- 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 | 10.细胞周期分析
如下图，一般分成4个阶段 G1(gap1)：Cell increases in size(Cellular contents duplicated) S(synthesis) ：DNA replication 在分析单细胞数据时，同一类型的细胞往往来自于不同的细胞周期阶段，这可能对下游聚类分析，细胞类型注释产生混淆；由于细胞周期也是通过cell cycle related protein 调控，即每个阶段有显著的 marker基因；通过分析细胞周期有关基因的表达情况，可以对细胞所处周期阶段进行注释；在单细胞周期分析时，通常只考虑三个阶段：G1、S、G2M。 对于每一细胞周期阶段（人/鼠）都有一组“maker基因对”集合。 具体参考文章【单细胞数据分析中scran包进行细胞周期分析时细胞周期marker基因的转换】 ###基因转换 library(clusterProfiler) library(org.Hs.eg.db)
2.5K31编辑于 2022-11-24 - 来自专栏Linux基础入门
单细胞转录组 | 细胞周期分析
我们找到的高变基因，常常会包含一些细胞周期基因，它们会导致细胞聚类发生一定的偏移，即相同类型的细胞在聚类时会因为细胞周期的不同而分开。 4. 读取数据 该数据为标准化后的数据。 scRNA <-load("scRNA1.Rdata") 5. 细胞周期分析 5.1 查看周期基因与高变基因的交集 在单细胞周期分析时，通常只需要考虑三个阶段：G1、S、G2M（G2和M当做一个阶段)。 查看"cc.genes"数据集 cc.genes #$s.genes # [1] "MCM5" "PCNA" "TYMS" "FEN1" "MCM2" "MCM4" RRM1 UNG GINS2 # "MCM5" "PCNA" "TYMS" "FEN1" "MCM2" "MCM4" "RRM1
3.8K31编辑于 2022-12-20 - 来自专栏生物信息云
单细胞数据分析中scran包进行细胞周期分析时细胞周期marker基因的转换
对于每一细胞周期阶段（人/鼠）都有一组“maker基因对”集合。
1.2K30编辑于 2022-12-16 - 来自专栏单细胞天地
单细胞学习之细胞周期分析
2、阶段phase 如下图，一般分成4个阶段 G1(gap1)：Cell increases in size(Cellular contents duplicated) S(synthesis) ：DNA 在单细胞周期分析时，通常只考虑三个阶段：G1、S、G2M。 对于每一细胞周期阶段（人/鼠）都有一组“maker基因对”集合。 结合一些中文教程（https://www.jianshu.com/p/e4a5b5c67de1)的介绍，认为就是根据每个细胞的S期(或者G2/M期)基因集是否显著高表达，对应的score就是表示在该细胞中 "counts", data = "logcounts") str(mouse_cell_cycle_genes) #List of 2 # $ s.genes : chr [1:42] "Mcm4"
7.4K43发布于 2020-12-24 - 来自专栏生信学习111
单细胞二次分群和细胞周期
.2RidgePlot(sub.cells, features = top5)#山脊图可视化 no.3FeaturePlot(sub.cells, features = top5) #特征点图 no.4DotPlot pred.scRNA$pruned.labelsnames(new.cluster.ids) <- levels(scRNA)scRNA <- RenameIdents(scRNA,new.cluster.ids)p4 <- DimPlot(scRNA, reduction = "umap",label = T,pt.size = 0.5) + NoLegend()p4 #考虑细胞周期的注释p3+p4统计考虑和不考虑细胞周期的变化 pred.scRNA$pruned.labelsnames(new.cluster.ids) <- levels(scRNA)scRNA <- RenameIdents(scRNA,new.cluster.ids)p4 <- DimPlot(scRNA, reduction = "umap",label = T,pt.size = 0.5) + NoLegend()p3+p4table(as.character(Idents
