当前位置: 首页 > news >正文

单细胞分析(21)——SCENIC 分析流程(singularity容器版)

SCENIC 分析流程笔记

SCENIC (Single-Cell rEgulatory Network Inference and Clustering) 是一种基于单细胞 RNA 测序数据的调控网络分析方法,主要用于识别调控因子(TFs)及其靶基因(Regulons),并评估这些调控因子的活性。


1. 数据预处理及 LOOM 文件构建

1.1 读取单细胞数据

scRNA1 = readRDS("./tmp/scRNA_harmony_Mcell.rds")

1.2 提取基因表达矩阵

  • 归一化表达矩阵 (normalized_data_matrix)
  • 原始计数矩阵 (raw_count_matrix)
normalized_data_matrix <- GetAssayData(scRNA1, assay = "RNA", slot = "data")
raw_count_matrix <- GetAssayData(scRNA1, assay = "RNA", slot = "counts")

1.3 基因过滤

  • 保留至少在 1% 细胞中表达 的基因。
  • 仅保留 总体表达量高于 3% 细胞总数的基因
gene_expression_sums <- Matrix::colSums(raw_count_matrix)
threshold_sum <- ncol(raw_count_matrix) * 0.03
genes_over_threshold <- gene_expression_sums > threshold_sumgenes_expressed_in_cells <- Matrix::rowSums(raw_count_matrix > 0) > (ncol(raw_count_matrix) * 0.01)
filtered_genes <- genes_over_threshold & genes_expressed_in_cells
exprMat_filtered <- raw_count_matrix[filtered_genes, ]

1.4 生成 LOOM 文件

library(SCopeLoomR)
loom <- SCopeLoomR::build_loom(file.name = "./tmp/Mcell.loom",dgem = exprMat_filtered,default.embedding = NULL
)
loom$close()

2. 共表达网络推断(GRN 构建)

Singularity 安装说明

SCENIC 分析流程依赖于 singularity 容器来运行 pyscenic,请确保系统已安装 singularity

如果尚未安装,可以使用以下命令进行安装(以 Ubuntu 为例):

sudo apt update && sudo apt install -y singularity-container

或者参考官方安装指南:Singularity 官方文档

2.1 运行 GRNBoost2 计算 TF-靶基因网络

time singularity run \
/home/user/container/aertslab-pyscenic-0.9.18.sif \
pyscenic grn \
--seed 777 \
--num_workers 20 \
--output /home/user/yard/project_analysis/output/Mcell_recluster/SCENIC/adj.tsv \
--method grnboost2 \
/home/user/yard/project_analysis/tmp/Mcell.loom \
/home/user/reference/scenic_resource/allTFs_hg38.txt

2.2 输出

  • adj.tsv:推测的 TF-靶基因共表达关系

3. Motif 富集分析(筛选 TF)

3.1 运行 motif 富集分析

time singularity run \
/home/user/container/aertslab-pyscenic-0.12.1.sif \
pyscenic ctx \
/home/user/yard/project_analysis/output/Mcell_recluster/SCENIC/adj.tsv \
/home/user/reference/scenic_resource/hg38__refseq-r80__10kb_up_and_down_tss.mc9nr.genes_vs_motifs.rankings.feather \
--annotations_fname /home/user/reference/scenic_resource/motifs-v9-nr.hgnc-m0.001-o0.0.tbl \
--expression_mtx_fname /home/user/yard/project_analysis/tmp/Mcell.loom \
--output /home/user/yard/project_analysis/output/Mcell_recluster/SCENIC/reg.csv \
--num_workers 20

3.2 输出

  • reg.csv:经过 motif 证据支持的 TF-靶基因调控网络

4. 计算调控因子活性(AUC 评分)

4.1 计算 AUCell 评分

regulons <- clusterProfiler::read.gmt("./output/Mcell_recluster/SCENIC/Mcell_regulon.regulons.gmt")
seu <- ComputeModuleScore.Seurat(scRNA1, gene.sets = regulon.list, min.size = 10, cores = 16)
DefaultAssay(seu) <- "AUCell"

4.2 计算 cDC 细胞亚群 TF 活性

seu_sub = subset(seu, subset = MF_cluster_annotation %in% c('cDC_CD1C', 'cDC_LAMP3', 'cDC_CLEC9A'))
marker_aucell = FindAllMarkers(seu_sub, logfc.threshold = 0.1, only.pos = F)

