- 综合排序
- 最热优先
- 最新优先
- 来自专栏生信技能树
monocle2拟时序实战细节剖析（拟时序一本通04）
我们后面也会介绍一下其它软件和方法： monocle3拟时序实战 SCORPIUS Slingshot 基于其它编程语言的拟时序分析 我们这里还是使用最开始的测试数据来作为案例演练，我们主要是关心的是已知的CD14和CD16 首先大家需要有生物学背景知识，就是CD14和CD16是用于表征单核细胞（单核吞噬细胞）亚型的两种常见标记物。 =y4eh ，只需要是针对上面的scRNA变量进行操作即可，可以看到我们单核细胞子集里面仍然是有淋巴细胞的干扰 ，如下所示： 有淋巴细胞的干扰 而且很有意思的是CD14单核细胞其实是有两个亚群的，而CD16 当然了，这个发育是没有方向的，所以理论上也可以说是CD16单核细胞会演变成为两个截然不同的CD14单核细胞啦。 之前的2群是CD16单核细胞，现在的编号2群也是CD16单核细胞它也同样的分布在两个不同样品里面。
3.1K20编辑于 2024-03-26 - 来自专栏生信技能树
为什么说可视化会欺骗你
51 81 Eryth 23 32 这样的话，就很容易降维聚类分群，而且可以看到CD14和CD16 因为我给学徒布置的任务就是看单核细胞的拟时序，所以他就做了一个很简单的可视化，就是使用DotPlot函数去可视化CD14和CD16的单核细胞的一些基因，如下所示的代码： cg = c( 'CD68', DotPlot(ifnb ,cg,group.by = 'seurat_annotations' ,split.by = 'orig.ident') p$data 吊轨的事情就出来了，理论上CD14和CD16 ) 可以看到在每个样品内部其实是： 每个样品内部DotPlot函数去可视化 其实很容易理解它，就是可视化其实凸显的是相对概念，第一次可视化的时候如果我们肉眼看看 p$data 就可以发现，其实是CD16 看到了现象还不够，还可以细究里面的原因 为什么在两个样品（两个处理）的单细胞转录组表达量矩阵里面，CD14和CD16的单核细胞的基因会总体来说在STIM组里面的远高于CTRL组呢？
42410编辑于 2024-03-25 - 来自专栏生信技能树
SCTransform真的能完美替代Seurat早期的3个函数吗
data("ifnb") ifnb=UpdateSeuratObject(ifnb) kp = ifnb$seurat_annotations %in% c('CD14 Mono' , 'CD16 也可以换一个角度去对比 比如同样的是harmony整合， 但是如果是针对全部的单细胞亚群组合的数据集，可以看到来源于两个样品的CD14和CD16的单核细胞混合的非常好。 /scRNA_scripts/check-all-markers.R') setwd('../') getwd() 我们使用什么的标准的降维聚类分群代码试试看，可以得到如下所示： 可以看到cd16 单核细胞亚群） 3 274 265 （淋巴细胞污染） 可以看到的是cd16单核细胞亚群确实是被harmony整合的挺好的，在UMAP的二维可视化图两个样品来源的cd16 但是如果你仔细看上面的热图，其实cd16里面的也是有大量的干扰素相关基因表达量过高，只不过是在大环境层面的降维聚类分群因为cd16单核数量远少于cd14，所以它异质性没那么强到需要分成两个亚群，或者说我们的分辨率不够高
1.9K10编辑于 2024-03-25 - 来自专栏单细胞天地
NK细胞的单细胞层面细分亚群
其中，人类NK细胞通常通过CD56和CD16来进行分类： CD56^bright NK细胞：表达高水平的CD56，但低水平的CD16。这些细胞具有较高的细胞毒性，但细胞杀伤活性相对较低。 CD56^dim NK细胞：表达低水平的CD56，但高水平的CD16。这些细胞具有高度的细胞毒性和细胞杀伤活性。 2. 关于CD56 (NCAM1) and CD16 (FCGR3A) 因为早期免疫细胞主要是靠流式细胞仪来分选，而他们依赖于课题，在NK单细胞亚群里面主要是CD56和CD16，其实对应的基因名字是NCAM1 作者专注于去细分CD16亚群里面NK细胞 值得注意的是作者专注于去细分CD16亚群里面NK细胞，但是上面的那些功能性描述其实并没有单细胞数据集的普适性，基本上很难被复现。 在NK单细胞亚群里面主要是CD56和CD16，其实对应的基因名字是NCAM1和FCGR3A ，它们在单细胞转录组表达量矩阵里面降维聚类分群后也可以看到是有表达量的排斥作用。
1.7K50编辑于 2023-08-31 - 来自专栏生信技能树
为什么做拟时序（拟时序一本通01）
让我们看看具体的案例，众所周知CD14和CD16是用于表征单核细胞（单核吞噬细胞）亚型的两种常见标记物，CD14单核细胞主要参与炎症调节和免疫应答，而CD16单核细胞主要参与细胞毒性和抗体介导的免疫应答 而CD56和CD16这两种常用的表面标记物，用于区分NK细胞的亚型。 我们可以很容易通过差异分析取找到CD14和CD16的单核细胞的各自的特异性基因列表，或者CD56和CD16的NK细胞的各自的特异性基因列表。 的单核细胞两个细胞亚群的差异其实是跟两个不同样品或者说两个分组并存的，而且是在每个样品内部都很清晰的可以看到是CD16的单核细胞慢慢演变成为了两种截然不同的CD14的单核细胞。 是CD16的单核细胞慢慢演变成为了两种截然不同的CD14的单核细胞 这个具体的变化过程，就可以继续两两之间做拟时序看基因列表了，绘制渐变的热图。
