我们继续完成pySCENIC的分析！本来想这一节可视化也讲了，但是不着急，我发现有些伙伴没搞明白原由，或者太会“衣来伸手饭来张口”，所以这里着重整理了需要下载的文件！！！上一节说了pySCENIC的分析环境配置及安装，除了这些，还有一些必要条件，例如相关文件的下载，一些数据转化等等。为了减轻大家的负担，文件我已经下载好了，包括人的、鼠的，以及转化文件的py脚本，已上传QQ群文件，群成员可在群里免费
导读前面我们已经整合了高质量的细胞，现在我们想知道细胞群中存在的不同细胞类型 ，因此下面将进行细胞聚类分析。 全部流程
学习目标描述评估用于聚类的主成分数量的方法根据重要的主成分对细胞进行聚类1. 目标生成特定细胞类型的簇并使用已知细胞类型的标记基因来鉴定簇的身份。确定簇是否代表真正的细胞类型或是由于生物学或技术变异而产生的簇，例如细胞周期 S 期的细胞簇、特定批次的簇或具有高线粒
在数据分析的时候，我们的目标是找到样本之间真实的生物学差异。但是这种真实的生物学因素往往会受到各种因素影响，举几个场景不同样本同一样本的生物学重复同一样本的技术重复同一样本在同一个实验室由同一团队在不同时间点处理同一细胞系/小鼠在不同实验室不同建库策略，10X平台，Drop-seq, SMART2-seq不同测序平台，BGI/Illumina不同分析流程(甚至一个工具的多个版本，如salmon，C
转载
2024-05-20 15:36:24
215阅读
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。该部分是整合不同批次的单细胞数据并矫正批次效应。整合方法目前，常见的整合方法一共有四种，具体如下：MarkdownLanguageLibraryRefCCARSeuratCellMNNR/PythonScater/ScanpyNat. Biotech.Conos
转载
2023-11-20 02:46:53
249阅读
什么是批次效应？大型的单细胞测序项目一般都会产生许多细胞，这些样本制备过程很难保持时间一致、试剂一致，另外上机测序的时候也不一定在同一个测序仪上。具体可以看这篇文章：https://www.nature.com/articles/nrg2825Batch effects are sub-groups of measurements that have qualitatively different
原创
2023-10-31 14:48:12
294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
一.读入10x数据并创建seurat对象#pbmc为外周血单个核细胞
library(Seurat)
pbmc.data <- Read10X(data.dir="E:/GSE152982_RAW/hg19")
pbmc <- CreateSeuratObject(counts=pbmc.data,project = "pbmc5k",min.cells = 3,min.feature
转载
2024-01-14 19:28:14
138阅读
文章目录什么是对多任务？电脑是如何实现多任务得原理什么样的cpu才好呢？是进程与多进程？那么在python中如何创建多进程进程的状态 什么是对多任务？简单理解就是，在同一时刻多个任务同时执行，例如开演唱会时明星一边唱歌，一边跳舞，每唱一句歌词，都要进行同步动作，就像视频中的图像与音频匹配。这个就是多任务场景，然而在生活中这种例子是比比皆是的。然而对于电脑而言，在操作系统中同时运行qq，微信，游览
**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
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
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
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
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
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
特殊情况下，需要对UMI的单细胞数据做imputation，补全缺失的数据。 工具很多，这篇paper已经帮你评估好了，直接用其推荐的工具即可。 A systematic evaluation of single-cell RNA-sequencing imputation methods 排名第一
转载
2021-06-23 15:53:00
409阅读
2评论
第2章: 使用ArchR推断Doublet单细胞数据分析中的一个重要问题就是"doublet"对分析的影响。"doublet"指的是单个液滴(droplet)捕获了一个条形码珠(barcode bead)和多个细胞核。这会导致原本来自于多个细胞的read结果被当成一个细胞，结果原来两个细胞被平均成一个细胞。我们在这一章中将会介绍如何使用计算的方法鉴定并过滤doublet。2.1 ArchR是如何鉴
下载W3Cschool手机App，0基础随时随地学编程导语Hi~~~“浮云一别后，流水十年间。”忙忙碌碌中发现又有多日没有更新公众号了，过来更一发~~~【下个月再开始推一些爬虫相关的内容吧，这个月确实没什么时间。】利用全卷积网络+滤波器实现细胞检测。让我们愉快地开始吧！相关文件密码: 5f5k开发工具Python版本：3.6.4相关模块：numpy模块；PIL模块；scipy模块；TensorFl
转载
2024-04-21 06:56:40
51阅读
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
单细胞多组学数据介绍①——单细胞甲基化数据一、甲基化数据格式介绍1.cpg level data2.feature level data3. loading data二、分析方法1./QC/: 质量控制(cpg_level)1.load R package2. Load sample metadata3.Load methylation data4.Plot QC statistics2. /d
转载
2024-01-21 04:42:54
382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
