- 综合排序
- 最热优先
- 最新优先
- 来自专栏生物信息云
单细胞专题 | 8.单细胞类型注释之SingleR包详解
单细胞专题 | 1.单细胞测序（10×genomics技术）的原理 单细胞专题 | 2.如何开始单细胞RNASeq数据分析 单细胞专题 | 3.单细胞转录组的上游分析-从BCL到FASTQ 单细胞专题 | 4.单细胞转录组的上游分析-从SRA到FASTQ 单细胞专题 | 5.单细胞转录组的上游分析-从FASTQ到count矩阵 单细胞专题 | 6.单细胞下游分析——不同类型的数据读入 单细胞专题 | 7.单细胞下游分析——常规分析流程案例一 ---- 单细胞转录组的结果其实就是基因和细胞的矩阵，基于此数据可以做PCA、tSNE、差异分析等，那么已有的Seurat工具便可做此类分析，进行数据的可视化 SingleR是一个R包，是单细胞数据分析中细胞注释工具，它可以根据已有的参考数据集对单细胞数据进行自动注释，并且能够与Seurat工具结合，直接使用Seurat的结果作为输入数据，简单快捷。 | 7.单细胞下游分析——常规分析流程案例一 library(SingleR) library(Seurat) load('data/sce.output.merge.GSE130001.Rdata'
12K61编辑于 2022-12-16 - 来自专栏文献分享及代码学习
单细胞数据复现-肺癌文章代码复现8
单细胞数据复现-肺癌文章代码复现1https://cloud.tencent.com/developer/article/1992648 单细胞数据复现-肺癌文章代码复现2https://cloud.tencent.com /developer/article/1995619 单细胞数据复现-肺癌文章代码复现3https://cloud.tencent.com/developer/article/1996043 单细胞数据复现 -肺癌文章代码复现4https://cloud.tencent.com/developer/article/2006654 单细胞数据复现-肺癌文章代码复现5https://cloud.tencent.com /developer/article/2008487 单细胞数据复现-肺癌文章代码复现6https://cloud.tencent.com/developer/article/2008704 单细胞数据复现 "T_CD8_3", "T_CD8_Proliferating",
82920编辑于 2022-06-17 - 来自专栏作图丫
8+！单细胞+m6A相关分析~
背景介绍 单细胞数据分析在近几年一直是个热点，今天小编为大家带来的这篇文章，作者通过非负矩阵分解 (NMF) 分析了来自 33 个 CRC 肿瘤样本的单细胞 RNA-seq 数据的总共 65,362 个单细胞 伪时间分析显示，m6A RNA 调节因子在包括成纤维细胞、NK 细胞、巨噬细胞、CD4 + T 细胞和 CD8 + T 细胞等在内的 TME 细胞的轨迹过程中发挥着关键作用（图 2A)。 04 m6A介导的T/B细胞表型强调了CRC中的抗肿瘤免疫反应 在检测到的 23,115 个 T 细胞中，本研究确定了 8 种主要细胞类型，包括 CD4+、CD8+、Treg、NK等，以进行进一步分析（ 此外，为了评估 m6A 相关 T 集群对 T 细胞的整体影响，本研究发现共刺激、共抑制和一些功能相关标志物的免疫基因的平均表达存在许多差异，还发现这些 m6A 簇 CD4 + T、CD8 + T、Treg 图 6 小编总结 本研究首次通过单细胞测序分析方法，鉴定了TME细胞特异性RNA m6A修饰的细胞亚型，揭示了m6A甲基化介导的肿瘤微环境细胞间通讯在调控肿瘤生长和抗肿瘤免疫调节过程中的作用。
53620编辑于 2022-12-04 - 来自专栏单细胞天地
单细胞分析十八般武艺8：Garnett
单细胞测序技术的发展日新月异，新的分析工具也层出不穷。每个工具都有它的优势与不足，在没有权威工具和流程的单细胞生信江湖里，多掌握几种分析方法和工具，探索数据时常常会有意想不到的惊喜。 往期专题 单细胞初级8讲和高级分析8讲 单细胞分析十八般武艺1：harmony 单细胞分析十八般武艺2：LIGER 单细胞分析十八般武艺3：fastMNN 单细胞分析十八般武艺4：velocyto 单细胞分析十八般武艺 5：monocle3 单细胞分析十八般武艺6：NicheNet 单细胞分析十八般武艺7：CellChat Garnett简介 分析原理 Garnett使用人工定义的marker基因信息来选择细胞，然后基于这些细胞使用弹性网络回归 使用单细胞数据创建monocle3的CDS数据对象（cds object）。 往期回顾 人类皮肤衰老过程的单细胞转录组全景图 Barcoding || 海量单细胞的关键技术 单细胞转录组的质控降维聚类分群和注释哪个步骤最关键 ---- ---- ---- 如果你对单细胞转录组研究感兴趣
3K21发布于 2021-04-29 - 来自专栏数据科学（冷冻工厂）
R中单细胞RNA-seq分析教程 (8)
引言 本系列开启 R 中单细胞RNA-seq数据分析教程[1]，持续更新，欢迎关注，转发！ 3.
