- 综合排序
- 最热优先
- 最新优先
- 来自专栏医学数据库百科
我的细胞系还是我以为的细胞系嘛？
背景数据收集 如果要对一个未知的细胞系进行认证的话。优先的就是需要收集已知的细胞系表达数据。利用这些数据当作一个背景数据集。 数据预测 模型构建好之后，就可以进行细胞系预测了。细胞系预测的数据使用的是细胞系的表达谱芯片或者是二代测序的表达数据。我们需要提交相关的表达数据。 通过三步我们就能够预测细胞系种类了。 ? ? 其中预测的细胞系选择当中，我们可以选择类似CCLE这样900多个细胞系来一起预测。同时也可以选择单一的细胞系来进行预测。 ? ? 其次，对于每一个样本的信息也会有一个详细的结果，包括前五的可能的细胞系这样的话，如果我们的细胞系最可能的不是目标细胞系，在这里可以看看前五的有没有。毕竟结果还是有偏差的。 ? 关于数据库的时候，由于需要提供这个细胞系的表达谱的数据，所以相对来说还是有一定的门槛的。不过随着测序价格的降低，基本上应该都会有自己细胞系的测序结果的吧。
54120发布于 2020-07-07 - 来自专栏数据科学（冷冻工厂）
单细胞系列教程：质控（四）
注意：此数据集的计数数据也可从 10X Genomics 获得，并在 Seurat 教程中使用。Metadata除了原始数据，还需要收集有关数据的信息；这称为Metadata。 Read10X(): 此函数来自 Seurat 包，将直接使用 Cell Ranger 输出目录作为输入。使用这种方法，不需要加载单个文件，而是该函数将加载并将它们组合成一个稀疏矩阵。 使用 Cell Ranger 处理 10X数据后，将拥有一个 outs目录。 如果有一个样本，可以生成计数矩阵，然后创建一个 Seurat 对象：关于Seurat对象# 如何读取单个样本的 10X 数据（输出为稀疏矩阵）ctrl_counts <- Read10X(data.dir 当使用 Read10X()函数读入数据时，Seurat会自动为每个单元格创建一些元数据。此信息存储在Seurat对象内的 meta.data中。
1.7K01编辑于 2023-01-25 - 来自专栏数据科学（冷冻工厂）
单细胞系列教程：marker鉴定（十一）
我们可以通过两组的平均倍数变化来查看前 10 个标记，以便快速浏览每个簇：# 每提取个簇前 10 个标记top10 <- conserved_markers %>% mutate(avg_fc = )# 可视化每个簇的前 10 个标记View(top10)图片我们看到簇 7 出现了很多热休克和 DNA 损伤基因。 例如，我们之前已将 0、2、4、10 和 18 号簇确定为 CD4+ T 细胞，但这些细胞簇之间是否存在生物学相关差异？ CD69", "CCR7", "SELL"), label = TRUE, order = TRUE, min.cutoff = 'q10 "NK cells", "9" = "FCGR3A+ monocytes", "10
4.9K02编辑于 2023-01-25 - 来自专栏单细胞天地
混合到同一个10X样品里面的多个细胞系如何注释
Single-cell transcriptomic heterogeneity in invasive ductal and lobular breast cancer cells》，这个单细胞文章仅仅是单个10X BCK4 (n=512) MCF10A (n=491) HEK293T(n=881). 但是没办法从单个或者多个标记基因的角度来对细胞系进行命名： 标记基因不明显 可以看到不同细胞系各自的高表达量基因并不是非常特异性，不同细胞系仅仅是某些基因的表达高低而不是表达与否的差异。 cluster0 MCF7 # cluster1 HEK293 # cluster2 T47D # cluster3 BCK4 # 排除法 # cluster4 T47D # cluster5 MCF10A 如果你对单细胞数据分析还没有基础认知，可以看基础10讲： 01. 上游分析流程 02.课题多少个样品，测序数据量如何 03. 过滤不合格细胞和基因（数据质控很重要） 04.
