SCS【31】减少障碍,加速单细胞研究数据库(Single Cell PORTAL)

55af38bd7907b364c9c88c1f81cfbdd6.gif


细胞生信分析教程

桓峰基因公众号推出单细胞生信分析教程并配有视频在线教程,目前整理出来的相关教程目录如下:

Topic 6. 克隆进化之 Canopy

Topic 7. 克隆进化之 Cardelino

Topic 8. 克隆进化之 RobustClone

SCS【1】今天开启单细胞之旅,述说单细胞测序的前世今生

SCS【2】单细胞转录组 之 cellranger

SCS【3】单细胞转录组数据 GEO 下载及读取

SCS【4】单细胞转录组数据可视化分析 (Seurat 4.0)

SCS【5】单细胞转录组数据可视化分析 (scater)

SCS【6】单细胞转录组之细胞类型自动注释 (SingleR)

SCS【7】单细胞转录组之轨迹分析 (Monocle 3) 聚类、分类和计数细胞

SCS【8】单细胞转录组之筛选标记基因 (Monocle 3)

SCS【9】单细胞转录组之构建细胞轨迹 (Monocle 3)

SCS【10】单细胞转录组之差异表达分析 (Monocle 3)

SCS【11】单细胞ATAC-seq 可视化分析 (Cicero)

SCS【12】单细胞转录组之评估不同单细胞亚群的分化潜能 (Cytotrace)

SCS【13】单细胞转录组之识别细胞对“基因集”的响应 (AUCell)

SCS【14】单细胞调节网络推理和聚类 (SCENIC)

SCS【15】细胞交互:受体-配体及其相互作用的细胞通讯数据库 (CellPhoneDB)

SCS【16】从肿瘤单细胞RNA-Seq数据中推断拷贝数变化 (inferCNV)

SCS【17】从单细胞转录组推断肿瘤的CNV和亚克隆 (copyKAT)

SCS【18】细胞交互:受体-配体及其相互作用的细胞通讯数据库 (iTALK)

SCS【19】单细胞自动注释细胞类型 (Symphony)

SCS【20】单细胞数据估计组织中细胞类型(Music)

SCS【21】单细胞空间转录组可视化 (Seurat V5)

SCS【22】单细胞转录组之 RNA 速度估计 (Velocyto.R)

SCS【23】单细胞转录组之数据整合 (Harmony)

SCS【24】单细胞数据量化代谢的计算方法 (scMetabolism)

SCS【25】单细胞细胞间通信第一部分细胞通讯可视化(CellChat)

SCS【26】单细胞细胞间通信第二部分通信网络的系统分析(CellChat)

SCS【27】单细胞转录组之识别标记基因 (scran)

SCS【28】单细胞转录组加权基因共表达网络分析(hdWGCNA)

SCS【29】单细胞基因富集分析 (singleseqgset)

SCS【30】单细胞空间转录组学数据库(STOmics DB)

这期继续为大家介绍单细胞好用的数据库及在线工具,就像之前说的那样,数据库及在线工具用的好,即使不会写代码也可以发高分,事半功倍的效果,继续介绍的单细胞数据库为SCP (Single Cell PORTAL),有些类似 TCGA PORTAL的使用,下面仔细看下吧!

简介

开发单细胞门户是为了促进科学成果的共享,并传播由单细胞技术产生的数据。我们努力使开放科学和开放数据具有互动性、简单性和强大性。我们希望你能成为这一惊人的科学努力的一部分!

