专栏二十：如何选择你的单细胞亚群的分辨率--ROGUE

18kkk

已于 2025-01-20 21:37:16 修改

阅读量444

点赞数

分类专栏： R语言和python单细胞空间转录组绘图代码文章标签：学习生物信息学 r语言

于 2024-10-11 01:20:08 首次发布

本文链接：https://blog.csdn.net/m0_58549466/article/details/142835353

版权

R语言和python单细胞空间转录组绘图代码专栏收录该内容

该专栏为热销专栏榜第90名

27 篇文章 ¥59.90 ¥99.00

订阅专栏

超级会员免费看

这是继专栏十七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，这里主要是结合实战代码文章内容探讨一下这个算法

1.缘起

主要还是张泽民老师多次使用，文章很早发在NC上，题目是An entropy-based metric for assessing the purity of single cell populations

2.代码

包括下载代码，即开即用

devtools::install_github("PaulingLiu/ROGUE")
suppressMessages(library(ROGUE))
suppressMessages(library(ggplot2))
suppressMess

了解本专栏

订阅专栏解锁全文

超级会员免费看

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

18kkk

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

专栏目录

订阅专栏

专栏十七：如何选择你的单细胞亚群的分辨率--chooseR

m0_58549466的博客

08-14

459

单细胞测序Seurat的res选择--chooseR的方法

Single Cell—scRNA-seq

anyinglengtong的博客

01-02

1255

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。

参与评论您还未登录，请先登录后发表或查看评论

SCS 43. 单细胞数据中细胞群的纯度/异质性计算(ROGUE)

weixin_41368414的博客

07-22

2687

简介单细胞RNA测序(scRNA-seq)是一种发现和注释细胞类型和状态的通用工具，但细胞亚型的确定和注释往往是主观的和任意的。通常甚至不清楚给定的群集是否均匀。在这里提出了一个基于熵的统计，ROGUE以准确地量化鉴定细胞团的纯度并证明ROGUE指标是广泛适用的，并且能够在广泛的模拟和真实数据集上对聚类纯度进行准确，敏感和稳健的评估。将这一指标应用于成纤维细胞、B细胞和大脑数据，确定了额外...

SCENT:用单细胞熵估计单细胞效能

05-29

标题作者日期包裹输出使用 SCENT 和 CCAT 估算单细胞分化潜能的简要教程名称联系安德鲁·E·特申多夫中国科学院计算生物学重点实验室，PICB，SINH 伦敦大学学院 UCL 癌症研究所 2020-10-26 香味 BiocStyle::html_document toc_float 真的概括 SCENT包的主要目的是提供一种评估单细胞分化能力的方法，而无需假设先验生物学知识，例如标记表达或时间点。在高辍学率可能妨碍使用标记基因的情况下，在分化层次尚未建立的复杂组织的快照 scRNA-Seq 数据集中，或在人们可能想要识别推定的癌症组织中，这可能尤其重要。癌症干细胞表型。安装安装： library( devtools ) devtools :: install_github( " aet21/SCENT " ) 参考 Teschendorff AE

【ROGUE】assessing the purity of clusters

DerekRusso的博客

05-25

165

GitHub & BitBucket HTML Preview

游戏引擎学习第239天:通过 OpenGL 渲染游戏

虾球

04-22

1504

OpenGL 渲染逻辑成功嵌入平台层；已可运行测试，无重大崩溃；基础渲染结构已具备；已知限制：纹理尚未处理。下一步是继续观察输出验证绘制是否生效，然后逐步补上纹理相关支持，让图像完整显示。整个 OpenGL 接入工作已经完成了关键节点，逐步迈入功能扩展阶段。屏幕上确实只能看到一些基本的纯色图形由于当前还未集成纹理处理功能，因此大多数画面内容（如贴图、字体、图标等）都无法正确渲染。只要不是纯色矩形或简单形状，现阶段都不会显示。说明系统确实进入了 OpenGL 渲染路径。

FFmpeg源码学习---ffmpeg

weixin_48628145的博客

04-28

1003

│ 核心转码处理 │。│ 并打印用时信息 │。│ 解析命令行参数 options │。│ 检查输入输出文件 │。│ 记录基准测试起点 │。│ 记录基准测试终点 │。│ 清理资源释放内存 │。│ return 退出程序 │。│ 初始化 (日志/网络等) │。1、ffmpeg源码主函数。1.1初始化网络设备及日志。1.2解析命令行参数。

TypeScript 基础学习总结 | 从零到入门

m0_57997609的博客

04-28

317

TypeScript 基础学习总结 | 从零到入门

学习在暑假避免躺平和内卷（马井堂）

weixin_39501680的博客

04-29

329

‌记住‌：‌暑假的价值不在于“做了多少事”，而在于“找到属于自己的节奏”‌。暑假是自我提升的黄金期，但既要避免“躺平式摆烂”，又要拒绝“内卷式焦虑”，关键在于找到 ‌“有效努力”与“生活平衡”的结合点‌。‌反例‌：“我要学英语”（太模糊） → ‌正解‌：“每天用「百词斩」背20个雅思核心词+看1集《老友记》无字幕版”‌反例‌：“暑假减肥”（无路径） → ‌正解‌：“每周3次帕梅拉+记录饮食热量（用「薄荷健康」APP）”‌核心原则‌：关注“我比昨天进步了什么”，而非“别人比我多做了什么”。