4.3 可视化(热图)

library(pheatmap)
phData <- MinMax(scale(avgData), -2, 2)
pdf('./output/Mcell_recluster/SCENIC/cDC_regulon/cDC_heatmap.pdf', width = 4, height = 5)
pheatmap(phData, cluster_cols = F, cluster_rows = F,color = colorRampPalette(c("#118ab2", "#fdffb6", "#e63946"))(100))
dev.off()


5. 结果总结

  1. 基因共表达网络 (adj.tsv):基于 GRNBoost2 计算 TF-靶基因关系。
  2. Motif 富集分析 (reg.csv):筛选出有 motif 证据支持的 TF-靶基因关系。
  3. Regulon 活性评分 (AUCell 数据):
    • 计算不同细胞群体的 TF 活性。
    • 通过 热图 可视化关键 TF 在不同细胞亚群中的调控模式。

SCENIC 分析整体流程图

  1. 数据预处理 → 2. 共表达网络计算 → 3. Motif 证据筛选 TF → 4. 计算 TF 活性 → 5. 可视化分析

本流程适用于膀胱癌及其他免疫微环境相关的单细胞转录组研究,可用于探索 TF 在免疫细胞中的调控作用及潜在靶点。

相关文章:

单细胞分析(21)——SCENIC 分析流程(singularity容器版)

SCENIC 分析流程笔记 SCENIC (Single-Cell rEgulatory Network Inference and Clustering) 是一种基于单细胞 RNA 测序数据的调控网络分析方法&#xff0c;主要用于识别调控因子&#xff08;TFs&#xff09;及其靶基因&#xff08;Regulons&#xff09;&#xff0c;并评估这些…...

亚马逊云科技Marketplace(中国区)上架专业服务产品, “云生态连接器”价值凸显

近日&#xff0c;由西云数据运营的亚马逊云科技Marketplace&#xff08;中国区&#xff09;正式支持专业服务产品。此次发布将大幅简化企业对云专业服务的采购流程&#xff0c;实现云软件从规划、部署到支持的全生命周期管理&#xff0c;同时也为合作伙伴提供了更多的销售机会。…...

拉普拉斯·隆格·楞次矢量

L − R − L L-R-L L−R−L 矢量的推导 有平方反比有心力&#xff1a; F ⃗ − k r 2 r ^ \vec F-\dfrac{k}{r^2}\hat r F −r2k​r^ 显然角动量 L ⃗ r ⃗ p ⃗ \vec L\vec r\times \vec p L r p ​ 守恒。 故 ∣ L ⃗ ∣ Const \begin{vmatrix}\vec L\end{vmatrix}\…...

GStreamer —— 2.3、Windows下Qt加载GStreamer库后运行 - “教程3:动态管道“(附:完整源码)

运行效果&#xff08;音频&#xff09; 简介 上一个教程演示了GStreamer 概念。本教程中的管在它设置为 playing 状态之前完全构建。这没关系。如果 我们没有采取进一步的行动&#xff0c;数据会到达 pipeline 的 pipeline 和 pipeline 将生成错误消息并停止。但 我们将采取进一…...

jupyter notebook更改文件存储路径

默认情况打开是这样的 进入cmd或者Anaconda Prompt&#xff0c;输入以下命令 jupyter notebook --generate-config进入该目录 打开该文件&#xff0c;CTRLF 查找c.ServerApp.root_dir 进行修改。 这样就修改好啦&#xff01;...

基于遗传算法的无人机三维路径规划仿真步骤详解

基于遗传算法的无人机三维路径规划仿真步骤详解 一、问题定义 目标:在三维空间内,寻找从起点到终点的最优路径,需满足: 避障:避开所有障碍物。路径最短:总飞行距离尽可能短。平滑性:转折角度不宜过大,降低机动能耗。输入: 三维地图(含障碍物,如立方体、圆柱体)。起…...

①EtherCAT转Modbus485RTU网关多路同步高速采集无需编程串口服务器

EtherCAT转Modbus485RTU网关多路同步高速采集无需编程串口服务器https://item.taobao.com/item.htm?ftt&id798036415719 型号 1路总线EC网关 MS-A2-1011 2路总线EC网关 MS-A2-1021 4路总线EC网关 MS-A2-1041 EtherCAT 串口网关 EtherCAT 转 RS485 技术规格 …...