网站:https://singlecell.broadinstitute.org/single_cell

b7798adaf355dcdc470573970b293c39.png

当您在门户网站中进行研究时,其他人将能够:

  • 查看您的单细胞和单细胞集如何聚集的多个高度交互式可视化。为了增强这些图,您可以指定许多元数据(分类的和连续的),以便其他人使用颜色在您的细胞聚类上进行探索。

  • 可视化通过细胞绘制并按细胞数据分组的基因表达。例如,人们可以通过不同的测试和控制来探索基因,或者通过与世界交流的新细胞群来探索基因。

  • 发现基因在不同细胞聚类上的表达,使他们有机会探索不同细胞群中的基因表达模式(先验地称为某些细胞的标记基因,或负责细胞新分类或功能的基因)。

  • 与你在研究中发现对你的科学很重要的基因面板进行交互。

  • 下载数据、潜在表达矩阵或fastqs文件,以进一步探索和建立您的科学,在科学文献中产生合作和引用。

在线可以通过两种方式实现数据的搜索及可视化,包括:通过学术研究搜索相关数据,也可以根据基因搜索相关数据,选择对应的物种,组织等信息。

  • 在线搜索研究项目

进入官网之后,我们就可以看到 "search studies", 就可以通过organ, species, disease, cell type 等过滤掉一些不相关的内容:

ab16a8d09610919929999ab9171bb613.png

点击“More facets”可以看到其他三个过滤条件:

4ca7c45ebc6fb251ade3eaca725bfe83.png

我们选择第一个研究成果,除了显示title,可以看到title下面显示 5759 Cells,也就是我们可以对这些细胞进行细致的分析。

614aca45e11c722b702a94ca2bd4102a.png

进入这个研究项目之后,我们就可以进一步分析这些细胞了,首先是summary,这里包括研究项目的介绍:

3bd4631e6e566396716eb64cc8ac515f.png

然后就是 Explore,这里面就包括多个高颜值绘图功能,非常好用,直接下载这里面的图片都是 CNS级别的,都可以直接使用在自己的文章中。绘图包括 Scatter, Distribution, Correlation, Dot plot 和 Heatmap,右侧可以根据需求进行设置。

1. 绘制散点图(Scatter)

马上出现的是所有细胞的Annotated Clusters, 也就是散点图的绘制。

c272f95aef4bed117da3efc10891ac3e.png

当我们输入一个基因时,右侧会显示可以绘图的内容包括:Scatter and Distribution,其他都为灰色,也就是灰色针对一个基因是分析不了的。上方图显示与PTEN这个基因相关的基因包括:Interactiong gene, Paralogous gene, Searched gene。

d01b25fd45f665b2039bf3c8e732dd20.png

右侧可以根据需求更改一些参数,包括聚类,注释,样本选择,以及散点图的颜色等。

8d7bd546f91f6e76cf75522a236c0d37.png

2. 绘制分布图(Distribution)

选择Distribution, 可以看到基因所在的细胞类型中的分布值,同时也可以选择 Plot type, 包括 小提琴图和箱线图两种。

ee87691855d84b262a39225d04e45992.png

778c937a8811baeec6b64d53474980b0.png

3. 绘制相关图(Correlation)

当我们增加一个基因时候,会显示 Correlation, Dot plot and Heatmap 是可以使用的,这是我们看到数据表达量上看不出来区别。

777af86d9fe33ffffa3bef761b11d407.png

这时我们可以选择右侧的参数设置,Collapse genes by Mean, 这时就显示散点图的方式了。

8a7abd2c8c70539c55c66b14f336b916.png

也可以根据Anntotion选择注释的依据,比如根据cell_type_ontolog_label聚类:

4ca20d893e474336b424484edb5f456e.png

根据biosample_id聚类:

0cf6b384b006f5d589413ebc900d3c66.png

根据 donor_id 聚类还有其他的一些选择,但是需要数据集里面具有这些信息就可以选择。

f6d8228344424caac7cff6ce0a7147e1.png

4. 绘制点图(Dot plot)

同样可以绘制点图,参数的选择不同出现结果也不一样,根据自己的实际情况选择参数即可。

b420a780a972b2795e360f90fdde622a.png

5. 绘制热图 (Heatmap)

选择绘制热图,这时会看到 All Cells的聚类结果:

a8aa19814520e98c39343b59c98d00ef.png

同样右侧的参数可以自行设置:

54a630157ac1a4dbfc13b827f30d5866.png

与此同时,也可以根据左侧的Tools,选择不同的聚类方式以及对数据的操作等:

e39c26497a8593819d85ac04d9b34822.png

也可以根据View,进行放大缩小调整图形页面等:

732124de9bc7e5b552ef60c6e29709ef.png

还会对数据进行操作,具体细节自己研究吧,太多内容了。

d21aa01b6f3cacf9a2184b3b54ad9ebd.png

最后下载图片和相应的数据就完成分析了。

d222e9564235100416b90fc18439cd88.png

  • 在线搜索基因

除了根据studies进行数据筛选,还可以对基因直接筛选数据,选择 Search genes:

2a6a2faea290a67d5a90daa2720af701.png

点击进去之后操作同上面一模一样了,就不再赘述了。

b665b25ea4efa83d073c5bedf205fefb.png

这个在线工具是不是非常好用?

学会了轻松拿捏数据分析,顿时觉得自己也行了,关注桓峰基因公众号,轻松学生信,高效写文章!

桓峰基因,铸造成功的您!

未来桓峰基因公众号将不间断的推出单细胞系列生信分析教程,

敬请期待!!

桓峰基因官网正式上线,请大家多多关注,还有很多不足之处,大家多多指正!

http://www.kyohogene.com/

桓峰基因和投必得合作,文章润色优惠85折,需要文章润色的老师可以直接到网站输入领取桓峰基因专属优惠券码:KYOHOGENE,然后上传,付款时选择桓峰基因优惠券即可享受85折优惠哦!https://www.topeditsci.com/

f957a4ead3ad6b8e1174190cbc7a8c03.png

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
这个报错的原因是因为在修改表格内边框的时候,代码中使用了 `cell._element.tcPr.tcBorders`,而实际上 `CT_TcPr` 对象并没有 `tcBorders` 这个属性。你可以尝试修改这个属性为 `tcBorders` 的正确名称,比如 `tcBorders` 修改为 `tcMar`。修改后的代码如下: ``` FileName_Save = "修改后.docx" print('正在处理:' + fileName) document = docx.Document(fileName) # 修改表格格式 temp_i_row = 0 for i_index, i_table in enumerate(document.tables): # 设置表格外边框为 1.5 磅 tblPr = i_table._element.xpath('w:tblPr')[0] tblBorders = OxmlElement('w:tblBorders') tblBorders.set(qn('w:top'), 'on') tblBorders.set(qn('w:left'), 'on') tblBorders.set(qn('w:bottom'), 'on') tblBorders.set(qn('w:right'), 'on') tblBorders.set(qn('w:insideH'), 'on') tblBorders.set(qn('w:insideV'), 'on') tblBorders.set(qn('w:sz'), '24') tblBorders.set(qn('w:val'), 'single') tblBorders.set(qn('w:space'), '0') tblPr.append(tblBorders) # 设置表格内边框为 0.75 磅 for row in i_table.rows: for cell in row.cells: for paragraph in cell.paragraphs: for run in paragraph.runs: run.font.size = Pt(10) cell._element.tcPr.tcMar.set(qn('w:insideH'), 'single') cell._element.tcPr.tcMar.set(qn('w:insideV'), 'single') cell._element.tcPr.tcMar.set(qn('w:top'), 'single') cell._element.tcPr.tcMar.set(qn('w:bottom'), 'single') cell._element.tcPr.tcMar.set(qn('w:left'), 'single') cell._element.tcPr.tcMar.set(qn('w:right'), 'single') cell._element.tcPr.tcMar.set(qn('w:sz'), '18') cell._element.tcPr.tcMar.set(qn('w:val'), 'single') cell._element.tcPr.tcMar.set(qn('w:space'), '0') # 保存文档 document.save(FileName_Save) ``` 这样应该就可以解决这个报错了。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值