IP屬地：山東
-
重生之我在劍橋大學(xué)學(xué)習(xí)單細(xì)胞RNA-seq分析——8. scRNA-seq數(shù)據(jù)整合（4）8.8 Seurat v3, 3’ 10k PBMC和全血STRT-Seq盡管我們的/data文件夾中已經(jīng)有了所有必要的文件遭垛，我們?nèi)钥梢詮腉EO...
-
重生之我在劍橋大學(xué)學(xué)習(xí)單細(xì)胞RNA-seq分析——8. scRNA-seq數(shù)據(jù)整合（3）8.6 Harmony, 3’ vs 5’ 10k PBMC使用harmony比任何其他方法都要快得多劈榨，并且在最近的標(biāo)準(zhǔn)測(cè)試中發(fā)現(xiàn)其表現(xiàn)相當(dāng)好现诀，...
-
重生之我在劍橋大學(xué)學(xué)習(xí)單細(xì)胞RNA-seq分析——8. scRNA-seq數(shù)據(jù)整合（2）8.4 真實(shí)數(shù)據(jù)集的整合實(shí)例有很多關(guān)于整合標(biāo)準(zhǔn)的文章發(fā)表，最詳細(xì)的文章（Tran，2020）使用不同大小和復(fù)雜程度的多個(gè)模擬和真實(shí)數(shù)據(jù)集比較了1...
-
重生之我在劍橋大學(xué)學(xué)習(xí)單細(xì)胞RNA-seq分析——8. scRNA-seq數(shù)據(jù)整合（1）8.1 簡(jiǎn)介隨著可用的scRNA-seq數(shù)據(jù)集越來(lái)越多，在它們之間進(jìn)行合并比較是關(guān)鍵。比較scRNA-seq數(shù)據(jù)集有兩種主要方法伦腐。第一種方法是“...
-
重生之我在劍橋大學(xué)學(xué)習(xí)單細(xì)胞RNA-seq分析——7. 使用Seurat進(jìn)行單細(xì)胞RNA測(cè)序分析（4）7.5 使用SingleR進(jìn)行細(xì)胞類型注釋基于我們找到的marker，我們可以挖掘文獻(xiàn)并鑒定每種觀察到的細(xì)胞類型失都。我們也可以嘗試使用Single...
-
重生之我在劍橋大學(xué)學(xué)習(xí)單細(xì)胞RNA-seq分析——7. 使用Seurat進(jìn)行單細(xì)胞RNA測(cè)序分析（3）7.3 SCTransform標(biāo)準(zhǔn)化和聚類由于我們已經(jīng)通過額外的QC去除了雙胞和空細(xì)胞柏蘑，現(xiàn)在可以應(yīng)用SCTransform標(biāo)準(zhǔn)化幸冻，這有利于通過提...
-
重生之我在劍橋大學(xué)學(xué)習(xí)單細(xì)胞RNA-seq分析——7. 使用Seurat進(jìn)行單細(xì)胞RNA測(cè)序分析（2）為了進(jìn)一步分析，我們需要對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化咳焚，以消除測(cè)序深度的影響洽损。傳統(tǒng)方法是將其縮放到10,000，然后對(duì)獲得的值進(jìn)行l(wèi)og2轉(zhuǎn)換革半。標(biāo)準(zhǔn)化數(shù)據(jù)存儲(chǔ)...
-
重生之我在劍橋大學(xué)學(xué)習(xí)單細(xì)胞RNA-seq分析——7. 使用Seurat進(jìn)行單細(xì)胞RNA測(cè)序分析（1）本章將介紹使用Seurat（V3）的一些典型任務(wù)碑定。盡管Seurat目前已經(jīng)更新至V5版本，但仍不妨礙我們從此教程中學(xué)習(xí)一些基本操作及分析思想∮止伲現(xiàn)...
-
重生之我在劍橋大學(xué)學(xué)習(xí)單細(xì)胞RNA-seq分析——6. 生物學(xué)分析（4）6.4 真實(shí)數(shù)據(jù)集中的DE 6.4.1 簡(jiǎn)介為了測(cè)試不同的單細(xì)胞差異表達(dá)方法延刘，我們將使用Blischak數(shù)據(jù)集。在該實(shí)驗(yàn)中六敬，除了單細(xì)胞數(shù)據(jù)之外碘赖，...