本篇笔记根据书中介绍的内容，按照自己的实际操作情况，进行复现和重新整理。为什么要做标准化？要解决什么样的问题？进一步消除细胞之间的系统差异（我们前面做质控分析，其实也涉及到这一点），使得后面在比较细胞之间的表达量的时候，这种差异主要来源于生物条件的不同，而非是一些实验过程中的系统误差。补充小知识点1：标准化与批次校正的区别标准化：不管批次结构，仅考虑技术偏差（文库之间cDNA捕获与PCR扩增的技术
# 单细胞Python GO和KEGG分析入门指南
作为一名刚入行的开发者，你可能对单细胞RNA测序（scRNA-seq）数据的生物信息学分析感到困惑。本文将通过一个简单的流程，教你如何使用Python进行GO（基因本体）和KEGG（京都百科全书基因和基因组）分析。
## 流程概览
首先，让我们通过一个流程图来了解整个分析流程：
```mermaid
flowchart TD
A[
原创
2024-07-23 10:09:28
600阅读
**简介**单细胞测序：单细胞测序从宏观来讲是指在单个细胞水平上进行测序。 单细胞转录组测序是指对于单个细胞水平上将mRNA反转录扩增后进行高通量测序的技术。单细胞测序通过在单个细胞水平上进行测序，解决了用组织样本无法获得不同细胞间的异质性信息或样本量太少无法进行常规测序的难题，为科学家研究单个细胞的行为、机制等提供了新的方向。`` 单细胞测序基本步骤：对所选择的单细胞进行分离→扩增→进行高通量测
转载
2023-10-23 09:40:09
233阅读
# Python单细胞GO富集实现教程
## 1. 整体流程
首先，我们需要明确整个实现过程的流程，可以用以下表格展示：
| 步骤 | 操作 |
| ---- | ---- |
| 1 | 安装必要的Python库 |
| 2 | 准备基因表达数据和GO注释信息 |
| 3 | 进行GO富集分析 |
| 4 | 可视化富集结果 |
## 2. 具体操作步骤及代码
### 步骤1：安装必要
原创
2024-07-10 06:06:20
185阅读
系列文章目录单细胞测序流程（一）简介与数据下载单细胞测序流程（二）数据整理单细胞测序流程（三）质控和数据过滤——Seurat包分析，小提琴图和基因离差散点图单细胞测序流程（四）主成分分析——PCA单细胞测序流程（五）t-sne聚类分析和寻找marker基因单细胞测序流程（六）单细胞的细胞类型的注释 本期主讲内容——单细胞的细胞类型轨迹分析可以看到细胞的分化从哪里开始，从哪里终止，会分化出
转载
2024-05-29 08:54:29
669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
1写在前面完成了聚类后，我们就要进行差异分析，寻找差异基因了。? 由于scRNAseq是高维数据，而且并没有明确的组，你可以选择之前介绍的SC3包等，先进行聚类，然后确定了组后，进行比较，或者采用生物学分组进行比较。?本期我们介绍一下常用的一些差异分析方法，再比较各种方法的准确性。?2用到的包rm(list = ls())
library(scRNA.seq.funcs)
library(edge
导入模块import scanpy as sc
import os
import math
import itertools
import warnings
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
%config InlineBackend.figure_fo
转载
2023-09-18 03:43:35
350阅读
# Python分析单细胞测序数据
随着生物技术的进步，单细胞测序（Single Cell Sequencing）逐渐成为生物医学研究中的一个重要工具。它能够揭示组织中不同细胞类型的基因表达情况，从而为我们探索疾病机制、细胞发育以及相互作用提供了新的窗口。本文将介绍如何使用Python分析单细胞测序数据，包括数据导入、处理、可视化及分析的示例。
## 单细胞测序数据简介
单细胞测序数据通常来
关于单细胞转录组转录因子的分析我们之前在单细胞系列讲过R语言版本的，参考：跟着Cell学单细胞转录组分析(十二):转录组因子分析，但是R语言分析起来速度非常慢，如果你动辄上万的单细胞可能要运行好几周，这显然不现实。pySCENIC则很好的解决了这个问题，分析速度很快。官方教程参考：https://pyscenic.readthedocs.io/en/latest/一、软件安装老样子，还是先说一下安
转载
2023-11-21 17:25:16
256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
Scanpy数据结构：AnnDataAnnData是python中存储单细胞数据的一种格式1. AnnData数据结构：主要包含四个slots：X contains the expression matrix.obsm contains the embeddings data.obs contains the cell metadata.var contai
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
123阅读
在单细胞测序分析的领域，我们面临着如何高效处理和分析复杂数据的挑战。随着测序技术的飞速发展，数据量的增加和分析复杂度的提升，使得我们迫切需要一套可靠的Python代码来解决这一问题。本文将详细讲述我的分析过程，包括关键决策和架构设计，性能优化以及故障复盘等方面的心得，希望能对从事这一领域的同仁们提供一些借鉴。
## 初始技术痛点
在开始之前，我们需要明确单细胞测序分析所面临的主要问题。我们经常
学习目标 知道如何导入和读取数据，并了解数据的质控，能够对数据进行质控和分析。 1. 质控准备 在基
学习目标知道如何导入和读取数据，并了解数据的质控，能够对数据进行质控和分析。1. 质控准备在基因表达定量后，需要将这些数据导入到 R 中，以生成用于执行 QC（质控）。下面将讨论定量数据的格式，以及如何将其导入 R，以便可以继续工作流程中的 QC 步骤。
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。
此文章是通过学习瑞典国家生物信息学基础设施(NBIS) 所开放的单细胞分析教程加上网上所查找的资料，自身的理解所形成的，可能会有不足之处。该部分是对质控后的数据进行特征基因的选择和降维的过程。参考来源：https://nbisweden.github.io/workshop-scRNAseq/labs/compiled/seurat/seurat_01_qc.html感兴趣的话可以阅读原文。降维预
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
****单细胞评分我们之前说过AUCell和seurat自带的打分函数：跟着Cell学单细胞转录组分析(十一):单细胞基因评分|AUCell评分 我们之前讲过单细胞评分，一个是Seurat自带的打分函AddModuleScore()。一个是AUcell包。最近看到一个评分R包，感觉还是挺好的这里分享一下。Ucell是基于Mann-Whitney U统计的单细胞评分R包，灵感来源于SUCell，使用
文章目录简介安装初始化AnnData添加元数据观察或变量的元数据非结构化元数据层转换为DataFrame保存结果视图和副本部分读取pytorch模型与anndata接口惰性连接多个AnnData对象连接pytorch模型和AnnData对象命令h5lsh5dumph5diffh5debugh5checkh5ad可视化工具AnnData数据结构参考文献 简介AnnData ，Annotated D
转载
2024-04-26 18:29:18
318阅读
