【原】2020推文合集

新春临近，又到了年底总结的时候。从下周开始到过年期间，公众号就不再更新了。感谢过去一年粉丝们的支持，每一次阅读和点赞，都是对我的鼓励。在此，提前祝各位公众号的粉丝们，阖家幸福，万事如意！

推文合集，是本公众号的特色栏目，以方面方面我记录总结，也方便粉丝们阅读浏览。2020年发送的推文列表如下

  ATAC

• 最近大火的ATAC, 究竟是干什么的

• 引用2115次的ATAC经典论文解读

• 划重点|ATAC的peak shift需要这样做

• 给你bam文件，你会画插入片段长度分布图吗？

• 跟着ENCODE学习ATAC文库的质控标准

• 解密ATAC中的测序饱和度分析

• NGS测序中PCR重复序列的判定方法

• 从GTF文件中提取TSS上下游1kb的区间，要多少行代码？

• 获取参考基因组chrom.sizes文件的3种方式

• 使用ATACseqQC进行质控

• 自己动手计算TSS Enrichment score

• R语言也可以进行ATAC数据的完整分析啦！

• 引用2000多次的ATAC经典文献也在用的peak calling软件-Genrich

• 衡量ATAC文库复杂度的3个指标

• 又一个ATAC分析的pipeline:PEPATAC

• 巧用TagAlign格式来进行ATAC中的shift reads操作

• 手把手教你计算FRiP score的值

• 使用picard评估文库复杂度

• 使用Preseq评估文库复杂度

• F-seq:一个古老的peak calling工具

• 强烈推荐！Encode官方的ATAC数据分析流程

• 使用IDR软件处理生物学重复样本的peak calling

• 没有生物学重复怎么办，pseudo replicates了解一下

• 想进行ATAC实战分析却苦于没有实际数据，看这里

• peak差异分析的工具那么多，如何选择？

• 使用MACS2进行差异peak分析

• 使用DiffBind进行peak 差异分析

• 表观转录组学-m6A简介

  
  