96110编辑于 2024-03-25 - 来自专栏技术文章
Elabscience 手把手教学：中性粒细胞流式从样本准备到数据分析全拆解
核心标志物选择中性粒细胞的特异性表面标志物：如CD16（FcγRIII）、CD66b、CD11b/CD18（Mac-1）等。 其中CD16在成熟中性粒细胞上高表达，在未成熟中性粒细胞（如杆状核）中表达较低。CD66b的特异性最高，几乎仅表达于中性粒细胞。 不同实验目的标志物组合参考样本类型推荐方案及核心标记物应用人外周血常规检测：CD45/CD15/CD16基础表型鉴定，快速、标准地圈定外周血中性粒细胞群。 CD66b比CD16更稳定，尤其适用于活化样本。 /7-AAD/Caspase-3/7或CD66b/CD16/7-AAD/Annexin V成熟度和功能状态分析，区分坏死与凋亡的粒细胞。
19510编辑于 2026-01-19 - 来自专栏生信技能树
monocle多样本拟时序分析
monocle_one_sample/sce.all.Rdata") table(sce.all$celltype) ## ## B B Activated CD14 Mono CD16 236 618 132 631 scRNA = subset(sce.all,idents = c("CD14 Mono","CD16 Mono")) table(scRNA$celltype) ## ## CD14 Mono CD16 Mono ## 4355 1044 table(scRNA$orig.ident 因为只想要CD14和CD16单核细胞，所以提取出来相应的子对象。 因为monocle和seurat是两个不同的体系，所以需要将seurat对象转换为monocle可以接受的CellDataSet对象。 estimateSizeFactors(sc_cds) sc_cds <- estimateDispersions(sc_cds) table(scRNA@meta.data$celltype) ## ## CD14 Mono CD16
67810编辑于 2024-07-05 - 来自专栏生信技能树
monocle单样本拟时序分析
例如本例中选择了CD14和CD16单核细胞。 如果让ai来说拟时序的目的那就比我说的多: 拟时序分析（Pseudo-time analysis）是一种用于理解细胞状态和细胞命运变化的计算生物学方法。 (dplyr) load("scRNA.Rdata") table(scRNA$celltype) ## ## B B Activated CD14 Mono CD16 214 121 320 81 332 scRNA = subset(scRNA,idents = c("CD14 Mono","CD16 Mono")) table(scRNA$celltype) ## ## CD14 Mono CD16 Mono ## 2144 537 本文的输入数据是seurat做完降维聚类分群注释的数据 因为只想要CD14和CD16单核细胞，所以提取出来相应的子对象。 因为monocle和seurat是两个不同的体系，所以需要将seurat对象转换为monocle可以接受的CellDataSet对象。
64810编辑于 2024-07-05 - 来自专栏流式抗体推文
NK细胞分群不清？Elabscience全流程方案助你高效通关
CD16是另一个重要的NK细胞标志物，主要负责抗体依赖性细胞毒性（ADCC）。 （1）基于CD56和CD16的表达，NK细胞可分为两个主要亚群[4]CD56dimCD16+NK细胞：这是外周血中最主要的NK细胞亚群，约占总NK细胞的90%以上，具有强大的细胞毒性功能。 （2）除了CD3、CD56和CD16，研究人员还会根据具体的研究目的选择其他辅助标志物，以进行更深入的表型分析，例如：抑制受体：NKG2A、CD94等，这些受体在维持免疫稳态和防止自身免疫中发挥作用[5 细胞分析抗体汇总种属标志物类型推荐标志物应用HumanLineage标志物CD3-、CD56+核心鉴定组合，排除 T 细胞排除标志物CD19-、CD14-、CD66b-排除B细胞、单核细胞、粒细胞亚群标志物CD16 CD3−CD16−CD56brightImmunoregulatory NK Cells are Increased in the Tumor Microenvironment and Inversely
3500编辑于 2026-02-28 - 来自专栏文献分享及代码学习
Seurat软件学习7-同胞多组学结合方法-WNN