32410编辑于 2024-06-26 - 来自专栏单细胞天地
生物学背景知识之细胞周期推断
前 · 言 第二单元第九讲：生物学背景知识之细胞周期推断 上一次说到通过PAM50基因进行乳腺癌分型，利用的就是自己的表达矩阵和PAM50基因比较，看表达量变化进行分类。 细胞周期分类和PAM50类似，也是利用基因来推断G、S、M期(https://en.wikipedia.org/wiki/Cell_cycle) ? /input.Rdata') a[1:4,1:4] head(df) # 放入分群、样本批次信息 group_list=df$g plate=df$plate table(plate) 然后创建sce 0610010F05Rik 0610010K14Rik NA "ENSMUSG00000042208" "ENSMUSG00000020831" 三者齐全，可以进行细胞周期计算 head(assigned$scores) G1 S G2M 1 1.000 0.119 0.004 2 0.997 0.002 0.010 3 0.997 0.039 0.020 4
97420发布于 2020-03-31 - 来自专栏流式抗体推文
Elabscience 细胞周期检测试剂盒(红色荧光)：流式分析好搭档，细胞周期数据更精准
，为科研人员选择细胞周期检测工具提供全面参考。 检测原理细胞周期检测试剂盒(红色荧光)利用细胞内 DNA 与荧光染料 PI（碘化丙啶）特异性结合的特性，结合流式细胞术实现细胞周期分析。 细胞生物学基础研究：研究基因敲除 / 过表达对细胞周期进程的影响，解析细胞周期调控机制。药物研发与评价：评估候选药物对正常细胞及病变细胞周期的影响，判断药物的安全性与有效性。 疾病机制研究：探讨心血管疾病、神经退行性疾病等病理状态下细胞周期异常的作用。 cancer 期刊：Cell Death & Disease（2025）IF：8.1DOI：10.1038/s41419-025-07713-x A novel missense mutation Smad4
24810编辑于 2025-09-17 - 来自专栏单细胞学习小组
day9 二次分群和细胞周期
0点附近的，就可以不用去除细胞周期的影响！ ob1对象1### 不考虑细胞周期f = "ob1.Rdata"if(! 0.5) %>% RunUMAP(dims = 1:15) %>% RunTSNE(dims = 1:15) save(ob1,file = f)}load(f)ob2对象2### 考虑细胞周期 pred.scRNA$pruned.labelsnames(new.cluster.ids) <- levels(scRNA)scRNA <- RenameIdents(scRNA,new.cluster.ids)p4 <- DimPlot(scRNA, reduction = "umap",label = T,pt.size = 0.5) + NoLegend()p3+p4table(as.character(Idents
25010编辑于 2024-07-01 - 来自专栏生信宝典
Seurat亮点之细胞周期评分和回归
系统介绍 通过计算各个细胞可能所处的细胞周期阶段的得分 (G1,S,G2期），并在预处理过程 (主要是ScaleData步骤)中将细胞周期得分作为混杂因素移除，从而排除单细胞所处细胞周期不同对基因表达和细胞分型的影响 我们将尝试从数据中去除该组分，从而确保细胞周期异质性对PCA或下游分析没有贡献。 分配细胞周期分数 首先，根据其G2/M和S期标记基因的表达为每个细胞分配一个所处周期的分数。 利用细胞周期基因进行PCA分析 （这个例子可以拓展，使用任意指定的基因集进行细胞周期分析） PCA分析有不少需要注意的，具体见用了这么多年的PCA可视化竟然是错的！！！ 再次根据细胞周期相关基因进行PCA分析时，也不分不出群了，说明移除细胞周期影响的效果还是比较好的。 如果细胞周期不合适时怎么办？ 上述过程去除了与细胞周期相关的所有信息。
