- 综合排序
- 最热优先
- 最新优先
- 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。 PC8和PC10中是分开的。 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。 ## Negative: F13A1, LY86, CFP, IRF8, CSF1R, TIFAB, IFI209, CCR2, TNS4, MS4A6C ## PC_ 8 ## Positive 10)) 分配细胞周期得分 首先，我们根据每个细胞的G2 / M和S期marker的表达为其分配分数。
2.8K31编辑于 2022-01-10 - 来自专栏生物信息云
单细胞专题 | 10.细胞周期分析
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。 (即把G2和M当做一个phase) 主要学习两种来自scran与Seurat包鉴定细胞周期的方法介绍与演示。 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
前言 细胞周期一般包括G1（DNA合成前期）、S（DNA合成期）、G2（DNA合成后期）以及M（细胞分裂期）。 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。 因此我们需要对细胞周期进行分析，评估周期基因是否会对后续的聚类造成影响。 本文框架 1. 安装包 如果已经安装，此步请跳过。 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)。 "cc.genes"为Seurat包自带的数据集，储存了细胞周期的marker基因："s.genes"和"g2m.genes"，在对细胞周期阶段进行评分时，除了这两类外，剩下的归为g1.genes。
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
3、scRNA-seq与cell cycle 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； 本篇笔记主要学习两种来自scran与Seurat包鉴定细胞周期的方法介绍与演示 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。 五、小结 本篇笔记主要介绍了在单细胞数据分析中常见的两种注释细胞周期cell cycle的函数方法及用法。
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
，分为分裂期（M）和分裂间期（G1，S，G2），细胞处于不同的细胞周期时，代谢活跃状态和染色体的状态大不相同，所以在不同周期表达量是有差异的直接比较表达量是不可取的，不过得分情况，有些对下游的聚类和分群影响比较大 search for "data" layer in "RNA" assay yielded no results; utilizing "counts" layer instead.2.1.2 计算细胞周期评分 # 计算细胞周期评分check_cc = function(ob){ s.genes <- intersect(cc.genes$s.genes,rownames(ob)) g2m.genes < PCA函数处理之后meta.data多了3列，分别是s和g2m的评分以及推断的细胞周期table(ch1$Phase)ch2 = check_cc(marrow)table(ch2$Phase)PCAPlot p3+p4统计考虑和不考虑细胞周期的变化，要是false太多就得采用去除后的结果更为可信一点> table(as.character(Idents(m))==as.character(Idents(scRNA
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) ? 0610010F05Rik 0610010K14Rik NA "ENSMUSG00000042208" "ENSMUSG00000020831" 三者齐全，可以进行细胞周期计算
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。 、50 Assays、100 Assays 三种规格，对应价格分别为 180 元、350 元、600 元，运输需采用冰袋冷藏，在 2~8°C/-20°C 避光条件下可保存 12 个月。 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。 保存运输便利：支持 2~8°C/-20°C 避光保存，有效期长达 12 个月，采用冰袋运输即可保障试剂稳定性。文献佐证可靠：已被多篇高分 SCI 论文引用，其检测结果具有较强的科学性与可信度。
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
二次分群输入数据并指定感兴趣的细胞这里我选择CD8T细胞rm(list = ls())library(Seurat)library(dplyr)load(".. /sce.Rdata")seu.obj = scep1 = DimPlot(seu.obj, reduction = "umap",label=T)+NoLegend()；p1my_sub = "CD8 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
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 RunPCA(marrow, features = VariableFeatures(marrow), ndims.print = 6:10, nfeatures.print = 10) 我们看到对PC8和 DimHeatmap(marrow, dims = c(8, 10))#热图表示 ? 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。 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
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。 PC10分出来一类的细胞周期基因，包括TOP2A和MKI67。 ## Negative: F13A1, LY86, CFP, IRF8, CSF1R, TIFAB, IFI209, CCR2, TNS4, MS4A6C ## PC_ 8 ## Positive ，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 features = VariableFeatures(marrow), ndims.print = 6:10, nfeatures.print = 10) DimHeatmap(marrow, dims = c(8, 在PCA后，会发现PC8与PC10中包括TOP2A和MKI67的细胞周期mark。可以尝试数据中回归该信号，避免影响下游分析。 ), 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。
