目前对scATAC-seq数据分析进行全面介绍的综述寥寥无几,不利于scATAC-seq技术的进一步应用。 近日,中山大学徐锦课题组在aBIOTECH杂志上发表了题为"Fundamental and practical approaches for single cell ATAC-seq analysis"(点击题目查看原文)的综述论文,为 scATAC-seq 数据处理与分析提供了实用指南,介绍了包括数据预处理...
识别scRNA-seq 和 scATAC-seq 数据集之间的anchors 为了在单细胞RNA测序(scRNA-seq)和单细胞ATAC测序(scATAC-seq)实验之间找到相互关联的“锚点”,首先利用Signac软件包中的GeneActivity()函数,通过计算2kb启动子区域和基因体内的ATAC-seq测序计数,来估算每个基因的转录活性。 接下来,使用scATAC-seq数据得到的基因活性...
与scRNA-seq数据整合分析 另外,为了进一步解释scATAC-seq数据,我们可以利用来自同一生物组织的scRNA-seq数据对细胞进行分类。scATAC-seq数据与scRNA-seq数据的整合主要是基于scATAC-seq中的基因活性矩阵与scRNA-seq基因活性表达矩阵的相关性,然后根据scRNA中对细胞类型的定义转移至对应的scATAC-seq数据中[2],本文下载了人类...
通过分析单细胞RNA测序(scRNA-seq)数据,我们能很好地在基因表达水平层面对样本细胞进行簇(cluster)的分类,以及marker基因的注释。而分析单细胞转座酶可及染色质测序(scATAC-seq)测序数据可以在染色质层面进行细胞研究,是目前主流的单细胞水平染色质可及性测序解决方案。scATAC-seq可用于绘制细胞染色质开放区的单细胞图谱...
目前scATAC_Seq数据的降维算法有五种: 主成分分析(Principal Component Analysis,PCA):是一种线性降维算法,计算速度快,但是难以反映数据内部的非线性关系。BROCKMAN、SnapATAC和Cusanovich2018都采用了PCA。但是只用PCA会造成大量细胞之间具有很高的相似性,因为每个细胞的剖面(Profile)中都含有大量的零值。因此,PCA通常与非...
近日,中山大学徐锦课题组在aBIOTECH杂志上发表了题为"Fundamental and practical approaches for single cell ATAC-seq analysis"(点击题目查看原文)的综述论文,为 scATAC-seq 数据处理与分析提供了实用指南,介绍了包括数据预处理、数据质量评估、染色质图谱分析和针对具体科学问题的下游分析方法。
通过非监督学习对单细胞转录组进行聚类分析;采用一个迭代算法[1]对scATAC-seq结果进行分析,得到可能作为CRE的657930个峰。作者采用典型相关分析(canonical correlation analysis, CCA)算法[2]对两组测序结果进行相互映射,得到64878个CRE-gene对,每一对...
文章中示例数据是来自10x的PBMC样本,和转录组流程一样,scATAC数据处理的第一步也是需要质控:主要根据DNA accessibility assay和TSS enrichment score;接下来就是使用Seurat包进行标准化处理和SCT转换,分细胞亚群;到这里流程就遇到了一个瓶颈问题,和scRNAseq类似,scATAC测序深度也不足,这样对基因的检测能力不强。因此,对...
scATAC-seq是一种单细胞水平的染色质可及性测序技术，可用于检测细胞中基因组区域的开放性。scATAC-seq...
1.mSp_exploratory_analysis_all.ipynb包含有关质量控制的信息和所有实验的其他基本信息。 2.mSp_cell_type_identification.ipynb根据scATAC-seq谱分析小鼠脾脏中不同类型的细胞。 3.mSp_motif_enrichment_analysis.ipynb用于生成荷马富集已知基元的热图表示。