Single Cell—scRNA-seq

Seurat -- Normalize Data 首先RC这种normalization.method我们就不考虑了,和LogNormalize比较你可以发现LogNormalize 之前做的就是RC然后做了log转化。log转化让方差稳定而且非正态的数据近似于正态分布了。最主要要比较的是CLR和LogNormalize,CLR称为中心对数转化,具体原理和算法需要技术文档帮助,这里不写了。我读到这里才发现改函数还会对原始的counts数据进行矫正,然后放到。上述构建的seurat object。 阅读详情

单细胞scRNA-seq

单细胞RNA测序(scRNA-seq)技术已成为解开单个细胞内RNA转录物的异质性和复杂性,以及揭示高度组织化组织/器官/生物体内不同细胞类型和功能的组成的最先进方法。通过单细胞RNA测序,现在可以在一项研究中分析超过数百万个细胞的单细胞水平的转录组。这使我们能够在转录组水平上对每个细胞进行分类、表征和区分,从而识别出稀有但功能重要的细胞群。

在本教程中,我们将分析来自 10X Genomics 的免费提供的外周血单个核细胞(PBMC)数据集。有 2700 个单细胞在 Illumina NextSeq 500 上进行了测序。

数据下载

pbmc数据下载

创建Seurat对象

首先读取数据。Read10X() 函数读取 10X 的 cellranger 管道输出,返回一个唯一分子标识(UMI)计数矩阵。该矩阵中的值表示每个特征(即基因;行)在每个细胞(列)中检测到的分子数量。

接下来,我们使用计数矩阵创建一个 Seurat 对象。该对象充当一个容器,其中包含单细胞数据集的数据(如计数矩阵)和分析(如主成分分析或聚类结果)。

#下载需要的R包
install.packages("Seurat")
install.packages("dplyr")
install.packages("cowplot")
install.packages("patchwork")

#加载包
library(dplyr)
library(patchwork)
library(Seurat)

#用Read10x()函数读取刚才下载的文件,文件路径就是之前下载数据的路径
pbmc.data <- Read10X(data.dir = "D:/R/seurat/filtered_gene_bc_matrices/hg19/")
#挑选细胞个数和特征集,创建Seurat对象
pbmc <- CreateSeuratObject(counts = pbmc.data, project = "pbmc3k", min.cells = 3, min.features = 200)
pbmc

pbmc数据格式展示

标准数据预处理流程

这部分包括基于质量控制(QC)指标选择和过滤细胞、数据标准化和缩放以及检测高变特征。

质量控制以及挑选细胞以作进一步分析

Seurat允许根据任何自定义的标准来进行QC质控和过滤细胞

  • 在每个细胞中检测到的独特基因的数量
    • 低质量的细胞或空液滴通常只有很少的基因
    • 细胞双核或多核会表现出更高的基因表达
  • 细胞内检测到的分子总数(与独特的基因密切相关)
  • 读取到线粒体基因组的百分比
    • 低质量/死亡细胞通常表现出广泛的线粒体污染
    • 我们可以使用PercentageFeatureSet()函数来计算线粒体计算线粒体QC指标,该函数计算源自一组特征的计数百分比
    • 使用以MT-开头的所有基因集合作为一组线粒体基因
pbmc[["percent.mt"]] <- PercentageFeatureSet(pbmc, pattern = "^MT-")
#显示前5个细胞的QC指标
head(pbmc@meta.data, 5)

QC指标
在下面的示例中,我们可视化QC指标,并使用它们来过滤单元格。

#可视化QC指标看一下三者的分布状态
VlnPlot(pbmc, features = c("nFeature_RNA", "nCount_RNA", "percent.mt"), ncol = 3)
#关闭打开的图
while (!is.null(dev.list()))dev.off()

可视化QC指标

#FeatureScatter()函数常被用来可视化feature-feature关系
plot1 <- FeatureScatter(pbmc, feature1 = "nCount_RNA", feature2 = "percent.mt")
plot2 <- FeatureScatter(pbmc, fea
单细胞RNA-seq分析 一、单细胞single cell RNA-seq简介 1、Bulk RNA-seq(大量RNA-seq) Measures the average expression level for each gene across a large population of input cells Useful for quantifying expression signatures from ens... 阅读详情

相关推荐

单细胞(Single cell RNA-seq)教程课程与github资源

单细胞(Single cell RNA-seq)教程课程与github资源

LittleComputerRobot的博客 1125

scVI与空间转录组整合:单细胞数据分析实战

单细胞转录组测序(scRNA-seq)和空间转录组(ST)是解析细胞异质性和空间组织的关键技术。通过变分自编码器(VAE)框架,scVI工具包能够有效整合这两种模态的数据,解决跨模态对齐的难题。该技术不仅提升了细胞类型注释的准确性,还在肿瘤微环境研究中将免疫细胞亚群的分辨率提高了40%以上。本文详细介绍了基于scVI的数据预处理、联合嵌入、跨模态对齐和注释迁移的全流程,并分享了在实际项目中的优化技巧和常见问题解决方案。

cishan3804的博客 352

11个数据集+1,226个任务!LLM单细胞注释金标准

单细胞测序革命实现了对数千个单个细胞多种模态的同步分子表征,使科学家能够研究复杂组织的多样功能。在所有分析步骤中,将单个细胞分配到特定类型是理解细胞异质性的基础。然而,这一过程耗时费力,且需要丰富的专业知识。近年来,大语言模型(LLM)的进展已证明其能够自动提取标记基因等生物学知识,推动细胞类型注释向高效、自动化方向发展。为评估现代LLM在自动化细胞类型识别中的能力,首先提出了带有综合基准的自动细胞类型注释方法——单细胞组学领域(Single-cell Omics Arena, SOAR)。