30610编辑于 2025-02-07 - 来自专栏单细胞天地
单细胞交响乐8-marker基因检测
以下文章源自于生信星球 ，作者：刘小泽 原书名为：Orchestrating Single-Cell Analysis 我给它取名叫“单细胞交响乐” 因为单细胞分析就像一个大乐团，需要各个流程的协同配合 往期回顾 Seurat教程 || 分析Cell Hashing数据 线上讲座 | 单细胞空间转录组专题——实验技术和前沿应用 scRNA-seq Clustering(二) 参考基因组用错了单细胞转录组流程照样可以走通 单细胞交响乐6-降维 单细胞数据中到底应该如何处理线粒体基因 以复现图表的方式来学习一篇文章 这可能是我见过的最草率的单细胞分群了 ---- ---- ---- 如果你对单细胞转录组研究感兴趣，但又不知道如何入门 ，也许你可以关注一下下面的课程 两年过去了，你们的单细胞文章终于发出来了 生信爆款入门-第8期（线上直播4周，马拉松式陪伴，带你入门）你的生物信息入门课 数据挖掘学习班第6期（线上直播3周，马拉松式陪伴 生物 | 单细胞 | 转录组丨资料 每天都精彩 长按扫码可关注
3.1K10发布于 2020-08-21 - 来自专栏单细胞天地
OSCA单细胞数据分析笔记8—Dimensionality reduction
笔记要点 1、关于降维的背景知识 2、PCA降维的简单理解与应用 3、选择最佳PCs数量的思路 4、降维可视化 ---- 1、关于降维的背景知识 （1）在单细胞表达矩阵中，细胞的维度定义就是：有多少个基因表达数据 ； （4）基于上述因素，单细胞数据降维就是使用几十个维度的特征信息，来衡量细胞间的距离，大大减少计算量；并且可一定程度上去除技术误差，以及对细胞间相对位置的二维可视化提供便利。 "percentVar") # [1] 24.5181077 7.1739169 4.8484962 2.7507716 2.3263866 1.4646539 1.0064506 # [8] 往期回顾 多发性骨髓瘤发展过程中肿瘤和免疫细胞的共同进化 单细胞数据Seurat包的tSNE三维可视化 任意细胞亚群的差异分析 进阶版—doplot可视化多个单细胞亚群的多个标记基因 单细胞亚群细胞数量不一致 提取单细胞亚群进行后续再分析 ---- ---- ---- 如果你对单细胞转录组研究感兴趣，但又不知道如何入门，也许你可以关注一下下面的课程 生信爆款入门-2021第3期 数据挖掘线下重启(长沙站)(周六日
1.6K21发布于 2021-07-02 - 来自专栏作图丫
【单细胞文献解读】溃疡性结肠炎CD8+T细胞的单细胞图谱
这项工作基于单细胞转录组学及质谱流式细胞技术，对健康人及溃疡性结肠炎（UC）患者的结肠CD8+ T细胞进行了分析，对比了患者与健康人结肠中各CD8+ T细胞亚群在比例及功能上的差异。 数据介绍 对3名健康人与3名UC患者的结肠CD8+T细胞进行单细胞转录组测序，共获得8,581 个细胞。 测序平台：10x Genomics。 结果解析 01 人结肠CD8+T细胞状态的拓扑结构 本研究使用基于液滴的单细胞RNA测序(scRNA-seq)对三名健康志愿者和三名UC患者的结肠单个CD8+T细胞进行了分离(图1A)，收集了8581个细胞的基因表达数据 04 结肠CD8+T细胞的多组学分析证实了UC的异质性和重塑性 为了在蛋白质水平上验证单细胞特征，作者接下来通过测序(CITE-seq)结合cell hashing技术，整合了另外9,062个细胞的转录和蛋白质组数据 以CyTOF数据为参考，接下来进行了多模态单细胞数据整合，以推断两种表达模式之间最可能的对应细胞(图5A，B)。许多关键标记在蛋白质和mRNA水平上共表达(图5C，D)。
1.2K20编辑于 2022-03-29 - 来自专栏生信技能树
单细胞转录组差异分析的8大痛点
他们提到了单细胞数据分析的“诅咒”（curses）。 单细胞转录组差异分析之所以困难，主要是由于以下8个方面的原因： 标准化（Normalization）问题： 单细胞数据需要经过标准化来校正PCR扩增偏倚、批次效应以及数据分布的偏差。 计算复杂性： 处理和分析单细胞数据需要复杂的计算方法和较大的计算资源。 以下是 GLMM 在单细胞数据分析中的一些优缺点： 优点： 处理多层次数据结构：GLMM 可以很好地处理单细胞数据中的多层次结构，例如，考虑细胞类型、供体（donor）和实验批次等不同层次的效应。 数据集涉及8种不同的细胞类型，每个细胞类型分为未刺激对照组和IFN-β刺激组。
