Seurat4.0 系列教程1 分析流程

zhengxj_

已于 2022-12-28 22:01:59 修改

阅读量345

点赞数

分类专栏： Seurat 4.0 文章标签：几何学

于 2022-09-02 14:50:43 首次发布

本文链接：https://blog.csdn.net/zhengxj_/article/details/126661798

版权

Seurat 4.0 专栏收录该内容

11 篇文章 0 订阅 ¥299.90 ¥399.90

订阅专栏

超级会员免费看

本文详细介绍了Seurat4.0的单细胞RNA-seq分析流程，包括细胞质量控制、数据标准化、高变异基因选择、线性降维、PCA主成分分析以及细胞聚类等关键步骤，旨在帮助用户理解和应用Seurat进行单细胞数据分析。

摘要由CSDN通过智能技术生成

library(dplyr)
library(Seurat)
library(patchwork)

# Load the PBMC dataset
pbmc.data <- Read10X(data.dir = "G:/practice/single cell/pbmc3k/filtered_gene_bc_matrices/hg19/")
# Initialize the Seurat object with the raw (non-normalized data).
pbmc <- CreateSeuratObject(counts = pbmc.data, project = "pbmc3k", min.cells = 3, min.features = 200)
pbmc
## An object of class Seurat 
## 13714 features across 2700 samples within 1 assay 
## Active assay: RNA (13714 features, 0 variable features)
#参数解释
CreateSeuratObject(
  counts, #未标准化的数据，如原始计数或TPMs
  project = "CreateSeuratObject",#设置Seurat对象的项目名称
  assay = "RNA", #与初始输入数据对应的分析名称
  names.field = 1,#对于每个cell的初始标识类，从cell的名称中选择此字段。例如࿰