多组・学・多组学 394

从SRA到Fastq:scRNA-seq数据拆分实战与10X文库解析

本文详细介绍了从SRA到Fastq的scRNA-seq数据拆分实战流程,重点解析10X文库结构及数据拆分技巧。通过fastq-dump工具实现SRA文件到Fastq格式的转换,深入讲解样本索引、细胞条形码和UMI的作用,并提供批量处理脚本和质量把控要点,助力单细胞测序数据分析。

weixin_42525385的博客 217

专栏二十:如何选择你的单细胞亚群的分辨率--ROGUE

ROGUE这是继chooseR后第二个计算单细胞亚群分辨率的内容,其实关于代码的运行很简单,网上已经有不少教程,重复这些就没意思了,这里主要是结合探讨一下这个算法。

m0_58549466的博客 983

Mendix 开发实践指南|Mendix平台概览

低代码开发是一种将编码从文本形式转变为视觉形式的应用开发方法。它提供了一个模型驱动的、拖放式的界面,而不是传统的编码环境,使得各种技能水平的开发者——包括专业开发人员、新手、主题专家、业务利益相关者和决策者——都能使用低代码工具来构建驱动价值的企业业务应用。低代码的核心在于提高开发的可访问性和效率,让更多人能够参与到应用开发中来​​。Mendix适用于多种应用场景,包括企业级应用、移动应用、物联网(IoT)应用和微服务架构等。

多年搬砖的经验分享... 4416

GD32F303驱动WS2812B灯带:用TIMER+PWM+DMA解放CPU,实现流畅灯效(附完整代码)

本文详细介绍了基于GD32F303的TIMER+PWM+DMA全自动控制方案,用于高效驱动WS2812B灯带。通过硬件外设协同工作,该方案不仅解放了CPU资源,还能实现复杂的灯光效果,如渐变、流水等。文章提供了完整的代码实现和性能优化技巧,适合嵌入式开发者参考。

weixin_42561143的博客 383

在trae CN中使用conda环境(已解决)

Trae CN 是字节跳动于 2025 年 3 月 3 日发布的国内首个 AI 原生集成开发环境(AI IDE)123。

zwzscnds的博客 6944

ROSTEA软件下载及情感分析详细操作教程(附网盘链接)

原ROST虚拟团队出品的ROST系列文本内容挖掘分析平台,是辅助人文社会科学研究的免费计算平台。该软件可以实现文本预处理、分字、分词、词性识别、特殊名词抽取、词频统计、英文词频统计、情感计算、分类算法、聚类算法等一系列文本挖掘,是人文社科研究和论文写作的一把利器。该软件用户量超过一万人,遍布海内外100多所大学,包括剑桥大学、日本北海道大学、北京大学、清华大学、香港城市大学、澳门大学等众多高校。关于ROSTCM6的安装介绍可以参考之前的文章ROSTCM6软件下载及语义网络分析详细操作教程ROST EA。

m0_64336780的博客 1万+

分类预测 | MATLAB实现ELM极限学习机多特征分类预测(二分类)

分类预测 | MATLAB实现ELM极限学习机多特征分类预测(二分类)

机器学习之心的博客,关注并私信文章链接,获取对应文章源码和数据。 781

【100%通过率】华为OD机试真题 Java&Go 实现【水库蓄水问题】【2022.11 Q4 新题】

给定一个长度为 n 的整数数组height。数组的元素表示山的高度,选择两个元素作为水库的边界,求蓄水量的最大值并输出蓄水量最大时的边界下标(蓄水量相同时输出下标较近的)。

MISAYAONE的博客 1万+

OpenHarmony RK3568 从 32 位切换到 64 位用户空间指南

修改了编译参数(如修复 Q5 后),但 ThinLTO 缓存中保留了旧参数编译的 bitcode。这是一种节省内存的设计(32 位指针占 4 字节 vs 64 位占 8 字节),但在某些场景下需要切换为纯 64 位。切换到 64 位用户空间后,CPU 全程运行在 AArch64 状态,不再需要 AArch32 兼容模式。内核本身已经是 64 位(aarch64),切换用户空间位数不影响内核。(32 位兼容层)在纯 64 位系统中不再需要,可以关闭以减小内核体积。这两个参数对 64 位编译毫无意义,配合。

程小二的博客 693

3步!Spring Boot+OCR引擎秒提身份证/营业执照?手把手教你从零实现!

OCR技术革新文档识别效率 本文演示了如何利用Spring Boot+Tesseract OCR+OpenCV构建自动化文档识别系统。相比传统人工录入,OCR技术可实现: 5秒极速提取身份证/营业执照关键信息 精准识别中文文本(准确率90%+) 正则过滤自动匹配结构化数据 技术要点: OpenCV图像预处理(灰度化+二值化) Tesseract多语言OCR识别 正则表达式精准提取证件号码 效率提升达100倍,错误率降低90%,适用于金融、政务等需要批量处理证件的场景。

java专栏 906

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

上一篇: 生信分析—差异分析,聚类分析,相关性分析
下一篇: Single Cell ——scATAC-seq并整合scRNA-seq数据
anyinglengtong
博客等级 码龄5年 249粉丝 27原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址