load("sce_CNV_N_T.Rdata") 7、把inferCNV中的run.final.infercnv_obje文件读取进来 infer_CNV_obj<-readRDS('../3.inferCNV_N_T/infercnv_output/run.final.infercnv_obj') expr <- infer_CNV_obj@expr.data expr[1:4,1:4] data_cnv <- as.data.frame(expr) dim(expr) colnames(data_cnv) row...
Warning message:程辑包‘Seurat’是用R版本4.0.3来建造的>library(ggplot2)>library(infercnv)Warning message:程辑包‘infercnv’是用R版本4.0.3来建造的>expFile='expFile.txt'>groupFiles='groupFiles.txt'>geneFile='geneFile.txt'>infercnv_obj=CreateInfercnvObject(raw_counts_matrix=expFile,+annotations_...
树状图的newick格式,对应热图的观测panel的“树” run.final.infercnv_obj这个rds文件,以及包含在其中的三个子文件 如下@expr.data:对应最终热图的表达文件 @reference_grouped_cell_indices:对应最终热图的reference细胞名称 @observation_grouped_cell_indices:对应最终热图的observation细胞名称 HMM_CNV_predictions.*.pre...
首先查看inferCNV结果文件夹,可以看到每个步骤的中间文件,都是保存下来了的: 01_incoming_data.infercnv_obj 02_reduced_by_cutoff.infercnv_obj 03_normalized_by_depth.infercnv_obj 04_logtransformed.infercnv_obj 08_remove_ref_avg_from_obs_logFC.infercnv_obj 09_apply_max_centered_expr_threshold.infercnv_o...
infercnv_obj=CreateInfercnvObject(raw_counts_matrix=expFile,annotations_file=groupFiles,delim="\t",gene_order_file=geneFile,ref_group_names=c("WT"))## 这个取决于自己的分组信息里面的 infercnv_obj=infercnv::run(infercnv_obj,cutoff=1,# cutoff=1works wellforSmart-seq2,and cutoff=0.1works well...
17.##将infercnv_obj对象作为输入 18.infercnv_obj = infercnv::run(infercnv_obj, 19.cutoff=1,# cutoff=1 works well for Smart-seq2, and cutoff=0.1 works well for 10x Genomics 20.out_dir=tempfile(), 21.cluster_by_groups=TRUE, 22....
infercnv_obj=CreateInfercnvObject(raw_counts_matrix=expFile,annotations_file=groupFiles,delim="\t",gene_order_file=geneFile,ref_group_names=c("WT"))## 这个取决于自己的分组信息里面的 infercnv_obj=infercnv::run(infercnv_obj,cutoff=1,# cutoff=1works wellforSmart-seq2,and cutoff=0.1works well...
infercnv_obj@expr.data: 经过去噪或者 HMM 处理的表达矩阵信息。 infercnv_obj@reference_grouped_cell_indices: 包含与每个正常细胞类型对应的表达矩阵列索引列表。 infercnv_obj@observation_grouped_cell_indices: 包含与每个肿瘤细胞类型对应的表达矩阵列索引列表。
run(infercnv_obj, cutoff =1, min_cells_per_gene =3, out_dir =NULL, window_length =101, smooth_method = c("pyramidinal","runmeans","coordinates"), num_ref_groups =NULL, ref_subtract_use_mean_bounds =TRUE, cluster_by_groups =FALSE, ...
run(infercnv_obj,cutoff=1,min_cells_per_gene=3,out_dir=NULL,window_length=101,smooth_method=c("pyramidinal","runmeans","coordinates"),num_ref_groups=NULL,ref_subtract_use_mean_bounds=TRUE,cluster_by_groups=FALSE,cluster_references=TRUE,k_obs_groups=1,hclust_method="ward.D2",max_centered...