![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
单细胞
文章平均质量分 61
TS的美梦
这个作者很懒,什么都没留下…
展开
-
ggplot分组散点图,坐标轴截断,添加四分位图,显著性检验
近日在《The new england journal o f medicine》杂志看到一篇文章的图,如下,这种图应该是用GraphPad prism做的,图的特点是散点统计图,仔细观察中间还展示了平均值和四分位数,坐标轴也是截断的。这里我们使用R来做一下。image.png(Reference:A Novel Circulating MicroRNA for the Detection of Acute Myocarditis)示例数据及注释代码已上传群文件!首先读入数据,包含表达值和分组:计算四原创 2022-06-10 10:14:48 · 3077 阅读 · 2 评论 -
跟着Cell学单细胞转录组分析(五):单细胞转录组marker基因鉴定及细胞群注释
书接上回(跟着Cell学单细胞转录组分析(四):单细胞转录组测序UMAP降维聚类)。完成数据降维和细胞聚类后,最主要的环节和工作就是确定各个细胞群,明确是什么类型的细胞,正群的细胞定群很关键,涉及到整个研究,所以这一步宁愿多费时间,也不要出错。当然,这也不是一蹴而就的,需要反复的确认。要确定各个群是什么细胞,首先需要了解细胞群的marker基因,因为不同类型的细胞突出 表达的基因也是不同的。这里使用FindAllMarkers鉴定各个细胞群的高表达基因。DefaultAssay(scedata)原创 2022-03-03 10:06:12 · 6646 阅读 · 1 评论 -
跟着Cell学单细胞转录组分析(四):单细胞转录组测序UMAP降维聚类
更多内容请关注个人公众号---KS科研分享与服务---接上节(跟着Cell学单细胞转录组分析(三):单细胞转录组数据质控(QC)及合并去除批次效应)。数据合并之后,就需要跑标准的Seurat分析流程了。在《cell》文章中,作者还计算了细胞周期评分,因为我们收集到的细胞可能处于不同的分裂时期,所以看周期是很有必要的,尤其是针对具体的研究目的。在示例数据中,可以看到,各个样品细胞周期基本一致。s.genes <- cc.genes$s.genesg2m.genes <- cc.ge原创 2022-03-01 18:19:21 · 4922 阅读 · 1 评论 -
着Cell学单细胞转录组分析(三):单细胞转录组数据质控(QC)及合并去除批次效应
更多内容请访问个人公众号---KS科研分享与服务---接上节(跟着Cell学单细胞转录组分析(二):单细胞转录组测序文件的读入及Seurat对象构建)。构建完Seurat对象之后,我们还需对数据进行一些列的质控,参能进行降维聚类分析,QC对于后续的分析影响还是比较大的,所以要重视。一般下游分析QC包含: 细胞基因检出数,低质量细胞基因检出数通常较低,双细胞或者同时捕获多个细胞会有很高的基因数。所以要去除低质量的,和过高的细胞。 细胞检测出的分子数 线粒体基因比例,一般低原创 2022-02-28 19:09:38 · 5237 阅读 · 7 评论 -
跟着Cell学单细胞转录组分析(二):单细胞转录组测序文件的读入及Seurat对象构建
分析单细胞转录组测序的软件和方法有很多,最流行的莫过于Seurat包,可以完成单细胞分析整个流程,我们整个教程也是基于R语言Seurat包来实现的,所以首先安装包:BiocManager::install("Seurat")library(Seurat)单细胞文件形式各式各样,但是最终分析需要的目的文件是一个矩阵,行位基因,列为细胞。这里我们介绍几种常见的文件形式,将他们读入R,并构建可以后续处理的Seurat对象。1、10X单细胞测序文件这应该是最常见的,一般10X下机。经过前期处原创 2022-02-25 18:02:19 · 7494 阅读 · 14 评论 -
Cellcall:细胞间通讯分析工具(单细胞数据生信实操)
近日,做单细胞细胞间通讯分析,发现又有新的方法出现---cellcall,文章发表在Nucleic Acids Research杂志。看了一下,这个方法相比于Cellchat、cellphonedb等,在可操作性方面就具有优势,不会有技术难题。此外在结果方面,受配体信息更加全面!所以很值得一试!分析源代码作者也提供了,见https://github.com/ShellyCoder/cellcall。这里我们还是以学习介绍为主。1、cellcall包介绍CellCall 是一个通过整合细胞内..原创 2021-12-08 12:59:05 · 3982 阅读 · 0 评论 -
单细胞数据可视化---Dotplot个性化修饰的一个简单小例子
这里分享一种单细胞数据可视化的图形修饰。先加载一个seurat公共的单细胞数据集InstallData("pbmc3k")data("pbmc3k")PBMC <- pbmc3k.finalPBMC = UpdateSeuratObject(object = PBMC)一般展示marker基因用这种点图:Markers <- c('AGER','SCGB3A2','TPPP3','CD68','FCN1','CD1C','CD14','MARCO',原创 2021-12-08 12:53:53 · 8703 阅读 · 6 评论