請(qǐng)問大佬如何安裝的呢悍缠？
使用cellassign包進(jìn)行單細(xì)胞類型注釋分析（二）：Assigning single-cells to known cell types with CellAssignBasic usage 這里宣鄙，我們使用cellassign包自帶的示例數(shù)據(jù)簡(jiǎn)單演示其基本用法绩脆。首先饭豹，加載相關(guān)的R包和示例數(shù)據(jù)： 接下來(lái)踪央，我們計(jì)算每個(gè)細(xì)胞的size facto...
R_tips_1: ggplot作圖顯示中文1伞矩、問題描述 ggplot2是R語(yǔ)言中最知名的可視化軟件包楣颠，但是該包繪制圖形中尽纽，中文顯示會(huì)出現(xiàn)異常，例如： 可以看到童漩，我們?cè)O(shè)置的X軸弄贿、Y軸以及題目都顯示為一個(gè)個(gè)方塊。 2矫膨、解...
所以字體文件從哪下差凹？
R_tips_1: ggplot作圖顯示中文1期奔、問題描述 ggplot2是R語(yǔ)言中最知名的可視化軟件包，但是該包繪制圖形中危尿，中文顯示會(huì)出現(xiàn)異常呐萌，例如： 可以看到，我們?cè)O(shè)置的X軸谊娇、Y軸以及題目都顯示為一個(gè)個(gè)方塊肺孤。 2、解...
TCGA數(shù)據(jù)庫(kù)中含有的癌癥名稱济欢，簡(jiǎn)寫和中文名稱 Abbr英文名稱中文名稱ACCAdrenocortical carcinoma腎上腺皮質(zhì)癌BLCABladder Urothe...
簡(jiǎn)介 CIBERSORT這款軟件利用反卷積的方法赠堵，利用單細(xì)胞RNA-seq的數(shù)據(jù)，提取特征后法褥，反推Bulk-seq各類細(xì)胞成分所占比例茫叭。這款軟件目前推出了CIBERSORTx...
請(qǐng)問為何在進(jìn)行pbmc <- ScaleData(pbmc, split.by = "batch", do.center = FALSE)這一步杂靶，需要指定split.by這個(gè)參數(shù)呢？
單細(xì)胞筆記7-scRNA-seq去除批次效應(yīng)的方法總結(jié)Seurat Seurat整合流程與原理 使用CCA分析將兩個(gè)數(shù)據(jù)集降維到同一個(gè)低維空間酱鸭，因?yàn)镃CA降維之后的空間距離不是相似性而是相關(guān)性吗垮，所以相同類型與狀態(tài)的細(xì)胞可以克服技...
今天我們測(cè)試一下軟件scVelo，這個(gè)軟件應(yīng)該很多人都用過了赌躺，但是玩的好的人狼牺，應(yīng)該沒幾個(gè)。 加載 讀取數(shù)據(jù)（loom, h5ad, csv）, 我的數(shù)據(jù)是根據(jù)velocyto...
@金戈大王 哦哦哦哦好的，感謝你的回復(fù)缅叠。
OpenCV提取ORB特征并匹配一悄泥、什么是特征？ 圖像的特征（Feature）肤粱，是圖像上最具代表性的一些點(diǎn)弹囚。所謂最具代表性，就是說(shuō)這些點(diǎn)包含了圖像表述的大部分信息领曼。即使旋轉(zhuǎn)鸥鹉、縮放蛮穿，甚至調(diào)整圖像的亮度，這些點(diǎn)...
