--output fibo_ctx.gmt fibo_grn.tsv $feather 3、aucell 最后,评估每个regulon在所有细胞里面的活性,富集方法与上面的motif富集相似。需要注意的是该步骤也有随机种子参数,如果想保证后面复现结果最好设置一下参数。 pyscenic aucell --seed 21 \ --num_workers 10 \ --output fibo_aucell.csv fibo_cou...
pyscenic ctx \ adj.sample.tsv \ hg38__refseq-r80__10kb_up_and_down_tss.mc9nr.feather \ --annotations_fname motifs-v9-nr.hgnc-m0.001-o0.0.tbl \ --expression_mtx_fname sample1.loom \ --mode "dask_multiprocessing" \ --output reg.csv \ --num_workers 3 \ --mask_dropouts pyscen...
ctx.csv grn.tsv metadata_subset.xls out.csv out.loom regulon_RSS.Rdata seurat_annotations_rss.rds subset.rds 加载需要的包: library(Seurat)library(SCopeLoomR)library(AUCell)library(SCENIC)library(dplyr)library(KernSmooth)library(RColorBrewer)library(plotly)library(BiocParallel)library(pheatmap)library(...
pyscenic ctx --num_workers 20 \ --output ${project}.regulons.csv \ --expression_mtx_fname $expression_mtx \ --all_modules \ --mask_dropouts \ --mode "dask_multiprocessing" \ --min_genes 10 \ --annotations_fname $annotations \ ${project}.sce.adj.csv \ $database pyscenic aucell -...
最后,评估每个regulon在所有细胞里面的活性,富集方法与上面的motif富集相似。需要注意的是该步骤也有随机种子参数,如果想保证后面复现结果最好设置一下参数。 pyscenicaucell--seed21 \--num_workers10--outputfibo_aucell.csvfibo_count.loomfibo_ctx.gmt ...
最后,评估每个regulon在所有细胞里面的活性,富集方法与上面的motif富集相似。需要注意的是该步骤也有随机种子参数,如果想保证后面复现结果最好设置一下参数。 pyscenicaucell--seed21 \--num_workers10--outputfibo_aucell.csvfibo_count.loomfibo_ctx.gmt ...