Cherrieg

我们在上一篇中已经对损伤愈合组的单细胞转录组数据进行了细胞类型注释，接下来，我们使用整合分析，将文中数据与其他文章数据整合来验证注释的准确性，并借助已注释好的单细胞转录组数据...

Cherrieg

在上一篇推文中我们对所有分组样本进行了预处理及组内整合，并进行了聚类和差异基因筛选，本篇我们将着重介绍如何对单细胞转录组数据进行细胞类型注释以及UMAP图的优化技巧。 1. ...

Cherrieg

在上一篇中，我们对皮肤损伤愈合文章中的损伤愈合组数据进行了伪bulk分析，接下来，我们开始正式对损伤愈合组的单细胞转录组数据进行预处理和多样本整合。本篇用到的数据来自GEO数...

Cherrieg

很多刚刚入门细胞组学数据分析的小伙伴常常会问，单细胞数据分析流程有没有所谓范式？从拿到表达矩阵开始，有没有一个标准的技术路线以供参考？对于这样的问题，不妨从已发表的单细胞转录...

Cherrieg

8.8 Seurat v3, 3’ 10k PBMC和全血STRT-Seq尽管我们的/data文件夹中已经有了所有必要的文件，我们仍可以从GEO数据库下载必要的文件： 接下来...

Cherrieg

8.6 Harmony, 3’ vs 5’ 10k PBMC使用harmony比任何其他方法都要快得多，并且在最近的标准测试中发现其表现相当好，还可以方便地与Seurat交互...

Cherrieg

8.4 真实数据集的整合实例有很多关于整合标准的文章发表，最详细的文章（Tran，2020）使用不同大小和复杂程度的多个模拟和真实数据集比较了14种scRNA-seq数据集整...

Cherrieg

8.1 简介随着可用的scRNA-seq数据集越来越多，在它们之间进行合并比较是关键。比较scRNA-seq数据集有两种主要方法。第一种方法是“以标签为中心”，其重点是通过比...

Cherrieg

7.5 使用SingleR进行细胞类型注释基于我们找到的marker，我们可以挖掘文献并鉴定每种观察到的细胞类型。我们也可以尝试使用SingleR进行自动注释。首先从cell...

Cherrieg

7.3 SCTransform标准化和聚类由于我们已经通过额外的QC去除了双胞和空细胞，现在可以应用SCTransform标准化，这有利于通过提高信噪比来寻找稀有细胞群。SC...

Cherrieg

为了进一步分析，我们需要对数据进行标准化，以消除测序深度的影响。传统方法是将其缩放到10,000，然后对获得的值进行log2转换。标准化数据存储在“RNA” assay的sr...

Cherrieg

本章将介绍使用Seurat（V3）的一些典型任务。尽管Seurat目前已经更新至V5版本，但仍不妨碍我们从此教程中学习一些基本操作及分析思想。现在让我们加载本教程所需的所有库...

Cherrieg

6.4 真实数据集中的DE 6.4.1 简介为了测试不同的单细胞差异表达方法，我们将使用Blischak数据集。在该实验中，除了单细胞数据之外，还生成了每个细胞系的Bulk ...

Cherrieg

6.3 差异表达（DE）分析6.3.1 Bulk RNA-seq处理Bulk RNA测序数据时最常见的分析之一是识别差异表达基因。通过比较两种条件下发生变化的基因，例如突变型...

Cherrieg

6.2 聚类示例 为了说明scRNA-seq数据的聚类，我们使用发育中的小鼠胚胎细胞的Deng数据集（Deng等，2014）。我们已经预处理了数据集并创建了一个SingleC...

Cherrieg

6.1 聚类介绍当我们标准化数据并消除了混杂因素，我们就可以进行与当前生物学问题相关的分析。分析的具体性质取决于数据。不过，有些分析在广泛的背景下很有用，我们将在接下来的几章...

Cherrieg

5.6 处理混杂因素5.6.1 简介在上一章中，我们根据文库大小进行了标准化，有效地将其作为混杂因素去除。现在，我们将从数据中去除其他定义不太明确的混杂因素。技术混杂因素（又...

Cherrieg

5.5 标准化实践我们继续使用Tung数据（下载地址：https://singlecellcourse.cog.sanger.ac.uk/index.html?shared=...