- 综合排序
- 最热优先
- 最新优先
- 来自专栏生信菜鸟团
Seurat Weekly NO.06 || Scanpy2Seurat
但是这样的转化总有需求，于是，Seurat团队开发了SeuratDisk包，希望满足数据在Seurat和Scanpy之间快速搬家的需求。 ，就差一个Seurat对象了。 debug(LoadH5Seurat) cellxgene <- LoadH5Seurat('some.processed.gzip.h5seurat', assays ="RNA") # 一波回车 debug( as.Seurat) #因为LoadH5Seurat里面用了这个函数，所以在LoadH5Seurat的debug环境种再debug as.Seurat Seurat Weekly 专栏总结（送圣诞礼物） Seurat Weekly NO.0 || 开刊词 Seurat Weekly NO.1 || 到底分多少个群是合适的？！
2.9K41发布于 2021-01-18 - 来自专栏生信菜鸟团
Seurat Weekly NO.08 || Seurat 交互系统
单细胞数据分析中往往需要用不同的参数来可视化细胞图谱或者基因表达特征，Seurat也中有相关的交互绘图功能。 本期Seurat weekly 就和大家探索一下Seurat 的交互系统。 在Seurat中交互的参数一般是interactive，我们需要找到哪些函数有这个参数。 library(Seurat) packageVersion('Seurat') [1] ‘3.2.2’ library(SeuratData) library(tidyverse) head(stxBrain.SeuratData 开发比较小的，或作为辅助功能的Shiny，miniUI是比较实用的，而且还支持多种展示形式，如下： 除了内置的交互形式之外，也有热心的Seurat开发了在线版的Seurat：SeuratV3Wizard 之后用Shiny包装它并不是复杂，如Azimuth的源码，shiny完成的是对Seurat包的调用程序。
1.6K20发布于 2021-02-03 - 来自专栏单细胞天地
Seurat标准流程
前言 前面介绍了自己利用cellranger count的结果进行seurat分析，但是整合数据方面做得还是不如原作者优秀，虽然我们不知道他们是如何处理的，但还是可以继续向下进行，而且这一次将会使用他们合并好的数据 # 作者利用的是Seurat V2的ExtractField函数 # for Seurat V2 timePoints <- sapply(colnames(dataPBMC), 按照常理，10X的数据应该能做到平均表达800个基因 创建Seurat对象 # Seurat V2 PBMC <- CreateSeuratObject(raw.data = dataPBMC, 保存对象 save(PBMC,file = 'patient1.PBMC.output.Rdata') # 结果有1.9G ---- 附加 一个问题：Seurat2、3得到的结果差别大吗？ Seurat V2结果 探究一下Seurat2和3的分群结果 起初我认为这两个版本的差异蛮大的，因为看tsne图明显感觉V2更好一些，导致我得出了错误的结论，认为两个版本的包处理结果千差万别。
3K41发布于 2020-03-30 - 来自专栏分析工具
Seurat4Seurat5共存技巧学习
已存在Seurat5版本.libPaths()# /Library/Frameworks/R.framework/Versions/4.4-arm64/Resources/library# 创建目录安装 ")packageVersion("Seurat")Resources里面是不同的目录，R包放在了library中。 第一次安装先安装SeuratV5，再安装SeuratV4# 确定路径，安装V5.libPaths()rm(list = ls()) install.packages('Seurat')library(Seurat ")packageVersion("Seurat")# 设定路径，重启加载Seurat，就会是4版.libPaths(c("/Library/Frameworks/R.framework/Versions /4.4-arm64/Resources/seurat4", .libPaths()))packageVersion("SeuratObject")packageVersion("Seurat")参考资料
65700编辑于 2024-08-24 - 来自专栏单细胞天地
Seurat2和Seurat3共存的方法
下面就是瞎折腾环节， 我要将Seurat的2.3.4版本单独搞出一个R包，Seurat2，这样子就可以同时加载这两个R包。 下载Seurat 2.3.4 wget https://satijalab.org/ran/src/contrib/Seurat_2.3.4.tar.gz 解压缩它 tar xf Seurat_2.3.4 .tar.gz cd Seurat 删除MD5文件，因为它会做文件检验 rm MD5 修改里面所有的Seurat替换成Seurat2, seurat替换成seurat2 find . /seurat非代码信息中的seurat替换成seurat2，不过这并不影响实际函数的使用。 将R/seurat.R重名为R/seurat2.R mv R/seurat.R R/seurat2.R 之后将修改后的文件进行打包 就能用install.packages("Seurat2.tar.gz
