在单细胞数据分析中，通常依赖Seurat的聚类结果进行差异表达分析。然而，如果已有预定义的Cell Type，可以通过设置Seurat对象的相应slot来直接进行差异表达分析。本文档介绍了如何利用Seurat的FindMarkers函数，结合自定义的Cell Type信息（如'MCA_anno'），来找出不同类型的差异表达基因。
通常情况下，按照Seurat 的流程，对于研究单细胞数据差异表达会用“聚类”的结果，再利用 FindMarkers函数 找到不同类别的差异表达基因。
// R code
markers <- FindAllMarkers(pbmc, only.pos = TRUE, min.pct = 0.25, logfc.threshold = 0.25)
详细步骤在Seurat 的官方帮助文档中：链接: link
而在实际应用中，如果我们已知单细胞数据的Cell Type（可能通过其他方式得到），也想用 FindMarkers函数来做差异表达分析，可以用下列方式 来定义：
// R code
sinlgecelldata %>% dplyr::glimpse()
Formal class ‘Seurat’ [package “SeuratObject”] with 13 slots
…@ assays :List of 1
… …$ RNA:Formal class ‘Assay’ [package “SeuratObject”] with 8 slots
…@ meta.data :‘data.frame’: 30138 obs. of 4 variables:
… …$ orig.ident : Factor w/ 1 level “SeuratProject”: 1 1 1 1 1 1 1 1 1 1 …
… …$ nCount_RNA : num [1:30138] 737 1673
最低0.47元/天 解锁文章
262
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
