使用 ImageJ 批量合并细胞荧光图像前言在以慢病毒为载体的转基因操作中，载体序列上通常会带有荧光信号作为基因转入成功与否的标志，通常我们需要对比计数明场和荧光图像，计算感染率，这就需要合并两张图像。
FIJI (Fiji is just ImageJ) 是一种基于 Java 的跨平台开源图像处理软件，相较于其他的图像处理软件，免费、轻量化、精度高，是处理实验拍摄图像的首选。
我们首先讲解单个样本的手动处理，后面介绍如何使用宏命令批量处理。
手动处理的详细步骤明场图像的处理明场图像可以观察所有细胞，作为计数荧光信号的背景，因此需要降低亮度，避免过亮的背景掩盖荧光信号。
通常有以下的几个步骤：
RGB 转灰度
将原来 RGB 三通道的明场图像转换成 8 位灰度图，因为我们后续只将其作为一个通道。
调整亮度对比度
原始的明场图像我采集的时候曝光时间比较短，所以本身就比较暗，建议还是采图的时候多曝光一会儿，不然调整亮度后会有很多噪点。
使用 ImageJ 的 Adjust -> Brightness/Contrast 菜单，调整灰度的最大值与最小值，使得整体变暗 ...
ggplot2 完全解析 EP.01 从 0 到 1视频教程
内容简介
ggplot2 中会使用到的基本元件
使用 ggplot2 需要了解的基本概念
不同种类元件的具体用法浅析
实例解析 - 小提琴箱线散点图
前言科研成果的呈现绘图是必不可少的，支持科研图标绘制的工具有很多，比如可视化操作下的 Graphpad Prism、Origin 等等，或者 Python 中的 matplotlib、seaborn、plotly 等等，这些工具我平常也都会用到，主要根据具体环境选择，但是说到生信分析当中的可视化，我还是唯独钟爱 ggplot2，它的简介性、语法一致性、结构完整性、可拓展性都是别的绘图系统不能比的，所以在此开一个坑介绍一下它的各种实际用法。
在讲到具体的各种奇技淫巧之前，还是需要这样一个总起性的章节对这个好用、易用、实用的绘图系统有一个基本的了解
ggplot2 中会使用到的基本元件
geom 类：geom 是 geometry 的缩写，函数的格式类似 geom_point()/geom_line()/geom_*() 等等，主要负责使用原始数据直接绘 ...
我目前做生信分析使用的文件树前言做一个好的项目，好的文件结构必不可少，一个好的文件树可以保证阅读性、可复用性和可维护性。好在生信项目的流程很固定，所以文件树也不需要那么复杂。
通常一个生信项目会包含这些步骤：数据导入-数据分析-数据可视化-数据导出-结果分析。因此我构建的文件树格式也大致如此。
文件树结构根据生信分析的一般步骤，我目前使用的文件树结构如下，目前展示的是一个以 R 语言为主的示例，当然也可以很轻松的改变为 Python 为主，或者 Python 与 R 语言混用的结构：
123456789101112131415161718192021222324252627282930project/├── data/│ ├ raw/│ │ ├ GSExxxxxx_RAW/│ │ └ ...│ └ processed/│ ├ 1_preprocess.Rdata│ └ ...├── src/│ ├ main/│ │ ├ 1_preprocess.R│ └ utils/│ ├ pl ...
