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...

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，...

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...

QC（质控）-HBC lesson 4 在这一章你将会学到： 构建质控指标并使用相关图像可视化数据质量 估算质控指标并设置阈值去除低质量的细胞 单细胞数据分析流程的每个步骤都有这自己的目标和挑战。对...

在做单细胞数据分析的时候习惯生成和保存很多中间变量，以便于debug的时候方便直接读取某一个中间变量进行后续分析。这些变量包括很多seurat object，对于多样本整合的数据来讲最后会很大，每次...

从CRAN安装最新版 4.0+seurat需要R也是4.0+的版本 Seurat is available on CRAN for all platforms. To install, run: # Enter commands in R (or R studio, if installed) install.packages(&#...

.rds和.Rdata （也称为.rda ）文件都可用于以R本机格式存储R对象。与非本机存储方法（例如write.table相比，保存此方法有多个优点： 1)将数据恢复到R更快 2)它保持在数据中编码的R特定信息（例...

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...

参考链接: https://satijalab.org/seurat/articles/pbmc3k_tutorial.html 建立 Seurat 对象 示例数据为10X Genomics的外周血单个核细胞（PBMC）数据集，含有2700个单细胞，使用Illumina NextSeq...

在我们我们获得高质量的单细胞数据后，单细胞RNA测序分析工作流程的下一步是进行聚类。聚类的目标是将不同的细胞类型分离成独特的细胞群。为了执行聚类，我们需要确定细胞间表达差异最大的基因...