- 综合排序
- 最热优先
- 最新优先
- 来自专栏单细胞天地
初试Seurat的V5版本
虽然说我们安装了Seurat的V5版本，但是初次使用的时候加载就报错了，如下所示： The sp package is now running under evolution status 2 325.6 Kb (ftp)(http) TSV GSE202642_matrix.mtx.gz 666.5 Mb (ftp)(http) MTX 如下所示： 3个文件的表达量矩阵： 这个时候使用Seurat 的V5版本和之前Seurat的V4版本读取方式并没有本质上区别，都是： sce.all=CreateSeuratObject(counts = Read10X( 'GSE202642/' ) , 的V5，简直是滑天下之大稽。 而且，这个bug根本就并不会影响整个Seurat数据分析流程啊， 降维聚类分群仍然是ok的。
1.7K11编辑于 2023-12-26 - 来自专栏生信菜鸟团
V5版seurat读取不同格式单细胞数据
但目前seurat包已经更新到5.0.1版本，更新后使用起来也花了一些时间Seurat包更新与使用初探 虽然感觉在seurat对象结构上，V4和V5版本区别不大——V5和V4版Seurat对象内部结构对比详细版 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 而在V5版的seurat中如果是分开读取多个文件后，再使用merge函数其实并没有把每个样品的表达量矩阵merge。 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 不同格式单细胞多数据读取方法 读取数据进行分析之前，我们需要安装加载需要的R包， 参考推文：使用Seurat的v5来读取多个不是10x标准文件的单细胞项目 txt.gz格式 dir='.
6.5K24编辑于 2024-01-06 - 来自专栏生信菜鸟团
用V5版本Seurat做单细胞数据文献复现
想到自己之前也没完整展示用V5版本的Seurat的分析流程，所以就以此当示例数据来分享以下这篇复现流程。 V5和V4的代码区别主要在前期导入数据和其中的数据有些许改变，曾老师在之前的几篇推文还有直播中都有提到。 例如： v4: sce.all@assays$RNA@counts; v5: sce.all@assaysRNAcounts / sce.all@assaysRNA@layerscounts。 要复现的图： image.png step1~ step4:导入数据 - 降维聚类分群 ###如何使用安装好的v5### #使用的时候加载v5路径 .libPaths(c( '/home/data/ " )) getwd() #再次检测所用的Seurat版本 packageVersion("Seurat") #setwd("../") rm(list=ls()) options(stringsAsFactors
4.2K11编辑于 2024-01-19 基础脚本更新--Seurat(V5) + 排污 + 去双细胞传参脚本
然后是脚本设计，通常来讲，我们Seurat V5 + decontX + scDblFinder的组合,每个样本单独运行decontX + scDblFinder，然后进行harmony整合分析。 创建Seurat V5对象# ============================================================================cat("步骤3: 创建Seurat V5对象\n")for (i in 1:length(seurat_list)){ obj = seurat_list[[i]] sce <- as.SingleCellExperiment Seurat V5 Harmony整合# ============================================================================cat( "步骤7: Seurat V5 Harmony整合\n")cat("使用 IntegrateLayers 进行 Harmony 整合...
34111编辑于 2026-01-06- 来自专栏生物信息学_troubleshooting
Seurat v5 安装过程中碰到的问题和解决办法
结果今天在安装Seurat v5过程中又是问题百出。现总结如下：1. Seurat v5主页推荐的package安装：我尝试了主页推荐的安装方法： install.packages("Seurat"), 弹出对话框需要选择安装各种dependent packages, 我选择 Yes，没有成功安装；选择No就可以安装成功，不过是4.3版本，并不是我想要的v5版本。 所以我选择目录安装的办法：Seurat_5.0.0.tgz in CRAN SeuratObject_5.0.0.tgz in CRAN在CRAN网站上将相应的packages下载好，然后选择目录安装的办法 ") #successfully installed总结：Seurat v5看说明书上的介绍，其功能很强大，尤其是在整合million级别细胞数量这个层面。
3.9K40编辑于 2023-11-14 - 来自专栏单细胞天地
胃癌单细胞数据集GSE163558复现(二)：Seurat V5标准流程
第一期我们进行了数据的下载与读取并成功构建Seurat对象。 本期，我们将在第一期基础上走Seurat V5标准流程，对Seurat对象进行QC质控、并利用harmony整合去批次、并按标准流程进行降维聚类分群。 首先加载R包，导入第一期生成的Seurat数据： getwd() setwd("") rm(list=ls()) options(stringsAsFactors = F) library(Seurat 第一期我们在创建总的Seurat对象时，使用了merge函数对多个Seurat进行了简单的合并。merge只是按照行和列进行了合并，并未对数据进行其他处理。 V5标准流程，对Seurat对象进行QC质控、并利用harmony整合去批次、并按标准流程进行降维聚类分群。
3.2K11编辑于 2024-06-13 - 来自专栏生信补给站
Seurat V5|一个函数就能解决多种去批次方法，按需尝试