','20' = 'HSPC','15' = 'cDC')pbmc <- RenameIdents(pbmc, '0' = 'CD14 Mono', '9' ='CD14 Mono', '5' = '<em>CD16</em> reduction = 'wnn.umap')gene_plot | motif_plot图片# identify top markers in HSPC and visualizehead(topTFs("CD16 Mono"),3)## RNA.group gene RNA.auc RNA.pval motif.group motif.feature motif.auc## 1 CD16 Mono SPI1 0.8764099 4.116679e-291 CD16 Mono MA0080.5 0.8831213## 2 CD16 Mono CEBPB 0.8675114 8.321489e -292 CD16 Mono MA0466.2 0.7859496## 3 CD16 Mono MEF2C 0.7132221 4.210640e-79 CD16 Mono
1.5K30编辑于 2022-11-04 - 来自专栏数据科学（冷冻工厂）
scRAN-seq｜加权最近邻分析(2)
,'20' = 'HSPC','15' = 'cDC') pbmc <- RenameIdents(pbmc, '0' = 'CD14 Mono', '9' ='CD14 Mono', '5' = '<em>CD16</em> reduction = 'wnn.umap') gene_plot | motif_plot # identify top markers in HSPC and visualize head(topTFs("CD16 Mono"),3) ## RNA.group gene RNA.auc RNA.pval motif.group motif.feature motif.auc ## 1 CD16 Mono TCF7 0.6229004 5.572097e-27 CD16 Mono MA0769.2 0.6956458 ## 2 CD16 Mono LEF1 0.6244160 1.959810e-27 CD16 Mono MA0768.1 0.6427922 ## 3 CD16 Mono GATA3 0.6853318 1.575081e-132 CD16
31310编辑于 2024-04-15 - 来自专栏单细胞天地
Seurat4.0系列教程18：Weighted Nearest Neighbor Analysis
,'20' = 'HSPC','15' = 'cDC') pbmc <- RenameIdents(pbmc, '0' = 'CD14 Mono', '9' ='CD14 Mono', '5' = '<em>CD16</em> reduction = 'wnn.umap') gene_plot | motif_plot # identify top markers in HSPC and visualize head(topTFs("CD16 Mono"),3) ## RNA.group gene RNA.auc RNA.pval motif.group motif.feature motif.auc ## 1 CD16 Mono SPI1 0.8764099 4.116679e-291 CD16 Mono MA0080.5 0.8831213 ## 2 CD16 Mono CEBPB 0.8675114 8.321489e-292 CD16 Mono MA0466.2 0.7859496 ## 3 CD16 Mono MEF2C 0.7132221 4.210640e-79 CD16
1.6K11编辑于 2022-01-10 - 来自专栏生信菜鸟团
【生信文献200篇】65 狼疮性肾炎患者肾脏免疫细胞图谱
根据典型 DC 标记 CD1C 和 FLT3 的表达以及单核细胞标记 CD14 和 CD16 的缺失表达，CM3 簇最接近 CD1C DC 或 CLEC9A DC。 簇CM0 细胞与 CD16 最相似，具有非常高的 CD16 (FCGR3A) 和 CX3CR1 表达及 CD14 和 CCR2 的低表达。 在簇 CM1 和 CM4 中发现了相似的结果。 由于簇 CM0 中的细胞往往与外周血 CD16 单核细胞最相似，而簇 CM4 中的细胞最不相似，因此可能是从炎症性血液单核细胞（CM0）到 吞噬（CM1），然后是交替激活（CM4）表型。 共产生了 1,411 个分选的高质量髓系血细胞，其中包括 CD16 单核细胞亚群。研究人员将这个亚群中每个细胞的基因表达数据与髓样肾簇的基因表达数据进行了比较。 发现绝大多数外周血 CD16 细胞与 CM0 簇最相似，少数细胞映射到 CM1 或 CM3，没有细胞映射到 CM4 或 CM2。
2.3K21发布于 2021-09-17 - 来自专栏生信技能树
同样的单细胞研究，为什么发表的文章杂志等级差别那么大
C56−CD16+ NK cells (NK2), which expressed high levels of CD16 and low levels of CD56. CD56+CD16− NK cells (NK1), which expressed high levels of CD56 and low levels of CD16; NK cells highly
