排序
Seurat安装
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(...
通过注释文件计算线粒体序列比例
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...
cellranger的安装
新建一个文件夹 打开linux终端,运行 mkdir yard 验证一下工作目录 pwd /home/vamond/yard 进入该目录,新建apps文件夹,用于存放cellreanger cd /mnt/home/user.name/yard mkdir apps cd apps ...
细胞聚类的质控-HBC lesson 8
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...
整合-HBC lesson 6.2
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...
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...
整合后的细胞标记物鉴别-HBC lesson 9
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...
归一化与主成分分析-HBC lesson 5
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...
scRNA-seq简介-HBC lesson 1
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...