70331编辑于 2022-01-10 - 来自专栏数据科学（冷冻工厂）
单细胞系列教程：质控实战（五）
Novelty score这个值很容易计算，取每个细胞检测到的基因数量的log10 和每个细胞的 UMI数量的log10，然后将 log10的基因数量除以UMI的log10数量。 # 将每个单元格的每个 UMI 的基因数添加到元数据merged_seurat$log10GenesPerUMI <- log10(merged_seurat$nFeature_RNA) / log10 例如，与 50-60% 之间的 10X 相比，inDrops 细胞捕获效率更高（70-80%）。细胞数量也可能因protocol而异，产生的细胞数量远高于加载的数量。 选择只保留在 10 个或更多细胞中表达的基因细胞。通过使用此过滤器，将有效去除所有细胞中计数为零的基因。 # 对所有 TRUE 值求和，如果每个基因超过 10 个 TRUE 值，则返回 TRUEkeep_genes <- Matrix::rowSums(nonzero) >= 10# 只保留那些在超过 10
2.2K01编辑于 2023-01-25 - 来自专栏数据科学（冷冻工厂）
单细胞系列教程：数据整合（九）
对齐相似细胞类型的细胞，这样就不会因为样本、条件、模式或批次之间的差异而在后续分析中进行聚类。
1.3K01编辑于 2023-01-25 - 来自专栏生信菜鸟团
混合到同一个10X样品里面的多个细胞系如何注释
Single-cell transcriptomic heterogeneity in invasive ductal and lobular breast cancer cells》，这个单细胞文章仅仅是单个10X BCK4 (n=512) MCF10A (n=491) HEK293T(n=881). 可以看到，不同细胞系，降维聚类分群后，泾渭分明。但是没办法从单个或者多个标记基因的角度来对细胞系进行命名： ? 标记基因不明显 可以看到不同细胞系各自的高表达量基因并不是非常特异性，不同细胞系仅仅是某些基因的表达高低而不是表达与否的差异。 cluster0 MCF7 # cluster1 HEK293 # cluster2 T47D # cluster3 BCK4 # 排除法 # cluster4 T47D # cluster5 MCF10A
66630发布于 2021-07-29 - 来自专栏数据科学（冷冻工厂）
单细胞系列教程：环境搭建（三）
在命令行运行下面的命令，如果是root帐号，请去除sudo，其他系统参考 > Install R
91001编辑于 2023-01-25 - 来自专栏xingoo, 一个梦想做发明家的程序员
【插件开发】—— 10 JFace开发详解
address; 6 public int getId() { 7 return id; 8 } 9 public void setId(int id) { 10 8 import org.eclipse.jface.viewers.LabelProvider; 9 import org.eclipse.jface.viewers.ListViewer; 10 = new int[]{SWT.LEFT,SWT.LEFT,SWT.LEFT,SWT.LEFT}; 9 for(int i=0;i<columnNames.length;i++){ 10 8 import org.eclipse.jface.viewers.LabelProvider; 9 import org.eclipse.jface.viewers.TreeViewer; 10 StyleRange(0,12,null,null,SWT.BOLD)); 8 viewer.changeTextPresentation(style, true); 9 10
3.4K50发布于 2018-01-18 - 来自专栏DrugOne
Bioinformatics|癌症细胞系的用药反应预测
表1 基于两种药物预测的TOP 10敏感细胞株 4.
81050发布于 2021-02-01 - 来自专栏数据科学（冷冻工厂）
单细胞系列教程：聚类流程（六）
现在有了高质量的细胞，可以继续工作流程。最终，希望对细胞进行聚类并识别不同的潜在细胞类型，但是在那之前需要完成几个步骤。下面的工作流程示意图中的绿色框对应于QC 后采取的步骤，共同构成了聚类工作流程。
52701编辑于 2023-01-25 - 来自专栏数据科学（冷冻工厂）
单细胞系列教程：细胞聚类（十）
同样，为了探索大量 PC，我们可以通过驱动 PC 的 PCA 分数打印出前 10 个（或更多）阳性和阴性基因。 # 打印出驱动 PC 的可变基因print(x = seurat_integrated[["pca"]], dims = 1:10, nfeatures = 5)图片(b) elbow 绘制 elbow 图ElbowPlot(object = seurat_integrated, ndims = 40)图片基于此图，我们可以通过elbow出现在 PC8 - PC10
2K01编辑于 2023-01-25 - 来自专栏芒果先生聊生信
HEK293细胞系，最全总结
