hdWGCNA是一个R软件包,用于在单细胞RNA-seq或空间转录组学等高维转录组学数据中执行加权基因共表达网络分析(WGCNA)。hdWGCNA是高度模块化的,可以构建跨多尺度细胞和空间层次的共表达网络。hdWGNCA识别互连基因的健壮模块,并通过各种生物学知识来源提供这些模块的背景。hdWGCNA需要将数据格式化为Seurat对象,这是单细胞数...
今天给大家介绍一款基于WGCNA开发的hdWGCNA R包[1]，适用于在单细胞RNA-seq、空间转录组学、空间代谢组学等高维组学。由于单细胞或空间组学数据的相关结构对于不同的子集（细胞类型、细胞状态、解剖区域）有很大差异，所以hdWGCNA流程考虑了这些因素，将高度相似的细胞整合成 "metacells元细胞"或者"metapixels元像素点...
在运行 hdWGCNA 之前,我们首先要设置 Seurat 对象。hdWGCNA 计算出的大部分信息都存储在 Seurat 对象的 @misc 插槽中。一个 Seurat 对象可以容纳多个 hdWGCNA 实验,例如代表同一单细胞数据集中的不同细胞类型。值得注意的是,由于我们将hdWGCNA 视为下游数据分析步骤,因此不支持在运行 SetupForWGCNA 之后对 Seurat ...
hdwgcna之前,seurat seurat对象hdwgcna计算计算计算的大部分信息信息都在存储存储存储存储存储存储存储对象对象对象对象对象对象的@misc槽槽槽中。值得注意的是,由于我们将hdWGCNA看为下游数据分析步骤,因此我们不支持在运行后对Seurat对象进行子集化SetupForWGCNA。 SetupForWGCNAseurat seurat对象gene_select对象 variable: ...
在这个演示里,我们选择了至少在5%的细胞中表达的基因(3857个),并将hdWGCNA experiment 命名为 “tutorial”。 seurat_obj<-SetupForWGCNA(seurat_obj,gene_select="fraction",# the gene selection approachfraction=0.05,# fraction of cells that a gene needs to be expressed in order to be includedwgcna_na...
hdWGCNA揭示了IPF中的模块枢纽基因 为了揭示IPF巨噬细胞亚型的潜在功能,作者采用了高维加权基因共表达网络分析(hdWGCNA)。作者选择8的幂来构建一个无标度网络,得到12个基因模块。有趣的是,紫色、绿色和黄色模块在簇 2 和簇 5 巨噬细胞中表现出大量表达,而蓝色、品红色和黄绿色模块在 IPF-MΦ 和簇 2 巨噬细...
hdWGCNA(high dimensional WGCNA),是WGCNA在单细胞数据上的扩展。其流程基于给定一个基因表达数据集(如某个细胞亚群的基因数据集)作为输入,接着进行以下分析步骤:计算输入特征的两两相关性,用软实力阈值加权相关性(β),计算特征之间的拓扑重叠,并通过动态树切算法进行无监督聚类。
hdWGCNA的分析逻辑是跟bulkRNA数据中的WGCNA基本一样,只是hdWGCNA中多了一步metacell过程,有助于减少无用的信息(单细胞数据有很多零值,会影响分析结果)。 WGCNA的基础信息可见既往推文: https://mp.weixin.qq.com/s/2Q37RcJ1pBy_WO1Es8upIg hdWGCNA工具提供了丰富的可视化教程,笔者这里展示了部分,其他部分可以点...
hdWGCNA可以根据每个模块的hME、ME或hub gene分数可视化每个模块之间的相关性。🦀 代码语言:javascript 复制 # plot module correlagramModuleCorrelogram(seurat_obj) 7DotPlot函数可视化ME 代码语言:javascript 复制 #gethMEs from seurat object MEs<-GetMEs(seurat_obj,harmonized=TRUE)modules<-GetModules(seurat_...
12(附代码)(第一讲)视觉盛宴~单细胞hdWGCNA共表达网络分析精讲,教你如何找到细胞群的关键基因模块,一键出图 27:37 12(附代码)(第二讲)视觉盛宴~单细胞hdWGCNA共表达网络分析精讲,教你如何找到细胞群的关键基因模块,一键出图 20:15 14(附代码)单细胞自定义分组与差异分析教程学习分享精讲,教你如何找到细胞...