在进行细胞聚类时有两个参数的选择对下游分析的结果影响很大 一个是纳入分析的PCs数，也就是dims参数，选择方法见 关于“数据的维度”(dims参数)的选择 ； 另一个是resolution参数，官方推荐根...

学习内容 学会选择合适的PCs用于聚类分析 聚类的方法 目标 产生细胞类型特异性聚类，并使用已知的细胞类型标记基因来确定聚类的身份。 确定集群是否代表真正的细胞类型或由于生物或技术差异而产...

出现的问题 最近在学习R语言得过程中，安装了最新版的R4.0.1和R Studio，但安装包的时候出现了下面的warning: WARNING: Rtools is required to build R packages but is not currently installe...

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(&#...

经验证，人类样本的单细胞分析使用seurat教程的方法计算线粒体序列比例与此方法结果一致，但对于其他物种，建议使用此方法。 使用注释文件生成线粒体计数指标 我们将使用AnnotationHub，它允许...

学习内容 评估是否存在聚类的假象 用PCA和UMAP图来确定聚类的质量，并了解何时需要重新聚类 评估已知的细胞类型标志物以假设集群的细胞类型身份 目标 确定集群是否代表真正的细胞类型或由于生物...

本文主要是翻译，用作参考，还是要看GitHub上的英文原版学习 目标 对于不同条件下的样本，将相同类型的细胞对齐到一起 挑战 对准类似的细胞类型，这样我们就不会因为样品、条件、模式或批次的不...

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...

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...

目标： 确定每个类群的基因标记物 使用标记物识别每个类群的细胞类型 根据细胞类型标记物来判断是否需要重新分组，或许需要合并或拆分聚类的类群 挑战： 对结果的过度解读 结合不同类型的标记物...