74030发布于 2020-06-28 - 来自专栏单细胞天地
Seurat 4.0 || 分析scRNA和膜蛋白数据
rownames(bm@assays$ADT) [1] "CD11a" "CD11c" "CD123" "CD127-IL7Ra" "CD14" "CD16 ICOS, CD127-IL7Ra CD38, CD161 Negative: CD45RA, CD19, CD79b, CD197-CCR7, CD8a, CD57, CD56, CD16 , CD27, CD25 HLA.DR, CD34 PC_ 3 Positive: CD16, CD56, CD8a, CD11a, CD57, CD161, CD45RA, CD38 CCR7, CD69, CD34, CD28, CD45RO CD14, CD278-ICOS PC_ 4 Positive: CD161, CD25, CD45RO, CD56, CD16 CD3, CD11c, CD69, CD38, CD197-CCR7, CD11a CD34, CD123 PC_ 5 Positive: CD4, CD38, CD123, CD16
2.1K51发布于 2020-11-09 - 来自专栏流式抗体推文
专为精准设计：Elabscience CD56/NCAM抗体，流式分群清晰，数据更可信
使用该抗体可精准鉴定NK细胞及其不同功能亚群：CD16高表达的成熟细胞毒性NK细胞和CD16低表达的未成熟前体及细胞因子生成细胞。这对于评估免疫系统功能、研究感染和肿瘤免疫应答至关重要。
19610编辑于 2025-11-10 - 来自专栏单细胞天地
Seurat 4.0 || WNN整合scRNA和scATAC数据
,'20' = 'HSPC','15' = 'cDC') pbmc <- RenameIdents(pbmc, '0' = 'CD14 Mono', '8' ='CD14 Mono', '5' = '<em>CD16</em> # identify top markers in HSPC and visualize head(topTFs("<em>CD16</em> Mono"),3) RNA.group gene RNA.auc -193 <em>CD16</em> Mono MA0690.1 0.8896766 2.483767e-191 0.7723682 2 <em>CD16</em> Mono EOMES 0.5862998 3.802279e -99 <em>CD16</em> Mono MA0800.1 0.8922904 7.043330e-194 0.7392951 3 <em>CD16</em> Mono RUNX3 0.7182799 7.394573e -84 <em>CD16</em> Mono MA0684.2 0.6753424 3.175696e-40 0.6968111 motif.name <- ConvertMotifID(pbmc,
4.4K20发布于 2020-11-09 - 来自专栏数据科学（冷冻工厂）
单细胞分析：多模态 reference mapping (1)
FeaturePlot(pbmc3k, features = c("pDC", "CD16 Mono", "Treg"), reduction = "ref.umap", cols = c("lightgrey theme(plot.title = element_text(size = 10)) library(ggplot2) plot <- FeaturePlot(pbmc3k, features = "<em>CD16</em> Mono", reduction = "ref.umap", cols = c("lightgrey", "darkred")) + ggtitle("CD16 Mono") + theme(plot.title
52110编辑于 2024-05-07 - 来自专栏生信菜鸟团
基因的功能推断之单细胞亚群的特异性高表达
如果我们做一个公开的单细胞转录组数据集的降维聚类分群，然后针对第一层次降维聚类分群里面的单核细胞进行细分亚群的时候，很明显的可以看到我们的目标基因INSIG1其实是有CD16单核细胞的特异性，而不是在经典的 INSIG1其实是有CD16单核细胞的特异性 当然了，我这里仅仅是抛砖引玉，说明单细胞水平看问题的重要性。
42410编辑于 2025-02-03 - 来自专栏生信菜鸟团
同样的的单细胞研究，为什么发表的文章杂志等级差别那么大
C56−CD16+ NK cells (NK2), which expressed high levels of CD16 and low levels of CD56. CD56+CD16− NK cells (NK1), which expressed high levels of CD56 and low levels of CD16; NK cells highly
82410发布于 2020-06-24
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