Spring Boot WebFlux 中 WebSocket 生命周期解析

Spring Boot WebFlux 中的 WebSocket 提供了一种高效、异步的方式来处理客户端与服务器之间的双向通信。WebSocket 连接的生命周期包括连接建立、消息传输、连接关闭以及资源清理等过程。此外&#xff0c;为了确保 WebSocket 连接的稳定性和可靠性&#xff0c;我们可以加入重试…...

集合论之集合的表示法

目录 1. 说明 2. 常用表示法 2.1 枚举法(Roster Notation) 2.2 构建法(Set-builder notation) 3. 其它表示法 1. 说明 要表示一个集合&#xff0c;可以直接列出其元素&#xff0c;或者提供一种可以唯一地刻画其元素的方当。 2. 常用表示法 2.1 枚举法(Roster Notatio…...

【C语言】值传递与指针传递,以及 `.` 和 `->` 操作详解

在 C 语言中,函数参数的传递机制和结构体成员的访问方式是编程中的核心概念。值传递(pass-by-value)和指针传递(pass-by-pointer)决定了函数如何处理传入的数据,而 . 操作符 和 -> 操作符 则是访问结构体成员的两种主要工具。这两者密切相关,尤其在处理结构体时,它们…...

机器人训练环境isaac gym以及legged_gym项目的配置问题

完整的安装环境教程(强烈推荐):...

DeepSeek 开源周回顾「GitHub 热点速览」

上周&#xff0c;DeepSeek 发布的开源项目用一个词形容就是&#xff1a;榨干性能&#xff01;由于篇幅有限&#xff0c;这里仅列出项目名称和简介&#xff0c;感兴趣的同学可以前往 DeepSeek 的开源组织页面&#xff0c;深入探索每个项目的精彩之处&#xff01; 第一天 FlashML…...

冯 • 诺依曼体系结构

文章目录 冯 • 诺依曼体系结构的介绍冯 • 诺依曼体系结构的由来内存是如何提高冯•诺依曼体系结构效率的&#xff1f;为什么程序运行之前必须先加载到内存&#xff1f;从软件层面上再理解冯 • 诺依曼体系结构&#xff08;QQ聊天的数据流动&#xff09;一些知识的补充 冯 • …...

软考架构师笔记-存储管理

1.5 存储管理 存储管理 页式存储组织 虚地址 页号 | 页内地址页表 页号 | 块号物理地址 块号 | 页内地址访存两次&#xff1a;访问页表得到物理地址&#xff0c;根据物理地址得到数据就是把用户程序的空间分成若干页&#xff0c;把内存空间分成若干块&#xff0c;块和页的…...

【杂谈】信创电脑华为w515(统信系统)登录锁定及忘记密码处理

华为w515麒麟芯片版&#xff0c;还有非麒麟芯片版本&#xff0c;是一款信创电脑&#xff0c;一般安装的UOS系统。 准备一个空U盘&#xff0c;先下载镜像文件及启动盘制作工具&#xff0c;连接如下&#xff1a; 百度网盘 请输入提取码 http://livecd.uostools.com/img/apps/l…...

C#实现语音合成播报器——基于System.Speech的语音交互方案,在windows上实现语音播报指定文本

——基于System.Speech的语音交互方案&#xff0c;在windows上实现语音播报指定文本 一、语音合成播报应用场景 语音合成播报器广泛应用于以下领域&#xff1a; 工业控制&#xff1a;生产线异常报警、设备状态实时播报&#xff08;如网页4中的WinCC语音报警插件&#xff09;…...

【数据库】关系代数

关系代数 一、关系代数的概念二、关系代数的运算2.1 并、差、交2.2 投影、选择2.3 笛卡尔积2.4 连接2.5 重命名2.6 优先级 一、关系代数的概念 关系代数是一种抽象的数据查询语言用对关系的运算来表达查询 运算对象&#xff1a;关系运算符&#xff1a;4类运算结果&#xff1a;…...

点云滤波方法:特点、作用及使用场景

点云滤波是点云数据预处理的重要步骤&#xff0c;目的是去除噪声点、离群点等异常数据&#xff0c;平滑点云或提取特定频段特征&#xff0c;为后续的特征提取、配准、曲面重建、可视化等高阶应用打下良好基础。以下是点云中几种常见滤波方法的特点、作用及使用场景&#xff1a;…...