1.1K40发布于 2020-03-30 - 来自专栏单细胞天地
Seurat2与Seurat3兼容与切换
在单细胞数据分析时，常常用到Seurat(https://satijalab.org/seurat/install.html)这个R语言包。 真正困惑我们的是2x 与3x 之间差别： 函数名称变了 seurat对象数据结构变了 整合分析的算法变了 我们知道他是在往好的方向来变，可是Seurat2依然有他的一些优点，简单对比一下： 已经有文献引用 Seurat 3的 findmarker 这个功能可以一次计算10万以上的细胞，而Seurat 2就不行 那么，折衷的方案就是同时安装 Seurat 2和 Seurat 3的包，通过数据格式整理把2x和 不管是在Linux还是Windows里面，均可采取的办法就是： 将Seurat 2和 Seurat 3 安装在不同的 library 里面。 ，先去加载： detach("package:Seurat",unload = T) 2x 与3x Seurat对象的区别 这直接导致了2x生成的对象不能直接用3来分析，反之亦然。
2.2K10发布于 2020-03-30 - 来自专栏单细胞天地
Seurat对象内部结构
基础流程）（2021公开课配套笔记）学习并搭建了基本的单细胞转录组下游分析流程，其中很重要的一个知识点就是Seurat对象，熟悉Seurat对象内部结构对我们掌握各个分析究竟是在进行什么样的处理很有帮助 其实细心的同学可以发现，我们上期推文中对Seurat对象的操作基本上都是直接赋值，并没有拷贝变量，在单细胞初探（seurat基础流程）（2021公开课配套笔记） 中提到： R语言中同一变量重复赋值，则会覆盖 本期推文将学习部分资料，通过上期流程跑完得到的最终Seurat对象，对Seurat对象内部结构和工作流程知识进行补全 参考：Seurat对象数据结构(https://www.jianshu.com/p/ Seurat Object 在Seurat对象后面加个@ 可以查看Seurat对象的内容 Seruat对象是S4结构，会记录所执行的计算及其信息 Assays 一个Seurat对象可以包括多个 联系前面 meta.data Seurat对象中的meta.data 是一个用来对所有细胞做注释的数据框。每一行代表一个细胞，每一列代表细胞的属性。
2.6K52编辑于 2023-08-31 - 来自专栏生信技能树
在Ubuntu下安装旧版seurat
安装旧版seurat的依赖包 如何知道旧版seurat的依赖包呢？ 先运行： packageurl <- "https://cran.r-project.org/src/contrib/Archive/Seurat/Seurat_2.3.4.tar.gz" packageurl pkgs='hdf5r' BiocManager::install(pkgs,ask = F,update = F) 最后成功安装旧版seurat packageurl <- "https://cran.r-project.org /src/contrib/Archive/Seurat/Seurat_2.3.4.tar.gz" packageurl install.packages(packageurl, repos=NULL,
2.4K10发布于 2019-07-30 - 来自专栏单细胞天地
Seurat教程 || 分析Cell Hashing数据
今天我们依然跟着Seurat的官网来看看这个是如何分析的。请注意，如果需要看教程，请看官网。一则受个人的能力所限，一则官网才是更新快和及时的。 这里将简要演示如何在Seurat中处理由Cell Hashing 生成的数据。 acc=GSE108313）下载FASTQ文件 原教程用的是他们处理好的rds文件，而这个我并没有成功下载，就从GEO中下载了表达谱，自己来构建Seurat的对象，所以会有所不同。 看一下基于HTO富集的多复路细胞，这里使用Seurat函数HTODemux()函数将细胞分配回它们的样本上。 https://satijalab.org/seurat/v3.2/hashing_vignette.html
2.9K10发布于 2020-08-17 - 来自专栏生信菜鸟团
如何让Seurat_v4和Seurat_v5在R中共存及Seurat_v4转换为Seurat_v5对象
我们本来是不打算修改代码，推荐大家继续使用V4的，但是发现Seurat_v5与Seurat_v4对象差别和数据处理步骤差别并不大，就打算更新一下Seurat_v5版本的代码。 初试Seurat的V5版本 使用Seurat的v5来读取多个10x的单细胞转录组矩阵 使用Seurat的v5来读取多个不是10x标准文件的单细胞项目 首先是安装 Seurat_v5包 #查看R包的路径 .libPaths() ###新建路径，存放seurat_v5 getwd() dir.create("~/seurat_v5") #https://satijalab.org/seurat/articles ('Seurat') library(Seurat) ##安装依赖包，这几个依赖包比较费时间，不过安装整体还是比较顺利的，没有遇到报错。 pc-linux-gnu-library/4.3", "/usr/local/lib/R/library" )) 如何将Seurat_v4对象转换为Seurat_v5对象 #确认一下所用的Seurat
