*혜* 스토어

*혜*

개인인증

팔로워0 팔로우

소개

등록된 소개글이 없습니다.

전문분야 등록된 전문분야가 없습니다.

판매자 정보

학교정보

입력된 정보가 없습니다.

직장정보

입력된 정보가 없습니다.

자격증

입력된 정보가 없습니다.

판매지수

판매중 자료수

14개
전체 판매량

74개
최근 3개월 판매량

0개
자료후기 점수

평균A
자료문의 응답률

100%

전체자료 14개

회사 피티 면접 발표 때 사용한 자료

다양한 경험 과 가슴 뛰는 열정 으로 00 회사의 인재가 되겠습니다 . 생물정보팀 지원자 000 회사 로고01 000 을 말하다 02 업무 경험 03 핵심 역량 contents01 김혜인을 말하다 사람은 하고자 하는 뜻만 있으면 무슨 일이든 이룰 수 있다 . 성실함 목표지향적 자기주도적BioDB in the trapBioDB in the trap유전체 분석 1 : TCGA database 를 이용한 LIHC RNA expression 분석 TCGA(The Cancer Genome Atlas) LIHC(Liver Hepatocellular Carcinoma) Gene expression data(FPKM) 사용 Tumor sample : 374 Normal : 50 Total : sample : 424 gene : 60483유전체 분석 1 : TCGA database 를 이용한 LIHC RNA expression 분석 Gene feature 60483 Filtering DEG 26829 606 Normalization : log2 Filtering option: 전체 sample의 절반 이상의 expression 값이 0일 때 전체 sample의 절반 이상의 expression 값이 NA일 때 Differential expression genes data set 형성 Normal vs. Tumor T-Test 진행 Fold change cut value : 1.5 P-value 0.05 - Total : 606 (up : 230, down : 376) Sample : 424 (Tumor : 374, Normal : 50) Gene : 606 (up : 230, down : 376)유전체 분석 1 : TCGA database 를 이용한 LIHC RNA expression 분석 immune gene signature(18 gene) Up gene signature(65 gene)유전체 분석 1 : TCGA database 를 이용한 LIHC RNA expressio gene expression data binary classification 분석 모델 설정 Weight, biases 정의 Cost : 0 에 수렴할 수록 실제 값과 예측 값의 차이가 적음 Optimizer : cost 값이 0 에 수렴하도록 값을 최소화 시킴 무작위로 train set 과 test set 나눔 - Class : Tumor (1) / Normal (0)유전체 분석 2 – Tensorflow 기반 TCGA gene expression data binary classification 분석 False positive rate True positive rate유전체 분석 3 – VCF mornitoring system original_row_num : 106697 duplicate_row_num : 0 GT_00_num: 0 filtered_row_num : 0 unique_CP_num : 106697 unique_CPRA_num : 106924 homo_GT : 45086 hetero_GT : 61611 phased_GT : 0 unphased_GT : 106697 single_allele_GT : 0 DP 30: 0.4*************046 homo_AD_20: 59951 hetero_AD_20: 0 passed_filters : 104301 failed_filters : 2396 chr_count : {'1': 10510, '2': 7689, '3': 5872, '4': 4443, '5': 4662, '6': 6503, '7': 5424, '8': 3899, '9': 4188, '10': 4673, '11': 6765, '12': 5883, '13': 2116, '14': 3634, '15': 3453, '16': 4646, '17': 5688, '18': 1855, '19': 6654, '20': 2672, '21': 1732, '22': 2430, 'X': 1295, 'Y': 11} same_ref_alt : 0 separate sne for cell typing analysis of scRNA-Seq data with three different methods. Users can customize the cell typing pipeline and easily use the pre-collected cell marker databases. scTyper development background 15 /총페이지수workflow 16 /총페이지수FastQC (Quality check) Cell Ranger - Alignment to hg38 - Quantification of gene expression (UMI ) - cell to gene matrics Seurat processing (Normalization) - LogNormalize - Regress against each gene for total cellular read count and mitocondirial read count - Scaling and centering Method - preprocessing 17 /총페이지수Method – cell typing 18 /총페이지수NTP (Nearest Template Prediction)– cell type inference 19 /총페이지수 The nearest template prediction (NTP) method provides a convenient way to make class prediction with assessment of prediction confidence computed in each single patient's gene-expression data using only a list of signature genes and a test dataset.Input : scRNA raw count data inferCNV – copy number inference 20 /총페이지수 1. Filter out low expressed genes - rs) - permutation t-test and GO functional enrichments 9. Subtract the reference values from observations – subtract_ref_expr_from_obs() 10. Invert log values – invert_log2() 11. Removing noise – clear_noise_via_ref_sd() 12. Remove outlier data points – remove_outliers_norm() 13. Filter out variable CNV genes in reference groups by standard deviations InferCNV is used to explore tumor single cell RNA- Seq data to identify evidence for large-scale chromosomal copy number variations, such as gains or deletions of entire chromosomes or large segments of chromosomes. This is done by exploring expression intensity of genes across positions of the genome in comparison to the average or a set of reference ‘normal’ cells. A heatmap is generated illustrating the relative expression intensities across each chromosome, and it becomes readily apparent as to which regions of the genome are over-abundant or less-abundant as compared to normal cells.Result 21 /총페이지수 Figure 2. The manually curated cellignant (blue) cell types are indicated with different colors.Result 22 /총페이지수 Figure 3. Cell typing with different cell typing options in scTyper A . A bar plot shows the proportion of cell type assignment by using the six methods according to the use of different cell typing methods (i.e., NTP, ES, average values) and the inferCNV-based malignant cell typing. The results are also compared with that of the original study (Puram et al.). B . A heatmap shows the cell typing result with the gene expression levels of the 9 cell types of ‘Puram.2017.HNSCC.TME’. For each method, the assigned cell types are indicated by color bars (top). The inferred CNV values for each cell are shown (bottom). The cells with the CNV values greater than 90 percentile of the CNV values of immune cells were considered to have DNA copy number aberration and designated as malignant cells (red color bars). The malignant cells were assigned by cell typing methods (predicted as ‘Epithelial cell’) or CNV values (CNV w}

