相似關(guān)鍵詞 背景RNA,環(huán)境RNA,RNA污染,游離RNAbackground mRNAs, ambient RNA, RNA contamination, cell fr...
相似關(guān)鍵詞 背景RNA,環(huán)境RNA,RNA污染,游離RNAbackground mRNAs, ambient RNA, RNA contamination, cell fr...
軌跡分析系列: 單細(xì)胞之軌跡分析-1:RNA velocity[http://www.itdecent.cn/p/ee0f7a8e6a06] 擬時(shí)間序列分析(Pseudot...
適用背景 在單細(xì)胞分析中,必要的一步是對(duì)每個(gè)細(xì)胞進(jìn)行注釋,這相當(dāng)于給每個(gè)細(xì)胞打個(gè)標(biāo)簽,或者說(shuō)起個(gè)別名,這些信息都存在@meta.data信息里,所以不用特意去更改細(xì)胞名字,S...
@Jeffery_61cc 1:我前面也進(jìn)行過(guò)NormalizeData了,在去雙胞的時(shí)候,所以這里就沒(méi)有再另外標(biāo)準(zhǔn)化;2:很多資料都不建議使用SCT后的矩陣進(jìn)行差異基因篩選。
單細(xì)胞/時(shí)空文章代碼復(fù)現(xiàn)——數(shù)據(jù)預(yù)處理及整合在上一篇中,我們對(duì)皮膚損傷愈合文章中的損傷愈合組數(shù)據(jù)進(jìn)行了偽bulk分析,接下來(lái),我們開(kāi)始正式對(duì)損傷愈合組的單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)進(jìn)行預(yù)處理和多樣本整合。本篇用到的數(shù)據(jù)來(lái)自GEO數(shù)...
注意,這里使用的seurat對(duì)象要求已經(jīng)run過(guò)runUMAMP()findCluster等函數(shù),否則也沒(méi)有必要把seurat的結(jié)果弄到monocle3的cds對(duì)象里 1. ...
我們?cè)谏弦黄幸呀?jīng)對(duì)損傷愈合組的單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)進(jìn)行了細(xì)胞類(lèi)型注釋,接下來(lái),我們使用整合分析,將文中數(shù)據(jù)與其他文章數(shù)據(jù)整合來(lái)驗(yàn)證注釋的準(zhǔn)確性,并借助已注釋好的單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)...
在上一篇推文中我們對(duì)所有分組樣本進(jìn)行了預(yù)處理及組內(nèi)整合,并進(jìn)行了聚類(lèi)和差異基因篩選,本篇我們將著重介紹如何對(duì)單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)進(jìn)行細(xì)胞類(lèi)型注釋以及UMAP圖的優(yōu)化技巧。 1. ...
在上一篇中,我們對(duì)皮膚損傷愈合文章中的損傷愈合組數(shù)據(jù)進(jìn)行了偽bulk分析,接下來(lái),我們開(kāi)始正式對(duì)損傷愈合組的單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)進(jìn)行預(yù)處理和多樣本整合。本篇用到的數(shù)據(jù)來(lái)自GEO數(shù)...
很多剛剛?cè)腴T(mén)細(xì)胞組學(xué)數(shù)據(jù)分析的小伙伴常常會(huì)問(wèn),單細(xì)胞數(shù)據(jù)分析流程有沒(méi)有所謂范式?從拿到表達(dá)矩陣開(kāi)始,有沒(méi)有一個(gè)標(biāo)準(zhǔn)的技術(shù)路線以供參考?對(duì)于這樣的問(wèn)題,不妨從已發(fā)表的單細(xì)胞轉(zhuǎn)錄...
8.8 Seurat v3, 3’ 10k PBMC和全血STRT-Seq盡管我們的/data文件夾中已經(jīng)有了所有必要的文件,我們?nèi)钥梢詮腉EO數(shù)據(jù)庫(kù)下載必要的文件: 接下來(lái)...
8.6 Harmony, 3’ vs 5’ 10k PBMC使用harmony比任何其他方法都要快得多,并且在最近的標(biāo)準(zhǔn)測(cè)試中發(fā)現(xiàn)其表現(xiàn)相當(dāng)好,還可以方便地與Seurat交互...