293T/17细胞是293T细胞中共转染pBND和pZAP质粒而获得的具有G418耐受的细胞系。该细胞系仍保留高转染效率的特点。 293T/17SF细胞是在293T细胞中转入EBV基因形成的转化细胞系，该细胞系主要用于瞬时转染及蛋白表达，类似于293E细胞的作用。 该细胞系主要用于蛋白互作的筛选。 293S（suspension）细胞是被驯化成能够悬浮培养且能够耐受低钙离子培养条件的293细胞系。 该细胞系常用于同源的N-糖基化蛋白的表达。此外，该细胞系中具有四环素表达抑制基因，可用于四环素诱导的蛋白表达研究。 293SGGD细胞系是在293SG转染pcDNA3.1-zeo-STendoT质粒的细胞系，其主要用于糖基化工程研究中。
7.4K20发布于 2020-08-28 - 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）
这可能需要一些时间（约 10 分钟）：for (i in 1:length(split_seurat)) { split_seurat[[i]] <- SCTransform(split_seurat
1.4K02编辑于 2023-01-25 稳定细胞系构建原理与流程解析
在现代生物制药和分子生物学研究中，稳定细胞系是实现可重复、高产蛋白表达的基础。它不仅用于抗体和疫苗的研发，还广泛应用于酶学研究、信号通路分析和基因功能验证。 一、稳定细胞系的基本原理稳定细胞系的核心是基因的基因组整合：基因组整合目标基因通过各种方法插入宿主细胞的染色体中，而不是停留在细胞质内（如瞬时转染）。 二、稳定细胞系构建的流程稳定细胞系的开发一般包括以下几个核心环节：1. 设计与载体构建目标基因优化：提高翻译效率，添加信号肽和标签。 宿主细胞匹配：根据蛋白特性选择 CHO、HEK293 或其他专用细胞系。2. 通过标准化的流程和严谨的技术控制，稳定细胞系能够为研究和产业化提供可靠、可重复、长期稳定的蛋白生产平台。
13710编辑于 2026-01-14- 来自专栏生信修炼手册
CCLE:肿瘤细胞系百科全书
CCLE全称如下 Cancer Cell Line Encyclopedia 是由Broad Institute研究所牵头发起的一项肿瘤基因组学研究项目，收集整理了1000多个肿瘤细胞系的组学数据，包含了以下类别 array(RPPA) profiles 该数据库的网址如下 https://portals.broadinstitute.org/ccle 简单注册之后就可以查看其中的数据，最新版本共包含了1457个细胞系的相关数据 通过首页的检索按钮，可以根据基因或者细胞系进行检索，以TP53为例，示意如下 ? 检索结果包含以下几个部分 1. Distribution by Lineage 该部分用于比较基因对应的组学数据在不同细胞系间的分布，包含了以下几种 Achilles shRNA knockdown Copy Number DNA methylation
3.2K31发布于 2019-12-19 - 来自专栏百味科研芝士
肿瘤细胞系还有在线数据库？
肿瘤细胞系在肿瘤发生机制的阐明，药物敏感性的检测，肿瘤标志物的发现等研究内容中发挥重要的作用。肿瘤细胞系的数据显得尤为重要。 据统计数据库中共包含40种癌型（包含未知的癌型），1457个肿瘤细胞系的数据，可以说CCLE数据库和COSMIC都是研究肿瘤细胞系的利器。 据统计CCLE数据包含了细胞系的突变、基因融合、miRNA、蛋白质表达谱、基因表达谱、甲基化谱、拷贝数、代谢谱、药物处理细胞系的IC50值和AUC值等。 CCLE提供便利的可视化工具，可通过检索获得基因在各种癌型的细胞系中表达情况，便捷传达了基因在哪些癌型细胞系高表达，哪些癌型细胞系低表达。此外，能直接下载感兴趣的基因在细胞系中的表达谱数据。 第二种：研究对象为细胞系所有的基因 若需要细胞系的全部基因，那么上面的方法就不是便捷的方法了。
3.9K21发布于 2020-08-24 【辰辉创聚生物】稳定细胞系构建 | 稳定株开发服务 | 高表达克隆筛选
稳定细胞系构建是细胞生物学、分子生物学和蛋白质工程等众多科研领域中广泛采用的一项基础技术。 所谓稳定细胞系，是指通过遗传整合外源基因的方式，使细胞在长期传代过程中持续稳定表达目标蛋白（或其它功能元件）的细胞系。 这类细胞系是进行蛋白功能研究、信号通路分析、生物药物研发及大规模表达等实验的核心工具。构建稳定细胞系的核心环节包括外源基因载体构建、有效转染、筛选与克隆扩增、表达持续性验证等步骤。1. 表达稳定性与验证稳定细胞系的构建完成后，还需对外源基因的表达进行验证，并确认其长期稳定性。 细胞培养环境与支持试剂稳定细胞系的建立与维护还依赖于良好的细胞培养环境。关键包括：基础培养基：如 DMEM、RPMI 1640 等，是维持细胞生命活动的基础。
12700编辑于 2026-01-26- 来自专栏写代码和思考
Android开发(10) 动画（Animation）
1.准备一个animation对象，改对象可以看作是个动画对象，它描述（封装）了什么样式的动画。 我们可以在代码里手动创建这些对象，对应的4个animaiton对象类：
82900发布于 2020-03-16 - 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）
每个细胞的测序深度低 对于基于液滴的scRNA-seq 方法，测序深度较浅，通常每个细胞仅检测到10-50% 。这导致细胞中许多基因的计数为零。 主要来源包括： Cell-specific capture efficiency：不同的细胞会捕获不同数量的转录物，从而导致测序深度的差异（例如 10-50% 的转录组）。
80511编辑于 2023-01-25
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