기타| 2021.02.02| 30페이지| 3,000원| 조회(214)

면접발표, 생명정보회사, 면접pt발표

미리보기

닫기
파이썬 문제 및 풀이, 문제 1) 3x3 행렬 A,B를 더하고 곱하는 프로그램을 작성하라. 2) 사용자에게 4개의 값(두 자리수 포함)을 입력 받아서 가장 큰 정수값을 만드는 프로그램을 작성하라. 단, 리스트를 사용해야함.

의생명공학과 201421382김혜인1) 3*3 행렬 A,B를 더하고 곱하는 프로그램을 작성하라.-풀이)AB행렬을 임의로 지정하였고C= A+BD = A*B 행렬이다.A+B은 이중 for문을 사용하여서 3*3행렬의 요소를 바꾸었다A*B는 삼중 for문을 사용하여서 3*3 행렬의 요소를 0으로 먼저 초기화하고 공식에 맞게 더하였다.-결과)-문제점!)행렬의 요소를 input으로 받아서 편의성을 높이고 싶었는데A리스트의 요소가 [‘[1,2,3]’,‘[4,5,6]’,[7,8,9]‘] 이렇게 문자열로 나타나여서 이를 리스트로 바꾸는 방법을 찾지 못하였다.2) 사용자에게 4개의 값(두 자리수 포함)을 입력 받아서 가장 큰 정수값을 만드는 프로그램을 작성하라. 단, 리스트를 사용해야함.-풀이)-참고) python 버전 2.7에서 작성하여 raw_input을 사용하였다.우선 교수님이 주신 포맷이 23, 8, 313, 71 이기 때문에 “, ”을 기준으로 split하여 리스트로 만들었다. 그 다음 리스트에 요소들을 문자열로 하나로 합쳤다(line 7-8).join함수를 이용하여 문자열에 ‘,’을 추가하고 이를 다시 ‘,’를 기준으로 split하여문자 하나 당 리스트로 뽑히도록 만들었다. num_lst=[‘2’,‘3’,‘8’,‘3’,‘1’,‘3’,‘7’,‘1’]

공학/기술| 2021.02.02| 3페이지| 1,000원| 조회(169)

