| fig, ax = plt.subplots(figsize=(8, 8)) | |
| sc.pl.umap(ds, color="cell_type", legend_loc="on data", size=10, ax=ax, show=False) | |
| shrink_by = 0.1 | |
| xlim = ax.get_xlim() | |
| ylim = ax.get_ylim() | |
| xbound = xlim[0] + (xlim[1] - xlim[0]) * shrink_by | |
| ybound = ylim[0] + (ylim[1] - ylim[0]) * shrink_by | |
| b = ax.spines["bottom"] |
| <!doctype html> | |
| <html> | |
| <head> | |
| <meta charset="utf-8"> | |
| <title></title> | |
| <link rel="stylesheet" href="style.css"> | |
| <script src="https://code.jquery.com/jquery-3.5.1.min.js"></script> | |
| <script src="main.js"></script> | |
| </head> | |
| <body> |
| speed: init 3.8186559677124023 | |
| speed: parsed 3.821230888366699 | |
| /anaconda3/bin/ipython:6: DeprecationWarning: Deprecated since version 0.16.0. Use Script(...).complete instead. | |
| dbg: Start: complete | |
| dbg: infer_node <Name: plt@1,0>@(1, 0) in MixedModuleContext(<ModuleValue: __main__@1-1 is_stub=False>) | |
| dbg: context.goto <Name: plt@1,0> in (MixedModuleContext(<ModuleValue: __main__@1-1 is_stub=False>)): [MixedName(<CompiledName: (<CompiledValueName: string_name=NamespaceObject>).plt>)] | |
| dbg: context.names_to_types: [MixedName(<CompiledName: (<CompiledValueName: string_name=NamespaceObject>).plt>)] -> S{<MixedObject: <module 'matplotlib.pyplot' from '/anaconda3/lib/p..; <ModuleValue: matplotlib.pyplot@4-3270 is_stub=False>>} | |
| dbg: infer_trailer: PythonNode(trailer, [<Operator: .>, <Name: figure@1,4>]) in S{<MixedObject: <module 'matplotlib.pyplot' from '/anaconda3/lib/p..; <ModuleValue: matplotlib.pyplot@4-3270 is_stub=False>>} | |
| dbg: context.goto <Name: figure@1,4> in (<MixedObject: <module 'matplotlib.pyplo |
| $ cat velocyto-sc14.sh | |
| #!/bin/bash | |
| #MSUB -A b1042 | |
| #MSUB -q genomics | |
| #MSUB -l walltime=10:00:00 | |
| #MSUB -N velocyto-sc14 | |
| #MSUB -l nodes=1:ppn=4 | |
| #MSUB -o velocyto-sc14.out.log | |
| #MSUB -e velocyto-sc14.err.log |
| class A: | |
| a_list = [] | |
| def blah(self): | |
| self.__class__.a_list.append('hello') | |
| # can also write | |
| # A.a_list.append('hello') | |
| class B: |
| require(Seurat) | |
| require(scmap) | |
| require(DropletUtils) | |
| require(SeuratConverter) | |
| initLung <- function() { | |
| cache <- '../dataset 1/SC01+02.Robj' | |
| if (!file.exists(cache)) { | |
| sc01.data <- Read10X(data.dir = "../dataset 1/SC01/") | |
| sc01 <- CreateSeuratObject(raw.data = sc01.data, min.cells = 3, min.genes = 200, project = "SC01") |
| # coding: utf-8 | |
| a = """ | |
| "Le,88 | |
| leaving,88 | |
| lengths,88 | |
| Linen,88 | |
| lithographs.,88 | |
| mezzotint" | |
| ",88 |
##Корень
##Коды выпусников
Выпускники 57-й - директория
Классы выпуска
По алфавиту
Добавить выпускника - перенести направо
Поиск - разбивать по пробелам, искать подстроки без учета регистра
| Я имел в виду, что можно посмотреть на все строки, где есть gene, потом сгруппировать одинаковые и посчитать: | |
| $ fgrep '/gene=' AJ507799.txt | sort | uniq -c | wc -l | |
| 111 | |
| А потом посмотреть, что там есть: | |
| $ fgrep '/gene=' AJ507799.txt | sort | uniq -c | |
| И так же для белков: | |
| $ fgrep '/protein_id=' AJ507799.txt | sort | uniq -c | wc -l |