單細(xì)胞注釋這個(gè)主題太宏大了,而且不是僅靠一個(gè)軟件一個(gè)命令能解決的。目前來(lái)看方法可以歸為兩類(lèi),一類(lèi)是篩選marker基因結(jié)合一些自動(dòng)注釋軟件進(jìn)行手動(dòng)注釋,這需要積累大量的文獻(xiàn);另一類(lèi)就是與已注釋好的數(shù)據(jù)集進(jìn)行映射,輔助注釋自己的數(shù)據(jù)。無(wú)論哪種都需要大量背景知識(shí)的支撐。建議去查閱一些高分的單細(xì)胞圖譜文章,看下他們是如何做的。
重生之我在劍橋大學(xué)學(xué)習(xí)單細(xì)胞RNA-seq分析——6. 生物學(xué)分析(2)6.2 聚類(lèi)示例 為了說(shuō)明scRNA-seq數(shù)據(jù)的聚類(lèi),我們使用發(fā)育中的小鼠胚胎細(xì)胞的Deng數(shù)據(jù)集(Deng等,2014)。我們已經(jīng)預(yù)處理了數(shù)據(jù)集并創(chuàng)建了一個(gè)SingleC...
8.4 真實(shí)數(shù)據(jù)集的整合實(shí)例有很多關(guān)于整合標(biāo)準(zhǔn)的文章發(fā)表,最詳細(xì)的文章(Tran,2020)使用不同大小和復(fù)雜程度的多個(gè)模擬和真實(shí)數(shù)據(jù)集比較了14種scRNA-seq數(shù)據(jù)集整...
8.1 簡(jiǎn)介隨著可用的scRNA-seq數(shù)據(jù)集越來(lái)越多,在它們之間進(jìn)行合并比較是關(guān)鍵。比較scRNA-seq數(shù)據(jù)集有兩種主要方法。第一種方法是“以標(biāo)簽為中心”,其重點(diǎn)是通過(guò)比...
7.5 使用SingleR進(jìn)行細(xì)胞類(lèi)型注釋基于我們找到的marker,我們可以挖掘文獻(xiàn)并鑒定每種觀察到的細(xì)胞類(lèi)型。我們也可以嘗試使用SingleR進(jìn)行自動(dòng)注釋。首先從cell...
7.3 SCTransform標(biāo)準(zhǔn)化和聚類(lèi)由于我們已經(jīng)通過(guò)額外的QC去除了雙胞和空細(xì)胞,現(xiàn)在可以應(yīng)用SCTransform標(biāo)準(zhǔn)化,這有利于通過(guò)提高信噪比來(lái)尋找稀有細(xì)胞群。SC...
為了進(jìn)一步分析,我們需要對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化,以消除測(cè)序深度的影響。傳統(tǒng)方法是將其縮放到10,000,然后對(duì)獲得的值進(jìn)行l(wèi)og2轉(zhuǎn)換。標(biāo)準(zhǔn)化數(shù)據(jù)存儲(chǔ)在“RNA” assay的sr...
本章將介紹使用Seurat(V3)的一些典型任務(wù)。盡管Seurat目前已經(jīng)更新至V5版本,但仍不妨礙我們從此教程中學(xué)習(xí)一些基本操作及分析思想?,F(xiàn)在讓我們加載本教程所需的所有庫(kù)...
6.4 真實(shí)數(shù)據(jù)集中的DE 6.4.1 簡(jiǎn)介為了測(cè)試不同的單細(xì)胞差異表達(dá)方法,我們將使用Blischak數(shù)據(jù)集。在該實(shí)驗(yàn)中,除了單細(xì)胞數(shù)據(jù)之外,還生成了每個(gè)細(xì)胞系的Bulk ...
6.3 差異表達(dá)(DE)分析6.3.1 Bulk RNA-seq處理Bulk RNA測(cè)序數(shù)據(jù)時(shí)最常見(jiàn)的分析之一是識(shí)別差異表達(dá)基因。通過(guò)比較兩種條件下發(fā)生變化的基因,例如突變型...