coffeeii-CSDN博客

原创开始细胞互作的新篇章

转录组学提供了丰富的信息来推断细胞之间的相互作用和通讯，从而加速了在细胞群体中细胞角色的发现。不同研究领域的特定压力正推动着下一代计算工具的发展，使得新的概念机会和技术进步成为可能。更复杂的算法现在能够考虑到细胞的异质性和空间组织，多种配体类型和细胞内信号事件，并使得使用更大、更复杂的数据集成为可能，包括单细胞和空间转录组学。在这里，我们探讨了细胞-细胞相互作用研究的最新进展，并强调了下一代工具的多样化，这些工具产生了一个适用于不同应用的丰富工具生态系统，并且正在促进无价的发现。开始细胞互作的新篇章。

2024-01-28 23:59:21 400

原创 Seurat 单细胞转录组测序数据分析教程——R(monocle3)

Seurat 单细胞转录组测序数据分析教程——R(monocle3)

2024-01-14 22:27:14 1467 1

原创跟着官网学CellChat 从空间成像数据推断和分析空间信息的细胞间通信

2022 年 11 月 12 日加载所需的库第一部分：CellChat对象的数据输入&处理和初始化加载数据创建一个 CellChat 对象设置配体-受体相互作用数据库预处理细胞间通讯分析的表达数据第二部分：细胞间通信网络的推断计算通信概率并推断蜂窝通信网络在信号通路水平上推断细胞间通讯计算聚合的细胞间通信网络第三部分：细胞间通信网络的可视化第五部分：保存 CellChat 对象。

2023-06-07 00:26:16 1622

原创跟着Seurat官网学空间转录组（Slide-seq数据集为例）

Slide-seq版本。

2023-05-31 18:04:04 1672

原创跟着Seurat官网学空间转录组（10X数据集为例，包含细胞映射，无监督学习）

本教程演示如何使用 Seurat (>=3.2) 分析空间分辨的 RNA-seq 数据。虽然分析流程类似于用于单细胞 RNA-seq 分析的 Seurat 工作流程，但我们引入了更新的交互和可视化工具，特别强调空间和分子信息的整合。本教程将涵盖以下任务，我们相信这些任务对于许多空间分析来说都是常见的：正常化降维和聚类检测空间变化的特征交互式可视化与单细胞 RNA-seq 数据整合使用多个切片。

2023-05-30 23:48:38 3224

原创 Seurat 单细胞转录组测序数据分析教程（三）——python(scanpy)

文章参考至，做了一个更详细的解读。本教程探讨了 scanpy 的可视化可能性，分为三个部分：嵌入的散点图（例如 UMAP、t-SNE）使用已知标记基因鉴定簇差异表达基因的可视化在本教程中，我们将使用来自 10x 的数据集，其中包含来自PBMC的 68k 个细胞。Scanpy 在其分布中包括该数据集的简化样本，该数据集仅包含 700 个细胞和 765 个高度可变的基因。该数据集已经过预处理和 UMAP 计算。在本教程中，我们还将使用以下文献标记：B细胞：CD79A、MS4A1。

2023-05-23 23:35:04 3659

原创 Seurat 单细胞转录组测序数据分析教程（二）——python(scanpy)

文章参考至，做了一个更详细的解读。数据由来自健康捐赠者的 3k PBMC组成，可从 10x Genomics 免费获得。

2023-05-23 00:54:06 1512

原创 Seurat 单细胞转录组测序数据分析教程（一）

在本教程中，我们将通过一个简单的流程来介绍如何使用 Seurat 包来分析单细胞 RNA 序列测序数据。我们将特别强调数据的预处理和标准化，以及我们如何可以利用 SCTransform 工具。数据预处理数据预处理是分析流程中的第一步，它主要包括质量控制、过滤和标准化等步骤。在 Seurat 中，我们通常使用 CreateSeuratObject 函数来从原始计数矩阵创建一个 Seurat 对象。接着，我们可以通过 Seurat 对象中的元数据槽位来进行质量控制和过滤。# 过滤细胞和基因数据标准化。

2023-05-18 21:36:24 1085