hdWGCNA是一个使用Seurat数据结构的开源R包 hdWGCNA在人类疾病中的应用证明了对复杂数据集的真实分析 代码流程 作者推荐构建一个新的R语言环境来供hdWGCNA分析使用。 # create new conda environment for R conda create -n hdWGCNA -c conda-forge r-base r-essentials # activate conda environment conda activat...
download from 'https://api.github.com/repos/smorabit/hdWGCNA/tarball/dev' failed 这个类型的,一般原因都是下载这个R包的哪个小附属依赖包在R里没有,通过本地下载时报错找到是因为什么R包导致的,再下载下来这个包之后你想要的包就可以顺利下载下来咯...
hdWGCNA是一个使用Seurat数据结构的开源R包 hdWGCNA在人类疾病中的应用证明了对复杂数据集的真实分析 代码流程 作者推荐构建一个新的R语言环境来供hdWGCNA分析使用。 # create new conda environment for R conda create -n hdWGCNA -c conda-forge r-base r-essentials # activate conda environment conda activat...
老师的暑假提升指南 知识 校园学习 研究生 医学生 科研 单细胞 数据挖掘 R语言 生信 生信分析 细胞通讯吉克学长 发消息 视频的代码都在交流群,加群/代码/分析请私信,v:geek0696非诚勿扰。生信单细胞专题 (9/9) 自动连播 3.8万播放 简介 订阅合集 1了解单细胞 07:35 2单细胞数据读取全面教学 07:35 ...
load('hdWGCNA_object.Rdata') 计算相关性 我们会用到函数ModuleTraitCorrelation将选定的变量与模块特征相关联。😘 可以使用的变量:👇 数值变量; 二分类变量,如“control”和“condition”; 多分类变量,如,“健康”、“第 1 阶段”、“第 2 阶段”、“第 3 阶段”等排序。
load("./hdWGCNA_object.Rdata") 4计算hub gene分数 基因评分分析是单细胞转录组学中一种流行的方法,用于计算一组基因的整体特征的评分。💪 这里可以使用UCell或Seurat算法计算每个模块指定数量基因的打分。😘 这里用前25个gene哦。😯 代码语言:javascript ...
R包安装以及数据准备本次分析还是以兰花的空间转录组为基础,具体的数据参考以前的推文# install BiocManager install.packages("BiocManager") # install Bioconductor core packages BiocManager::install() # install additional packages: install.packages(c("Seurat", "WGCNA", "igraph", "devtools")) devtools::...
This function leverages the [extreme gradient boosting (XGBoost) algorithm](https://xgboost.readthedocs.io/en/stable/R-package/xgboostPresentation.html), +a powerful ensemble learning approach that we use to predict the expression of a given gene +based on the expression of all TFs with a ...
109 changes: 58 additions & 51 deletions 109 R/ReassignModules.R Original file line numberDiff line numberDiff line change @@ -7,7 +7,7 @@ #' @param seurat_obj A Seurat object #' @param harmonized logical indicating whether or not to use harmonized MEs #' @param features character ...
seurat_obj <- readRDS("C:\\sfotware\\R-4.3.2\\library\\hdWGCNA\\data\\Rdata.rds") 绘制按细胞类型着色的 UMAP 图,以检查我们是否正确加载了数据,并确保我们已将细胞归入细胞群和细胞类型。 p <- DimPlot(seurat_obj, group.by='cell_type', label=TRUE) + ...