MWC 2025 | 移远通信大模型解决方案加速落地,引领服务机器人创新变革

随着人工智能、大模型等技术的蓬勃发展&#xff0c;生成式AI应用全面爆发。在此背景下&#xff0c;服务机器人作为大模型技术在端侧落地的关键场景&#xff0c;迎来了前所未有的发展机遇。 作为与用户直接交互的智能设备&#xff0c;服务机器人需要应对复杂场景下的感知、决策和…...

如何下载安装 PyCharm?

李升伟 整理 一、下载 PyCharm 访问官网 打开 PyCharm 官网&#xff0c;点击 "Download" 按钮25。 版本选择&#xff1a; 社区版&#xff08;Community&#xff09;&#xff1a;免费使用&#xff0c;适合个人学习和基础开发。 专业版&#xff08;Professional&#…...

STM32F407IGT的USB功能

使用STM32F407IGT的USB功能时,需注意硬件设计、协议配置、软件开发和调试等关键点。以下是分步指南和注意事项: 1. 硬件设计 USB接口选择: OTG FS(全速,12 Mbps):内置PHY,适用于简单应用(如HID、CDC)。OTG HS(高速,480 Mbps):需外接ULPI PHY芯片(如USB3300),…...

虚拟机IP配置

以下是在常见操作系统中配置虚拟机IP的一般步骤&#xff1a; 一、VMware Workstation&#xff08;Windows或Linux主机下的虚拟机&#xff09; 1. 桥接模式&#xff08;Bridged&#xff09;下的IP配置 - 在虚拟机设置中&#xff0c;将网络适配器设置为桥接模式。 - 启动虚拟机…...

机器学习-决策树详细解释

目录 一、预备知识 1.信息熵: 2.条件熵: 3.信息增益 4.基于信息增益选择分割特征的过程 5. C4.5算法 6.C435算法选择特征的策略 7 基尼不纯度: 二. 决策树的核心概念 ​1.树的结构 ​2.关键算法 三. 决策树的构建过程 1.特征选择 2.递归分割 3.停止条件 四. 决…...

kube-state-metrics镜像配置

在 Kubernetes 上部署 kube-state-metrics 时&#xff0c;镜像配置是非常重要的一步。kube-state-metrics 的官方镜像托管在 Google Container Registry (GCR) 上&#xff0c;但如果你无法直接访问 GCR&#xff0c;或者需要自定义镜像&#xff0c;可以按照以下步骤进行配置。 …...

计算机网络面试题

介绍一下Http常见的状态码 200 OK&#xff1a;最常见的成功响应码&#xff0c;表示服务器已成功处理了客户端的请求&#xff0c;请求的资源正常返回。400 Bad Request&#xff1a;表示客户端发送的请求存在语法错误或无法被服务器理解&#xff0c;如请求参数缺失、格式不正确等…...

Minix OS的配置 SSH C程序编译

Minix3的下载 官网&#xff1a;https://www.minix3.org/ 安装 平台&#xff1a;VMware 开机后进入系统使用setup命令来配置和安装尽量配置一个DNS服务器&#xff0c;比如8.8.8.8 SSH 安装&#xff1a;pkgin install openssh 修改配置文件&#xff0c;需要&#xff1a; 修…...

js的继承你了解多少

实现继承的方式有很多&#xff0c;下面我们来写常用的几种&#xff08;包括但不限于原型链继承、构造函数继承、组合继承、寄生组合继承、ES6继承&#xff09;&#xff1a; 原型链继承 原型链继承通过修改子类的原型为父类的实例&#xff0c;从而实现子类可以访问到父类构造函…...

Docker 安装与使用

一.、Ubuntu如何安装docker 1、更新apt&#xff1a; sudo apt update 2、安装依赖包 sudo apt install apt-transport-https ca-certificates curl software-properties-common 3、添加Docker的官方GPG密钥&#xff1a; curl -fsSL https://download.docker.com/linux/ubuntu/…...

基于Asp.net的零食购物商城网站

作者&#xff1a;计算机学姐 开发技术&#xff1a;SpringBoot、SSM、Vue、MySQL、JSP、ElementUI、Python、小程序等&#xff0c;“文末源码”。 专栏推荐&#xff1a;前后端分离项目源码、SpringBoot项目源码、Vue项目源码、SSM项目源码、微信小程序源码 精品专栏&#xff1a;…...