95610编辑于 2024-07-05 - 来自专栏文献分享及代码学习
单细胞代码解析-妇科癌症单细胞转录组及染色质可及性分析8
单细胞代码解析-妇科癌症单细胞转录组及染色质可及性分析1：https://cloud.tencent.com/developer/article/2055573单细胞代码解析-妇科癌症单细胞转录组及染色质可及性分析 2：https://cloud.tencent.com/developer/article/2072069单细胞代码解析-妇科癌症单细胞转录组及染色质可及性分析3：https://cloud.tencent.com /developer/article/2078159单细胞代码解析-妇科癌症单细胞转录组及染色质可及性分析4：https://cloud.tencent.com/developer/article/2078348 单细胞代码解析-妇科癌症单细胞转录组及染色质可及性分析5：https://cloud.tencent.com/developer/article/2084580单细胞代码解析-妇科癌症单细胞转录组及染色质可及性分析 6：https://cloud.tencent.com/developer/article/2085385单细胞代码解析-妇科癌症单细胞转录组及染色质可及性分析7：https://cloud.tencent.com
54240编辑于 2022-08-30 - 来自专栏生信技能树
好狠的心啊，直接就删除8成的单细胞！
9 months, 5 GSM7325161 Ovary, 9 months, 6 GSM7325162 Ovary, 9 months, 7 GSM7325163 Ovary, 9 months, 8 很清晰的文件结构： 很容易整理它们后读取，常规的单细胞转录组降维聚类分群代码可以看 ：链接: https://pan.baidu.com/s/1bIBG9RciAzDhkTKKA7hEfQ? 10x单细胞样品的barcodes数量是： [1] "GSM7325156_1" [1] 32285 775390 [1] "GSM7325157_2" [1] 32285 941662 [1] " 如果想达到文章提到的 14,504 cells remained for characterization，就相当于是直接就删除8成的单细胞。 Gpm6a oocytes (n = 224; Zp3 luteal cells (n = 206; Ptgfr ) B lymphocytes (n = 202; Cd79a 好玩的是文章把单细胞亚群取名为
42810编辑于 2024-05-17 - 来自专栏单细胞天地
单细胞水平揭示CD8⁺ T-LGLL的免疫组特征
文章信息 题目：Single-cell characterization of leukemic and non-leukemic immune repertoires in CD8+ T-cell large 芬兰赫尔辛基大学的研究团队使用单细胞 RNA 和 TCR 测序将 T-LGLL 克隆型与非 T-LGLL 克隆型分开，并将它们与健康对照、其他癌症和自身免疫性疾病进行比较，发现T-LGLL 克隆型比健康的反应性克隆型更具细胞毒性 之后为了验证突变型和野生型STAT3 T-LGLL 之间的差异，分析了普通转录组数据，与突变型STAT3患者相比，野生型 STAT3 患者的 CD8+ T 细胞具有更高的细胞毒性评分。 T-LGLL患者的细胞通讯增强 作者为了解释T-LGLL患者中细胞因子介导的白血病细胞和非白血病细胞间的细胞互作关系，分析了9 名 T-LGLL 患者和 8 名健康对照的血浆细胞因子表达。 发现除IFNγ细胞因子外，IFNγ诱导细胞因子、JAK-STAT通路激活细胞因子和炎症趋化因子表达升高，并且结合单细胞转录组数据，发现大多数上调的细胞因子主要由MNC或cDC表达。
60210编辑于 2023-02-16 - 来自专栏生信技能树
8种方法可视化你的单细胞基因集打分