파이썬, 파이썬 문제, 파이썬 문제 풀이

미리보기

닫기
MySQL을 이용한 데이터모델링

201421382 김혜인MySQL을 이용한 Data ModelingTable 1개 만들어서 결과물 산출-Cancer - Cancer 이름 검색 - Intron exon을 선택해서 검색 2. zoonosis Table의 Type을 선택해서 산출 3. 새로운 Table (vaccin)을 exsists를 사용하여 산출 4. 웹 상에서 테이블(micro) 만들기 – MySQL php 함수를 이용한다. 5. micro Table을 검색하기 – Text, select, check box 이용 6. zoonosis Table과 Type명 같은 것을 INNER JOIN - 실패cancerZoonosisvaccinmicroDiseaseTypeTopic: Disease MicroorganismcancerProteinDiseaseMutationIDLocationCodonVariationTable 1개 만들어서 결과물 산출 - Cancer - Cancer 이름 검색 - Intron exon을 선택해서 검색ZoonosisTypeMiroorganismRoute of infectionDiseaseSouce of infectionvaccinDiseaseMethod of preventionTarget of vaccinationTime of vaccinationDisease Table의 공통된 데이터를 산출2. zoonosis Table의 Type을 선택해서 산출 3. 새로운 Table (vaccin)을 exsists를 사용하여 산출.micro4. 웹 상에서 테이블(micro) 만들기 – MySQL php 함수를 이용한다. 5. micro Table을 검색하기 – Text, select, check box 이용 6. Zoonosis Table과 Type명 같은 것을 INNER JOIN - 실패TypeDiseaseRevaccinationStructurevaccinStructure_detailFunctionZoonosisTypeMiroorganismDiseaseSouce of infectionRoute of infection4. 웹 상에서 테이블(micro) 만들기 – MySQL php 함수를 이용한다5. micro Table을 검색하기 – Text, select, check box 이용6. zoonosis Table과 Type명 같은 것을 INNER JOIN - 실패View 를 이용해서 가상 테이블에서 원하는 데이터 산출하기Type colum에서 중복되는 데이터를 산출하는데 일대일이 아니라 다대다 관계여서 데이터가 무수히 많아지는 오류가 발생하였다View 를 이용해서 가상 테이블에서 원하는 데이터 산출하기일대일 관계의 데이터로 다시 View를 실행하였더니 오류가 발생하지 않은 것을 확인THANK YOU{nameOfApplication=Show}

공학/기술| 2021.02.02| 17페이지| 2,500원| 조회(149)

MySQL, 생물정보학, 데이터모델링

미리보기

닫기
상명대학교 홍보대사 지원서 평가A좋아요

제13기 홍보대사 지원서[천안캠퍼스] ※ 접수번호 : (기재하지 말 것)학 과학번/학년사진3×4cm성 명생년월일휴대폰이메일현주소1. 자기소개성실성, 친화력은 제가 항상 장점으로 말하는 것입니다. 제가 상명대학교 홍보대사에 딱 어울리는 이유는 홍보대사는 학교의 얼굴이기 때문에 맡은 일에 성실히 임하여야 하기 때문입니다. 또한 학교 활동을 활발히 하는 것과 더불어 새롭게 만나는 사람들과 좋은 인연을 만들고 어울리는 것도 중요합니다. 그래서 이번에 대학생 홍보대사에 뽑힌다면 저의 장점을 살려 노력할 것입니다. 또한 대학교 홍보대사로 뽑힌다는 것은 사람들과 함께 배울 수 있는 좋은 기회이기 때문에 이 기회를 놓치고 싶지 않습니다.2. 지원동기고등학교 때 캠퍼스 투어를 하면서 홍보대사를 하고 싶다는 생각을 가져 본 적이 있습니다. 자신의 학교를 자랑스럽게 소개해주는 홍보대사 분들을 보고 홍보대사 활동은 대학 생활 중 하고 싶은 활동이였습니다. 하지만 처음 학교에 입학하고 과 생활을 하면서 홍보대사는 소극적으로 생각만 했었습니다. 하지만 이제 3학년이 되어서 마지막 기회로 저도 학교의 얼굴인 홍보대사에 지원하여 성실히 임해보고 싶습니다.3. 본교의 홍보에 대한 아이디어천안캠퍼스에서 디자인대 학우들이 행사를 하는 활동을 외부에서도 한다면 큰 도움이 될 것 같습니다. 행사로 캐리커쳐, 악세서리, 석고 방향제등 이러한 학생들이 만든 물품을 학교 마크와 같이 저렴한 가격에 판매한다면 의미있고, 학교홍보에도 도움이 될 것 같습니다.4. 학교홍보에 대한 향후 포부저는 학교를 홍보하는 것도 중요하지만 우리가 먼저 학교에 대해 관심을 갖는 것이 우선이라고 생각합니다. 그래서 저는 이번에 상명대학교 홍보대사 활동을 통해서 나부터, 우리 학교에 대해 관심을 가지는 것으로부터 시작하여 학교를 홍보하기 위해 노력할 것입니다. 또한 제가 다니는 학교로서 부족한 점은 해결하려고 앞장서고 좋은 점은 더욱 홍보하기 위해 성실히 임할 것입니다.

