02.取細(xì)胞子集后的Seurat標(biāo)準(zhǔn)流程（簡(jiǎn)潔版）

在項(xiàng)目取子集后，需要對(duì)所取細(xì)胞子集進(jìn)行重新聚類分群，這里提供簡(jiǎn)潔的流程代碼。
sce <- NormalizeData(sce, normalization.method = "LogNormalize", scale.factor = 1e4) 
sce <- FindVariableFeatures(sce, selection.method = 'vst', nfeatures = 2000)
sce[["percent.mt"]] <- PercentageFeatureSet(sce, pattern = "^MT-")
sce <- ScaleData(sce, vars.to.regress = "percent.mt")
sce <- RunPCA(sce, features = VariableFeatures(object = sce)) 
##選定下游分析PC數(shù)量
sce <- FindNeighbors(sce, dims = 1:40)
###更改聚類粒度
sce <- FindClusters(sce, resolution = 0.4 )
# Look at cluster IDs of the first 5 cells
head(Idents(sce), 5)
table(sce$seurat_clusters) 
sce <- RunUMAP(sce, dims = 1:40)
DimPlot(sce, reduction = 'umap')

對(duì)于最佳PC數(shù)量的選擇建議結(jié)合，先前文章01.單細(xì)胞降維最佳PC數(shù)量選取

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點(diǎn)，簡(jiǎn)書系信息發(fā)布平臺(tái)，僅提供信息存儲(chǔ)服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容