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。 三、CKS1GSTTag融合蛋白在分子机制研究中的应用纯化获得的CKS1GSTTag融合蛋白为细胞周期调控的体外研究提供了强有力的分子工具，其主要应用方向如下：1.蛋白质-蛋白质相互作用验证：-Pull-down 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 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 HJURP", "CDCA3", "CDC20", "TTK", "CDC25C", "KIF2C", "RANGAP1", "NCAPD2", "DLGAP5", "CDCA2", "CDCA8" ", "PSRC1", "ANLN", "LBR", "CKAP5", "CENPE", "CTCF", "NEK2", "G2E3", "GAS2L3", "CBX5", "CENPA"]# 细胞周期矫正 , "B/Plasma": ["CD79A", "MS4A1", "TNFRSF13C", "TNFRSF17"], "T/NK": ["CD3D", "CD3E", "CD4", "CD8A
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）
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。 s.genes <- cc.genes$s.genes g2m.genes <- cc.genes$g2m.genes 6主成分分析 这里我们可以看到一些细胞周期基因在PC8和PC10是有显著差别的, VariableFeatures(marrow), ndims.print = 1:10, nfeatures.print = 10) DimHeatmap(marrow, dims = c(8, 10), fast = T) 7计算细胞周期评分 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。 features = c(s.genes, g2m.genes)) DimPlot(marrow, cols = pal_npg("nrc", alpha = 0.7)(3)) 8排除细胞周期异质性的影响
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。 Blood. 2016 Aug 25;128(8):e20-31.3、Complex Analysis of Single-Cell RNA Sequencing Data. ：https://mp.weixin.qq.com/s/4KtwcV_eJnkdLfO47Yo_XA7、Top生物信息：https://mp.weixin.qq.com/s/tjP4sOXxGswxU8aOY00rjg8 、老俊俊的生信笔记：https://mp.weixin.qq.com/s/i5ByW8L_X759hVoAYCWEsg9、生信百宝箱：https://mp.weixin.qq.com/s/kgNUodM18cCUls7ZQXYgEQ
69700编辑于 2024-09-08 - 来自专栏单细胞天地
分裂期的细胞分析时需要过滤吗？
Phase ACGAACTGGCTATG pbmc3k 8875 2413 Platelet 1.577465 8 8 -0.02272569 0.02334952 G2M GGGCCAACCTTGGA pbmc3k 8415 2013 DC 会不会有细胞类型特异的细胞周期状态呢? 在整个细胞周期中维持恒定的mRNA水平。在细胞周期的G1期(蓝色)，特定基因的启动子打开和关闭，以产生突发的mRNA分子(黑色波)。 然而，在细胞周期的S期和G2期(绿色)，细胞中每个基因的副本是复制的两倍。因此，细胞必须补偿这些额外的拷贝，以便在整个细胞周期中保持恒定的mRNA水平。
97420发布于 2020-12-11 - 来自专栏生信宝典
Science：通过单细胞转录组测序揭示玉米减数分裂进程 | 很好的单细胞分析案例
这些峰与8个单细胞聚类群的边界相一致，但是拟时间速率仍然保留了聚类分析所忽略的细节。例如，拟发育时间变化速率峰的高度提供了一种定义表达改变幅度的方法。 scRNA-seq数据的Pr1和Pr2阶段选择了5个标记基因（图3A），两个在Pr1和Pr2中下调（Ago18a 和Rpl38e）, 两个在Pr1中上调（Rmf 和 C3h3）,和一个在Pr2中上调（Trps8） Pr2的标记基因（Trps8）在偶线期的所有花中都上调，而在偶线期之前没有变化，提示Pr2高表达时完全进入了偶线期。 结果发现除了Pr2的标记基因Trps8延迟表达外，其他的基因均正常表达，表明这些基因的调控并不受来自邻近的体细胞的影响。 9种细胞周期蛋白选择性的表达在细胞周期的特定阶段（图5E）。但是有一小部分与细胞周期无关的基因也表现出细胞周期阶段特异的表达调控。 ?
2.9K30发布于 2019-05-20 - 来自专栏数据科学（冷冻工厂）
单细胞系列教程：归一化和回归（八）
最常见的生物学数据校正是去除细胞周期对转录组的影响。这种数据校正可以通过针对细胞周期分数的简单线性回归来执行。第一步是探索数据，看看是否观察到数据中的任何影响。 此函数根据输入的canonical markers计算细胞周期阶段分数。在 data文件夹中为您提供了一个人类细胞周期标记物列表，作为Rdata文件，称为cycle.rda。 View(seurat_phase@meta.data) 图片在对细胞进行细胞周期评分后，使用PCA确定细胞周期是否是数据集中变异的主要来源。 按细胞周期阶段划分数字，以评估相似性或差异。 8. 保存结果在完成之前，将此对象保存到data/文件夹。回到这个阶段可能需要一段时间，尤其是在处理大型数据集时，最好将对象保存为本地易于加载的文件。
1.4K02编辑于 2023-01-25 - 来自专栏数据科学（冷冻工厂）
单细胞分析：归一化和回归（八）
最常见的生物学数据校正是去除细胞周期对转录组的影响。这种数据校正可以通过针对细胞周期分数的简单线性回归来执行。 第一步是探索数据，看看是否观察到数据中的任何影响。 此函数根据输入的canonical markers计算细胞周期阶段分数。 在 data文件夹中为您提供了一个人类细胞周期标记物列表，作为Rdata文件，称为cycle.rda。 # 加载细胞周期 markers load("data/cycle.rda") # 为细胞进行细胞周期评分 seurat_phase <- CellCycleScoring(seurat_phase, 按细胞周期阶段划分数字，以评估相似性或差异。 8. 保存结果 在完成之前，将此对象保存到data/文件夹。回到这个阶段可能需要一段时间，尤其是在处理大型数据集时，最好将对象保存为本地易于加载的文件。
73410编辑于 2023-02-27
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