기타| 2021.02.03| 1페이지| 3,000원| 조회(1,111)

홍보대사, 대학홍보대사, 상명대 홍보대사 지원서

미리보기

닫기
산소 같은 에너지 자원의 권력다툼 그리고 새로운 희망 대체에너지 레포트

사고와 표현 서론쓰기201421382 의생명공학과 김혜인산소 같은 에너지 자원의 권력다툼 그리고 새로운 희망 대체에너지삶을 살아가는데 필수적인 산소와 같이 모든 사람들은 실생활에 에너지와 밀접한 연관을 맺으며 살아간다. 산소는 우리를 뜨거운 자외선으로부터 보호해준다. 이처럼 화석 에너지는 인간을 잘 보살펴주고 삶을 보존해준다. 그러나 이러한 화석에너지는 희소성이 있기 때문에 시장 경제에 영향을 미쳐 각 국가들은 에너지를 확보하기 위해 치열한 경쟁을 펼치고 있다. 또한 화석에너지의 매장량이 한정되어있기 때문에 고갈문제가 나타난다. 따라서 에너지 권력다툼과 고갈 문제를 해결하기 위해서 재생에너지 개발이 촉구된다.산업 혁명을 거점으로 화석에너지의 사용이 증가하였고 이에 따라 우리의 삶은 더욱 윤택해졌다. 예컨대 의류, 플라스틱, 교통수단, 제품의 기계공정과정, 운반과정에 화석에너지가 사용되면서 화석에너지가 구하기 쉽고, 편리하여 여러 분야에 널리 쓰였다. 그러나 화석에너지는 희소성과 고갈의 문제점이 있다. 화석에너지의 희소성에 따른 문제로는 걸프전과 같은 에너지 무기화가 있고, 고갈에 따른 문제로는 대체에너지의 개발부족이 있다.▲세계주요자원의 가채연수 : 이 수치로 보면 석유가 가장 먼저 고갈됨을 알 수 있다. 자료 : 지식경제부첫 번째로 화석 연료의 희소성에 있어서 에너지 확보를 위해 국가 간 경쟁, 즉 에너지 무기화 현상, 즉 석유(petroleum)와 정치(politics)의 합성어인 석유정치(petropolitics)가 나타났다. 석유정치란 국가 간의 석유와 천연가스를 차지하기 위한 에너지 확보 경쟁이 격화되면서 국제정세에 변화를 불러오고 석유 수출국의 정치적 입지가 강해지는 것이다. 예를 들어 걸프전 동안 쿠웨이트가 미국과 몇몇 유럽 국가가 이스라엘을 지원했다는 이유로 석유 수출을 끊었었다. 그리고 중동전쟁을 계기로 아랍 산유국들이 석유를 무기화하는 전략을 발동하여 1차 오일쇼크, 이란혁명의 여파로 2차 오일쇼크가 발생했다.▲오일쇼크 후 유가 급등을 보면 재생 불가한 석유가 자원고갈의 공포로 이어져 자원민족주의의 위세가 거세져 석유 패권싸움이 끊임없이 이어지고 있다.

인문/어학| 2021.02.02| 2페이지| 1,000원| 조회(129)

에너지, 화석에너지, 사고와표현, 에너지 고갈

미리보기

닫기