又是好久没有写博客了，应该还是写一写记录一下我的生活的，我的记忆感觉比以前差了很多，记录下来总归是好的事情，也许我还能再回顾一下，总觉得要把自己的博客捋的清晰一下，在生活的栏目里面要少讲一些科研或是正经的工作故事，这里就是纯粹的、枯燥的、无聊的、单调的我的生活故事。 就先从华大九九健康节讲一下吧。九九健康，大概是华大在每年九月九日时间点附近组织一些秋游活动，大都是令人感到快乐的户外郊游，我应该还是比较习惯到处走走的，尤其还是杭州这样子的湿地城市，在西湖景区里面到处都是可以走一走的，而且有很多的人文景观，我本身也是也是走过了很多次了。 徒步是这周五的事情了，其实是九月八号的事情，大概是八点到研究院楼下，然后乘着大巴到了九溪。九九徒步，从这里开始。 从九溪一直往里面走，很快就能走到九溪烟树，这还没到农历的八月份，但是已经有桂花的香味了，沿路也都是桂花香，有一些桂花树上面还有一些桂花，不过还是比较少的，大概是因为还没有到桂花的季节吧。沿路徒步大都是一些年轻情侣或是白发苍苍的老年情侣，这一带也确实是约会的好地方，恬静淡然，也无人吵闹，有山有水却就在市中心，这样的地方确实是很难得的。 ...

一般我们在进行圈细胞之前需要将基因在空间上的表达情况绘制出来，同时与拍照的TIF图片进行对应，在我的上篇博客里面用了一位师兄的代码，但是却发现其执行效率过于低下，经常一张芯片要运行四五个小时。故自己写了新的架构，将速度提升了数百倍。代码如下所示： # import spateo as st import pandas as pd from PIL import Image import matplotlib.pyplot as plt from scipy.sparse import csr_matrix import numpy as np import skimage import cv2 ''' log setting ''' import logging log = logging.getLogger('Console') log.setLevel(logging.DEBUG) console_handler = logging.StreamHandler() console_handler.setLevel(logging.DEBUG) formatter = log ...

时空云平台（STOmics Cloud）是以时空为特色的多组学数据分析平台，可以管理和分析多组学数据。 STOmics Cloud以项目为核心，用户可快速将数据和工具整合到项目，实现分析过程可追溯，结果可复现，知识可分享，项目可协作，形成项目分析体系。并通过一个用户友好的门户，提供灵活易于使用的无代码标准和高级分析，高分辨率可视化分析，以及个性化的分析服务，任何注册登录的用户可以轻松在平台上访问，分析，使用和共享数据和工具。 总体来说，STOmics 平台是一个很出色的多组学的数据分析平台，但是仍然有一些不足，STOmics 在做数据分析的时候无法连接外部网络，如果说我们需要用到一些外部的模型或是其他资源的时候，则是会遇到十分大的阻碍，尤其是当我们调用 keras 的某些模型的时候，是需要进行联网下载的，那我们就需要对源码进行一些修改。 Spateo 利用 Stereo-seq 的超高空间分辨率、大视野和高 RNA 捕获灵敏度，通过核染色和基于 RNA 信号的细胞分割实现单细胞分辨率空间转录组学。Spateo 还提供了空间约束聚类的新方法，以识别连续的组织域， ...

before you start to run the program, you should make something installed. pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu pip install torch-cluster -f https://pytorch-geometric.com/whl/torch-2.0.1+cpu.html pip install torch-scatter -f https://pytorch-geometric.com/whl/torch-2.0.1+cpu.html pip install torch-sparse -f https://pytorch-geometric.com/whl/torch-2.0.1+cpu.html pip install torch-geometric==2.0 Before running, you need to copy the cell_type_a ...

在进行单细胞或是空间组数据分析的时候，有的人喜欢使用 R 语言进行分析，有的同学喜欢使用 Python 进行分析，但是两个语言分析所使用的文件有所不同，R 语言通常保存的为 rds 文件，Python 通常保存的为 h5ad 文件，如果是多人合作分析的时候，往往需要将文件进行格式转换，这通常是一件较为麻烦的事情，看到过有使用 SeuratDisk 和 SeuratData 等 R 语言包进行转换的程序，但是由于本人 R 语言环境等等的问题，总是无法安装，故想了一个新的方法来进行格式转换，教程如下。 首先是将 rds 文件中的信息提取出来。 library(Seurat) # 读取 rds 文件信息 rds_file = readRDS("rds_file.rds") rds_file An object of class Seurat 38153 features across 9567 samples within 2 assays Active assay: Spatial (19082 features, 0 variable ...

