常见的scRNA-seq数据分析图主要包括两大方面,一个是细胞层面的聚类效果图,另一个是基因表达相关的图。 一 细胞的聚类效果图UMAP/t-SNE Seurat提供了t-SNE和UMAP的降维功能,通过非线性的方法将细胞在高维度的拓扑结构映射到二维平面中, 在其可视化效果图中能将细胞群分成不同的集群,通过注释显示出不同的细胞类型。
今天给大家带来CELL文章“A Spatiotemporal Organ-Wide Gene Expression and Cell Atlas of the Developing Human Heart”中展示scRNA-seq差异基因的多组火山图的绘制方法。 1,常规火山图 在RNA-seq(或蛋白质组,或代谢组)数据分析中,火山图是常见的一种数据可视化工具,它通过将统计显著性量度(如p值)和变化幅度(例...
在UMAP图绘制完毕之后,点的分布可能会比较稀疏,在观察不同细胞分布时上可能不太直接,因此,可以尝试着在UMAP图上再绘制一个箱线图,提供不同细胞在UMAP_1和UMAP_2的分布情况 0. 实际效果 话不多说,都在图里了 1. 准备工作 1.1 需要的文件 实际绘图的话仅需要plot_data,本文使用的原始数据来源于Seurat官网,经...
就像稀疏矩阵,看起来与普通矩阵无异,但内部存储结构却截然不同。所以,了解了内部原理,不论给予什么样的数据,咱们都可以拼凑出想要的数据格式,比如h5、loom等格式读取为矩阵,感兴趣可以阅读具体之前的帖子[scRNAseq:h5文件转化为matrix表达矩阵]、[一网打尽scRNA矩阵格式读取和转化(h5 h5ad loom)]。 参考 ...
图1 scRNA-seq数据展示来自不同年龄组血液样本的细胞类型 2) 剖析T细胞转录组特征与TCR动态趋势 Naïve T细胞发生的克隆型扩增频率较低,相反,记忆T细胞,特别是来自老弱群体的CD4+T CM细胞,具有较高的克隆型扩增频率(图2a)。从新生组到体弱老年组,TCR克隆多样性逐渐降低,共享克隆型主要出现在老年组中(图2c)。
展示当前对不同肿瘤进行scRNA-seq研究使用的方法: 基于板的SMART-seq及SMART-seq2技术,较灵敏; 合并方法(例如CEL-seq和MARS-seq),较精确; 基于液滴的大规模并行方法(例如Drop-seq,inDrop和10XGenomics),较高效。 图B:剖析TIL异质性的策略 设计单个TIL的研究时要考虑的一个关键问题是如何平衡患者队列的大小和测...
在读Nat Med一篇文献A single-cell atlas of the peripheral immune response in patients with severe COVID-19的时候发现这篇文献里所有的点图都是带聚类的(如下),看了一下method说是使用FlexDotPlot做的,觉得挺有意思,于是来学习一下这个R包。 1. FlexDotPlot的说明文献 ...
基于Couturier等人的scRNA-seq数据集的tSNE图,tSNE分析显示,富含5ALA +基因标记的细胞与GP和OLC的定位明显,但与包括截断的放射状胶质细胞和癌症间质细胞在内的混合群体存在显著重叠。5ALA +可能类似于癌症间充质细胞,而不是截短的放射状胶质细胞,但也表明5ALA +细胞群中的细胞异质性。
ggtree 绘制 scRNA-seq 细胞聚类圈图 图片参考:郭老师的nc 点击查看代码 library(Matrix)library(Matrix.utils)library(plyr)library(dplyr)library(Seurat)library(sctransform)library(igraph)library(factoextra)library(ComplexHeatmap)library(circlize)library(EpicTools)require(Hmisc)require(dplyr)require(openxlsx)...
伪批量(pseudo-bulk)指的是将单细胞RNA测序(scRNA-seq)数据,按照基因累加counts表达值,当作样本或细胞类型的Bulk RNA-seq数据,目的是比较样本或细胞类型间的总体差异。一般有两种形式: 形式1:将一个样本的单细胞数据合并成一个样本的bulk数据,使不同样本之间具有可比性,如图1 ...