爾云間? 一個(gè)專(zhuān)門(mén)做科研的團(tuán)隊(duì)

原創(chuàng)?小果?生信果?

歡迎點(diǎn)贊+收藏+關(guān)注

你知道有一個(gè)平臺(tái)可以收集、整理、共享免疫學(xué)相關(guān)研究資源嗎？可以幫助我們更好地理解免疫學(xué)領(lǐng)域的研究，并為我們的工作提供重要的支持和幫助嗎？

它就是IMMUPORT！今天，小果將介紹它的使用方法，幫助我們更好地利用這個(gè)平臺(tái)進(jìn)行免疫學(xué)研究。

01、進(jìn)入主頁(yè)

首先我們進(jìn)入IMMUPORT的官網(wǎng)主頁(yè)：

https://www.immport.org/resources

進(jìn)入主頁(yè)后，同學(xué)們也可以注冊(cè)一個(gè)屬于自己的賬戶(hù)哦！接下來(lái)我們進(jìn)入使用IMMUPORT的正題吧！

02、四大功能模塊

Immoport平臺(tái)主要提供了四大功能，分別是上傳數(shù)據(jù)、共享數(shù)據(jù)平臺(tái)、數(shù)據(jù)分析、數(shù)據(jù)資源平臺(tái)。接下來(lái)小果將向大家簡(jiǎn)單介紹這四大功能模塊的使用方法哦。

03、上傳數(shù)據(jù)/數(shù)據(jù)分析

在Immuport平臺(tái)中，上傳數(shù)據(jù)和數(shù)據(jù)分析平臺(tái)需要通過(guò)你的學(xué)術(shù)賬號(hào)注冊(cè)之后才可以使用哦，感興趣的同學(xué)可以注冊(cè)自行學(xué)習(xí)哦！

04、共享數(shù)據(jù)平臺(tái)

在共享數(shù)據(jù)平臺(tái)，我們可以獲取該平臺(tái)上的所有數(shù)據(jù)資源哦，該平臺(tái)也對(duì)共享的數(shù)據(jù)資源進(jìn)行了分類(lèi)處理，包括學(xué)術(shù)研究、學(xué)術(shù)課程、疾病研究等方向，同學(xué)們可以根據(jù)需要自行選擇哈~

05、數(shù)據(jù)資源平臺(tái)

o?搜索資源

IMMUPORT的核心組件其實(shí)是一個(gè)廣泛的數(shù)據(jù)倉(cāng)庫(kù)哦，其中包含實(shí)驗(yàn)數(shù)據(jù)和描述研究目的和數(shù)據(jù)生成方法的元數(shù)據(jù)。為了搜索這些資源，我們可以在IMMUPORT的主頁(yè)上使用搜索框進(jìn)行搜索。可以輸入關(guān)鍵詞，例如研究領(lǐng)域、實(shí)驗(yàn)技術(shù)或某些免疫學(xué)特定術(shù)語(yǔ)，以獲取相關(guān)資源列表。IMMUPORT還提供了高級(jí)搜索選項(xiàng)，可以更精確地搜索資源哦。

o?查看資源信息

當(dāng)我們找到感興趣的資源時(shí)，您可以點(diǎn)擊它以查看更詳細(xì)的信息。在資源詳細(xì)信息頁(yè)面上，我們可以查看元數(shù)據(jù)、實(shí)驗(yàn)描述、實(shí)驗(yàn)數(shù)據(jù)和其他相關(guān)信息。IMMUPORT還提供了一些數(shù)據(jù)可視化和統(tǒng)計(jì)工具，以幫助我們更好地理解數(shù)據(jù)和趨勢(shì)~

o?下載和使用資源

如果我們想要使用IMMUPORT上的資源，大家可以下載相應(yīng)的文件并將其導(dǎo)入自己的實(shí)驗(yàn)室系統(tǒng)中。IMMUPORT支持多種數(shù)據(jù)格式，例如FASTQ、BAM和BED等，這些格式是免疫學(xué)研究中常用的格式。但是，小果要提醒：在下載和使用資源之前，請(qǐng)確保已經(jīng)獲得了相應(yīng)的許可和權(quán)限哦。

