- 综合排序
- 最热优先
- 最新优先
- 来自专栏生信喵实验柴
利用garnett鉴定细胞
https://cole-trapnell-lab.github.io/garnett/classifiers/ garnett marker gene 列表 三、利用 marker 基因进行细胞鉴定 #利用marker基因进行细胞鉴定 library(garnett) #读入10x 数据，转换为cds类 pbmc_cds <- load_cellranger_data("run_count_1kpbmcs /monocle3/hsPBMC_markers.txt" #利用marker基因进行细胞鉴定 library(org.Hs.eg.db) marker_check <- check_markers(
62010编辑于 2022-10-25 - 来自专栏生信喵实验柴
单细胞亚群鉴定
一、细胞亚群鉴定 1.1 细胞亚群鉴定原理 细胞亚群鉴定是进行单细胞转录组分析的最基础一步，是赋予细胞数据以生物学意义的关键过程。 细胞亚群鉴定主要借助 marker 基因在各个细胞亚群的表达情况来判断细胞亚群所属细胞类型。 t-SNE 绘图 接下来就可以根据亚群上调表达的基因进行细胞亚型鉴定。细胞类型的鉴定原理并不复杂，主要是根据细胞中表达基因的差别进行分类。 1.2 人工鉴定与自动化鉴定 亚细胞群细胞类型鉴定可以分为人工鉴定方法与自动化鉴定两种。 1.4 常用人工鉴定数据库 目前已经有很多数据库可用于细胞类型的鉴定。
2.9K10编辑于 2022-10-25 - 来自专栏生物信息学、python、R、linux
单细胞||SingleR鉴定细胞类型
给定具有已知标签的样本（单细胞或RNAseq）参考数据集，它将基于与参考数据的相似性标记测试数据集中的新细胞。 对所有标签重复此操作，然后将得分最高的标签作为此细胞的注释。 选择性执行微调 ? 为了提高速度，我们只选取100个细胞来标记细胞类型。 输出的每一行都包含单个细胞的预测结果。 与默认检测算法相比，此方法更慢，但更适合单细胞数据。
6.4K32发布于 2020-05-04 - 来自专栏医学和生信笔记
单细胞入门之细胞类型鉴定
今天主要学习细胞类型鉴定的各种常见方法。 不同类型的细胞、不同阶段的细胞等，表达的基因是有特异性的，可以根据某些特定表达的基因来推测细胞类型。 单细胞很多后续的分析都是基于感兴趣的细胞亚群进行的，所以细胞亚群注释就显得尤为重要！ 细胞类型鉴定基础 常见细胞类型鉴定方法 Marker基因鉴定细胞类型 主要是通过一些数据库和自己阅读文献积累的不同细胞类型的marker进行注释。 DimPlot(immune.combined.new, reduction = "umap", label = TRUE, repel = TRUE) unnamed-chunk-14-150869117 细胞类型鉴定还有非常多其他方法 ，大家选择合适的即可~ 参考资料 生信技能树、单细胞天地 菲沙基因单细胞培训课程
2.3K20编辑于 2022-11-15 - 来自专栏磁珠分选
Elabscience小鼠骨髓来源树突状细胞培养和鉴定试剂盒精准诱导小鼠 BMDC，筑牢免疫研究基础
内容概要Elabscience 小鼠骨髓来源树突状细胞培养和鉴定试剂盒是一款专为小鼠 BMDC 体外分化、培养与鉴定打造的一站式解决方案，涵盖分化培养、促成熟全套试剂，7~8 天即可获得高纯度成熟 DC 小鼠骨髓来源树突状细胞培养和鉴定试剂盒介绍树突状细胞（DC）是一组不同类型的造血细胞，在先天免疫系统和后天免疫系统之间起着通道的作用。它们起源于淋巴-骨髓造血作用，来源于骨髓。 本试剂盒提供一套完整的小鼠骨髓来源树突状细胞(BMDC)的分化培养和鉴定方案，涵盖小鼠骨髓细胞DC分化培养试剂、DC促成熟试剂，为小鼠骨髓来源树突状细胞(BMDC)的分化培养和鉴定提供稳定可靠的支持，提高了小鼠骨髓来源树突状细胞 小鼠骨髓来源树突状细胞培养和鉴定试剂盒优势一站式解决方案：涵盖分化、成熟、鉴定全流程试剂，无需自行搭配，避免试剂兼容问题，降低实验门槛；短周期高效培养：7~8 天即可获得成熟 DC 细胞，较传统方法大幅缩短实验周期 总结Elabscience 小鼠骨髓来源树突状细胞培养和鉴定试剂盒是免疫研究领域的高效实验工具，以一站式、短周期、高稳定为核心优势，实现了 BMDC 从培养到鉴定的全流程覆盖，完美解决传统培养的各类痛点
