- 综合排序
- 最热优先
- 最新优先
- 来自专栏mysql
hhdb数据库介绍(10-11)
功能说明： 逻辑库是客户端程序连接计算节点服务器后，可以访问的数据库，描述数据库表的集合，类似于直接连接存储节点实例后，看到的一个数据库。
35710编辑于 2024-12-05 - 来自专栏李蔚蓬的专栏
第10-11周Python学习周记
3.时间允许的话，尽可能了解一些身为程序员必要掌握的知识（例如json，参考于网络资源）。
90910发布于 2018-09-13 - 来自专栏爬虫逆向案例
js逆向-猿人学(10-11)js和app协议破解
开无痕，开控制台， debugger 右键选择 ：never pause here ，先这样瞧一瞧
1.3K20发布于 2021-11-22 - 来自专栏code人生
多验证者节点PoA私链搭建
/node0INFO [10-11|09:53:51.790] Maximum peer count ETH=50 total=50INFO [10-11|09 /node1INFO [10-11|09:55:12.919] Maximum peer count ETH=50 total=50INFO [10-11|09 /node2INFO [10-11|09:55:47.318] Maximum peer count ETH=50 total=50INFO [10-11|09 set to default scheme=hashINFO [10-11|02:18:54.925] Writing custom genesis blockINFO [10 set to default scheme=hashINFO [10-11|02:19:58.563] Writing custom genesis blockINFO [10
48610编辑于 2024-10-11 - 来自专栏linjinhe的专栏
设计数据密集型应用（10-11）：大数据的批处理和流处理
谈大数据批处理，绕不过的就是 MapReduce。MapReduce 是大数据处理的老祖宗了。
76710发布于 2020-04-01 - 来自专栏完美Excel
VBA专题10-11：使用VBA操控Excel界面之在功能区中添加自定义拆分按钮控件
拆分按钮控件是一个含有单击按钮和下拉按钮列表的组合控件。用户可以选择单击按钮，或者从下拉列表中选择单击其中一个按钮来执行相应的命令。
2.6K10发布于 2021-02-05 - 来自专栏用户4866861的专栏
高精度频率计数器功能简介
1dBm内部时基输出频率10MHz温补晶振频率准确度A≤5×10-7老化率≤1×10-6/年恒温晶振（选件010）开机特性V≤1×10-8频率准确度A≤1×10-7老化率≤1×10-9/日秒稳定度≤3×10 -11/s铷原子钟（选件020）频率准确度A≤5×10-11老化率≤5×10-12/日，≤5×10-11/月秒稳定度≤5×10-11/s，≤2×10-11/10s外部参考输入输入频率正弦10MHz电平≥
85140发布于 2020-04-23 - 来自专栏数据科学（冷冻工厂）
Signac R｜如何合并多个 Seurat 对象 (2)
pbmc500_assay <- CreateChromatinAssay(pbmc500.counts, fragments = frags.500) pbmc500 <- CreateSeuratObject meta.data=md.500) pbmc1k_assay <- CreateChromatinAssay(pbmc1k.counts, fragments = frags.1k) pbmc1k <- CreateSeuratObject meta.data=md.1k) pbmc5k_assay <- CreateChromatinAssay(pbmc5k.counts, fragments = frags.5k) pbmc5k <- CreateSeuratObject meta.data=md.5k) pbmc10k_assay <- CreateChromatinAssay(pbmc10k.counts, fragments = frags.10k) pbmc10k <- CreateSeuratObject assay <- CreateChromatinAssay(counts = counts.500, sep = c(":", "-"), min.features = 500) pbmc500 <- CreateSeuratObject
79910编辑于 2024-12-30 - 来自专栏生信补给站
scRNA挖掘 |只有矩阵如何构建单细胞对象？meta信息如何利用？
1.2 创建seurat对象 依然使用CreateSeuratObject 函数，此处count 为读取的矩阵文件。 sce0 <- CreateSeuratObject(counts = data) sce0 head(sce0@meta.data) An object of class Seurat 19790 1，CreateSeuratObject中的meta.data参数 CreateSeuratObject函数除了简单的过滤条件外 ，还有一个重要的meta.data参数，可以输入提供的meta信息。 检索之后https://github.com/satijalab/seurat/issues/2715 发现 ，是因为CreateSeuratObject要求meta文件中rownames是count文件的 CreateSeuratObject函数的帮助文档中也很明确的提到了该点要求。 发现问题后，只需要将meta文件的cellid列转为rownames即可。
1.8K30编辑于 2023-08-25 - 来自专栏单细胞天地
如何读取单细胞数据
