共 10 篇文章 |
|
另外可以用str(pbmc)查看pbmc中的包含的数据图片。pbmc[["percent.mt"]] <- PercentageFeatureSet(pbmc, pattern = "^MT-") # 计算线粒体基因的比例,人中线粒体的基因都是以MT开头,如果是小鼠的细胞则将MT替换成Mt即可VlnPlot(pbmc, features = c("nFeature_RNA", "nCount_RNA", "percent.m... 阅1577 转14 评0 公众公开 22-10-10 01:16 |
B cells: cluster 4,5,11T cells: cluster 1,2,16,18,20epithelial cells: cluster 3,13,14,15,17endothelial cells:cluster 12Myeloid cells: cluster 6,7Mast cells: cluster 21一共21个cluster, 现在不确定的就剩下cluster 9,8,10啦。我们在cluster9中并没有看到明显的独立的cluster特有的差异基因,综合上面的结果,判定cluster 为T cell... 阅883 转8 评0 公众公开 22-10-09 16:19 |
exp.rawdata <- read.table("./copykat/data/GSM4476486_filtered_UMIcount_TNBC1.txt", header=T, sep=''''''''\t'''''''', check.names = F)copykat.test <- copykat(rawmat=exp.rawdata, id.type="S", cell.line="no", ngene.chr=5, ... 阅816 转10 评0 公众公开 22-10-08 20:20 |
阅401 转5 评0 公众公开 22-10-05 22:28 |
上图小人脚下的小方块代表排序好的差异基因列表,蓝色之外的其他色块代表属于某个基因集的基因,如黄色属于基因集A,绿色属于基因集B。简单的说,输入以基因为行的表达矩阵和基因集数据库给GSVA,它就输出以基因集名称为行的变异分数矩阵,如下图所示:左侧输入基因表达矩阵和基因集数据库,中间是GSVA算法原理,右侧是输出的基因集变异分数矩... 阅1245 转9 评0 公众公开 22-10-05 16:27 |
IRIS3 :细胞类型特异的调节子分析框架。SCENIC可以识别Regulon调控子以及每个细胞的Regulon活性得分(RAS, regulon activity score);通过计算Regulon特异性得分(RSS, Regulon specificity score)获取Regulon与每种细胞类型的特定对应关系;利用Regulon的关联特异性指数(CSI, connection specificity index)表示不同Regulon之间的关联性... 阅1 转自健明 公众公开 22-10-05 10:33 |
玩转单细胞高级分析 | 单细胞富集分析篇单细胞数据结果提供了不同细胞类型之间的差异表达基因,这些基因参与的生物学通路决定了不同细胞类型的生物功能。研究中对恶性细胞(亚群0-3)进行GSVA富集分析发现,亚群0富集上皮细胞-间充质转化信号,亚群1富集细胞周期和缺氧显性信号,亚群2富集干扰素应答信号。区分肿瘤恶性细胞和非恶性细胞。图5 G... 阅388 转0 评0 公众公开 22-10-05 10:12 |