你好宋舷，非常感謝你的分項(xiàng)绪撵。我有個(gè)問題想請(qǐng)教你：有很多張包含了很多個(gè)圓圈的圖片，這些圓圈本應(yīng)該是按照一定的規(guī)則排布的祝蝠，但真實(shí)情況不是音诈。我希望判斷這些圖片中那張圖片最規(guī)則。請(qǐng)問我是否可以手動(dòng)創(chuàng)建一個(gè)“絕對(duì)正確的模板圖片”绎狭，然后用這個(gè)模板圖片與那些圖片進(jìn)行比較细溅，通過ORB特征并匹配來(lái)判斷最優(yōu)的呢？
期待你的回復(fù)儡嘶，感謝喇聊。
OpenCV提取ORB特征并匹配一、什么是特征蹦狂？ 圖像的特征（Feature）誓篱，是圖像上最具代表性的一些點(diǎn)。所謂最具代表性凯楔，就是說(shuō)這些點(diǎn)包含了圖像表述的大部分信息窜骄。即使旋轉(zhuǎn)、縮放摆屯，甚至調(diào)整圖像的亮度邻遏，這些點(diǎn)...
--un的輸出是不是應(yīng)該是 沒有比對(duì)上的reads結(jié)果呢？參數(shù)說(shuō)明是是這個(gè)：--un <filename>
Write all reads that could not be aligned to a file with name <filename>.
如何處理NGS數(shù)據(jù)中的污染律杠？本次文章和大家討論一個(gè)大家可能胡遇到很常見的一個(gè)問題潭流，在測(cè)序中我們很難避免引入一些微生物污染或者人類的污染竞惋，例如，我想測(cè)序擬南芥灰嫉，其中由于實(shí)驗(yàn)員的操作不夠干凈拆宛，很容易引入一些...
@追風(fēng)少年你好，我有關(guān)于sureat轉(zhuǎn)scanpy的問題想請(qǐng)教你讼撒，希望可以得到你的幫助浑厚。首先，我希望基于seurat的降維和聚類結(jié)果進(jìn)行后續(xù)的RNA速率分析根盒，于是按照你說(shuō)的把seurat的降維數(shù)據(jù)導(dǎo)出賦給scanpy成功了钳幅。然后，我的數(shù)據(jù)有兩個(gè)分組炎滞，每個(gè)分組有四個(gè)重復(fù)敢艰，我覺得應(yīng)該將同一組的四個(gè)重復(fù)合并起來(lái)做RNA率分析，于是期望使用scv.utils.merge進(jìn)行合并但并沒有成功册赛，合并之后細(xì)胞數(shù)目反而變得很少钠导，于是我想到使用seurat來(lái)進(jìn)行合并作為scanpy的輸入，操作為使用Seurat讀入同一分組的四個(gè)loom文件使用merge進(jìn)行合并森瘪，然后將合并的seurat對(duì)象使用SeuratDisk轉(zhuǎn)為h5Seurat牡属，再使用Convert轉(zhuǎn)為h5ad格式。接著使用scanpy的read_h5ad讀入這個(gè)合并的h5ad柜砾，可是我發(fā)現(xiàn)讀入的文件缺少layers文件湃望，無(wú)法執(zhí)行scvelo的后續(xù)分析，后續(xù)我發(fā)現(xiàn)Convert可以指定seurat的某一個(gè)assasys痰驱，但scvelo的分析需要unspliced和spliced证芭。請(qǐng)問：我該如何解決多樣本合并的問題呢？希望你可以給出一點(diǎn)點(diǎn)建議担映，感謝??????
10X單細(xì)胞（10X空間轉(zhuǎn)錄組）RNA速率分析之scVelo今天我們測(cè)試一下軟件scVelo废士，這個(gè)軟件應(yīng)該很多人都用過了，但是玩的好的人蝇完，應(yīng)該沒幾個(gè)官硝。 加載 讀取數(shù)據(jù)（loom, h5ad, csv）, 我的數(shù)據(jù)是根據(jù)velocyto...
你好，請(qǐng)問用pytho讀入之后adata = scanpy.read_h5ad("pbmc3k.h5ad")短蜕，seurat中的assays去了scanpy的哪里呢氢架？
Seurat對(duì)象、SingleCellExperiment對(duì)象和scanpy對(duì)象的轉(zhuǎn)化Seurat官網(wǎng)：https://satijalab.org/seurat/articles/conversion_vignette.html[https://satijal...