9510编辑于 2026-02-28 - 来自专栏单细胞天地
细胞鉴定曲线图理解
cellranger细胞鉴定曲线 一般得到10X Genomics的下机数据之后，我们需要使用Cellranger软件进行上游数据的处理，并且生成网页报告。 其中就包括了Barcode Rank Plot——细胞鉴定曲线图 细胞鉴定曲线图横坐标是Barcodes，纵坐标是UMI counts，都取log19.图中是将所有测序得到的Barcode按照其包含的UMI 然后基于细胞鉴定曲线图，设定一个cutoff值，决定去除掉哪些barcodes，并且保留下来部分Barcodes用于下游的数据分析。 不过我们也可以使用下游矩阵数据来复现一下cellranger的细胞鉴定曲线，找一下过滤的标准。 细胞鉴定曲线 cellranger是将所有测序得到的Barcode按照其包含的UMI数进行降序排列，并且对细胞和非细胞标注不同的颜色，帮助区分。那我们也按照对应的数据进行绘图。
72410编辑于 2024-04-19 - 来自专栏数据科学（冷冻工厂）
单细胞分析：marker鉴定（11）
我们能否通过识别这些簇的其他标记基因来验证对这些细胞类型的鉴定结果？ 我们可以使用 Seurat 探索几种不同类型的标记，来回答这些问题。 可用于识别未知簇和提高对假设细胞类型的置信度。 鉴定每个簇的保守标记： 该分析首先寻找在每个条件下差异表达的基因，然后报告在所有条件下在簇中保守的那些基因。这些基因可以帮助确定簇的身份。 在所有条件下鉴定保守markers 由于我们的数据集中有代表不同条件的样本，我们最好的选择是找到保守的标记。 例如，我们可能对基因 TPSB2 感兴趣，它显示簇中的大部分细胞表达该基因，但其他簇中表达该基因的细胞很少。 因此簇20可能代表肥大细胞。肥大细胞是免疫系统的重要细胞，属于造血谱系。 我们将标记幼稚细胞并将剩余的簇标记为 CD4+ T 细胞。 现在获取所有这些信息，我们可以推测不同簇的细胞类型并绘制带有细胞类型标签的细胞。
1.2K40编辑于 2023-02-27 - 来自专栏生物信息学、python、R、linux
鉴定细胞类型常用的方法
等 网站：CellMarker http://bio-bigdata.hrbmu.edu.cn/CellMarker/ CellMarker通过收集超过100 000篇已发表的文献，总结了 上万个细胞标记基因 ，涉及人类467种细胞类型，以及鼠的389种细胞类型。 可以查询小鼠脑细胞类型的差异基因以及位置的网站 1).Exploring the Mouse Brain through Single Cell Expression Profiles http:/
2.1K21发布于 2020-12-09 - 来自专栏生信喵实验柴
寻找marker基因以及细胞鉴定
基因映射图可以直观的表达标记基因在不同细胞中的分布情况，但是一张图里只能展示一个基因，检测多个基因时比较复杂，缺乏呈现对因素结果的能力，该图更适合用于展示基因的分布而非亚群细胞鉴定。 前面绘图中每个 cluster 只展示出数字 ，通过对比我们鉴定的 marker gene 与已发表的细胞类型特征的基因表 marker，可以定义我们划分出来的细胞类群。 FCGR3A+ Mono 6 GNLY, NKG7 NK 7 FCER1A, CST3 DC 8 PPBP Platelet 该案例中根据每个 cluster 中 markgene，可以很容易鉴定出细胞类型 ，如果是其他数据，则需要通过额外方式，进行细胞类型鉴定。 #下面这个案例只适用于pbmc3k，其余两个案例需要去鉴定细胞类型 new.cluster.ids <- c("Naive CD4 T", "CD14+ Mono", "Memory CD4 T", "