FPGA基础 -- Verilog常用关键字

Verilog 是一种硬件描述语言&#xff08;HDL&#xff09;&#xff0c;用于描述和设计数字电路。下面是 Verilog 的常用语法和关键概念&#xff1a; 1. Verilog 设计结构 Verilog 代码通常由 模块&#xff08;module&#xff09; 组成&#xff0c;每个模块表示一个硬件单元&…...

取消请求:axios.

axios.CancelToken和isCancel cancelToken的作用是获取取消函数&#xff0c;用来手动取消接口。 axios.isCancel的作用是在处理错误的时候判断当前错误&#xff0c;是否是由于取消导致的。 使用方式1 const testFun async () > {let cancel: any; // 保存取消函数// 发送…...

Element UI-Select选择器结合树形控件终极版

Element UI Select选择器控件结合树形控件实现单选和多选&#xff0c;并且通过v-model的方式实现节点的双向绑定&#xff0c;封装成vue组件&#xff0c;文件名为electricity-meter-tree.vue&#xff0c;其代码如下&#xff1a; <template><div><el-select:valu…...

粒子群优化算法(Particle Swarm Optimization, PSO)的详细讲解

一、粒子群算法(PSO)基本概念 1. 算法来源 灵感:模拟鸟群或鱼群在觅食过程中的群体协作行为。核心思想:通过个体历史最佳位置和群体全局最佳位置引导搜索方向。2. 与遗传算法的区别 特性PSOGA启发式来源群体协作(鸟类或鱼类行为)生物进化(自然选择、基因重组)解空间搜…...

小菜鸟系统学习Python-迭代实现斐波那契和汉诺塔问题

斐波那契: def fbnq(n):n1 1n2 1n3 1if n<1:print(输入错误,应该大于1)return -1while (n-2)>0:n3 n2 n1n1 n2n2 n3n-1return n3a fbnq(10) print(共有%d个兔子%a)汉诺塔: def hnt(n,x,y,z):if n1:print(x,->,z)else:hnt(n-1,x,z,y)#将前n-1个从x移到y上pri…...

轻松部署 Stable Diffusion WebUI 并实现局域网共享访问:解决 Conda Python 版本不为 3.10.6 的难题

这篇博文主要为大家讲解关于sd webui的部署问题&#xff0c;大家有什么不懂的可以随时问我&#xff0c;如果没有及时回复&#xff0c;可联系&#xff1a;1198965922 如果后续大家需要了解怎么用代码调用部署好的webui的接口&#xff0c;可以在评论区留言哦&#xff0c;博主可以…...

unity文字转语音usherpa-onnx-tts

usherpa-onnx-tts 语音识别&#xff08;语音转文本、ASR&#xff09; https://github.com/k2-fsa/sherpa-onnx/releases/tag/asr-models 文本到语音转换 &#xff08;TTS&#xff09; https://github.com/k2-fsa/sherpa-onnx/releases/tag/tts-models VAD系列 https://git…...

STM32---FreeRTOS时间片调度实验

一、简介 时间片调度&#xff1a;同等优先级任务轮流地享有相同的CPU时间&#xff08;可设置&#xff09;&#xff0c;叫时间片&#xff0c;在FreeRTOS中&#xff0c;一个时间片就等于SysTick中断周期&#xff1b; 二、实验 实验设计&#xff1a; 把滴答定时器中断频率设置为…...

探秘 C 语言:编程世界的基石与传奇

一、C 语言的前世今生 C 语言诞生于 20 世纪 70 年代&#xff0c;由贝尔实验室的丹尼斯・里奇&#xff08;Dennis Ritchie&#xff09;开发。它最初是为了配合 UNIX 操作系统的开发&#xff0c;旨在提供一种高效、灵活且可移植的编程语言。在那个硬件资源有限的年代&#xff0…...

MySQL查询语句完全指南:从基础到高阶实战

一、开篇&#xff1a;为什么选择MySQL查询作为切入点&#xff1f; 根据Stack Overflow 2023开发者调查&#xff0c;MySQL以51.1%的使用率蝉联最受欢迎数据库榜首。其查询语句作为数据操作的基石&#xff0c;支撑着全球数百万应用的日常运转。本指南将通过2000字详解和30个实战…...

