该模型框架利用单细胞数据推断空间数据中每个捕获位置的每个细胞类型的比例估计,从而消除了对空间数据分析时对要素或簇等抽象实体的任何解释或注释的必要性。 stereoscope概述:首先使用单细胞数据来描述每个细胞类型的表达谱,然后在每个捕获位置内找到这些类型的组合,以最好地解释空间数据。 研究团队已经在代码中实现了这个...
Cell | 利用scRNA-seq和scStereo-seq对免疫特性的脱膜基质细胞控制小鼠早期妊娠的时空洞察 研究背景 成功妊娠涉及免疫细胞、内皮细胞(ECs)和基质细胞之间极其复杂的细胞通讯。子宫内膜蜕膜化是成功妊娠的首要和核心步骤之一,其特征是子宫内膜基质成纤维细胞(eSF)转化为被称为蜕膜基质细胞(DSCs)的特殊细胞类型,这一过程...
Seurat 对象中assays用于存储表达矩阵, counts存储原始数据(稀疏矩阵),data存储Normalize()之后的数据,scale.data存储ScaleData()缩放后的数据,SCT存储标准化之后的数据, meta.data存储细胞注释信息(或称为临床信息), active.assay存储默认的矩阵名, active.ident存储默认的细胞注释信息(或称为临床信息)。 library(Seura...
在LEC亚群中,AKI后cLEC富集了细胞迁移和运输过程,vLEC富集了细胞核组织、凋亡过程和血管生成信号传导,pLEC富集了发育过程和代谢过程等。这些数据表明损伤后LECs保持与静止LECs相似的解剖组成,但改变了它们的管腔生成信号和代谢。 AKI后LEC高表...
图1 BaSSSh-seq 结合rRNA去除技术实现了细菌生物膜的单细胞RNA测序 2、主要结果 1.生物膜生长表现出广泛的转录异质性和代谢基因表达的下降 通过对生物膜和浮游生长状态的细胞转录组数据进行聚类分析,揭示了生物膜中比浮游生长状态更显著的转录多样性。在生物膜中,识别出了七个转录特征明显不同的细胞亚群。大多数这些...
2. scRNAseq数据集分析 为了从单细胞水平揭示CD45+ 免疫细胞的动态变化,作者使用t-SNE进行亚群分析和可视化。3817个免疫细胞共聚为17个簇(图1A),主要分为5个细胞亚群,包括B细胞,树突状细胞,单核细胞,自然杀伤细胞和T细胞(图1B)。肿瘤组织细胞和非肿瘤组织细胞的聚类如图1C所示。富集分析表明这些细胞参与免疫炎症...
有些cluster会高表达两种或以上细胞类型的marker, 造成很难对这个cluster进行CellTyping的情况发生,这时应采取一些方法解决这些问题 1. 通过去除Doublet软件去除 这种表达多种细胞类型marker的细胞,很可能是Doublet,可以尝试使用一些软件去除Doublet,这些细胞有可能是在这些Doublet ...
为了检测治疗耐药的转录驱动因素,利用scRNA-seq分别对PD-L1抵抗(PD-L1R)和PD-L1敏感(PD-L1S)的小鼠肿瘤组织进行特定细胞类型分析。根据其典型标记基因表达,研究将25396个细胞分为八个主要细胞群,即B细胞,内皮细胞,红系细胞,成纤维细胞,巨噬细胞或DC细胞,MDSC样细胞,T/NK细胞和肿瘤细胞,发现PD-L1R肿瘤的免疫微...
stereoscope是什么? 该模型框架利用单细胞数据推断空间数据中每个捕获位置的每个细胞类型的比例估计,从而消除了对空间数据分析时对要素或簇等抽象实体的任何解释或注释的必要性。 stereoscope首先使用单细胞数据来描述每个细胞类型的表达谱,然后在每个捕获位置内找到这些类型的组合,以最好地解释空间数据。
scRNA-seq 数据分析的一项基本任务是将细胞聚类为不同的组,作为候选细胞类型或细胞状态。这个任务对于单一来源的数据集来说可能很简单,但由于批处理效应的挑战性特点,对于多源数据来说就非常困难了,尤其是检测一些小的集群。尽管已经开发了几种方法来消除 scRNA-seq 分析中的批次效应,但大多数方法旨在消除嵌入空间中的...