3.7K31发布于 2019-09-08 - 来自专栏文献分享及代码学习
Seurat软件学习11-细胞周期内容的分析
今天细胞周期的计算，在很多的物种中，细胞周期的计算是一个很有意思的现象，比如在大豆根瘤细胞中，根瘤细胞的在不同的侵染期发生的内复制的现象也是人们很关注的事情；在人类的癌症细胞中，癌症细胞的快速增殖引起了癌变的发生 因此研究细胞的增殖周期和细胞周期的变化是十分重要的。 ，方法是根据典型的标记物计算细胞周期阶段的分数，并在预处理期间将这些分数从数据中回归。 ，跟上面的pca降维图比，不能较好的区分细胞周期的现象。 由于最佳的细胞周期标志物在不同组织和物种中都有很好的保守性，我们发现这个程序在不同的数据集上都能稳定可靠地工作。 Alternate Workflow 上述程序删除了所有与细胞周期相关的内容。
1.3K31编辑于 2023-03-28 - 来自专栏单细胞天地
Seurat4.0系列教程8：细胞周期评分和回归分析
此教程展示了如何通过基于传统细胞周期相关marker计算细胞周期得分，并在预处理过程中将这些分数从数据中回归，以消除 scRNA-seq 数据中细胞周期异质性的影响。 我们将尝试从数据中回归此信号，以便细胞周期异质性不会对 PCA 或下游分析造成影响。 , PLK1, FUT8 ## Negative: F13A1, LY86, CFP, IRF8, CSF1R, TIFAB, IFI209, CCR2, TNS4, MS4A6C ## PC_ CellCycleScoring()还可以通过set.ident = TRUE来将Seurat对象的身份设置为细胞周期分期。 这意味着分离非循环细胞和循环细胞的信号将保留，但是增殖细胞之间的细胞周期差异（通常是不感兴趣的）将被从数据中剔除。
2.8K31编辑于 2022-01-10 - 来自专栏生信情报站
细胞周期预测 | 单细胞转录组(scRNA-seq)分析 03
文章目录 一、介绍 二、预处理 三、获取细胞周期分数 四、在数据缩放期间回归出细胞周期得分 五、备用工作流程 一、介绍 前置知识：原创 Seurat 包图文详解 | 单细胞转录组(scRNA-seq )分析02 使用Seurat包来运行，主要实现两个功能： 通过marker基因计算细胞周期评分 基于评分在预处理过程中，减轻单细胞转录组数据中细胞周期异质性影响 二、预处理 数据来自：http://www.bloodjournal.org ), nfeatures.print = 10) # 仅对细胞周期基因运行PCA时，细胞不再按细胞周期阶段分离 marrow <- RunPCA(marrow, features = c(s.genes 由于最佳的细胞周期标记在组织和物种之间极为保守，因此我们发现此程序可在各种数据集上稳定可靠地工作。 五、备用工作流程 上面的过程将删除与细胞周期相关的所有信号。 这意味着将维持分离非循环细胞和循环细胞的信号，但是增殖细胞之间的细胞周期相位差异（通常没用）将被从数据中去除。
1.2K10发布于 2021-01-12 CKS1 GST Tag融合蛋白：细胞周期调控机制研究的核心工具
一、CKS1蛋白的生物学功能与调控机制CKS1是细胞周期调控网络中不可或缺的衔接蛋白，其主要功能是作为桥梁分子，将关键的细胞周期蛋白依赖性激酶与泛素连接酶复合物进行特异性连接。 通过与CDK-Cyclin复合物的相互作用，CKS1直接参与调控细胞周期关键节点的转变，尤其是驱动G1期向S期的过渡，并参与姐妹染色单体的分离过程。 因此，对CKS1蛋白结构与功能的深入解析，是阐明细胞周期失调分子机制及发现相关治疗靶点的重要基础。 4.酶活性调控分析：利用重组CKS1蛋白，可在体外激酶反应体系中，研究其对CDK-Cyclin复合物激酶活性的调节作用，或探索其如何影响激酶对特定底物的识别与磷酸化效率。 四、总结与展望CKS1GSTTag融合蛋白的成功制备与应用，为深入探索细胞周期调控的精密分子机制提供了不可或缺的技术支撑。
