10X单细胞WGCNA分析联合10X空间转录组WGCNA分析

各位同学,大家好,今天我们继续WGCNA的分析点,这一次,我们需要联合两种技术,10X单细胞和10X空间转录组,也就是在多组学层面上分析WGCNA得到的模块,关于WGCNA,之前也分享过,文章在10X单细胞(10X空间转录组)做WGCNA分析的智慧,但智慧有了,还要升华,才能为我所用,祝我成功。

10X单细胞做WGCNA不必多言,大家应该都了解的很深了,WGCNA技术很早就有,如果你已经做了10X单细胞分析有一年以上,还不明白10X单细胞做WGCNA的意义,拉出去枪毙五分钟。

这里的cluster 大家一定要注释,不进行注释的分析结果都是耍流氓。这些图值得关注的点,上篇文章已经分享过了,这里不在赘述。

模块的下游分析策略

那么根据这个策略,大家就应该会分析得到下面的结果

首先是cluster之间的网络关系(这个图不会的,做了单细胞分析有一年以上的,面壁去)

然后是模块功能网络

接下来看10X空间转录组的WGCNA(空间模块和形态学)

各个模块和空间层级的关系,很重要

上次文章提到的思路,大家好好看看,10X单细胞分析得到的模块也可以运用于空间,这个时候,不知道大家有没有深刻的理解。(没有的话, 好好学习吧)

10X单细胞和10X空间转录组模块的关联

这个关联,显示的是从两个角度来看待共表达模块的问题,意义重大, 尤其发育。

生活很好, 你不加油,不进则退了

  • 3
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
CCA(canonical correlation analysis)是一种常用的多变量统计分析方法,可以用于整合分析单细胞转录空间转录的数据。 单细胞转录是指对单个细胞的转录进行测量和分析,可以了解细胞间的异质性和功能特征。而空间转录是指在织或器官水平上,对转录进行测量和分析,可以了解细胞在空间上的分布和相互作用。 在整合分析单细胞转录空间转录时,首先需要对两种数据进行预处理,例如数据清洗、标准化和归一化等。然后,可以利用CCA方法来识别两种数据之间共享的信息和变化模式。 CCA通过最大化两个数据集之间的相关性,找到两者之间最大化的公共变量。具体步骤包括:首先,计算两个数据集之间的相关性矩阵;然后,利用Singular Value Decomposition(奇异值分解)将相关性矩阵分解成特征向量和特征值;最后,根据特征值的大小选择最相关的特征向量,得到两个数据集之间的相关性。 通过整合分析单细胞转录空间转录的数据,可以获得以下优势:一是可以揭示细胞类型和织结构之间的关系,帮助我们了解细胞的空间分布模式;二是可以发现特定细胞类型在不同织中的表达模式和功能特征;三是可以识别具有生物学意义的共同变化模式,为进一步研究和解读提供线索。 当然,整合分析单细胞转录空间转录的数据还需要结合其他的统计方法和生物学解释来进行综合分析和解读。这样的整合方法可以为我们更好地理解细胞和织的功能和相互作用提供重要的信息。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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