Seurat 是单细胞RNA数据分析的一个非常主流的R包，升级到当前V5版本后，会带来一些不友好的地方，但是也有一些功能上的升级，大家一定根据自己的情况和分析需求来确定是否升级。 V5的升级部分主要体现在以下4个方面（https://satijalab.org/seurat/articles/get_started_v5_new），本次先介绍第一个：Seurat V5中去批次方法的集成 Seurat v5引入了更加灵活和精简的基础架构，可以用一行代码完成不同的集成去批次算法，极大的减少了不同方法的环境准备和数据处理时间，可以更聚焦在使用哪种方法效果更好。 一 R包，数据准备 1 载入R包 下载相关的R包，注意现在直接install.packages('Seurat')默认安装的就是V5版本。 二 数据整合（批次处理） 1，数据拆分 示例的Seurat对象中包含2种不同处理的数据(meta的stim列)，使用Seurat v5 整合时是拆分为不同的layer 而无需拆分为多个对象。
14.5K22编辑于 2023-12-19 - 来自专栏单细胞天地
使用Seurat的v5来读取多个10x的单细胞转录组矩阵
接下来我们演示真正的Seurat的v5来读取多个10x的单细胞转录组矩阵。数据集在 https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi? barcodes.tsv.gz |-- [298K] features.tsv.gz `-- [ 76M] matrix.mtx.gz 3 directories, 9 files 如果我们按照之前Seurat (sce.all@meta.data, 10) table(sce.all@meta.data$orig.ident) 上面的代码我写了有好多年了，一直没有更新或者改进，我们依赖于这个V4的版本的Seurat pwd=3heo但是最近其官方版本成为了V5…… 因为现在是Seurat的V5版本，多个文件如果是分开读取后的merge函数其实并没有把每个样品的表达量矩阵merge，如下所示： 可以看到，在Seurat outputs/HCC1" [2] "GSE162616_RAW/outputs/HCC2" [3] "GSE162616_RAW/outputs/HCC3" 统一读取成为了一个稀疏矩阵 如果是对函数或者Seurat
3.5K10编辑于 2023-12-26 - 来自专栏单细胞
seurat v5直播，一键完成五种数据整合：harmony，CCA，RPCA,FastMNN,scVI
Python，scanpy，cell2location，资料分享 首先在v5环境下，加载pbmc 2 #https://satijalab.org/seurat/articles/install_v5. html#2在seurat_v5文件夹下安装v5---.libPaths( c( '/home/rootyll/seurat_v5/', "/usr/local/lib/R/site-library ') DimPlot(pbmc) 我们能看到此时的pbmc对象还是一个seurat v4对象 第二步：把seuratv4对象转为seuratv5对象,实现seuratv4对象和v5对象共存：使用seuratv5 v4和v5的标准流程没啥区别 #3 v5对象标准流程----#向pbmc新增一列percent.mt数据 pbmc[["percent.mt"]] <- PercentageFeatureSet(pbmc seurat5_integration https://satijalab.org/seurat/articles/integration_introduction
4.3K00编辑于 2024-02-23 - 来自专栏生信补给站
Seurat V5|当单细胞进入百万细胞时代，BPCell 给出一种“解”决参考
这时候Seurat V5通过调用BPCells 也许能给出一个解决方案。 #devtools::install_github(c("bnprks/BPCells")) library(Seurat) library(BPCells) library(ggplot2) # needs 二 标准分析 1，创建Seurat 对象 根据前面读取的矩阵构建object对象，进行HVG之前的标准分析 # Create Seurat Object pbmc <- CreateSeuratObject brain, ncells = 20000, method = "LeverageScore", sketched.assay = "sketch") brain An object of class Seurat 参考资料： https://bnprks.github.io/BPCells/articles/pbmc3k.html https://satijalab.org/seurat/articles/seurat5
2.6K10编辑于 2023-12-26 - 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？！
3K41发布于 2021-01-18 - 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
因为群里有不少的小伙伴经常会提到更新V5以后遇到的小问题。 基于我之前已经用V4写过60多篇笔记推文了，也方便大家以后可以继续使用这个代码，所以在此介绍如何安装V5和如何将Seurat_v4对象转换为Seurat_v5对象。 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 ### #使用的时候加载下v5路径就好啦 .libPaths(c( '/home/data/t140333/seurat_v5/', "/home/data/t140333/R/x86_64- 包版本 packageVersion('Seurat') ##### library(ggplot2) #这里是找了一个之前的复现过的数据，将seuratv4对象转为v5对象。
6.6K12编辑于 2023-12-28 - 来自专栏生信技能树
使用Seurat的v5来读取多个不是10x标准文件的单细胞项目
前面我们在 初试Seurat的V5版本 的推文里面演示了10x单细胞样品的标准3文件的读取，而且在使用Seurat的v5来读取多个10x的单细胞转录组矩阵 的推文里面演示了多个10x单细胞样品的标准3文件的读取 PMID: 37308786 前面提到了，如果是没有样品的txt独立读取后，再merge的时候成为的Seurat对象里面的各个样品的表达量矩阵的分开的，就会导致所有的后面的步骤都失败。 因为多个样品合并成为了一个超级大的表达量矩阵，就是 bigct 这个变量，所以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。 而且因为这个时候我给出来的名字是features.tsv所以如果想使用Seurat的Read10X读取，就需要把每个样品文件夹里面的3文件gz压缩一下哦！ library(Seurat) tmp = list.dirs('outputs')[-1] tmp ct = Read10X(tmp) sce.all=CreateSeuratObject(counts