8710编辑于 2026-02-13- 来自专栏单细胞
Scanpy分析全流程(含harmonypy整合细胞周期矫正双细胞检测及去除)
该内容包含：1.10X数据整理和读取；2.Scanpy全流程(过滤降维聚类分群可视化)；3.harmonypy整合数据；4.细胞周期矫正；4.scrublet检测双细胞及去除上一次推文进行了Seurat GSE188711_RAW/GSM5688710_features_R_CRC3.tsv.gz', 'GSE188711_RAW/GSM5688708_features_LS-CRC3.tsv.gz']4. sc.pl.highly_variable_genes(adata)# 保留高变基因，去除其他基因，但其实可以不去除# adata = adata[:, adata.var.highly_variable]# adata细胞周期矫正 # 基因集来自Seurats_genes = [ "MCM5", "PCNA", "TYMS", "FEN1", "MCM2", "MCM4", "RRM1", "UNG", "GINS2" ", "PSRC1", "ANLN", "LBR", "CKAP5", "CENPE", "CTCF", "NEK2", "G2E3", "GAS2L3", "CBX5", "CENPA"]# 细胞周期矫正
1.9K12编辑于 2025-06-01 - 来自专栏R语言及实用科研软件
🤫 Seurat | 强烈建议收藏的单细胞分析标准流程（细胞周期的影响去除）（三）
1写在前面 在scRNAseq数据中，不同细胞处在不同细胞周期，如果不进行异质性校正的话，会对结果有很大的影响。 nestorawa_forcellcycle_expressionMatrix.txt", header = TRUE, as.is = TRUE, row.names = 1) 4Seurat Seurat包内置了细胞周期的相关基因集，我们来看一下不同周期里的基因吧。 7.1 计算评分 现在我们可以根据这些细胞周期基因开始计算评分了。 计算好细胞周期的评分以后，我们就可以在标准化的时候加入这个变量了，去除它的影响。
2.8K11编辑于 2023-02-24 - 来自专栏单细胞
单细胞细胞周期矫正分析流程学习(Seurat)以及关于是否应该矫正的思考
单细胞细胞周期矫正的目的从宽泛的角度来说是因为它可以消除由于细胞周期阶段不同而导致的基因表达异质性。 在单细胞数据中，不同细胞可能处于不同的细胞周期阶段(如G1、S、G2或M期)，这些阶段会影响细胞的基因表达模式，尤其是那些与细胞周期密切相关的基因。 (这个掩盖可以解释为由于细胞周期导致的生物学误差过大之后，其他非细胞周期相关的功能学差异反而显得没那么有差异了..)当然，我们还是要依情况而定，如果研究方向就是跟细胞周期有直接且密切关系的，那就不可以去矫正这个因素了 Dec;25(12):1860-72. doi: 10.1101/gr.192237.115 IF: 6.2 Q1 B25、生信星球：https://mp.weixin.qq.com/s/bJ0tNj4w5p4R1MX5RHG9Ng6 、观科研：https://mp.weixin.qq.com/s/4KtwcV_eJnkdLfO47Yo_XA7、Top生物信息：https://mp.weixin.qq.com/s/tjP4sOXxGswxU8aOY00rjg8
69700编辑于 2024-09-08 - 来自专栏科研菌
如何将生信结合湿实验？快上车！这波操作猛如虎！
图3.growth-progression模型 4.生长-进展模型正确预测分子微扰对细胞周期相关性的作用 若通过延缓细胞周期来消除生长限制，只有进展会被遗传，那么亲、子代的周期时间的相关性就不会因为负耦合而被掩盖 因此，作者预测：相比于世代间相关性，生长抑制增加世代内（cousins）相关性；抑制生长周期进展时，相比于世代间，世代内相关性减少(Fig.4a)。 通过干扰细胞生长和细胞周期进程的实验验证生长-进展模型的预测（Fig.4BC）：降低细胞MYCN的表达，在延缓细胞周期的同时，细胞继续生长，平均体积增大。 正如生长-进展模型所预测，这些扰动导致了系谱树中细胞周期相关模式的显著差异(Fig.4DE)：降低MYCN表达，世代内相关性减少。而雷帕霉素处理显著增加世代内相关性，世代间仅轻微减少。 图4.生长和细胞周期进展的靶向扰乱实验 5.世代内相关性(cousin correlations)反映活跃的细胞大小检查点 作者假设生长可能主要限制快速增殖的细胞类型，分析未转化小鼠胚胎干细胞的延时显微镜数据发现
