第二十节:单细胞与空转结合分析——CellTrek,单细胞和空间转录组数据结合准确地定位组织内单个细胞的位置,并构建空间细胞图谱【Science】 第二十一节:利用VIPER算法来定量单细胞蛋白的活性【Cell】 第二十二节:使用Scanpy做基础分析——数据质控、降维聚类、数据整合、细...
根据空间数据新特性,Seurat加入了新的函数用于展示空间转录组数据,主要方法是将每个spot的表达数据(推测为标准化后的表达量)叠加在组织显微照片上。例如,在本文的小鼠大脑范例数据中,Hpca基因是海马的marker,而Ttr基因是脉络丛的marker。 #展示特定基因的表达水平; SpatialFeaturePlot(brain, features = c("Hpca", "T...
空间转录组学数据分析工作通常包括多个阶段:第一步是数据预处理,通常包括质量控制、基因表达标准化、降维和细胞类型注释。可以通过空间分解、基因插补和标签转移进一步提高数据的丰富性。接下来可通过空间聚类和局部基因表达模式从数据中获得生物学见解,这将进一步促进空间可变基因的识别、细胞-细胞/基因-基因相互作用的推断...
因此,较新的方法以更平衡的方式集成scRNA-seq和空间转录组数据,例如一个平台无关的相互最近邻算法(MNN)已被用于对齐这些数据类型,从而形成细胞位置映射;DEEPsc使用人工神经网络来预测空间位置;GLUER结合NMF、MNN算法和深度神经网络来对齐数据,Tangram对齐scRNA-seq和空间转录组数据集,同时优化scRNA-seq数据和空间数据中每...
1.数据准备 #载入所需的R包; library(Seurat) library(ggplot2) library(patchwork) library(dplyr) library(hdf5r) 数据的读入,可以使用Read10X_h5或Read10X读入表达矩阵后创建Seurat对象,方法同常规的单细胞转录组;然后,使用Read10X_Image函数读入空间图像信息文件,整合到Seurat对象上。比较快速的方式是将表达量数据...
使用10x Visium空间转录组技术产生了多个关键发育时间节点的小鼠大脑空间转录组数据,开发了新型空间可变基因(spatially variable genes, SVGs)的计算流程——SVGbit(图1),该流程能够快速筛选出表征脑区的空间可变基因簇(spatially variable genes, SVGs),此外,该流程还可以通过SVGs的排列组合进一步细分脑区,帮助研究...
CARD 是一种基于条件自回归(conditional autoregressive;CAR),并结合单细胞测序(single cell RNA-seq;scRNA-seq)数据中细胞类型特异性表达的信息进行反卷积分析的方法。图一显示了CARD的主要步骤。如图所示, CARD 将空间转录组数据和从scRNA-seq构建的细胞类型特异性参考基矩阵(reference basis matrix)通过非负矩阵分解...
空间转录组学的数据分析方法 研究将ISC数据分析的步骤作为一个模型工作流进行介绍,该工作流类似于scRNA序列分析的步骤,可以概括为两个主要阶段:预处理和下游分析(图2)。预处理的目标是确保高质量的数据能够流入下游分析,后者随后寻求挖掘数据的生物学含义。
接下来就是我们的重点方向,空间转录组 1、空间转录组的注释,注意这里的注释方式。 图片.png 依据形态学的位置注释,但更为精细,Spatial plot for 708 spots colored by clusters; the coordinates of the spot correspond to the location in the tissue。当然,划分好区域之后,很多新奇的发现就产生了。