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...
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 ...
研究团队从九个主要人体组织(血液、脑、蜕膜、食道、心脏、肝脏、肺、胰腺和脾脏)收集了18个scRNA-seq数据集,还收集了包含40个具有代表性复杂性状的GWAS汇总统计数据集。研究人员使用deTS和GTEx等大体积转录组数据对上述性状的组织特异性进行了初步调查(图1),鉴定出了许多特征与组织的关联,其中大多数与生物学预期一致。
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...
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)。
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)...
CellTrek首先结合了ST和scRNA-seq数据集,通过共嵌入方法使其进入一个共享的特征空间。接下来,使用ST数据训练多元随机森林模型,并通过共享降维特征以预测空间坐标。利用训练出的模型推导出一个随机森林距离矩阵,并基于该矩阵使用阈值化后的相...
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 ...
最终效果图: StackedVlnPlot 最后 scRNAseq目前来说很火热,也都知道其主要目的之一就是细胞分群,所以展示细胞群的marker基因表达情况就很常见了,这里我总结了4种展示的方式方便大家学习和使用。今天就分享到这里,我会不断地分享学习笔记给大家,也欢迎志同道合的朋友来交流学习。😉😉😉...