但WGCNA对于稀疏矩阵的敏感性性能相对较差，单细胞数据或者空间组学数据中固有的稀疏性和噪声会导致虚假的基因-基因相关性。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、...
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...
hdWGCNA使用高维数据的特定调整来计算MEs,允许批量校正和连续协变量的回归。另外,hdWGCNA还可以使用其他基因评分方法,如UCell或Seurat的AddModuleScore函数,分析发现这些评分与MEs相关。 然而,一些共表达模块可能对应于多种细胞类型共同的细胞过程,在这种情况下,hub基因可能被广泛表达。分析检查了选定的细胞类型特异性模块的...
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",...
HdWGCNA的workflow如下图所示: Step1数据处理 在将数据导入到hdWGCNA分析前,一般会对数据做一定处理。可以使用Seurat、Scanpy等R包进行处理。 质控,比如单细胞转录组数据中,对于线粒体占比高、doublet等细胞的处理; 数据标准化,在对数据过滤后,一般会进行Normalization操作,如Seurat默认使用通用的“LogNormalize()”方...
在这一步我们使用 SetupForWGCNA 来指定 hdWGNCA experiment的名称。这一步指定了用于WGCNA分析的基因 。关于基因的选择,有如下三种方法: 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",...
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。
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(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。
单细胞测序hdWGCNA分析精讲第二讲一场视觉盛宴~教你如何找到细胞群的关键基因模块以及细胞群的特定通路,一键出图获取代码方式见视频开头ppt或者up主页个人介绍~~, 视频播放量 1401、弹幕量 0、点赞数 38、投硬币枚数 28、收藏人数 83、转发人数 10, 视频作者 不太会生信哥,