1.1K10编辑于 2023-12-28 - 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 - 来自专栏生信菜鸟团
玩转服务器-配置SeuratV4环境
流程，服务器公共R包库提供的Seurat版本是V5 ##查看R包库默认路径 .libPaths() ##查看已安装Seurat版本及路径 installed.packages()["Seurat", c("Package", "Version", "LibPath")] 检查默认版本 在共享服务器部署Seurat V4 环境 虽然Seurat V5已经是2023年11月发布的更新，但是仍有部分用户 公共R包库为了满足绝大部分用户的需求，肯定是Seurat V5版本不能动，所以这里演示一下，用户如何自己在共享服务器部署Seurat V4环境。 V4 先正常安装Seurat，会默认安装V5版本及Seurat相关依赖包 #配置Seurat V4 #检查路径设置 .libPaths() #正常安装 install.packages("SeuratObject SeuratObject 的v5版本，卸载之后最好在Rsession选项重启一下Rstudio ##卸载V5版本 remove.packages(c("Seurat","SeuratObject"))
76210编辑于 2025-04-02 - 来自专栏生信技能树
假如你不喜欢最新版的Seurat包的单细胞理念
pwd=3heo 但是最近其官方版本成为了V5，链接是：https://cran.r-project.org/web/packages/Seurat/index.html Version: 5.0.0 _5.0.0.zip 同时还升级了 SeuratObject 也是V5了，这样的话如果新人开始学单细胞转录组技术分析流程，使用默认的安装代码，就默认安装了V5版本的SeuratObject 和Seurat 4.1.3.tar.gz 2022-11-07 19:50 185K [ ] SeuratObject_4.1.4.tar.gz 2023-09-27 00:30 186K 首先卸载你默认安装的V5 然后就可以简单的使用代码去卸载你默认安装的V5版本的SeuratObject 和Seurat： remove.packages(“SeuratObject”) remove.packages(“Seurat Cell metadata Expression data (stored as layers in Seurat v5) Dimensional reductions FetchData Subsetting
3.9K21编辑于 2023-11-14 - 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 - 来自专栏生信菜鸟团
如果你想切换共享服务器的R包Seurat5到Seurat4
目前已经给大多数共享服务器的公共R包库中的seurat4升级到了seurat5。 而且我们也写了一些seurat5相关的使用教程，见： 初试Seurat的V5版本 使用Seurat的v5来读取多个不是10x标准文件的单细胞项目 使用Seurat的v5来读取多个不是10x标准文件的单细胞项目 V5版seurat读取不同格式单细胞数据 其实只需要在seurat4流程上面读入数据的时候改几处就可以运行了。 但是有用户反馈说已有的流程是seurat4的，还是想用seurat4。那么如何解决呢？ ') # 默认安装的V5版 remove.packages(c("Seurat","SeuratObject")) install.packages('Seurat', repos = c('https
98810编辑于 2024-01-25 - 来自专栏单细胞天地
如何优雅的修改Seurat流程里面的单细胞样品名字
最近开始在学习基于R语言的seurat包的单细胞测序数据分析。Jimmy老师给了一个实战分析，在分析过程中逐渐认识seurat包的数据结构。 本次推文主要分享一下如何替换seurat对象中的orig.ident为样本名字。 因此我们有这个需要将seurat对象中的orig.ident替换为真实的样本名字。 批量读入多个10x技术的单细胞转录组样品 我们先获得样本的路径，然后构建seurat对象（一共8个样本）。 的V5版本的系列笔记哦： 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 检测样品对应关系 现在的问题是 1.2.1) 是有对应的函数： rename.ident(object, old.ident.name = NULL, new.ident.name = NULL) 但是我们现在都是Seurat的v5
4K11编辑于 2024-01-22 - 来自专栏生信技能树
各种单细胞表达量矩阵和空间信息的导入
权威资料：Seurat官网 而且Seurat官网居然有对这些全部的数据的示范的读取案例，非常棒！所以单细胞数据分析教程优先应该是看Seurat官网以及10x公司的官网。 另外就是我们接下来（2023年12月30日之后）的教程都是基于Seurat的V5版本哦： 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 参考前面的单细胞转录组表达量矩阵文件读取教程即可： 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 的空间单细胞对象，详见：认识Seurat的空间单细胞对象结构 ： > sceP An object of class Seurat 33538 features across 4992 samples 这个时候这个坐标文件很容易读取，因为就是普通的文本文件，然后就有两个方法把坐标文件作为的空间信息整合到前面的表达量矩阵后成为Seurat的空间单细胞对象，也是需要认真了解这个Seurat的空间单细胞对象
98910编辑于 2024-01-17
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