6.5K12编辑于 2023-12-28 - 来自专栏生物信息学、python、R、linux
用Seurat做RNA Velocity
安装加载相应的包 devtools::install_github('satijalab/seurat-wrappers') library(Seurat) library(velocyto.R) library 读入loom文件,并与分析基因表达矩阵一样的流程分析spliced文件 ldat <- ReadVelocity(file = "~/Downloads/SCG71.loom") bm <- as.Seurat
4.1K40发布于 2020-04-09 - 来自专栏生信喵实验柴
安装Seurat以及读取数据
一、Seurat 简介 Seurat 是一款用于单细胞数据分析的软件，它是一款 R 包。可以对单细胞数据从表达矩阵开始分析。 网站：https://satijalab.org/seurat/index.html Seurat 教程：https://satijalab.org/seurat/articles/get_started.html 二、软件安装 #安装软件 install.packages('Seurat',lib = "/opt/R/4.2.1/lib/R/library",destdir = '/home/xhs/Rpack/ ('patchwork',lib = "/opt/R/4.2.1/lib/R/library",destdir = '/home/xhs/Rpack/download') 三、案例介绍 Seurat https://satijalab.org/seurat/articles/pbmc3k_tutorial.html 数据下载：https://cf.10xgenomics.com/samples/cell
1.7K11编辑于 2022-10-25 - 来自专栏生物信息学_troubleshooting
Seurat, SeuratObject and Matrix version issue
如果你在安装和使用Seurat (v5) and SeuratObject (v5) 过程中，出现了一些关于Matrix package的问题，可以看看本文。 While it can be successfully installed in Rstudio, we can't use library(Seurat) and library(SeuratObject ).library(Seurat)library(SeuratObject)Error: package or namespace load failed for ‘SeuratObject’ in dyn.load 当我们library(Seurat), it shows below info:library(Seurat)‘SeuratObject’ was built with package ‘Matrix’
4.6K61编辑于 2023-11-21 - 来自专栏数据科学（冷冻工厂）
Seurat - 聚类教程 (1)
设置 Seurat 对象 在本教程[1]中，我们将分析 10X Genomics 免费提供的外周血单核细胞 (PBMC) 数据集。 请注意，较新版本的 cellranger 现在也使用 h5 文件格式进行输出，可以使用 Seurat 中的 Read10X_h5() 函数读取该格式。 接下来我们使用计数矩阵来创建 Seurat 对象。该对象充当容器，其中包含单细胞数据集的数据（如计数矩阵）和分析（如 PCA 或聚类结果）。 例如，在 Seurat v5 中，计数矩阵存储在 pbmc[["RNA"]]$counts 中。 Seurat 允许您轻松探索 QC 指标并根据任何用户定义的标准过滤细胞。
61120编辑于 2024-02-22 - 来自专栏单细胞天地
配置Seurat的R语言环境
首先做一件事——Seurat降级 原因就是这篇文章使用的是Seurat V2，想用V3也可以做，只不过想更好地重现文章代码 两步走：删除原文件（直接remove.packages删掉原来包的文件夹）+ 源代码安装 remove.packages('Seurat') pkgs = c( 'mixtools', 'lars', 'dtw', 'doSNOW', 'hdf5r' ) BiocManager /Seurat_2.3.4.tar.gz" install.packages(packageurl, repos=NULL, type="source") # 最后检查一下包的版本 library('Seurat ') packageVersion('Seurat') 有个问题，怎么自己去寻找要安装包的路径呢？ step1：首先浏览器搜索：cran + 包的名称 ，比如我要搜索seurat，就会看到： ? step2：进来后，看到有一个Old sources:选项，点开链接 ?
