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...

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...

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...

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...

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，...

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...

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...