怎么樣，今天的數(shù)據(jù)庫(kù)平臺(tái)你了解的怎么樣？更多學(xué)習(xí)資源請(qǐng)大家移步小果專(zhuān)屬云生信平臺(tái)搜索更多資源哦！

小果專(zhuān)屬云生信平臺(tái)：云生信 ?- 學(xué)生物信息學(xué) (biocloudservice.com)

云生信平臺(tái)也有免疫專(zhuān)版的學(xué)習(xí)模塊哦，快來(lái)找到你想學(xué)習(xí)的專(zhuān)屬模塊吧！

生信人R語(yǔ)言學(xué)習(xí)必備

立刻擁有一個(gè)Rstudio賬號(hào)

開(kāi)啟升級(jí)模式吧

（56線(xiàn)程，256G內(nèi)存，個(gè)人存儲(chǔ)1T）

往期代碼：

【1】lncRNA的拷貝數(shù)變異下游相關(guān)分析
【2】R可視化：ggstatsplot包—科研界的美圖秀秀
【3】隨機(jī)森林算法用于分類(lèi)預(yù)測(cè)和篩選診斷標(biāo)志物
【4】基于本地Java版GSEA的輸出結(jié)果整合多個(gè)通路到一張圖
【5】基于嶺回歸模型和基因表達(dá)矩陣估算樣本對(duì)藥物反應(yīng)的敏感性
【6】基于R包NMF對(duì)樣本進(jìn)行分型分析
【7】DALEX包用于探索、解釋和評(píng)估模型；分析不同特征變量對(duì)響應(yīng)變量的影響
【8】根據(jù)腫瘤突變負(fù)荷TMB進(jìn)行KM生存分析尋找最佳的cutoff
【9】基于單樣本富集分析算法評(píng)估組織中的免疫細(xì)胞浸潤(rùn)水平
【10】代碼分享│什么？你還在用散點(diǎn)圖來(lái)可視化數(shù)據(jù)之間的相關(guān)性
【11】代碼分享│診斷列線(xiàn)圖、校準(zhǔn)曲線(xiàn)、決策曲線(xiàn)和臨床影響曲線(xiàn)的構(gòu)建
【12】代碼分享│你了解基因的動(dòng)態(tài)變化模式嗎
【13】代碼分享│生物信息分析之SCI熱門(mén)圖表-復(fù)雜熱圖
【14】代碼分享│生物信息分析之SCI熱門(mén)圖表-火山圖
【15】代碼分享│生物信息分析之SCI熱門(mén)圖表-箱型圖和小提琴圖
【16】代碼分享│深度學(xué)習(xí)-人工神經(jīng)網(wǎng)絡(luò)（ANN）的構(gòu)建
【17】代碼分享│R可視化：高分文章繪圖之基于RCircos包的多類(lèi)型圈圖繪制
【18】代碼分享│R可視化：基因與功能之間的關(guān)系--GO功能富集網(wǎng)絡(luò)圖繪制
【19】代碼分享│生物信息分析之SCI熱門(mén)圖表—KM曲線(xiàn)和tROC曲線(xiàn)
【20】代碼分享│R可視化：腫瘤預(yù)后模型之Cox回歸分析后用R語(yǔ)言繪制森林圖
【21】代碼分享│生物信息分析之SCI熱門(mén)圖表—相關(guān)性熱圖和散點(diǎn)圖
【22】代碼分享│生信分析之R語(yǔ)言分析相關(guān)性及可視化的N種風(fēng)格
【23】代碼分享│TCGA數(shù)據(jù)獲取有困難，不會(huì)預(yù)處理，學(xué)習(xí)起來(lái)
【24】代碼分享│機(jī)器學(xué)習(xí)-支持向量機(jī)遞歸特征消除（SVM-RFE）的構(gòu)建
【25】代碼分享│R可視化：對(duì)兩個(gè)矩陣進(jìn)行相關(guān)性可視化分析
【26】GEO數(shù)據(jù)庫(kù)多數(shù)據(jù)集差異分析整合利器RRA，再也不用糾結(jié)去除批次效應(yīng)
【27】你與生信大佬的距離，只差2分鐘搞定預(yù)后模型構(gòu)建和性能評(píng)估
【28】9+SCI純生信，模型構(gòu)建中的“流量明星”，你不得不知的LASSO
