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...

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...

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，...

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...

参考链接: https://github.com/hbctraining/scRNA-seq_online/blob/master/lessons/01_intro_to_scRNA-seq.md 我们为什么需要单细胞RNA测序 人类各种组织之间细胞的类型，状态和相互作用差异巨...

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...

关于“数据的维度”(dims参数)的选择 Created time: Apr 13, 2021 12:07 PM Tags: R, Seurat, scRNA-seq 完成PCA之后，我们获得了该数据集的所有主成分（PCs）信息，但是如何决定纳入多少个主成...

Seurat不仅可以校正实验的批次效应，还能跨平台整合数据，例如将10x单细胞数据、BD单细胞数据和SMART单细胞数据整合在一起；也能整合单细胞多组学数据，例如将单细胞ATAC、空间转录组与单细胞转...

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(&#...