【ATAC-seq數(shù)據(jù)處理全流程.R】 知乎冷凍工廠教程 1. 教程簡介[https://zhuanlan.zhihu.com/p/594537294] 2. 數(shù)據(jù)介紹[ht...
發(fā)簡信
IP屬地：浙江
-
ATAC-seq教程整理
-
10X單細(xì)胞空間聯(lián)合分析解析結(jié)腸癌肝轉(zhuǎn)移時空免疫圖譜hello，又到周五，一周的收官之戰(zhàn)，今天我們要繼續(xù)分享單細(xì)胞空間聯(lián)合分析的文章，參考文章在Spatiotemporal Immune Landscape of Colore...
-
你好，請問SCTransform這一步是特別耗時間嗎
scRNA-使用sctransform去除批次效應(yīng)
劉小澤寫于19.10.10上一次介紹了使用Seurat 的merge函數(shù)來合并4個樣本（各有2個生物學(xué)重復(fù)）的8組數(shù)據(jù)，但是merge只是將原始數(shù)據(jù)簡單混合起來，誰也不知道混...
-
請問怎么整合cellranger vdj輸出的結(jié)果呢，clonotype似乎是樣本為中心進行排序后命名為clonotypeX的，不同樣本cellranger vdj結(jié)果中的clonotypeX似乎是不同的clonotype
單細(xì)胞免疫組庫數(shù)據(jù)分析||Seurat整合單細(xì)胞轉(zhuǎn)錄組與VDJ數(shù)據(jù)
在做10X單細(xì)胞免疫組庫分析的是往往是做一部分BCR、TCR做一部分5‘轉(zhuǎn)錄組，那么怎樣才能把兩者結(jié)合到一起呢？ 今天我們嘗試用我們的趁手工具做一下整合分析。 首先是下載數(shù)據(jù)...
-
ggplot2自定義繪圖主題隨著ggplot2的粘滯性越來越強，用它來完成一張草圖已經(jīng)不能滿足人們?nèi)找嬖鲩L的愛美之心了。其實ggplot2就是為美圖而生的，為此甚至不惜從新定義了一套繪圖語法。他當(dāng)然有能...
-
近乎全文翻譯：單細(xì)胞轉(zhuǎn)錄組分析 揭示了經(jīng)典霍奇金淋巴瘤腫瘤微環(huán)境中一種新發(fā)現(xiàn)的疾病相關(guān)的T細(xì)胞亞群Single cell transcriptome analysis reveals disease-defining T cell subsets in the tumor...
-
@周運來就是我 嗯嗯，感謝回復(fù)
SingleR || 單細(xì)胞細(xì)胞類型定義工具
注：本教程的SingleR是老版本的(1.0.0)，由于SingleR在Revised: December 18th, 2019已經(jīng)升級到SingleR 1.0.5，新版本的...
-
你好，采用SingleR注釋后得到部分cluster為多種cell type混雜的cluster，請問這是否無法避免呢，可以實現(xiàn)在t-SNE作圖中隱藏這部分cluster中的部分細(xì)胞嗎？
SingleR || 單細(xì)胞細(xì)胞類型定義工具
注：本教程的SingleR是老版本的(1.0.0)，由于SingleR在Revised: December 18th, 2019已經(jīng)升級到SingleR 1.0.5，新版本的...
-
@周運來就是我 get it，感謝回復(fù)~
sc-RAN-seq 數(shù)據(jù)分析||Seurat新版教程: Integrating datasets to learn cell-type specific responses
如果只是做單個樣本的sc-RNA-seq數(shù)據(jù)分析，并不能體會到Seurat的強大，因為Seurat天生為整合而生。 本教程展示的是兩個pbmc數(shù)據(jù)（受刺激組和對照組）整合分析...
-
@周運來就是我 謝謝您的回復(fù)，所以這是采用CCA+anchor方法整合多組scRNA-seq的必然結(jié)果對嗎
sc-RAN-seq 數(shù)據(jù)分析||Seurat新版教程: Integrating datasets to learn cell-type specific responses
如果只是做單個樣本的sc-RNA-seq數(shù)據(jù)分析，并不能體會到Seurat的強大，因為Seurat天生為整合而生。 本教程展示的是兩個pbmc數(shù)據(jù)（受刺激組和對照組）整合分析...
-
請問UMAP的結(jié)果DimPlot出來，control和stimulated細(xì)胞間沒能分開是為什么呢
sc-RAN-seq 數(shù)據(jù)分析||Seurat新版教程: Integrating datasets to learn cell-type specific responses
如果只是做單個樣本的sc-RNA-seq數(shù)據(jù)分析，并不能體會到Seurat的強大，因為Seurat天生為整合而生。 本教程展示的是兩個pbmc數(shù)據(jù)（受刺激組和對照組）整合分析...
-
課程會在2019年9月底之前錄制完畢并上線： 課程說明在：https://mp.weixin.qq.com/s/AV2uTbsvJGBRq_zv7yDmNg 所有代碼在：https://github.com/jmzeng1314/scRNA_smart_seq2 觀看鏈接 手機微信觀看（推薦）：http://jm.grazy.cn/wechat/course/detail?cid=53 電腦瀏覽器的鏈接 http://jm.grazy.cn/index/mulitcourse/detail.html?cid=53
-
Hemberg-lab單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)分析（一）
在別人的電子書，你的電子書，都在bookdown一文中推薦過這一篇教程(https://hemberg-lab.github.io/scRNA.seq.course)，從20...
-
如果你是程序員，或者有一顆喜歡寫程序的心，喜歡分享技術(shù)干貨、項目經(jīng)驗、程序員日常囧事等等，歡迎投稿《程序員》專題。 專題主編：小彤花園 http://www.itdecent.cn/users/4a4eb4feee62/ 【程序員】專題拒稿指北：http://www.itdecent.cn/p/7c8b33b5f63b 投稿須知： 1.收錄相關(guān)技術(shù)文章，但不限于技術(shù)，也可以是項目經(jīng)驗類的文章和程序員日常。 2.文章內(nèi)不得有任何推廣信息。包括但不限于公眾號、微博、微信，更不得在通過投稿后再修改文章加入推廣信息。你可以將這些推廣以及個人信息放在個人主頁介紹里。 3.字?jǐn)?shù)極少，段落混亂，大段代碼沒有放到代碼框的文章不收錄 4.不相關(guān)的內(nèi)容不收錄，請確認(rèn)文章內(nèi)容和本專題相關(guān) 目前針對優(yōu)質(zhì)作者及愛好者，開設(shè)了官方程序員微信群，希望加入請發(fā)簡信給主編小彤花園索取個人微信，主編會將你加入到【程序員】微信群，分享內(nèi)容，收獲知識。添加微信時備注昵稱。
