日常瞎掰 ??最近在分析scRNA-seq的數(shù)據(jù),三個(gè)樣本數(shù)據(jù)不大,用Seurat分析真的很香!奈何又要下載公共數(shù)據(jù)的樣本,這樣一搗騰,Seuart倒顯得有些力不從心了,何也...
日常瞎掰 ??最近在分析scRNA-seq的數(shù)據(jù),三個(gè)樣本數(shù)據(jù)不大,用Seurat分析真的很香!奈何又要下載公共數(shù)據(jù)的樣本,這樣一搗騰,Seuart倒顯得有些力不從心了,何也...
作者:ahworld鏈接:一文了解單細(xì)胞基因調(diào)控網(wǎng)絡(luò)(GRN)來(lái)源:微信公眾號(hào)著作權(quán)歸作者所有,任何形式的轉(zhuǎn)載都請(qǐng)聯(lián)系作者。 基因調(diào)控網(wǎng)絡(luò)(GRN)決定并維持cell-typ...
單細(xì)胞技術(shù)正在加強(qiáng)我們對(duì)細(xì)胞本身的理解。什么是細(xì)胞類(lèi)型,不就是基因選擇性表達(dá)的結(jié)果嗎?而基因的選擇表達(dá)受到一系列的轉(zhuǎn)錄調(diào)控,在這個(gè)意義上,細(xì)胞命運(yùn)背后的驅(qū)動(dòng)力在于各自轉(zhuǎn)錄因子...
參考生信技能樹(shù):pyscenic的轉(zhuǎn)錄因子分析結(jié)果展示之5種可視化[https://mp.weixin.qq.com/s/SIfyGzx4fwXPtQsVvvwwMQ]、py...
1. 簡(jiǎn)介 SCENIC(single-cell regulatory network inference and clustering)是一個(gè)基于共表達(dá)和motif分析,計(jì)...
使用AUCell識(shí)別單細(xì)胞rna數(shù)據(jù)中具有活性“基因集”(i.e. gene signatures)的細(xì)胞。AUCell使用“曲線下面積”(Area Under the Cu...
在網(wǎng)上隨意瀏覽的時(shí)候,無(wú)意間發(fā)現(xiàn)另一種可以構(gòu)建調(diào)控網(wǎng)絡(luò)的軟件,叫做GENIE3。這是一個(gè)R包,直接在R里運(yùn)行。這款R包基于你的表達(dá)矩陣來(lái)推測(cè)基因之間的調(diào)控關(guān)系。 雖然共表達(dá)網(wǎng)...
獲取Seurat氣泡圖的繪圖數(shù)據(jù) 創(chuàng)建x軸分類(lèi)標(biāo)簽注釋 將注釋添加到data.usage方便繪圖調(diào)用 根據(jù)需求重排y軸繪圖標(biāo)簽順序 重繪氣泡圖并基于facet分面方法為x軸添...
Permutation test 可以稱(chēng)作是置換檢驗(yàn),F(xiàn)isher于20世紀(jì)30年代提出的一種基于大量計(jì)算(computationally intensive),利用樣本數(shù)據(jù)...
常用的細(xì)胞通訊軟件:CellphoneDB[http://www.itdecent.cn/p/38a9376f5286]:是公開(kāi)的人工校正的,儲(chǔ)存受體、配體以及兩種相互作用...
官方流程:https://satijalab.org/seurat/articles/integration_mapping.html[https://satijalab.o...
源代碼:https://rdrr.io/bioc/MetaNeighbor/src/R/MetaNeighborUS.R[https://rdrr.io/bioc/MetaN...
我去查了2019年Stuart等人發(fā)表的文獻(xiàn),在第三步scoring anchor的時(shí)候,對(duì)于每個(gè)anchor pair中的細(xì)胞,分別找在自己所在樣本中的k.score個(gè)最近的neighbor與另一個(gè)相對(duì)的樣本中的k.score個(gè)最近的neighbor,所以黃色表示的shared NN包含了屬于兩個(gè)樣本的細(xì)胞。但是第一步中找anchor時(shí)是在對(duì)方所在的樣本中尋找NN的。請(qǐng)問(wèn)我這樣理解是否正確呢?@追風(fēng)少年i
單細(xì)胞數(shù)據(jù)整合分析之尋找最近鄰(k.anchor、k.filter、k.score、MNN)在單細(xì)胞數(shù)據(jù)中,整合方法是我們用到的最常用的算法,至于函數(shù)當(dāng)然是FindIntegrationAnchors,但是其中有些內(nèi)容我們需要深入了解一下,在這里我們就需要來(lái)弄明白整...
@追風(fēng)少年i 但是在第三步對(duì)anchor進(jìn)行評(píng)分的時(shí)候,紅點(diǎn)和藍(lán)點(diǎn)的鄰居分別在不同的數(shù)據(jù)集中,怎么會(huì)有重疊呢?就是說(shuō)score anchors那張圖片中,黃色的點(diǎn)究竟是屬于紅色點(diǎn)所在的樣本,還是藍(lán)色點(diǎn)所在的樣本呢?
單細(xì)胞數(shù)據(jù)整合分析之尋找最近鄰(k.anchor、k.filter、k.score、MNN)在單細(xì)胞數(shù)據(jù)中,整合方法是我們用到的最常用的算法,至于函數(shù)當(dāng)然是FindIntegrationAnchors,但是其中有些內(nèi)容我們需要深入了解一下,在這里我們就需要來(lái)弄明白整...
請(qǐng)問(wèn)第三部步中為何會(huì)有共享鄰居的存在呢?按照第一步,藍(lán)點(diǎn)所尋找的鄰居全部在紅點(diǎn)所在的樣本中,紅點(diǎn)所尋找的鄰居全部在藍(lán)點(diǎn)所在的樣本中。謝謝~
單細(xì)胞數(shù)據(jù)整合分析之尋找最近鄰(k.anchor、k.filter、k.score、MNN)在單細(xì)胞數(shù)據(jù)中,整合方法是我們用到的最常用的算法,至于函數(shù)當(dāng)然是FindIntegrationAnchors,但是其中有些內(nèi)容我們需要深入了解一下,在這里我們就需要來(lái)弄明白整...