做聚类分析和 UMAP 分析的时候,使用的不是基因表达量,而是由 PCA 分析得到的 PC 的值。 UMAP 的主要作用是把高维度中距离接近的点映射到二维平面上距离相近的位置上。 UMAP 返回的结果只有两个维度( UMAP_1 和 UMAP_2),只能用来做数据可视化。 6. 关于聚类分析 Q: cluster ID 为何从 0 开始?是否可以从 ...
A: 在用 NormalizeData 函数做 normalization 的时候, 每个细胞中所有基因的表达量除以该细胞中检测到的所有 count 数, 这样会使每个细胞所有基因的表达量之和都变得一样,也就是说细胞之间的测序深度都保持一致。但是这样做是否能够完全去除测序深度对基因表达变异的影响,还是要打个问号。 根据 Seurat 官网上的介绍...
A: 做细胞周期矫正,首先要有细胞周期 marker 基因,然后用 CellCycleScoring 函数来计算细胞周期 score,然后用 ScaleData 函数去 regress out 细胞周期 score。 IntegrateData 主要是矫正多个样本间的批次效应,例如整合多个来自不同单细胞测序技术的数据 5. 关于降维分析 Q: ElbowPlot 的拐点是指这个点后面基本持平了...
Seurat是单细胞测序数据分析的常用软件之一。仁科生物的生物信息学科学家——傅兴博士将为大家深入浅出的介绍Seurat的数据结构、基本算法和工作流程,并利用示例数据和代码展示了Seurat软件的基本操作步骤,此外还将分享了许多单细胞数据分析过程中的经验。 Seurat的数据结构、基本算法和工作流程 利用PBMC示例数据和代码展示Seu...
因此, 我们要利用单细胞RNA-seq,找到两个样本中相同类型的细胞后,再寻找这类细胞在 control 和疾病组的差异表达基因。具体来说,我们利用 Seurat 整合完 control 和疾病组样本,并做聚类分析后,分别在control 和疾病组中对某个 cluster 做差异表达分析,寻找这个 cluster 的 marker 基因,然后,把在 control 和疾病组...
Seurat是单细胞测序数据分析的常用软件之一。在6月16日的10x Genomics中文网络研讨会中,仁科生物的生物信息学科学家——傅兴博士为大家深入浅出的介绍了 Seurat的数据结构、基本算法和工作流程,并利用示例数据和…