我有了一个新导师：我那两岁半的外孙。就像很多小孩子一样，也不管有没有人听懂，一直在不停的说话。 我突然意识到，如果一个蹒跚学步的孩子这样使用语言，那么我作为一名教授别人做汇报的教练所关注的科学汇报本身可能过于详细和难以理解也就不足为奇了。在许多的科学汇报中，如同孩子一般的漫谈，可能是我们没有完全摆脱的本能。 这也可能解释了即便让科学家意识到问题所在也不能解决问题。许多人抱怨同行在做汇报时讲得过于详细了，但其实他们自己也有同样的问题。想要插入更多细节幻灯片似乎是不可抗拒的。演讲者需要具体的步骤来限制他们谈话的范围，并消除漫谈的本能。 根据我在许多研究机构20年的汇报技巧教学经验，我制定了一些策略来打破这种趋势。这四个步骤将帮助科学家创建更清晰、更简洁的汇报。 先写一个简单的叙述 在做每一页的幻灯片之前，先写下你希望去交流的要点。这可能包含了一个重要问题，这个问题为什么重要，你的关键结论和其他相关的事项。试着用开始，过程，结束将这些关键点连成一篇流畅的半页左右的叙述。 你的叙述是你进行不同长度的对话的基础。更长的对话可能包含更多的支持数据和细节，但是仍然需要基于几个关键点来进行 ...

最近上课，有一门课有一部分网课，这部分网课其实已经学过了，但是老师还是让看，看就看呗，原以为直接挂着就行了，但是发现这个网站每隔几分钟就会弹出窗口，需要点击才能继续观看。可是呢，我还有别的任务，于是便写了一个小脚本，使得可以实现自动刷课。 找到弹出窗口 通过检查元素可以看到，class name 为 btn-ok btn 的只在弹出窗口中出现。 整理思路写脚本 那么只要这个元素出现，选中这个元素，再添加一个 click 事件便可。 function click_btn_ok(){ try{ document.getElementsByClassName('btn-ok btn')[0].click() console.log('弹出窗口，已经点击') }catch(e ){ console.log('没有弹出窗口') } } 这样便是完成了点击函数，但是还需要添加一个事件，那就是让这个函数一直运行着，一直检测着，便可以使用 setInterval() 方法。 全代码 ...

这是读的第一篇的关于不同物种脑比较的文章，进行了较为精细的阅读，故作此记录。原文链接 摘要 哺乳动物皮层中的计算通过谷氨酸和γ氨基丁酸释放神经元形成的特定回路区域进行的。我们在这里探究了这些神经元，这些区域是如何在羊膜动物中进化的。我们使用了大规模的单细胞 mRNA 测序构建了两种爬行动物的大脑皮层的基因表达图谱。爬行动物皮层中谷氨酸神经元转录特征表明哺乳动物新皮质层是由新的细胞类型通过祖先的基因调控程序分化生成的。相反的，爬行动物的 GABAergic 神经元的分化表明在哺乳动物中已知的中间神经元类型早已存在于羊膜动物的共同祖先中。 开篇 大约3.2亿年前，羊膜类脊椎动物(哺乳动物、爬行动物和鸟类)起源于一个共同的祖先。在所有发育中的羊膜动物中，端脑背侧（dorsal telencephalon）或大脑皮层有着相同的信号分子，并被分为同源的胚胎区域。然而在成年羊膜动物脑区中，来自这些同源皮层区域的结构具有不同的形态和连接性。例如，六层大脑皮层只存在于哺乳动物中，背侧脑室脊(DVR)只在鸟类和爬行动物中发现。海马区可能是最保守的大脑皮层区域，即使在海马区，也不确定哺乳 ...

我觉得当我们在讨论所有的chatgpt的问题的时候，我们需要想清楚的是：我们要的到底是AI，是人工智能，还是一个不会反抗的、可以被无限剥削的机器奴隶。我认为这个才是所谓人工智能社会学的一个元问题。而要真正理解这个问题，我们就必须回到AI被生产出来的社会环境当中才能够找到答案。可以说，从所谓的自由雇佣的市场经济诞生的那一刻开始，老板就一直乐于告诉被雇佣的工人，那就是“外面有人，甚至不是人，愿意以更低的价格，甚至是免费的价格来做和你一样的工作。”换句话说，所有的老板都希望所有的员工都是不安全的，都是可以被取代的，这样我们就不能够提出任何的要求，要心甘情愿的接受所有的既定条件。机器人，自动化的趋势，以及以chatgpt为代表的AI技术，可能最大程度的放大了这种阶层的动态。每一次相关技术的进步都会被媒体和资本包装成一次完美的规训机会，一场针对工人的深入骨髓的PUA表演。而最近的所谓的gpt恐慌就更是如此。结合着当下世界经济周期的缩紧，他帮助全球的商业经营打好了一场不见血的阶层战争。于是乎，一个反幽灵，一个徘徊在当今的工作场所上空的、机械的、智能的反幽灵，一个技术决定论的反幽灵出现了。他告诉我们 ...

最近在学习scanpy，读scanpy文档的toturial部分的 Trajectory inference for hematopoiesis in mouse 部分的时候，出现了一个错误，在我的 jupyter notebook 运行的时候，出现了一个 warning WARNING: Package 'fa2' is not installed, falling back to layout 'fr'.To use the faster and better ForceAtlas2 layout, install package 'fa2' (`pip install fa2`). 这个warning会导致我之后绘制的图片与文档中的原图有区别，在执行命令sc.pl.draw_graph(adata, color='paul15_clusters', legend_loc='on data')的时候，可以看到，左边是源文档的图片，右边是我画出来的图片 那么便是需要修复这个 ...