第8章: 使用scRNA-seq定义cluster类型除了使用基因得分定义细胞类群以外，ArchR还能整合scRNA-seq数据。通过将scATAC-seq数据里的基因得分矩阵和scRNA-seq数据的基因表达量矩阵进行对比，ArchR就能将scATAC-seq的细胞比对到scRNA-seq的细胞，实现两种数据的整合。之后，我们借助scRNA-seq数据已经定义的细胞类群，或者整合后的scRNA
因项目的需求，需要对数据进行简单的分类，然后找差异表达基因。 虽然我自知自己在这个过程中的很多方面并不理解透彻，很糊涂的去做。但是我愿意去尝试完成。 现在开始跟着Seurat上面的教程一点点的来做。参考链接：https://satijalab.org/seurat/articles/pbmc3k_tutorial.html1、加载分析必须的包library(Seurat)
library(dply
转载
2024-01-11 12:17:10
126阅读
最近搜集整理单细胞研究的时候，看到于2015年发表在nature杂志的文章是：Single-cell analysis reveals a stem-cell program in human metastatic breast cancer cells ，蛮有意思的，居然是 Single-cell multiplex qPCR 数据哦！研究者们首先通过流式预先把细胞分类，分成：basal/ste
转载
2024-01-12 02:03:02
88阅读
R Markdown安装环境导入数据setwd("D:/scRNA-seq")
pbmc.data <- Read10X(data.dir = 'hg19')#导入10x矩阵#对数据进行初步赛选pbmc <- CreateSeuratObject(counts = pbmc.data, project = "pbmc3k", min.cells = 3, min.features =
转载
2023-10-09 08:15:41
218阅读
论文阅读单细胞分析可视化工具盘点首先:大概知道单细胞分析的十几种格式和可视化分析工具。第二:输入格式中（下图表绿色标记）：csv/txt格式是最常被接受的格式，有8个工具支持。更专业的格式，如h5ad和loom被六个工具接受第三:数据集成：iSEE-loom，SCope，scSVA和loom-viewer都可以与派生自loom和h5ad格式的分层数据格式（HDF5）进行高效集成第四:sceasy（
转载
2023-11-20 08:25:42
154阅读
在使用seurat进行单细胞分析的时候，大多数的教程都是用计数矩阵作为数据输入，但是我发现一些新手朋友对于不同数据库来源(的数据或者想要去复现、借鉴一个感兴趣的文章中的下机数据时，不知道怎么把数据处理成Seurat可以读入的计数矩阵，所以本篇文章就详细介绍单细胞数据的上游分析。上游分析主要涉及的步骤就两个：比对和质控。我们可以先从10X平台官网了解一些软件和方法。“Software Analysis”的界面提供了3种工具：Cell Ranger：比对质控需要用到的软件。
# 单细胞数据分析：使用Monocle工具
在生命科学研究中，单细胞RNA测序（scRNA-seq）技术的广泛应用使得我们能够更深入地理解细胞的多样性与功能。这种技术可以帮助我们解析不同细胞类型之间的转录组差异，进而揭示生物学过程中的动态变化。Monocle是一个专门用于单细胞数据分析的R包，它能够处理scRNA-seq数据并支持细胞轨迹分析。本文将介绍基本的Monocle工作流程，并通过代码示
原创
2024-10-28 03:59:16
295阅读
生信入门（六）——单细胞分析（Seurat） 文章目录生信入门（六）——单细胞分析（Seurat）一、数据导入1、数据来源2、数据导入二、标准预处理1、QC和选择细胞进行进一步分析2、规范化数据3、识别高度可变的特征（特征选择）4、缩放数据三、主成分分析（PCA）1、线性降维2、确定数据集的“维度”四、聚类细胞五、非线性降维（UMAP/tSNE）六、寻找差异表达的特征（簇生物标志物） 一、数据导入
# 单细胞数据分析软件科普
单细胞数据分析是近年来备受关注的一个研究领域，通过对单个细胞进行高通量测序和分析，可以揭示细胞在不同状态下的表达谱和功能。为了更方便地进行单细胞数据的处理和分析，研究人员开发了许多单细胞数据分析软件，其中一些软件提供了强大的功能和丰富的工具，帮助研究人员更好地理解细胞的多样性和功能。
## 代码示例
下面是一个简单的示例，展示如何使用Python中的单细胞数据分析
原创
2024-05-01 04:18:15
125阅读
