单细胞
TTS56
1. 单细胞数据分析
2. 图像识别
3. 单细胞 + 深度学习
4. 数据可视化
展开
-
BD Rhapsody单细胞分析系统
SUM: BD 单细胞测序上游流程。原创 2022-08-29 15:08:47 · 2030 阅读 · 4 评论 -
Qc View
### ---------------###### Create: Yuan.Sh### Date: 2022-05-17 09:54:47### Email: yuansh3354@163.com### Blog: https://blog.csdn.net/qq_40966210### Fujian Medical University### tips: View qc### ---------------############# Step.00 ############# # c原创 2022-05-17 10:22:05 · 191 阅读 · 0 评论 -
基于 python 的单细胞转录因子分析
基于 python 的单细胞转录因子分析pyscenic文章目录基于 python 的单细胞转录因子分析前言Main前言流程极为简单,几乎没有任何难度MainInstall pyscenic!Attention, python version >=3.7pip install pyscenicDownload reference dataswget -c https://github.com/aertslab/pySCENIC/archive/refs/heads原创 2021-11-23 09:37:35 · 1644 阅读 · 0 评论 -
单细胞轨迹分析-dyno
单细胞轨迹分析——dyno文章目录单细胞轨迹分析——dyno前言安装详细过程请参照Main前言安装详细过程请参照一些装不上的软件,报错请务必注意关闭一切的代理!!勘误:一开始把文章中的P** 与数据中的 BIOKEY** 误认为是对等的,结果导致有两幅图是错误的。Main1. import packages# cleanrm(list = ls())gc()# packages)library(dyno)library(tidyverse)library(Matri原创 2021-11-01 10:32:30 · 816 阅读 · 0 评论 -
单细胞转录组——SingleR自动注释
# The objective of this R script: Run SingleR # Author: Yuan.Sh# Date: 2021-10-07 17:07:34# Blog: https://blog.csdn.net/qq_40966210/category_11165022.html# Best Regards, # Yuan.Sh (Major in Bioinfomatics & Deep-learning)# -----------------------原创 2021-10-08 14:20:30 · 1859 阅读 · 2 评论 -
inferCNV与Copykat使用的基本流程指导
InferCNV # 第一个文件count矩阵 dfcount = as.data.frame(sce@assays$RNA@counts) # 第二个文件样本信息矩阵 groupinfo= data.frame(cellId = colnames(dfcount)) identical(groupinfo[,1],sce@meta.data$cell_id) groupinfo$cellType = sce@meta.data$cell_annotion # 记录细胞分组信息原创 2021-09-29 10:23:14 · 3167 阅读 · 0 评论 -
关于——细胞通讯分析-CytoTalk_软件运行过程遇到的问题
该软件发表在Science的子刊运行示例已经写的非常清楚了,这里就不做任何的解释了主要会遇到的问题进行记录首先第一个问题,pcst_fast的安装:可能由于兼容性问题,在使用pip install pcst_fast在python3.8中无法下载有两种解决办法安装3.7版本的python进入Github主页,下载pcst_fast,解压后进入文件夹,使用下面的代码安装python setup.py install第二个问题就是在调用JobRun_Parallel.R中的system("原创 2021-09-29 10:08:43 · 511 阅读 · 0 评论 -
PseudotimeDE(改版)——基于Seurat 对象的基因时序分析
导入必要的包suppressPackageStartupMessages(library(PseudotimeDE))suppressPackageStartupMessages(library(SingleCellExperiment))suppressPackageStartupMessages(library(slingshot))suppressPackageStartupMessages(library(tibble))suppressPackageStartupMessages(lib原创 2021-09-14 16:06:31 · 1287 阅读 · 0 评论 -
(单细胞-SingleCell)单细胞可变剪切流程(一)
构建STAR的索引# 使用10X的参考数据构建star索引STAR \ --runMode genomeGenerate \ -- runThreadN 28 \ --genomeDir ~/bioreference/index/10x-star \ --genomeFastaFiles ~/bioreference/10x/grch38_10x/fasta/genome.fa \ --sjdbGTFfile ~/bioreference/10x/grch38_10x/genes/genes.原创 2021-02-26 00:24:47 · 1437 阅读 · 0 评论 -
(单细胞-SingleCell)单细胞标准流程(简化版)
seurat流程# 1.构建对象min.cells = 0 # min.cells 某一个基因至少在多少个基因中表达min.features = 0 # min.features 某个细胞至少表达多少个基因sce = CreateSeuratObject(counts = raw.data,metadata = metadata,min.cells =min.cells,min.features =min.features)sce = AddMetaData(object = sce,metada原创 2021-02-25 00:39:40 · 2426 阅读 · 0 评论 -