5.1K20编辑于 2022-10-25 - 来自专栏生信技能树
拟南芥根系单细胞亚群类型鉴定
考虑到咱们生信技能树粉丝对单细胞数据挖掘的需求，我开通了一个专栏《100个单细胞转录组数据降维聚类分群图表复现》，也亲自示范了几个，不过自己带娃，读博，时间精力有限，所以把剩余的90多个任务安排了学徒， 本次研究总共是12,198个单细胞，利用Drop-Seq对12,198个单个拟南芥根细胞进行t分布随机邻近嵌入(t-SNE)降维。使用Seurat将细胞聚类到17个生物学亚群。 作者列出来了详细的细胞亚群注释依据，可以看到每个亚群的特异性基因的高表达情况： ? 理解这些基因名字对应的拟南芥根部单细胞亚群，需要一定生物学背景知识哦！ 至少绝大部分做肿瘤研究的小伙伴肯定是没办法一眼就看出来这些基因的功能，通常呢，我们做肿瘤研究的单细胞数据，一般来说会选择初步很粗狂的定义大的细胞亚群，比如我常用的 第一次分群是通用规则是： immune 不过我们前面讲解的单细胞转录组数据分析流程是没有问题的：可视化单细胞亚群的标记基因的5个方法，下面的5个基础函数相信大家都是已经烂熟于心了： VlnPlot(pbmc, features = c("MS4A1
91830发布于 2021-07-06 - 来自专栏生物信息学、python、R、linux
scHCL || 鉴定人的单细胞数据细胞类型
of most similar cell types hcl_result <- scHCL(scdata = hcl_lung, numbers_plot = 3) 以自己的seurat对象的分群来鉴定细胞类群
1.2K20发布于 2021-03-25 - 来自专栏生物信息学、python、R、linux
scLearn||单细胞类型鉴定新方法
用已有的数据库对单细胞测序数据细胞类型的鉴定至关重要。 而利用参考数据集来鉴定新的细胞类型的方法具有两个方面的需求：（1）如果query细胞的细胞类型存在于reference中，那么需要匹配正确的细胞类型（2）如果query细胞的细胞类型在reference 基于以上考量，作者提出了一种基于人工智能度量学习的细胞类型鉴定框架scLearn。 scLearn的主要贡献如下：（i）scLearn具有很好的鉴定细胞类型性能（ii）scLearn可有效识别参考数据集中不存在的新型细胞类型（iii）scLearn中提出了一种多标签单细胞分配策略，可将单个细胞同时分配给适当的时间状态和细胞类型 ，对细胞发育和谱系分析十分有效。
95420发布于 2020-11-12 人T细胞激活试剂盒在细胞疗法中的应用
人T细胞激活试剂盒通过提供模拟体内双信号的激活元件，为CAR-T、TIL和Treg等细胞疗法的研发和生产提供了标准化解决方案。 这一机制是机体维持外周免疫耐受的重要方式，也为体外T细胞激活策略的设计提供了理论基础。三、人T细胞激活试剂盒的核心组分人T细胞激活试剂盒的核心功能是模拟体内APC提供的双信号刺激。 试剂盒通常包含以下关键组分：抗CD3抗体：作为第一信号的模拟物，抗CD3抗体可与T细胞表面的CD3分子结合，交联TCR复合物，触发初始激活信号。 抗体固定化载体：为将激活抗体有效呈递给T细胞，试剂盒通常提供磁珠、纳米珠或细胞培养板等固定化载体。通过将抗体包被于载体表面，模拟APC膜上的配体呈递方式，实现T细胞的高效激活。 四、激活试剂在不同细胞疗法中的应用（一）CAR-T细胞制备在CAR-T细胞生产流程中，T细胞的离体激活是基因修饰前的关键步骤。
8710编辑于 2026-03-16- 来自专栏数据科学（冷冻工厂）
单细胞系列教程：marker鉴定（十一）