91030发布于 2020-07-24 - 来自专栏生命科学
Cyclin D3-CDK6复合体在癌细胞内的重要作用 | MedChemExpress
D型细胞周期蛋白（D1、D2和D3）及其相关的细胞周期蛋白依赖性激酶（CDK4和CDK6）是细胞周期机制的核心组成部分，可驱动细胞增殖。 之前研究比较多的调控机制，是D- CDK4/6复合体通过磷酸化RB蛋白，释放出了转录因子E2F，使细胞不断分裂增殖。 如果仅有这一条途径，当剔除RB蛋白之后，E2F不再被结合，原则上可以持续地启动细胞分裂，且不受D- CDK4/6活性的影响，而事实却并非如此，在不含RB蛋白的细胞中抑制D- CDK4/6的活性仍然可以导致细胞周期停滞 由此可见，D- CDK4/6对细胞周期的调控还有其他途径。 研究动态实验者首先在人类T-ALL细胞中对D类细胞周期蛋白、CDK4和CDK6进行分析，这一肿瘤内部的D3和CDK6的表达水平很高，而D1、D2、CDK4的表达水平却不是很高。
36910编辑于 2023-01-13 - 来自专栏单细胞天地
分裂期的细胞分析时需要过滤吗？
~variable) + theme_bw() +theme( strip.background = element_rect( color="black", fill="#FC4E07", s.genes,cc.genes.updated.2019$g2m.genes)) [1] "NASP" "SLBP" "MRPL36" "PCNA" "USP1" "HMGB2" "TUBB4B " "TACC3" "CBX5" "ANP32E" "LBR" "TMPO" "CKS1B" "SMC4" "CTCF" DoHeatmap(ccseo,features = Skinner等人发现在胚胎干细胞中重要的两个基因Nanog和Oct4以“突发性”的方式转录。此外，这种活性在DNA复制后减少，以补偿细胞中额外的DNA，从而在细胞周期中平衡mRNA的水平。 Skinner等人还发现，在他们研究的两个基因Oct4和Nanog中，脉冲频率是差异最大的参数。这些结果加强了最近在哺乳动物细胞中的其他研究发现，即通过突变频率的改变来调节转录率的重要性。
97420发布于 2020-12-11 - 来自专栏单细胞
单细胞实战之细胞周期矫正，双胞体和RNA污染去除——入门到进阶(初级篇2）
在单细胞数据中，不同细胞可能处于不同的细胞周期阶段(如G1、S、G2或M期)，这些阶段会影响细胞的基因表达模式，尤其是那些与细胞周期密切相关的基因。 (这个掩盖可以解释为由于细胞周期导致的生物学误差过大之后，其他非细胞周期相关的功能学差异反而显得没那么有差异了..)当然，我们还是要依情况而定，如果研究方向就是跟细胞周期有直接且密切关系的，那就不可以去矫正这个因素了 ()dir.create('4-Corrective-data/')setwd('4-Corrective-data/') register(MulticoreParam(workers = 4, progressbar (BiocParallel)getwd()dir.create('4-Corrective-data/')setwd('4-Corrective-data/') register(MulticoreParam 生信菜鸟团：https://mp.weixin.qq.com/s/UiO7AQczrcMdKENCWkLRCQ生信星球：https://mp.weixin.qq.com/s/bJ0tNj4w5p4R1MX5RHG9Ng
1.6K00编辑于 2025-02-09
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