Read10X(data.dir = paste(dataset_loc, ids[1],"filtered_feature_bc_matrix", sep="/")) seurat_obj <- CreateSeuratObject Read10X_h5(file.path(dataset_loc, ids[1], "filtered_feature_bc_matrix.h5"), use.names = T) seurat_obj <- CreateSeuratObject row names as the gene IDs rownames(counts) <- gene_ids colnames(counts) <- cell_ids seurat_obj <- CreateSeuratObject 1L),sep="_") d10x }) seurat_merge <- do.call("cbind", d10x.data) # for "dgCMatrix" seurat_data <- CreateSeuratObject Read10X(data.dir = paste(dataset_loc, file,"filtered_feature_bc_matrix", sep="/")) seurat_obj <- CreateSeuratObject
5.9K35发布于 2020-06-23 - 来自专栏小汪Waud
Seurat对象的构建和信息提取
dgCMatrix" # attr(,"package") # [1] "Matrix" # 构建 Seurat 对象 # 初步过滤一般不需要修改参数，除非数据实在太难看 Seurat_object <- CreateSeuratObject ScRNAdata <- Read10X_h5(filename = "GSM3489182_Donor_01_raw_gene_bc_matrices_h5.h5") Seurat_object <- CreateSeuratObject read.table( "data/GSM2829942/GSM2829942_HE6W_LA.TPM.txt", row.names = 1, header = T) Seurat_object <- CreateSeuratObject CreateSeuratObject( counts, project = "CreateSeuratObject", assay = "RNA", names.field = 1,
3.2K33编辑于 2023-02-16 - 来自专栏资讯博客
2025年10-11月企业级智能体开发平台评估报告：赋能数字化转型的 数智伙伴
总结：企业级智能体开发平台已从概念验证进入规模化落地阶段，成为企业数字化转型的核心引擎。选择合适的平台不是追求 "最先进"，而是寻找 "最适合" 企业业务特点和安全需求的解决方案。建议根据企业规模、行业特性和技术基础，选择具备可信能力、强大集成性和易用性的平台，通过 "数智员工" 赋能业务创新，提升核心竞争力。
31410编辑于 2025-11-18 - 来自专栏愿天堂没有BUG（公众号同名）
一文带你搞明白深入解析java虚拟机垃圾回收器究竟是什么鬼
G1 GC（以下简称G1）抛弃了既有堆模型，将整个堆划分为一些大小固定的内存块（Region），如图10-11所示。 图10-11 基于Region的堆划分 G1没有抛弃弱分代假说，如图10-11所示，每个Region仍然包含代纪，YGC和Mixed GC（混合回收）会选择合适的Region，然后只回收这一部分Region
47320编辑于 2022-10-31 - 来自专栏生信技能树
创建Seurat对象时忽略的两个参数竟然有这样的功能？
这两天分析一个单细胞数据发现一个奇怪的问题，就是创建 seurat 对象的时候，我明明设置了参数 CreateSeuratObject 函数的project 参数，但是最后merge 不同的样本后发现 > gsub(".txt","", pro) [1] "IRI1d_1" CreateSeuratObject 这个函数做了什么？ 赶紧查看 CreateSeuratObject 的帮助文档： Create a Seurat object Description Create a Seurat object from raw data = NULL, project = "CreateSeuratObject", ... ) Arguments counts Either a matrix-like object with # 创建Seurat对象 sce <- CreateSeuratObject(counts = counts, min.cells=3, project = gsub(".txt","", pro),
67310编辑于 2025-03-14 - 来自专栏生信菜鸟团
【文献荐读】骨髓单细胞测序：一码通
MACS <- CreateSeuratObject(counts = MACS, project = "H14_MACS", min.cells = 3, min.features = 100) MACS H21 <- CreateSeuratObject(counts = H21, project = "H21", min.cells = 3, min.features = 100) H21 H23 <- CreateSeuratObject(counts = H23, project = "H23", min.cells = 3, min.features = 100) H23 H24 <- CreateSeuratObject = H32, project = "H32", min.cells = 3, min.features = 100) H32 H33 <- CreateSeuratObject(counts = H33 = 3, min.features = 100) H36 H38 <- CreateSeuratObject(counts = H38, project = "H38", min.cells = 3,
93411编辑于 2024-07-10 - 来自专栏生信菜鸟团
V5版seurat读取不同格式单细胞数据