下面范垂钦的投稿 一、背景 在单细胞转录组测序中，整合多样本数据进行分析逐渐成为一种趋势。 越来越多的研究者趋于使用未校正批次效应后的数据进行差异基因分析。 UCell：基于单个样本的基因表达排名，使用Mann-Whitney U统计量计算单个样本的基因集富集评分；7.singscore：基于单个样本的基因表达排名，评估基因集远离中心的程度从而计算基因集富集评分；8. 3.输入对象和数据清洗： 我们允许直接输入单细胞表达矩阵或者Seurat对象。我们内置了Seurat包，可以将多种基因集的富集分数矩阵直接保存到Seurat对象中。 同时，我们也支持过滤单细胞表达矩阵中所有细胞表达量为0的基因。当然，用户也可以自定义自己的过滤标准。合适的过滤指标可以改善富集分析的结果。 因为我的单细胞R包框架是可以被模仿的，并且只需要以下3步： 1.针对一个生物学问题收集多种解决方法； 2.对多种解决方法的结果进行一个综合评估； 3.对综合评估的结果进行可视化展示； 举个例子，你可以做一个计算细胞亚群差异基因的单细胞
19.7K53发布于 2021-10-21 - 来自专栏全栈程序员必看
单细胞测序流程(单细胞rna测序)
系列文章目录 文章目录 单细胞测序流程（一）简介与数据下载 单细胞测序流程（二）数据整理 单细胞测序流程（三）质控和数据过滤——Seurat包分析，小提琴图和基因离差散点图 单细胞测序流程（四） 主成分分析——PCA 单细胞测序流程（五）t-sne聚类分析和寻找marker基因 单细胞测序流程（六）单细胞的细胞类型的注释 单细胞测序流程（七）单细胞的细胞类型轨迹分析 单细胞测序流程（八）单细胞的 marker基因转化和GO富集分析 单细胞测序流程（九）单细胞的GO圈图 本期主讲内容——单细胞的kegg富集分析和圈图 咱们在上一个课程中进行了GO圈图绘画，但是我富集分析并不只是有GO，kegg gene.size = 5, #基因名字体大小 border.size = 0.1, #线条粗细 process.label = 8) D20A13","#FFD121","#088247","#58CDD9","#7A142C","#5D90BA","#431A3D","#91612D","#6E568C","#E0367A","#D8D155
2.2K42编辑于 2022-07-31 - 来自专栏小汪Waud
单细胞||什么是单细胞组学？
id=9691116906be 03单细胞组学 比单细胞测序成名更早的词——组学（Omics），英文词根"-ome"表示一类个体的系统集合。 因此，单细胞组学使用单细胞转录组等多组学联合分析，全面体现细胞生命进程的变化。 04单细胞测序 华大基因的联合创始人杨焕明院士来华农作报告时，曾夸张地说“万物皆可测序”。 05单细胞RNA-Seq 单细胞RNA-seq(scRNA-seq)顾名思义就是单个细胞进行转录组测序，那么什么是RNA-seq呢？ 单细胞RNA测序技术允许在单细胞分辨率下解析基因表达。 能肯定的是，单细胞组学一定会在生物科研史上留下浓墨重彩的一笔。 以上只是我了解到的单细胞技术的一些皮毛，写在这里。
1.4K40编辑于 2023-02-03 - 来自专栏科研猫
文献解读 | 8分+，单细胞基因组学+肿瘤微环境+预后
今天带来的是2022年1月份发表在Cell Death & Disease的一篇单细胞基因组学研究，主要探讨了四种类型的非透明肾细胞癌（nccRCC）单细胞景观，以及肿瘤微环境异质性与nccRCC的临床预后相关性 结果：提出了四种类型的nccRCC的单细胞景观，并证明CD8+T细胞衰竭、肿瘤相关巨噬细胞（TAMs）和肉瘤过程是nccRCC组织免疫抑制的关键因素，且与不良预后密切相关。 结合CIBERSORTx工具，来自 TCGA 的bulk RNA-seq 的表达数据用单细胞数据的细胞类型进行标记。 3.材料方法 公开数据集获取 肿瘤和正常组织进行了10×单细胞基因组测序。 4.研究结果 1.nccRCC单细胞测序的细胞聚类 图A-C,E：来自 5 名 nccRCC 患者的 14 个组织。
84130编辑于 2022-04-09 - 来自专栏顶刊美图
跟着顶刊学习单细胞CD8T细功能基因集评分！