【29】手把手教你畫(huà)美觀大氣的lasso回歸模型圖，為你的SCI增磚添瓦
【30】R可視化：clusterProfiler包做組間比較GO富集圖
【31】代碼分享|R可視化：復(fù)雜熱圖繪制技巧之熱圖中添加柱狀圖
【32】代碼分享——基于基因突變信息分析腫瘤突變負(fù)荷
【33】代碼分享│富集不到想要的通路？別放棄呀，試試GSEA
【34】代碼分享│還在用PCA做降維聚類(lèi)嗎？最強(qiáng)降維模型tSNE--你值得擁有
【35】代碼分享│GSVA：原來(lái)功能通路也能做差異分析！
【36】代碼分享│Slingshot：你不知道的單細(xì)胞擬時(shí)序分析還有它
【37】基于基因功能注釋信息挖掘關(guān)鍵作用基因
【38】基于癌癥分類(lèi)預(yù)測(cè)的標(biāo)志物特征提取的SVM-RFE分析代碼
【39】依據(jù)表型數(shù)據(jù)基于無(wú)監(jiān)督聚類(lèi)算法對(duì)研究群體進(jìn)行分層聚類(lèi)分析
【40】基于穩(wěn)健排序整合算法對(duì)多數(shù)據(jù)集進(jìn)行整合及可視化
【41】基于基因表達(dá)譜估算樣本免疫基質(zhì)評(píng)分和腫瘤純度
【42】自動(dòng)化繪制LASSO算法回歸模型圖
【43】用于臨床診斷和臨床決策影響的DCA分析
【44】基于樣本預(yù)后生存信息和臨床因素用于評(píng)價(jià)不同模型的一致性指數(shù)軟件
【45】用于探索、解釋和評(píng)估模型的DALEX殘差分析軟件
【46】基于細(xì)菌群落功能豐度結(jié)果進(jìn)行差異功能分析及可視化
【47】基于基因差異分析結(jié)果繪制其在染色體上的分布
【48】利用逐步回歸法篩選特征基因構(gòu)建Cox風(fēng)險(xiǎn)模型分析
【49】基于Immune Subtype Classifier進(jìn)行腫瘤免疫亞型分類(lèi)
【50】不同物種之間的同源基因名稱(chēng)轉(zhuǎn)換分析
【51】基于逐步多因素cox回歸篩選預(yù)后標(biāo)記基因并構(gòu)建風(fēng)險(xiǎn)評(píng)分模型
【52】基于表達(dá)信息挖掘與關(guān)注基因密切相關(guān)的基因
【53】基因組學(xué)基因名稱(chēng)修正分析
【54】基于Spearman算法構(gòu)建關(guān)聯(lián)網(wǎng)絡(luò)
【55】基于線(xiàn)性建模方法對(duì)代謝組和轉(zhuǎn)錄組數(shù)據(jù)整合分析
【56】基于lasso回歸模型方法篩選特征基因
【57】基于線(xiàn)性建模方法對(duì)代謝組和轉(zhuǎn)錄組數(shù)據(jù)整合分析
【58】基于參數(shù)型經(jīng)驗(yàn)貝葉斯算法和支持向量機(jī)（SVM）篩選疾病亞型特征基因
【59】基于LDA(線(xiàn)性判別分析)算法的微生物biomarker的篩選
【60】基于R包xCell計(jì)算64種免疫細(xì)胞相對(duì)含量及下游可視化
【61】基于甲基化數(shù)據(jù)評(píng)估腫瘤純度及下游可視化
【62】基于DiffCorr包識(shí)別不同表型下的差異共表達(dá)關(guān)系對(duì)
【63】基于逆累計(jì)分布函數(shù)識(shí)別顯著偏差通路
【64】基于差異基因?qū)ν返挠绊懲诰蜿P(guān)鍵通路
【65】基于高通量數(shù)據(jù)的樣本相似性分析

需要以上代碼私信小果哦！

“生信果”，生信入門(mén)、R語(yǔ)言、生信圖解讀與繪制、軟件操作、代碼復(fù)現(xiàn)、生信硬核知識(shí)技能、服務(wù)器、生物信息學(xué)的教程，以及基于R的分析和可視化等原創(chuàng)內(nèi)容，一起見(jiàn)證小白和大佬的成長(zhǎng)。