上回书我们说到在flowjo中用tSNE or UMAP来对细胞亚群进行可视化,但没有提到具体的细节,这回小编找到了一个好东西,转给大家~ 准备工作 FlowJo Exchange FlowAI FlowSOM ClusterExplorer UMAP 第一步:Select “FlowAIGoodEvents” 选中以后导出为新的Workspace,这将作为正式分析的“原材料”~ 第二步:设置组别 这里...
但总的来说tSNE和UMAP文献使用率最高,tSNE图比较饱满,对亚类分群更突出,比方Naive、Memory Treg都能区分,UMAP对分化展示 维只是生成一个平面,呈现所有检测的细胞的聚类分布。 但我们要提取出每群聚类在一起的数据,需要聚类插件帮助,首推X-shift,它聚类群体数适中,Phenograph提取的群体数太多,FlowSOM需要指定群体数...
3.tSNE处理:将需要分析的活的单细胞群(流式划门圈出标记为single cells)进行tSNE降维分析。 3.1.选中single cells栏,在点击workspace—tSNE,进入参数选择界面。 3.2.参数设置:一般只分析荧光参数,就选择标记的荧光通道即可,若增加细胞大小活颗粒度等参数,可以选择添加FSC或SSC等参数,然后其他参数默认即可,点击右下角...
师姐:FlowJo就能一键搞定。你看FlowJo V10.10里Algorithms下的tSNE图标,点它就可以把流式数据做成这样的“脑图”了。 师弟:师姐,我按照你说的也做出了“脑图”。但是怎么看这些群体啊,它们完全不同于我的对照组啊? 师姐:这么棒吗!我来看看。师弟你这图还是不太对,两个样本相同的细胞群不重叠,都独立成群了。“...
图3C为ClusterExplorer插件展示聚类结果。ClusterExplorer的功能主要是将算法自动聚类的结果以折线图,热图以及在tSNE上显示分布区域的方式进行展示。利用这些工具我们可以轻松的找到目标群体同时聚焦每个群体中每个marker的表达情况。 (图3C) 好啦,今天的实验案例分享就到这里了~大家不要忘记点击下方“阅读原文”获取BD正版F...
师姐:FlowJo就能一键搞定。你看FlowJoV10.10里Algorithms下的tSNE图标,点它就可以把流式数据做成这 样的“脑图”了。 师弟:师姐,我按照你说的也做出了“脑图”。但是怎么看这些群体啊,它们完全不同于我的对照组啊? △点击放大图片 上海优宁维生物科技股份有限公司向正向善向上 ...
使用 FlowJo 软件对造血干祖细胞结果应用 t-分布邻域嵌入算法(t-distributed stochastic neighbor embedding, tSNE)、统一流形逼近与投影(uniform manifold approximation and projection,UMAP)和流式自组织特征映射(flow selforganizing feature map,FlowSOM)分析,并对分析结果进行比较,探索通过生物信息学降维方式分析小鼠...
使用FlowJo软件对造血干祖细胞结果应用t-分布邻域嵌入算法(t-distributed stochastic neighbor embedding,tSNE)、统一流形逼近与投影(uniform manifold approximation and projection,UMAP)和流式自组织特征映射(flow self-organizing feature map,FlowSOM)分析,并对分析结果进行比较,探索通过生物信息学降维方式分析小鼠造...
图3C为ClusterExplorer插件展示聚类结果。ClusterExplorer的功能主要是将算法自动聚类的结果以折线图,热图以及在tSNE上显示分布区域的方式进行展示。利用这些工具我们可以轻松的找到目标群体同时聚焦每个群体中每个marker的表达情况。 (图3C) 注: 分析工具:FlowJoV10.6软件,t-SNE降维插件,FlowSOM/Phenograph聚类插件,EmbedSOM...
▪ 改进了对非BD细胞仪采集数据的支持。 ▪ 改进了内置tSNE,以生成更好的优化图,解决了10.7.2中引入的问题。 ▪ 我们已经纠正了一个优化问题,以便输出生成更好定义岛。 ▪ 改进了对Jo文件大容量转换的支持 功能优势 ·流量分析的单独解决方案。与所有采集软件包和细胞仪中的所有数据文件兼容。