ComfyUI 学习笔记，案例2：3d

04-30

224

ComfyUI 学习笔记，官方案例第二个 3d ，三D绘图。

学习海康VisionMaster之线圆测量

yuhouxiyang的专栏

04-29

720

工业自动化中很常见的应用尺寸测量，需要量测一个零件的外形尺寸，其中一项如果是需要测量圆心到直线边缘的距离，就会用到这个模块了。（5）：边缘阈值1：边缘梯度，只有实际的边缘梯度数值大于这个设定值，才会有效检测到边缘。（4）：边缘极性1：从黑到白：按照边缘查找方向，查找由黑到白的梯度变化的像素。（6）：滤波尺寸1：设定边缘的清晰程度条件，边缘如果越清晰，这个数值就要减小。（1）：绘制：相当于两个ROI检测框，一个检测直线，一个检测圆。（3）：边缘类型1：最强：查找边缘梯度阈值最大的边缘点，然后拟合成直线。

每日学习Java之一万个为什么？

Fqxiny的博客

04-26

720

*** @author : 戚欣扬*///定义一个标准CPU密集型设计线程池1L,try {i < 5;j++) {});// 备用队列（可选，用于暂存被拒绝的任务）@Override// 1. 记录日志// 2. 尝试将任务存入备用队列= null &&!try {// 3. 发送告警（可选，集成阿里云SLS或RocketMQ）// 4. 降级策略：丢弃低优先级任务（示例）return;

2025.4.21-2025.4.26学习周报

m0_58806853的博客

04-27

813

在本周阅读的论文中，作者提出了一种名为AHGCNN的自适应层次图卷积神经网络。AHGCNN通过将监测站点视为图结构中的节点，利用图卷积网络捕捉复杂的空间依赖性，并结合时间序列建模可以准确的预测未来空气质量变化。相较于传统模型，AHGCNN通过数据驱动的邻接矩阵生成，摒弃了依赖先验知识的固定邻接矩阵，从历史数据中学习站点间的真实空间关系，反映空气质量受气象条件、风向等动态因素影响的特性。

SLAM学习系列——ORB-SLAM3安装（Ubuntu20-ROS/Noetic）

qq_43326927的博客

04-26

796

目前时间：2023年1月24日。思考了很久安装ORB-SLAM3哪个版本，因为有博客说新版本似乎有些bug。但看了ORB-SLAM3在github上的发布时间，最近的提交时间为2022年2月10日，感觉应该修改完成了。因此，还是直接选择Master版本，(分支4452a3c)：因为感觉的提升还挺大的。-OpenCV静态矩阵更改为特征矩阵。跟踪和映射的平均代码加速分别为16%和19%。ORB-SLAM 3论文中报告的时间。- 新校准文件格式，参见文件Calibration_Tutorial。

OceanBase数据库-学习笔记4-租户

枫叶2000的博客

04-28

708

主要讲述了，租户的概念、分类、特点，已经资源池的创建，租户如何关联到资源池

AI大模型学习十四、白嫖腾讯Cloud Studio AI环境通过Ollama+Dify+DeepSeek构建生成式 AI 应用-接入DeepSeek大模型

浪淘沙jkp的专栏

04-28

384

我们今天干点啥呢，跟着官网走模型类型。在创建的应用中，用的是该类型的模型。智聊、对话名称生成、下一步问题建议用的也是推理模型。。在知识库中，将分段过的文档做 Embedding 用的是该类型的模型。在使用了知识库的应用中，将用户的提问做 Embedding 处理也是用的该类型的模型。已支持的 Embedding 模型供应商：OpenAI、ZHIPU(ChatGLM)、Jina AI(。已支持的 Rerank 模型供应商：Cohere、Jina AI(。将对话型应用中，将语音转文字用的是该类型的模型。

数据库Mysql学习——day7（多表查询（JOIN）进阶）

blackA_的博客

04-28

776

列出每个学生选的课程及任课教师姓名。

Pytorch深度学习框架60天进阶学习计划 - 第53天：自监督学习范式（一）

weixin_40780178的博客

04-28

614

Pytorch深度学习框架60天进阶学习计划 - 第53天：自监督学习范式（一）！如果文章对你有帮助，还请给个三连好评，感谢感谢！

进程控制的学习

2301_79790385的博客

04-27

467

进程控制（Process Control）是指。简单说，就是，而不会互相冲突或者出错。：比如你打开一个软件，系统就会创建一个新的进程。：决定哪个进程先用CPU、用多久（比如短时间内切换很多次，给人感觉“同时在运行”）。：比如一个进程在等待数据（读文件），系统就可以让它暂时停下来，等数据到了再继续。：比如你关闭一个软件，系统就把对应的进程彻底结束，释放资源。。你可以把想象成一种“”，就像你生活中的某些必须“一步到位”的事情一样。