  IGV基因组浏览器

• 玩转基因组浏览器之初识IGV

• 玩转基因组浏览器之使用IGV查看基因结构信息

• 玩转基因组浏览器之自定义IGV的参考基因组

• 玩转基因组浏览器之IGV展示bam文件

• 测序深度的计算，你真的掌握了吗

• 玩转基因组浏览器之tdf文件

• 玩转基因组浏览器之分面操作

• 玩转基因组浏览器之展示bed文件

• 玩转基因组浏览器之VCF文件的可视化

• 玩转基因组浏览器之查看MAF文件

• 玩转基因组浏览器之查看gwas结果

• 玩转基因组浏览器之查看CNV分析结果

• 玩转基因组浏览器之展示RNA_seq中的基因表达量

• 玩转基因组浏览器之IGV进行序列比对

• 玩转基因组浏览器之利用IGV查找motif结合位点

• 一看就能学会的，不同基因组版本坐标转换方法

  python基础语法

• 人生苦短，我用python

• windows上python开发环境的搭建

• python语法基础

• python中数值相关的操作

• python中的序列对象

• python列表常见操作技巧汇总

• python中集合set的使用场景概述

• python中字典dict的操作技巧汇总

• python中字符串的基本操作汇总

• python中的字符串格式化

• python中的正则表达式

• python中函数的基础用法

• python中函数的进阶用法

• python中的文件读写

• python中文件目录操作的常见方法

• python读写压缩文件

• python读写csv文件

• python执行系统命令

• python读写json文件

• python读写ini格式的配置文件

• python读取xml格式的文件

• python sys模块的常见用法汇总

• python argparse处理命令行参数

• python日期和时间的操作方法汇总

• 使用python collections模块中提供的数据结构

• python multiprocessing模块进行多进程处理

• python海量数据快速查询的技巧

• 使用python urllib进行网页爬取

• python threading模块进行多线程编程

• python中的生成器和迭代器

• python中的异常捕获

• python中的命名空间和变量作用域

• python中的模块与包

• python代码规范

• 使用jupyter notebook运行python和R

  numpy和pandas

• python numpy 初识

• numpy中的索引技巧详解

• numpy中的掩码数组

• Broadcast: Numpy中的广播机制

• numpy中常用的数学运算和统计函数汇总

• numpy中数组的遍历技巧

• numpy中数组操作的相关函数

• numpy中生成随机数的技巧汇总

• numpy中的文件读写

• 初识pandas

• 使用pandas进行文件读写

• 访问和提取DataFrame中的元素

• pandas合并和连接多个数据框

• pandas中数据框的reshape操作

• pandas中的数据处理利器-groupby

• pandas中的index对象详解

• pandas中的字符串处理函数

• pandas中的缺失值处理

• pandas中的窗口处理函数

• pands中的日期和时间操作

• numpy和pandas的参考手册

  matplotlib和seaborn

• matplotlib简介

• matplotlib基础绘图命令之plot

• matplotlib基础绘图命令之bar

• matplotlib基础绘图命令之pie

• matplotlib基础绘图命令之scatter

• matplotlib基础绘图命令之errorbar

• 一文搞懂matplotlib中的颜色设置

• matplotlib基础绘图命令之hist

• matplotlib基础绘图命令之boxplot

• matplotlib基础绘图命令之violinplot

• matplotlib基础绘图命令之imshow

• 给你的热图挑选一个合适的渐变色

• 掌握坐标轴的log转换

• 点线图和阶梯图的画法

• 为你的数据添加置信区间

• 添加直线的两种方式

• 用箭头和文字来标记重要的点

• 绘制双坐标轴图

• 对图标的坐标轴进行调整

• 个性化调整坐标轴的颜色和位置

• matplotlib实现一页多图

• 用matplotlib实现画中画

• 为matplotlib设置不同的主题

• 通过cycler实现属性的自动映射

• 为你的图片添加图例

• matplotlib中的黑魔法：constrained和tight layout

• 用不同的坐标系统对图形元素进行定位

• 使用matplotlib绘制3D图表

• 在图中添加多边形

• 设置坐标轴刻度的位置和样式

• 极坐标系在数据可视化中的巧妙运用

• 多张热图的排版技巧

• seaborn更高效的统计图表制作工具

• seaborn关联图表之折线图和散点图

• seaborn数据总体分布的可视化策略

• seaborn分类变量的汇总展示

• seaborn可视化数据框中的多个列元素

• 使用seaborn绘制热图

• jointplot快速探究两组变量的分布及关系

• seaborn绘图风格的设置

• 在seaborn中设置和选择颜色梯度

  python爬虫

• python爬虫开发的学习路径

• 用户代理在爬虫中的应用

• IP代理在网络爬虫中的应用

• cookie在爬虫中的应用

• 动态网页常用的两种数据加载方式ajax和js动态请求

• 使用selenium自动化操作浏览器

• 使用BeautifulSoup解析网页内容

• xpath语法简介

• 初识scrapy爬虫框架

• scrapy实践之翻页爬取

• scrapy实践之item pipeline的使用

• 获取用户代理的多种方式

• scrapy实践之中间件的使用

• scrapy实践之settings的配置

  python办公自动化

• 使用openpyxl读写excel文件

• 通过xlrd和xlwt模块读写excel文件

• 使用python-docx模块读写word文件

• 使用python将word文档转换为PDF文档

• 使用pdfminer提取PDF文件中的文字

• 通过python-pptx模块操作ppt文件

• 使用python自动化发送邮件

  python与生物信息

• conda:基于python的软件管理系统

• 解密conda channels

• 管理conda environments

• conda之packages管理

• 使用pysam操作BAM文件

• 使用pyBigWig模块查看bigwig文件中的内容

• pybedtools:对bedtools的封装和扩展

• 使用biopython处理序列数据

• 序列比对在biopython中的处理

• 使用biopython查询NCBI数据库

• 进化树在biopython中的可视化

• 使用biopython可视化染色体和基因元件

• 使用biopython解析kegg数据库

  机器学习

• 机器学习简介

• 使用scikit-learn构建数据集

• 使用scikit-learn填充缺失值

• 使用scikit-learn对数据进行预处理

• 线性回归与最小二乘法

• 基于正则化的回归：岭回归和套索回归

• 使用局部加权线性回归解决非线性数据的拟合问题

• 逻辑回归:建立在回归基础上的一种分类模型

• KNN:最容易理解的分类算法

在辞旧迎新的时刻，总是要总结过去，展望未来。回首2020，这一系列的推文不仅仅记录了过去一年的努力，也指引了未来奋斗的方向。在整理的过程中，发现自己学习了这么多的东西，还是会感到一丢丢的满足，积跬步，至千里。新的一年，继续起航！

·end·