如果是单个样品，直接读取进来然后创建seurat对象即可：初试Seurat的V5版本 主要区别在于，V4版本中一般是循环读取样品，使用CreateSeuratObject创建seurat对象，然后使用merge 那我们可以先把多个样品合并成为了一个超级大的表达量矩阵，并使其行名为基因名，列名为barcodes信息，后面直接针对它来使用CreateSeuratObject函数去构建Seurat对象，就是完美的下游分析的输入数据啦 GSE212975/',samples) names(dir) <- samples #读取数据创建Seurat对象 counts <- Read10X(data.dir = dir) sce.all = CreateSeuratObject sceList[[i]])<-paste0(samples[i],"_",col) } #数据整合后创建seurat对象 merge <- do.call(cbind,sceList) sce =CreateSeuratObject F,data.table = F ) head(rl) #整合矩阵信息 colnames(mtx)=cl$V1 rownames(mtx)=rl$V1 #创建seurat对象 sce.all=CreateSeuratObject
6.4K24编辑于 2024-01-06 0单细胞单样本读取方法
，tsv/txt，h5ad格式10x格式的读取展开代码语言：TXTAI代码解释library(Seurat)ct=Read10X(data.dir="GSE145154_RAW/")seu.obj<-CreateSeuratObject install.packages("hdf5r")ct<-Read10X_h5("GSE200874_RAW/GSM6045826_wt_filtered_gene_bc_matrices_h5_2.h5")seu.obj<-CreateSeuratObject row.names=1#是将第一列设置为行名的意思ct<-read.csv("GSE130148_raw_counts.csv.gz",row.names=1)class(ct)seu.obj<-CreateSeuratObject
13810编辑于 2026-01-14- 来自专栏小汪Waud
多个单细胞样本数据的循环读取
library("Seurat") scrna_data_ctrl <- Read10X("data/GSE96583/ctrl/") ctrl <- CreateSeuratObject( counts , min.cells = 3, min.features = 200) scrna_data_stim <- Read10X("data/GSE96583/stim/") stim <- CreateSeuratObject sample_list){ filedir = str_c("data/GSE96583/",sample) scrna_data <- Read10X(filedir) Seurat_object <- CreateSeuratObject str_c("data/GSE96583/",sample) # 数据的读取 scrna_data <- Read10X(filedir) # 对象的构建 Seurat_object <- CreateSeuratObject
2.7K10编辑于 2023-02-16 - 来自专栏生物信息云
单细胞专题 | 6.单细胞下游分析——不同类型的数据读入
使用CreateSeuratObject生成Seurat对象，后续分析都是在该对象上进行操作。 rownames(x = raw.data), value = FALSE) raw.data <- raw.data[-ercc.index,] dim(raw.data) 有了表达矩阵，直接使用 CreateSeuratObject 然后慢慢添加这个表达矩阵的一些其它外部属性，全部代码如下： # Create the Seurat object with all the data (unfiltered) main_tiss <- CreateSeuratObject # lapply是对列表或向量进行循环，而apply是对数据框或矩阵操作) library(Seurat) sceList <- lapply(folders,function(folder){ CreateSeuratObject ##### # 读取单个 sce <- Read10X_h5(filename = "GSM4107899_LH16.3814_raw_gene_bc_matrices_h5.h5") sce <- CreateSeuratObject
4.6K41编辑于 2022-12-16 - 来自专栏单细胞生信分析
单细胞实战(1)数据下载-数据读取-seurat对象创建
读取h5格式的文件（使用Read10X_h5函数读取h5格式的单细胞数据文件） seurat_data <- Read10X_h5(file = h5_file) # 创建Seurat对象（使用CreateSeuratObject /data/GSE130148/GSE130148_raw_counts.csv.gz"), row.names = 1) # 使用CreateSeuratObject()函数创建Seurat对象，并在此处指定项目名称 seurat_obj <- CreateSeuratObject(counts = seurat_data, min.features /data/GSE130xxx/xxxx.txt.gz"), row.names = 1, header = TRUE, sep = "\t") # 使用CreateSeuratObject()函数创建 Seurat对象，并在此处指定项目名称 seurat_obj <- CreateSeuratObject(counts = seurat_data,
6.4K33编辑于 2023-08-26
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