喂雞組的阿翔 ·

請(qǐng)問各位大佬，“RegProcess('pisces-1-net-final.tsv', mat1, out.dir = 'tutorial/', out.name = 'pisces-1-net-')” 這里的mat1是不是 pisces1 <- readRDS('pisces-clust_aracne-mats/pisces-1-arac.rds')伞芹？忘苛。如果是，在運(yùn)行過程中連續(xù)出現(xiàn)WARNING! NOT CONVERGENT! number of iterations= 1000 是哪里出了問題唱较？

f734b9ec3c21 評(píng)論自基于單細(xì)胞測序的蛋白活性推斷（PISCES）分析流程筆記扎唾，凎！

喂雞組的阿翔 ·

我順便把LouvainKRange 也寫一下南缓，方便后來人復(fù)現(xiàn)胸遇。感謝樓主
LouvainKRange <- function(data.obj, kmin = 5, kmax = 50, kstep = 5) {
require(igraph, quietly = TRUE)
# check if seurat object
if (class(data.obj)[1] == "Seurat") {
dist.mat <- data.obj@assays[[data.obj@active.assay]]@misc$dist.mat
} else {
dist.mat <- data.obj
}
# create lists
cluster.list <- list()
sil.list <- list()
# setup iteration
k <- kmin
while (k <= kmax) {
print(paste("Clustering with k = ", k, "...", sep = ''))
# generate clustering and silhouette score
clust.vec <- LouvainClust(dist.mat, k)
sil.score <- cluster::silhouette(clust.vec, dist.mat)
# add to list
k.ind <- paste('k', k, sep = '.')
cluster.list[[k.ind]] <- clust.vec
sil.list[[k.ind]] <- mean(sil.score[,3])
# iterate
k <- k + kstep
}
# identify optimal cluster
opt.clust <- cluster.list[[which.max(sil.list)]]
# add to data.object
if (class(data.obj)[1] == "Seurat") {
data.obj@assays[[data.obj@active.assay]]@misc[['pisces.cluster']] <- opt.clust
data.obj@assays[[data.obj@active.assay]]@misc[['clustering.obj']] <- list('clusterings' = cluster.list, 'sils' = sil.list)
return(data.obj)
} else {
return(list('pisces.cluster' = opt.clust, 'clustering.obj' = list('clusterings' = cluster.list, 'sils' = sil.list)))
}
}

幸福疼痛 評(píng)論自基于單細(xì)胞測序的蛋白活性推斷（PISCES）分析流程筆記，凎汉形！

喂雞組的阿翔

寫在前面 感謝califano-lab[https://github.com/califano-lab]團(tuán)隊(duì)將代碼無私的分享出來=概疆。=逗威！ 本流程需要一點(diǎn)點(diǎn)R語言與linux基...

喂雞組的阿翔

最近幫師弟做一個(gè)GSVA分析凯旭，發(fā)現(xiàn)已經(jīng)忘的差不多了，順便整理一下吧使套。 基因集變異分析（Gene Set Variation Analysis, GSVA）可以將一個(gè)基因表達(dá)矩...

喂雞組的阿翔

最近半年一直總住院盒齿，還得忙著做實(shí)驗(yàn)寫國青航闺，想在簡書總結(jié)生信筆記任務(wù)啥時(shí)候能達(dá)成啊，煩躁

喂雞組的阿翔

生信技能樹B站 GEO挖掘教學(xué)視頻

使用SCENIC分析singlecell-RNAseq實(shí)戰(zhàn)演練

SCENIC全稱：Single-Cell rEgulatory Network Inference and Clustering實(shí)戰(zhàn)之前需要準(zhǔn)備的學(xué)習(xí)資料：1.閱讀關(guān)于SCE...

喂雞組的阿翔

12306 7 27 1

喂雞組的阿翔

內(nèi)容不是教程赠堵，均為個(gè)人學(xué)習(xí)筆記，以備后日查詢學(xué)習(xí)資源均來自生信技能樹論壇法褥，生信技能樹B站視頻茫叭，微信公眾號(hào)：生信技能樹 畫熱圖我們需要給R兩個(gè)數(shù)據(jù)：表達(dá)矩陣與樣品分組信息 讀入...

喂雞組的阿翔

內(nèi)容不是教程，均為個(gè)人學(xué)習(xí)筆記半等，以備后日查詢學(xué)習(xí)資源均來自生信技能樹論壇揍愁，生信技能樹B站視頻，微信公眾號(hào)：生信技能樹 需要用到的R包為：org.Hs.eg.db 首先看看包內(nèi)...