AJAX 数据库

AJAX 数据库 引言 随着互联网技术的飞速发展,前端与后端之间的交互需求日益增长。AJAX(Asynchronous JavaScript and XML)作为一种强大的技术,在实现这种交互中发挥着关键作用。本文将深入探讨AJAX技术与数据库的融合,分析其在现代Web开发中的应用及其优势。 AJAX简介 …...

正则表达式梳理(基于python)

正则表达式&#xff08;regular expression&#xff09;是一种针对字符串匹配查找所定义的规则模式&#xff0c;独立于语言&#xff0c;但不同语言在实现上也会存在一些细微差别&#xff0c;下面基于python对常用的相关内容进行梳理。 文章目录 一、通用常识1.通配符ps.反义 2.…...

Python项目-基于深度学习的校园人脸识别考勤系统

引言 随着人工智能技术的快速发展&#xff0c;深度学习在计算机视觉领域的应用日益广泛。人脸识别作为其中的一个重要分支&#xff0c;已经在安防、金融、教育等多个领域展现出巨大的应用价值。本文将详细介绍如何使用Python和深度学习技术构建一个校园人脸识别考勤系统&#…...

在PyCharm开发环境中,如何建立hello.py文件?

李升伟 整理 一、分析 首先&#xff0c;用户可能是刚接触PyCharm或者Python的新手&#xff0c;所以需要从打开软件开始讲起。不过用户可能已经安装好了PyCharm&#xff0c;但也许需要确认是否已经正确安装。不过问题重点在创建文件&#xff0c;可能不需要深入安装步骤。 接下…...

常见的网络协议介绍

一、什么是网络协议 指的是通信双方的数据发送和接收顺序&#xff0c;数据的封装规则。 通俗解释&#xff1a;描述双方发送和接收的每个字节是按照什么规则。 二、TCP/IP体系的常用协议 (一)应用层 HTTP&#xff1a;超文本协议&#xff1b;指的是用来传输文本网页的协议&#…...

【折线图 Line】——12

🌟 解锁数据可视化的魔法钥匙 —— pyecharts实战指南 🌟 在这个数据为王的时代,每一次点击、每一次交易、每一份报告背后都隐藏着无尽的故事与洞察。但你是否曾苦恼于如何将这些冰冷的数据转化为直观、吸引人的视觉盛宴? 🔥 欢迎来到《pyecharts图形绘制大师班》 �…...

沃丰科技结合DeepSeek大模型技术落地与应用前后效果对比

技术突破&#xff1a;DeepSeek算法创新&#xff0c;显著降低了显存占用和推理成本。仅需少量标注数据即可提升推理能力。这种突破减少了对海量数据的依赖&#xff0c;削弱了数据垄断企业的优势&#xff01; 商业模式颠覆&#xff1a;DeepSeek选择完全开源模式&#xff0c;迫使…...

基于opencv和dlib的人脸识别定位

cv2 cv2是OpenCV库中的一个模块&#xff0c;OpenCV的Python绑定库。 图像处理功能&#xff0c;还集成了一些高级的计算机视觉算法。 cv2.rectangle 图像上绘制矩形&#xff0c;cv2.rectangle(Numpy图片, 左上坐标, 右下坐标, color, thickness粗度) cv2.cvtColor&#xf…...

力扣-字符串

字符串不能被修改&#xff0c;所以如果有想修改字符串的行为&#xff0c;需要转换为StringBuilder StringBuilder里也有很多封装方法String没有&#xff0c;比如reverse() StringBuilder sb new StringBuilder();// 添加字符串 sb.append("Hello"); sb.append(&qu…...

Non-Homophilic Graph Pre-Training and Prompt Learning

Non-Homophilic Graph Pre-Training and Prompt Learning KDD25 ​#paper/⭐#​ 目的&#xff1a;对异配图进行prompt ‍ ​​ 方法 邻居节点的综合嵌入 s v 1 ∣ V ( S v ) ∣ ∑ u ∈ V ( S v ) h u ⋅ s i m ( h u , h v ) , \mathbf{s}_{v}\frac{1}{|V(S_{v})|}\su…...

利用golang embed特性嵌入前端资源问题解决

embed嵌入前端资源&#xff0c;配置前端路由的代码如下 func StartHttpService(port string, assetsFs embed.FS) error {//r : gin.Default()gin.SetMode(gin.ReleaseMode)r : gin.New()r.Use(CORSMiddleware())// 静态文件服务dist, err : fs.Sub(assetsFs, "assets/di…...