97干线上视频,久热精品8,东京热无码不卡

1、標準流程里面的過濾三步驟，也可以用 SCTransform 代替

Seurat基本教程
 seurat對象結構
單細胞轉(zhuǎn)錄組分析中的各種數(shù)據(jù)結構

image.png

2、Seurat 每一步處理類似流水線傳送帶上的容器（Container），每個函數(shù)會依次進行處理。每個函數(shù)輸入一種數(shù)據(jù)都會輸出另外一個數(shù)據(jù)，并且把輸出數(shù)據(jù)也存放在這個容器中。需要時可以提取某一步驟的數(shù)據(jù)。還有一類函數(shù)，不參與數(shù)據(jù)轉(zhuǎn)換，類似質(zhì)檢員（Inspector），在每一個數(shù)據(jù)轉(zhuǎn)換后，查看容器中的內(nèi)容，幫助判斷質(zhì)量、評估處理后的效果。

image.png

3、Seurat 流程第一步就是創(chuàng)建 Seurat 對象，首先要明白 Seurat 對象的構成。Seurat 對象進一步細分為： Assay Object 對象和 DimReduc Object 對象。

Assay Object 對象存放的多組學的表達數(shù)據(jù)， DimReduc Object 對象存放的是對 Assay Object 對象進行降維分析后的結果。

Seurat Object

Assay Object

DimReduc Object

4、專門下載和管理 Seurat示例數(shù)據(jù)對象的軟件包：SeuratData

SeuratData 先把 datasets 變成 Seurat 對象，再把 Seurat 對象以軟件包的形式分發(fā)和管理。

image.png

5、以pbmc為例，展開Seurat流程。

在Seurat對象后面加個@ 可以查看Seurat對象的內(nèi)容。彈出小窗口，可以查看里面的內(nèi)容。

Seurat對象組成

image.png

5.1 mata.data
Seurat對象中的mata.data 是一個用來對所有細胞做注釋的數(shù)據(jù)框。每一行代表一個細胞，每一列代表細胞的屬性。當需要根據(jù)細胞的屬性和類型對細胞進行篩選的時候，經(jīng)常會用到mata.data。當然也可以把分析得到的結果，添加到mata.data中。

mata.data

5.2 assay
一個Seurat對象可以包括多個assay對象，但是在某個時刻，只有一個assay對象是默認激活的?？梢酝ㄟ^函數(shù) active.assay 查詢當前默認激活的是哪個assay對象。也可以用 DefaultAssay 來設置默認的 assay。

image.png

5.3 ident
可以理解為細胞的類型，在Seurat對象中，細胞可能有好幾種不同方法注釋的類型，但是在某一時刻，只有一種細胞類型是默認激活的。可以用active.ident來查詢當前默認的細胞類型是什么。

image.png

5.4 reduction
和assay一樣，reduction返回的也是一個列表。里面包含的是一個或多個 DimReduc object 對象。每個DimReduc object 對象對應的是 assay 對象進行某種降維分析后得到的結果。降維也就是PCA 、tsen 、umap 三種。下面這個例子里面的列表中，有兩個DimReduc object 對象，分別是PCA 和umap

image.png

5.5 version
是創(chuàng)建這個對象時，所使用的Seurat版本。

5.6 commands
是一個列表，里面保存的是workflow中每個步驟所使用的命令和參數(shù)。還有命令執(zhí)行的日期和時間。

image.png

5.7 Assay Object 的內(nèi)部結構

image.png

counts 保存的是未經(jīng)處理的原始數(shù)據(jù)。適合存放稀疏矩陣。

image.png

原始數(shù)據(jù)經(jīng)過標準化后，會存放在@data中，和counts 一樣也是一個特殊的 Matrix 對象。

image.png

當數(shù)據(jù)進行scale后，存放在名為scale.data中

image.png

key ：每個active對象都有一個key值，可以用fetch函數(shù)來獲取。。。沒聲音這里

image.png

var.features : 是一個普通的向量，里面存放的是高表達變異的基因名?？梢杂煤瘮?shù)VaribleFeatures來獲得這個向量。

image.png

meta.features : Seurat對象中的mata.data 是對所有細胞做注釋的數(shù)據(jù)框。而在assay對象中，meta.features 是對每個 features 做的注釋。如果要對 features 的功能進行注釋、打分、篩選都需要用到meta.features。對于不同的assay來說，每個features的含義是不同的。