排序
对Seurat对象使用harmony方法整合
Harmony方法在2019年发表在上面nature methods, harmony算法与其他整合算法相比的优势: 整合数据的同时对稀有细胞的敏感性依然很好; 省内存; 适合于更复杂的单细胞分析实验设计,可以比较来...
从原始数据到表达矩阵-HBC lesson 2
根据所使用的建库方法,单细胞的RNA序列(也称为读取(reads)或标签(tags))将从转录本的3'端(或5'端)(10X Genomics,CEL-seq2,Drop-seq,inDrops)或全长转录本(Smart-seq)获得。 参...
使用singleR预测细胞类型
SingleR是用于单细胞RNA测序(scRNAseq)数据的自动注释方法(Aran et al.2019)。给定具有已知标签的样本(单细胞或RNAseq)参考数据集,它将基于与参考数据的相似性标记测试数据集中的新细胞...
分析准备与读取数据-HBC lesson 3
本篇教程将会帮助你理解如何获得单细胞RNA测序实验中的数据。 基因表达定量完成之后,我们需要将这些数据导入R中,以生成可用于执行质控的矩阵。在本课中,我们将讨论计数数据可被导入的格式,...
使用pheatmap可视化marker基因
在完成单细胞分析基本流程之后,我们获得了各个细胞聚类和相应的marker基因,有多种方式可以可视化marker基因的表达量,seurat包中自带的DoHeatmap()、VlnPlot()以及DotPlot()函数可以很方便的...