow工作流程的SCENIC协议及pySCENIC Jupyter笔记本，现在已正式上线。

Plate-scATAC-seq：一种快捷高效的板式单细胞ATAC测序技术

优质

Plate-scATAC-seq是一种创新性的单细胞染色质可及性分析技术，采用平板处理方式大幅提升了实验效率与通量，适用于大规模单细胞表观遗传学研究。快速而强大的基于板的单细胞ATAC-seq（scATAC-seq）方法：此处的存储库仅为了复制对原始数据的分析。现在，我们有了蛇形制作管道的一个更新版本，专门用于处理数据。它具有更灵活的设置，并且输出模仿了10x Genomics格式，可以将其直接放入各种下游scATAC-seq数据分析包中。这种方法的意义何在？引用荷兰计算机科学家的话来说：简单性是可靠性的前提。用法（两个阶段：数据处理+数据分析）： 1. 数据处理（从fastq到数据质量信息和计数矩阵）所有步骤均使用相应目录中的Snakefile执行。要开始工作流程，请下载ArrayExpress的fastq文件，并将它们放在mSp_scATAC-seq/rep{1..11}/fastq/ 和 other_cells_methods/*/fastq 目录下。

红白细胞混合的血液细胞数据集

优质

本数据集包含红白细胞混合样本的详细信息，旨在支持医学研究与自动分类算法开发，促进血细胞分析技术的进步。血液细胞数据集（红+白细胞）包含有关红细胞和白细胞的详细信息。此数据集可用于研究、分析及机器学习模型开发等多种用途。

WBC白细胞数据库（300）

优质

WBC白细胞数据库收录了关于白细胞的研究数据与信息，旨在促进对免疫系统及血液疾病的理解和研究。 WBC白细胞数据集（300）涉及的主要知识点包括计算机视觉、图像处理以及机器学习领域中的应用，尤其是在生物医学图像分析方面。在计算机视觉中，图像数据集是训练算法性能的基础。该数据集包含300张120×120像素的白细胞图片，构成了一个小型但专门针对特定任务构建的集合。这些图像是为了训练深度学习模型（如卷积神经网络）以识别、分类或分割白细胞而设计的。图像尺寸为120×120可能是经过权衡计算资源和模型复杂性后选择的结果，并确保了足够的细节来捕获细胞特征。提到“白细胞”是人体免疫系统的一部分，它们在对抗感染和疾病中发挥关键作用。自动识别并计数白细胞可以显著帮助医生进行诊断，在血液检测及疾病监测方面尤为重要。因此，这个数据集对于开发能够辅助医疗专业人士的自动化工具具有重要意义。从机器学习的角度来看，该数据集可用于二分类任务（例如区分正常与异常的白细胞）或更多种类别的分类任务（如识别不同类型的白细胞）。首先需要对图像进行预处理步骤，包括灰度化、直方图均衡化、归一化和噪声去除等操作以提高模型性能。此外还可以采用数据增强技术来增加训练集多样性，并防止过拟合问题。标签“数据集”表明这是一个用于训练及评估算法的数据集合，在此过程中通常将数据分为训练集、验证集与测试集，以便在不泄露未来结果的情况下优化参数设置。交叉验证是常用的性能评估方法之一，能够更准确地反映模型的泛化能力。提到WBC_Seg1可能意味着该数据集中不仅包含图片信息还包含了相关标注（如边界框或分割掩模），这对于训练分割模型至关重要，因为它们可以指示哪些像素属于白细胞区域。精确分离图像中的各个对象对于医学成像应用尤其重要，有助于医生更好地理解细胞结构和特征。综上所述，WBC白细胞数据集是为解决医学图像分析中关于白细胞识别的问题而设计的，并涵盖计算机视觉、图像处理及机器学习的基本原理。它还可能包含详细的标注信息，从而为研究者与开发者提供了一个有价值的工具来推动医疗健康领域的自动化技术进步和发展。