so_sal　

Normal H&E Slide image를 분석할 일이 생겨서, 분석을 해본 겸, 정리 포스트를 남겨놓으려고 한다. 1. GTEx phenotype 데이터 활용하기 개인적으로 TCGA, ICGC, GTEx 등 유전체 데이터를 활용할 때, UCSC Xena를 자주 활용한다. 서로 다른 데이터베이스의 batch effect 등을 정리한 데이터까지 제공해서.. 무척 편하다. https://xenabrowser.net/datapages/?cohort=GTEX&removeHub=https%3A%2F%2Fxena.treehouse.gi.ucsc.edu%3A443 phenotype - GTEX phenotype (n=9,783) UCSC Toil RNA-seq Recompute GTEx 데이터에서 원하는 tissue..

https://link.springer.com/article/10.1007/s00330-022-09153-z Ma, Xiaoling, et al. "Development and validation of a deep learning signature for predicting lymph node metastasis in lung adenocarcinoma: comparison with radiomics signature and clinical-semantic model." European Radiology (2022): 1-14. Lung adenocarcinoma (LUAD) 에서, Lymph node metastasis를 예측하는 논문인데,Deep learning과 Radiomics 두가지 모델을 구성..

딥러닝 연구를 하다보니, 다양한 task를 수행하게 된다. 그 중, 딥러닝을 자주 씀에도 불구하고 내게 조금 헷갈렸던 task가 있는데, 바로 Multi-class와 Multi-label 이다. 쉽고 기본적인 내용같지만, Label의 형태에 따라서 매우 복잡한 문제가 될 수도 있다. 이 글에서는 Multi-label을 예측하는 문제에서, Output이 어떤 것은 Regression을 해야하고, 어떤 것은 classification을 수행해야 할 때를 위해 내가 정리하는 글이다. 1. Bianry classification - Sigmoid 일단 binary classification은, Logistic regression과 동일한 task로 간단한 sigmoid로 쉽게 해결할 수 있다. Sigmoid는 ..

요즘, 책을 사기만 하고 리뷰를 통 못했는데, 2년 전에 나온, 그것도 번역서지만 이런 책을 왜 이제서야 발견했을까? 놀라움에 얼른 집어 구매하고, 카페에 와서 간단하게 인덱스, 내용들을 리뷰해봤다. http://www.kyobobook.co.kr/product/detailViewKor.laf?ejkGb=KOR&mallGb=KOR&barcode=9791161754420&orderClick=LAG&Kc= 생명과학을 위한 딥러닝 - 교보문고 생물학, 유전체학, 신약 개발에 적용하는 실무 딥러닝 | 로봇 공학의 발전으로 수많은 생명과학 실험들은 자동화돼 엄청난 양의 데이터를 만들어 낸다. 현대 생명 과학자들은 거대한 데이터 속 www.kyobobook.co.kr 인덱스는 다음과 같다. 1장. 왜 생명과학인가?..

최근 거의 3년간? 거의 메디컬 연구, paper writing에만 집중하다보니, bioinformatics 분야와 코딩실력에 자신감이 무척이나 떨어졌다. 그런데, bioinformatics 분야에서 ACM ICPC 문제 (국내에서 백준? 같은?) 푸는 비슷한 사이트가 있어, 공부용으로 참 좋겠다 싶어서 시작해봤다. 5문제 정도 풀어봤는데, 아직은 너무 쉬워서 잘 모르겠지만, 뒤로 갈수록 기대가 된다 ㅎㅎ

Index는 다음과 같습니다. ARTIFICIAL INTELLIGENCE IN HEALTH CARE: THE HOPE, THE HYPE, THE PROMISE, THE PERIL OVERVIEW OF CURRENT ARTIFICIAL INTELLIGENCE HOW ARTIFICIAL INTELLIGENCE IS CHANGING HEALTH AND HEALTH CARE POTENTIAL TRADE-OFFS AND UNINTENDED CONSEQUENCES OF AI AI MODEL DEVELOPMENT AND VALIDATION DEPLOYING AI IN CLINICAL SETTINGS HEALTH CARE AI: LAW, REGULATION, AND POLICY ARTIFICIAL INTELLIGENC..

gsutil은 google sotrage를 다루기 위한 툴인데,GnomAD, 1000 genome 등등 공개 빅데이터를 다운받으려면 gsutil 이라는 툴을 사용해야 하는 경우가 많다. 프로그램에 대한 자세한 설명은 안나와있지만, 다운로드 속도가 빠른걸 보니아마 UDP 기반으로 만들어진 파일전송 시스템이 아닐까 싶다. ;; [sosal@cipher reference]$ uname -aLinux cipher.snubi.org 2.6.32-642.4.2.el6.x86_64 #1 SMP Tue Aug 23 19:58:13 UTC 2016 x86_64 x86_64 x86_64 GNU/Linux 리눅스에서 uname -a라고 치면, 64비트인지 32비트인지 알 수 있다.x86_64 이기 때문에, 64비트이며 아래..

http://www.liuzlab.org/TCGA2STAT/ https://cran.r-project.org/web/packages/TCGA2STAT/index.html TCGA2STAT: Simple TCGA Data Access for Integrated Statistical Analysis in R Automatically downloads and processes TCGA genomics and clinical data into a format convenient for statistical analyses in the R en environment. R을 이용해서 TCGA 데이터를 바로 불러올 수 있는 패키지. 2015. 11. 14. Wan, Ying-Wooi, Genevera I. Allen..

0. Input으로 사용할 Sequence data 준비. ftp://ftp.ncbi.nlm.nih.gov/refseq/H_sapiens/mRNA_Prot/에서 아무거나... faa 확장자 파일 준비.모든 파일들을 하나로 합쳐서 sequences.faa 라는 파일로 완성.. # head sequences.faa 1. BLAST Linux executable 파일 다운로드URL: ftp://ftp.ncbi.nlm.nih.gov/blast/executables/blast+/LATEST/ NCBI에서, 소프트웨어 다운로드란에 들어가서 BLAST를 다운받는다. 2. wget으로 위의 blast x64-linux.tar.gz파일 다운로드. wget ftp://ftp.ncbi.nlm.nih.gov/blast/exe..

/* * http://sosal.kr/ * made by so_Sal */ https://genomemedicine.biomedcentral.com/articles/10.1186/s13073-016-0390-0 2015년 2월에 biorxiv.org에 이미 올라온 논문이지만, 최근 publish 되어 다시 자세히 보게 되었다.Table 1에서 Cancer driver gene detection tool에 관해 보기좋게 분류하여 보여주고 있다.