③单细胞学习-pbmc的Seurat 流程

目录

1，数据读取

2，线粒体基因查看

3，数据标准化

4，识别高变基因

5，进行数据归一化

6，进行线性降维

7，确定细胞簇

8，UMAP/tSNE降维（保存pbmc_tutorial.rds）

补充：降维复现镜像

9，分析差异基因

10，可视化基因

11，定义细胞类型

1，数据读取

Analysis, visualization, and integration of Visium HD spatial datasets with Seurat • Seurat (satijalab.org)

rm(list = ls()) 
library(dplyr)
library(Seurat)
library(patchwork)
# Load the PBMC dataset :注意需要将文件解压后才能读取处理
#解压后包括三个文件barcodes.tsv;genes.tsv ;matrix.mtx
pbmc.data <- Read10X(data.dir = "D:/2024年5月30日pbmc流程/pbmc3k_filtered_gene_bc_matrices")
# #用原始数据（非规范化数据）初始化Seurat对象
pbmc <- CreateSeuratObject(counts = pbmc.data, 
                           project = "pbmc3k", 
                           min.cells = 3, # min.cell：每个feature至少在多少个细胞中表达(feature=gene)