先上图:对CD8T细胞进行功能评分并且绘制热图e, Heat map illustrating expression of 19 curated gene signaturesacross CD8+ T markers.csv实战加载单细胞数据集# 加载必要的库library(Seurat)library(tidyverse)library(pheatmap)library(scales) # 用于rescale 函数##这里加载自己的CD8T细胞处理好的Seurat对象即可load("CD8_Obj.Rdata")读取CD8T细胞功能基因集# 设置输出路径figurePath <- ". Obj$seurat_clusters=as.factor(CD8_Obj$seurat_clusters)Idents(CD8_Obj) <- CD8_Obj$seurat_clusters# 读取标记基因 <- list()names(marker.list[1])for(col_name in colnames(CD8_markers)) { # 提取非NA的基因 genes <- CD8_markers
47910编辑于 2025-04-10 - 来自专栏生信学习111
单细胞4
sample2/GSM7306055_sample2_matrix.mtx.gz" [7] "01_data/sample3/GSM7306056_sample3_barcodes.tsv.gz" [8] sample5 sample6 687 622 683 686 677 674 画了核糖体，但是没有用这个，轻微的用了一下红细胞基因4 整合降维聚类分群整合：单细胞数据集可能来自不同的实验批次或平台 但是有一个致命缺点，想看的基因多的话数据太多了7.5 VlnPlot三个基因有点拥挤，换成两个了8.伪bulk 转录组差异分析bulk转录组："Bulk"转录组通常指的是传统的、非单细胞分辨率的转录组分析多样本才能做这个分析 #意义是什么，好吧看到后面理解啦，话火山图用的，要不怎么花差异基因图AggregateExpression是把单细胞数据整合为常规转录组数据的方式。 bulk)#整合成了多个“样本”# 明白了，可以只取出一种细胞，然后找treat和control之间的差异基因sub <- subset(bulk, seurat_annotations == "CD<em>8</em>+
1K10编辑于 2024-06-23 - 来自专栏数据科学（冷冻工厂）
单细胞系列教程：什么是单细胞（一）
导读 从本文开始，将带领还未分析过单细胞(scRNA-seq)数据的读者，从如何构建环境，什么是单细胞，单细胞的完整分析流程各方面开展学习，由于内容较多，将会分章节展开，后续会整理成完整PDF教程，请持续关注 作用 单细胞的作用： 在人体组织中有着令人难以置信的细胞类型、状态和相互作用的多样性。为了更好地了解这些组织和存在的细胞类型，scRNA-seq 提供了在单个细胞水平上研究表达情况的可能。 挑战 单细胞分析过程中存在的挑战： 在scRNA-seq 之前，使用 bulk RNA-seq进行转录组分析，这是一种比较细胞表达平均值的方法。 结论 虽然 scRNA-seq 是一种功能强大且富有洞察力的方法，用于以单细胞分辨率分析基因表达，但存在许多挑战和变异来源，可能使数据分析变得复杂或有限。
80511编辑于 2023-01-25 - 来自专栏天意生信俱乐部
单细胞数据分析 | 单细胞计数矩阵（Seurat)
在使用seurat进行单细胞分析的时候，大多数的教程都是用计数矩阵作为数据输入，但是我发现一些新手朋友对于不同数据库来源(GEO、BD)的数据或者想要去复现、借鉴一个感兴趣的文章中的下机数据时，不知道怎么把数据处理成 Seurat可以读入的计数矩阵，所以本篇文章就详细介绍单细胞数据的上游分析。 Expires=1712352870&Key-Pair-Id=APKAI7S6A5RYOXBWRPDA&Signature=lAp0t6wo-oNLmAhcfNGu6Nqie6OOcWcWoZWx9Lj2JxE8Gj1Do8p2rVYH ~CcyRV2RcQkv1nrcFMrLoC4SxoV8U4LjlzGqTPxFzSMZ2-xQYOs5wWw0N2TnrlhV~ofY6xHvPmSfEzhnWt3UHBTc5zjBSoP3bKpsFaFWFInyrZXUMILV6iXzeiEvp4T7hq5g9S2TfmaUQ Expires=1712352870&Key-Pair-Id=APKAI7S6A5RYOXBWRPDA&Signature=lAp0t6wo-oNLmAhcfNGu6Nqie6OOcWcWoZWx9Lj2JxE8Gj1Do8p2rVYH
86410编辑于 2025-02-18
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号