创建infercnv_obj对象: ref_group_names选择已知的非肿瘤细胞即可,我们这里选择了plasma细胞; 如果没有参考细胞,可以将 ref_group_names 设置为 NULL,在这种情况下,将使用所有细胞的平均信号来定义基线。 正式运行infercnv::run: cutoff截断值:截断值决定了决定了哪些基因将被纳入inferCNV分析,低于该阈值的基因(即细胞...
infer_CNV_obj<-readRDS('./infercnv_output/run.final.infercnv_obj')expr <- infer_CNV_obj@expr.dataexpr[1:4,1:4]data_cnv <- as.data.frame(expr)dim(expr)colnames(data_cnv)rownames(data_cnv)table(sce$orig.ident)table(sce$seurat_clusters)#记得要改一下sce中的列名colnames(sce) <- gsub...
run.final.infercnv_obj:最终生成的 inferCNV 对象,后续可根据该文件对 CNV 结果进行进一步处理和个性化绘图。 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_ind...
5.正式跑inferCNV 创建infercnv_obj对象: ref_group_names选择已知的非肿瘤细胞即可,我们这里选择了plasma细胞; 如果没有参考细胞,可以将 ref_group_names 设置为 NULL,在这种情况下,将使用所有细胞的平均信号来定义基线。 正式运行infercnv::run: cutoff截断值:截断值决定了决定了哪些基因将被纳入inferCNV分析,低于该...
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.*.pred_cnv_regions.dat: ...
在分析完成后，InferCNV 会生成一系列输出文件，包括 infercnv.png、infercnv.references.txt、infercnv.observations.txt、infercnv.observation_groupings.txt、infercnv.observations_dendrogram.txt、run.final.infercnv_obj（包含三个子文件）、以及 HMM_CNV_predictions.*.dat、cell_groupings 和 pred_cnv_...
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...
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, ...
有了前面的3个文件,接下来走inferCNV流程超级简单!真正的核心代码就 是 infercnv::run 函数,来源于 infercnv 这个包! 代码如下所示: options(stringsAsFactors =F)library(Seurat)library(gplots)library(ggplot2) expFile='expFile.txt'groupFiles='groupFiles.txt'geneFile='geneFile.txt'library(infercnv) ...
infercnv_obj2=infercnv::run(infercnv_obj,cutoff=0.1,# cutoff=1works wellforSmart-seq2,and cutoff=0.1works wellfor10x Genomics out_dir="infercnv_output",# dir is auto-createdforstoring outputs cluster_by_groups=F,# cluster hclust_method="ward.D2",plot_steps=F) ...