我们能否通过识别这些簇的其他标记基因来验证对这些细胞类型的鉴定结果？我们可以使用 Seurat 探索几种不同类型的标记，来回答这些问题。 可用于识别未知簇和提高对假设细胞类型的置信度。鉴定每个簇的保守标记：该分析首先寻找在每个条件下差异表达的基因，然后报告在所有条件下在簇中保守的那些基因。这些基因可以帮助确定簇的身份。 在所有条件下鉴定保守markers由于我们的数据集中有代表不同条件的样本，我们最好的选择是找到保守的标记。 例如，我们可能对基因 TPSB2 感兴趣，它显示簇中的大部分细胞表达该基因，但其他簇中表达该基因的细胞很少。因此簇20可能代表肥大细胞。肥大细胞是免疫系统的重要细胞，属于造血谱系。 我们将标记幼稚细胞并将剩余的簇标记为 CD4+ T 细胞。现在获取所有这些信息，我们可以推测不同簇的细胞类型并绘制带有细胞类型标签的细胞。
4.9K02编辑于 2023-01-25 - 来自专栏生信喵实验柴
宏基因组建库测序
宿主污染是影响非常大的因素，尤其是病毒检测，由于同一细胞内，病毒基因组与宿主基因组丰度相差太大。如果全部进行测序，很难测序到病毒的序列。 尤其是在做病毒宏基因组研究中，由于宿主细胞与微生物细胞二者基因组相差巨大 ，例如一个人细胞包含 3G 数据，而一个病毒细胞可能只有 30K，二者相差 10 万倍，这就导致测序数据中绝大部分都是来源于宿主的序列 去宿主方法流程图 2.2 去除宿主试剂盒 由于宏基因组样品包含种类很多，处理宿主的方法也不尽相同，例如使用离心，生物膜过滤，化学试剂消化，选择特异性的 DNA 提取试剂盒等等，根据不同的研究样品选择合适的方法 目前已经有很多成熟的商业化试剂盒可供选择，例如 Qiagen 推出了一些专门针对人肠道样品，土壤样品，口腔等不同的提取试剂盒。 2、数据量低，不能进行定量鉴定3、无法实时测序，进行快速鉴定 1、价格贵2、错误率高3、16S 序列错误率较高 写在最后：有时间我们会努力更新的。
1.3K10编辑于 2023-02-24 - 来自专栏单细胞天地
单细胞分析工具||COSG鉴定marker基因
COSG(COSine similarity-based marker Gene identification)是由来自哈佛医学院和Broad研究所博后Ming Dai等人开发，旨在从余弦相似度的角度鉴定 Github：https://github.com/genecell/COSG， https://github.com/genecell/COSGR 1、分析思路 （1）准备好数据， 即标准化后的单细胞表达矩阵 ，并完成细胞聚类分析(scATAC， ST同理)； （2）对cluster K模拟一个ideal marker gene(仅在k表达，其余cluster不表达)； （3）计算所有真实基因分别与该基因的余弦相似度 2、性能比较 文章主要与常用的Wilcoxon-test等分析方式在多种数据集上进行比较，概括如下： （1）在模拟的单细胞数据集中，COSG方法可以最大程度发现每个clutser的marker gene （附上游数据下载tips） 病毒感染相关单细胞文献复现-2 842个单细胞数据集，超5000万个单细胞的数量 这近100种单细胞亚群的2348个标记基因好用吗 百创智造发布百创S系列空间单细胞分割技术
1.7K61编辑于 2023-08-31 - 来自专栏单细胞天地
单细胞测序鉴定银屑病的致病细胞亚群
本文中主要对健康皮肤、银屑病皮肤里的CD8+T 细胞进行单细胞测序。 鉴定出银屑病皮肤中富集的两个Tc17细胞亚群，代谢不同，表达CXCL13。 将银屑病Tc17细胞亚群与黑色素瘤浸润的 CD8+T 细胞进行比较，发现这些细胞中细胞因子、溶细胞和代谢转录活性的上调，这与衰竭程序不同。 结果 细胞聚类 质控后的细胞： 银屑病：2919个CD8+T细胞， 正常皮肤：1656个CD8+T细胞。 分11个亚群。 图D，银屑病cluster6和10，细胞毒性T细胞通路变道上调，而exhausted 肿瘤浸润的淋巴细胞里没有。 从每个 CD8+T 细胞群中，细胞群之间共享 43 到263个TCR（即，可以在同一受试者的不同细胞群中发现的TCR序列）。