2.7K20发布于 2020-03-30 - 来自专栏数据科学（冷冻工厂）
scRNA-seq｜Seurat 整合分析
在 Seurat 的早期版本中，引入了整合分析方法，包括“anchor-based”的整合工作流程。 目的 以下教程旨在使用 Seurat 对复杂细胞类型进行的各种比较分析。 在 Seurat 的早期版本中，我们要求将数据表示为两个不同的 Seurat 对象。在 Seurat v5 中，我们将所有数据保存在一个对象中，但只是将其分成多个“layers”。 Seurat v5 整合过程旨在返回一个单维缩减，捕获多个层之间共享的方差源，以便处于相似生物状态的细胞能够聚集。该方法返回降维（即integrated.cca），可用于可视化和无监督聚类分析。 为了评估性能，我们可以使用 seurat_annotations 元数据列中预加载的单元格类型标签。
1K11编辑于 2024-03-21 - 来自专栏单细胞天地
使用Seurat和Velocyto估算RNA速率
分享是一种态度 此教程演示分析存储在Seurat对象中的RNA速率定量。参数基于RNA速率教程[1]。 如果您在工作中使用Seurat，请引用： RNA velocity of single cells Gioele La Manno, Ruslan Soldatov, Amit Zeisel, Emelie Seurat velocyto.R SeuratWrappers 加载所需R包 library(Seurat) library(velocyto.R) library(SeuratWrappers) http://pklab.med.harvard.edu/velocyto/mouseBM/SCG71.loom', destfile # = '~/Downloads/SCG71.loom') 转换为seurat 对象 ldat <- ReadVelocity(file = "~/Downloads/SCG71.loom") bm <- as.Seurat(x = ldat) 整合降维聚类 bm <- SCTransform
3.4K21发布于 2021-09-15 - 来自专栏生信菜鸟团
Seurat Weekly NO.13 || 依赖关系与维护
最近在R4上安装Seurat V4 的时候，有可能会遇到这样的报错： Error: package or namespace load failed for ‘Seurat’: object ‘markvario /satijalab/seurat/issues/4243 https://github.com/satijalab/seurat/issues/4222 主要原因是：Seurat依赖的R包spatstat 升级了，这是一个分析空间数据的R包，在Seurat中是分析空间转录组数据的支持包，对应的主要函数是Seurat::RunMarkVario()。 我直接改你的源码，让Seurat符合新的依赖环境。 这个工作已经由Seurat的开发者完成了，当然可能提交到CRAN还需要一点时间，但是根据Github上面的信息，应该已经同步好了。 library(Seurat) packageVersion('Seurat') [1] ‘4.0.0’ 我们使用pacman这个R包开查看。
1.7K10发布于 2021-04-29 - 来自专栏生信菜鸟团
跟着Seurat官网学Xenium空转分析
下面跟着Seurat学习Xenium的分析流程。 Seurat官方教程在https://satijalab.org/seurat/articles/seurat5_spatial_vignette_2 首先下载示例数据： ## Mouse_Brain 读入数据 首先，我们读取数据集并创建一个Seurat对象。提供Xenium运行的数据文件夹的路径作为输入路径。RNA数据存储在Seurat对象的Xenium分析中。这一步大概需要一分钟。 library(Seurat) library(qs) library(ggplot2) library(dplyr) path <- ". 更多内容详见官方教程：https://satijalab.org/seurat/articles/seurat5_spatial_vignette_2
2.6K10编辑于 2024-12-20 - 来自专栏数据科学（冷冻工厂）
Signac R｜如何合并多个 Seurat 对象 (2)
引言 在本文中演示了如何合并包含单细胞染色质数据的多个 Seurat 对象。 PBMC 数据集： 500-cell PBMC 1k-cell PBMC 5k-cell PBMC 10k-cell PBMC 构建数据对象 接下来，将利用已经量化的矩阵数据，针对每个数据集构建一个 Seurat
79310编辑于 2024-12-30
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