生命科学中的技术往往会朝着两个方向发展： （1）获得更多的细胞特征进行分析，在广泛的网络中获取特定细胞行为尽可能多的信息（如人体基因组→宏基因组）； （2）获得更高的分辨率进行分析，从而提高检测的精确水平（如整个肿瘤组织→多点取样→单细胞水平(流式技术)）。1. 传统流式细胞技术的局限性（1）传统的流式细胞技术可对单细胞中多种蛋白质进行分析，然而光谱带宽重叠问题限制了其同时测定的通道数（最多只能同
转载
2023-12-12 13:07:43
41阅读
单细胞项目：来自于30个病人的49个组织样品，跨越3个治疗阶段Therapy-Induced Evolution of Human Lung Cancer Revealed by Single-Cell RNA Sequencing这篇教程我将分为四个阶段完整的阐述单细胞的主流的下游分析流程数据预处理（数据准备阶段）seurat 基础分析免疫细胞识别inferCNV 的实现先来第一部分数据预处理这
转载
2024-06-04 06:16:30
0阅读
我是你们的老朋友小木舟~想必这几天大家都在家里憋坏了吧。今天给大家分享一个关于预后基因和免疫的套路。来自【DNA AND CELL BIOLOGY】2020年刚发表的文章。文章题目是：Identification of MMP1 as a Potential Prognostic Biomarker and Correlating with Immune Infiltrates in
Western blotting 是绝大多数实验都会用到的一门实验技术了。从蛋白样品的制备到显影，步骤大家都已经烂熟于心。但是，萌 Cece 今天要跟大家要分享不一样的蛋白免疫印迹： Single-Cell Western Blotting。 Single-Cell Western Blotting (scWestern) 是基于 Western blotting 的单细胞免疫印迹技术，可用
实现单细胞seurat包数据分析的步骤如下：
步骤 | 描述
------------- | -------------
1 | 安装Seurat包和相关依赖
2 | 导入单细胞数据
3 | 数据质控和预处理
4 | 单细胞数据聚类
5 | 数据可视化和分析
6 | 结果解释和进一步分析
下面我将逐步解释每个步骤需要做什么，并给出相应的代码。
## 第一步：安装Seurat包和
原创
2024-01-22 07:06:32
153阅读
导读 从本文开始，将带领还未分析过单细胞(scRNA-seq)数据的读者，从如何构建环境，什么是单细
导读从本文开始，将带领还未分析过单细胞(scRNA-seq)数据的读者，从如何构建环境，什么是单细胞，单细胞的完整分析流程各方面开展学习，由于内容较多，将会分章节展开，后续会整理成完整PDF教程，请持续关注本公众号。1. 作用单细胞的作用：在人体组织中有
转载
2023-09-16 00:45:33
120阅读
一直没时间碰这部分的内容，一是不擅长，二是不想摊子铺得太大。现在是快要毕业了，主要的分析数据也发了，这部分如果再不做，马上别人拿到数据就可以分析了。还有就是要清理集群，内存不够了，主要的分析做完了就可以给数据存档了。 最近看了一篇NC的lncRNA的分析文章，非常的有新意，当然也是结合了疾病模型才发这么高的，值得借鉴。2020 - In vivo functional anal
转载
2024-06-17 10:52:33
256阅读
因项目的需求，需要对数据进行简单的分类，然后找差异表达基因。 虽然我自知自己在这个过程中的很多方面并不理解透彻，很糊涂的去做。但是我愿意去尝试完成。 现在开始跟着Seurat上面的教程一点点的来做。参考链接：https://satijalab.org/seurat/articles/pbmc3k_tutorial.html1、加载分析必须的包library(Seurat)
library(dply
转载
2024-06-23 06:55:55
141阅读
欢迎关注”生信修炼手册”!single cell RNA sequencing,简称scRNA_seq, 指
原创
2022-09-05 13:34:57
255阅读
点赞
# 单细胞转录组数据分析入门
单细胞转录组测序（scRNA-seq）是研究细胞异质性的重要工具，能够提供每个细胞的转录组信息。这种技术允许研究者在单细胞水平上探索基因表达的差异，理解细胞的功能状态以及发育过程中的变化。在这篇文章中，我们将介绍如何在Linux环境下分析单细胞转录组数据，并提供相应的代码示例。
## 数据准备
在开始分析之前，我们需要准备好单细胞转录组数据。通常，数据会以FAS
1、生信技能树 推荐的一个单细胞数据处理分析教程https://nbisweden.github.io/workshop-scRNAseq/[h...
原创
2022-03-18 10:48:28
459阅读