1.6K10发布于 2021-09-15 - 来自专栏生命科学
外泌体介绍 - MedChemExpress
以上方法都可以对外泌体进行富集和纯化，大家可以根据需求选择合适的提取方法，总有一款适合你哦~对于外泌体的标记和鉴定获得外泌体之后，如何对其进行鉴定又是一个困扰研究者的问题。 国际细胞外囊泡学会 (ISEV) 在 2014 年提议，对于分离获得的外泌体需要从三个层面进行鉴定：■ WB 检测外泌体标志蛋白表达情况外泌体膜上富含参与外泌体运输的跨膜蛋白家族 (CD63/CD81/ Muyu Yu 等人在研究经阿伐他汀预处理后的骨髓间充质干细胞 (BMSC) 外泌体是否具有促血管生成能力时，对 BMSC 来源的外泌体进行了鉴定，如图 4 所示：透射电镜观察到各组外泌体典型的球形、膜状结构 目前对于外泌体的标记和鉴定方法较多，主要包括亲脂性染料和膜渗透型化合物等。 相关产品HY-K1062细胞上清外泌体提取纯化试剂盒HY-K1063血清/血浆外泌体提取纯化试剂盒HY-K1064外泌体 CD63&TSG101 蛋白检测试剂盒HY-133876DiAHY-D0969DiOHY-D1028DiD
77560编辑于 2023-01-04 靶向KRAS G12V突变的新型TCR疗法进展及蛋白降解策略展望
二、研究概述：G12V特异性TCR的发现与验证该研究聚焦于KRASG12V突变产生的"新生抗原"，并成功鉴定出可特异性识别该抗原的T细胞受体。 1.TCR发现与功能验证：研究人员利用HLA-A*11:01转基因小鼠进行免疫，鉴定出两种能够特异性识别由该HLA分子呈递的9氨基酸KRASG12V突变肽的TCR。 其中，1-2CTCR在多个个体中被重复鉴定，属于"公共TCR"。将1-2CTCR构建成嵌合抗原受体T细胞后，其在体外能特异性识别并杀伤多种携带KRASG12V突变的肿瘤细胞系。 KRAS[G12V]/CRBNPROTAC试剂盒正是基于此策略开发的前沿工具。 3.研发价值：KRAS[G12V]/CRBNPROTAC试剂盒为研究人员提供了在细胞及动物模型中验证降解KRASG12V可行性的核心工具。
26710编辑于 2026-01-23- 来自专栏生信技能树
殊路同归的关键单细胞亚群鉴定算法
同时也给出来了反向鉴定关键单细胞亚群的流程，就是发表在2021年Nature Biotechnology上的Scissor算法，它们的结果非常一致，说明了算法的可靠性，而且类似的算法还有一个发表在NAR /gkac1109 因为我不是做算法开发的生信工程师，所以我没办法去给大家推理这两个软件背后的统计学原理或者代码底层架构，但是我用实例给出来了算法和运行和理解，而且我们可以从另外一个侧面来做同样的反向鉴定关键单细胞亚群 首先载入前面的批量生存分析结果以及单细胞对象 rm(list=ls()) library(Seurat) library(preprocessCore) library(survival) library scissor) gplots::balloonplot(b1) boxplot(sc_dataset$pos_UCell ~ sc_dataset$scissor) 很容易看到，Scissor算法判定的阳性细胞就是富集了那些生存分析的风险基因的细胞亚群 Scissor算法判定的阳性细胞就是富集了那些生存分析的风险基因的细胞亚群 差异分析和生存分析结果交集 #Idents(sc_dataset)= sc_dataset$scissor deg_Scissor_markers
42920编辑于 2023-11-03
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