(单细胞-SingleCell)拟时序分析-细胞轨迹追踪
在细胞轨迹分析中,仅需要准备三个数据即可原始count数据样本的meta信息基因信息准备三个数据的主要原因是将seurat对象装换为monocle对象创建好monocle对象后仅需要走差异基因流程和排序流程就可以进行细胞轨迹追踪# clearif(T){ rm(list=ls()) setwd("C:\\Users\\yuansh\\Desktop") dir()}# optionsif(T){ options(stringsAsFactors = F) opt原创 2021-02-25 00:34:25 · 5154 阅读 · 1 评论 -
007_10X突变位点分析和infercnv对比(一)
VarTrix 突变位点分析对比inferCNV(一) 动机:记录10x公司开发的软件工具VarTrix和inferCNV,在肿瘤细胞识别中的区别和联系我一开始以为这个很简单,一天就能弄完,没想到后来问题越来越多,时间越拖越久。。我觉得我离被拉入黑名单不远了Cellranger 流程 下载10X的测试数据 因为主要是针对肿瘤细胞的,于是下载10x公司的胶质瘤测试数据# 下载10x的胶质瘤数据,主要是为了测试一下infercnv和这个10x开发的软件的具体区别在哪里wget -c http原创 2021-02-24 12:04:23 · 893 阅读 · 0 评论 -
(单细胞-SingleCell)单细胞SCCAF自动化聚类
SCCAF:全称为单细胞聚类评估框架,是一种全新的单细胞推断细胞类型的方法该方法的核心就是通过不停的聚类评估在聚类在评估的方法最后筛选出最优的细胞类型SCCAF方法不仅会识别出特异性的细胞类型,还会识别出各种类型中的细胞对应的marker基因关于这个方法和文章我就不多做介绍了,下面的这个教程,做了很深入的讲解https://mp.weixin.qq.com/s/AnhKvVlr_2uzEz2jY_nNbA那么,直接进行试验看一下到底有啥用请务必参考官方文档https://pypi.org/原创 2021-02-24 12:01:44 · 1865 阅读 · 0 评论 -
(单细胞-SingleCell)Scanpy流程——python 实现单细胞 Seurat 流程——单细胞文献实战
导入模块import scanpy as scimport osimport mathimport itertoolsimport warningsimport numpy as npimport pandas as pdimport matplotlib.pyplot as plt%matplotlib inline%config InlineBackend.figure_format = 'svg'warnings.filterwarnings("ignore")plt.rc('原创 2021-02-24 11:47:30 · 8130 阅读 · 3 评论 -
(单细胞-SingleCell)Seurat流程文献复现——单细胞实战分析流程
单细胞项目:来自于30个病人的49个组织样品,跨越3个治疗阶段Therapy-Induced Evolution of Human Lung Cancer Revealed by Single-Cell RNA Sequencing这篇教程我将分为四个阶段完整的阐述单细胞的主流的下游分析流程数据预处理(数据准备阶段)seurat 基础分析免疫细胞识别inferCNV 的实现先来第一部分数据预处理这里的数据预处理很自由,其中一部分是必须按照严格的标准进行比如计算外源基因,线粒体, 核糖原创 2021-02-24 11:46:48 · 9616 阅读 · 9 评论 -
004 文献实战 01
getwd()setwd('~/Desktop/SingleCellDeepLearning/单细胞/10X/')dir()library(magrittr)library(stringr)options(stringsAsFactors = F)options(as.is = T)rawDf = read.table('GSE84465_GBM_All_data.csv.gz') # 表达谱rawAnno = read.table("SraRunTable.txt",sep = ",",原创 2021-02-24 11:46:06 · 509 阅读 · 0 评论 -
003_10X基础下游分析流程
第一步是导入包rm(list=ls())options(stringsAsFactors = F)library(Seurat)library(dplyr)library(stringr)library(magrittr)setwd('~/Desktop/SingleCellDeepLearning/单细胞/10X/')读取数据这里注意一下,这个代码只读取了一套数据,如果是多样本处理的话要先进行样本整合# 读取数据# filtered_feature_bc_matrix 下面应该要有原创 2021-02-24 11:45:32 · 668 阅读 · 0 评论 -
002_单细胞流程简化版
log高变基因标准化pca构建图聚类tsneseurat流程# 1.构建对象min.cells = 0 # min.cells 某一个基因至少在多少个基因中表达min.features = 0 # min.features 某个细胞至少表达多少个基因sce = CreateSeuratObject(counts = raw.data,metadata = metadata,min.cells =min.cells,min.features =min.features)sce = .原创 2021-02-24 11:45:04 · 371 阅读 · 0 评论 -
000_cellranger 预备流程
环境配置(这里的环境配置和 RNA 流程的环境配置一样)conda createconda install -y sra-toolsconda install -y trimmomaticconda install -y cutadapt multiqc conda install -y trim-galoreconda install -y star hisat2 bowtie2conda install -y subread tophat htseq bedtools deeptools原创 2021-02-24 11:38:12 · 486 阅读 · 0 评论