library(devtools)
install_github("immunogenomics/harmony")
library(Seurat)
library(cowplot)
library(harmony)
################# 创建Seurat对象等一系列计算 ########################
pbmc <- CreateSeuratObject(counts = cbind(stim.sparse, ctrl.sparse), project = "PBMC", min.cells = 5) %>%
Seurat::NormalizeData(verbose = FALSE) %>%
FindVariableFeatures(selection.method = "vst", nfeatures = 2000) %>%
ScaleData(verbose = FALSE) %>%
RunPCA(pc.genes = pbmc@var.genes, npcs = 20, verbose = FALSE)
##1. %>%管道函数的作用:将前一步的结果直接传参给下一步的函数,从而省略了中间的赋值步骤,可以大量减少内存中的对象,节省内存
## 例如:anscombe_tidy <- anscombe %>%mutate(observation = seq_len(n()))
## 等价于 anscombe_tidy=mutate(anscombe,observation = seq_len(n()))
##2. 上述函数进行了 创建Seurat对象 >-数据标准化>- 计算高变基因>- 数据缩放 >-PCA降维
############## 更改维度信息 #########################
pbmc@
2021-07-21 harmony整合不同平台的单细胞数据
最新推荐文章于 2024-04-20 14:55:08 发布