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...

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...

在我们可以聚类细胞并识别不同的潜在细胞类型之前，我们还有几个步骤。我们的数据集有两个样本来自两个不同的条件（控制和刺激），所以整合这些样本，以更好地进行比较可能是有帮助的。我们需要...

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(&#...

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...

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...

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...

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...

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...

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...