笔记中用R包DESeq2分别检验(p<0.05,fold-change>1.5)bulk PBMC数据集的RNA-seq(9女4男)和免疫亚型细胞分选之后的RNA-seq(2女2男)数据的性别差异(图2A、B)。此后继续检验基因在不同细胞类型的差异表达,并用R包ggplot2和ggfortify生成所有的图像。 ...
目前以第一作者(含共同第一)在PNAS、Development、Advanced Science、Clinical and Translational Medcine等国际知名期刊发表论文多篇,可承接单细胞转录组分群注释,差异表达基因分析(Deseq2/EdgeR/Limma),GO/KEGG/GSEA分析,发育轨迹预测(RNA velocity/Monocle/ CytoTRACE/ Slingshot),细胞年龄预测,细胞通讯分析(CellChat)。
使用DESeq2识别H1和DEC细胞之间的批量RNA测序数据以及与之相匹配的scRNA-seq数据的差异性表达基因 (DEG)。原始的scRNA-seq数据的零表达率比批量RNA测序数据更高 (分别为49.1%和14.8%),并且共享的DEG最少 (图4A)。 为了更准确地进行DEG性能的检测,通过将推导的scRNA-seq数据集中的DEG用作黄金标准并定量使用scRNA...
使用DESeq2识别H1和DEC细胞之间的批量RNA测序数据以及与之相匹配的scRNA-seq数据的差异性表达基因 (DEG)。原始的scRNA-seq数据的零表达率比批量RNA测序数据更高(分别为49.1%和14.8%),并且共享的DEG最少(图4A)。 为了更准确地进行DEG性能的检测,通过将推导的scRNA-seq数据集中的DEG用作黄金标准并定量使用scRNA-se...
DESeq2做差异分析,logFC取2,P<0.05; clusterProfiler包评估差异标记基因,做GSEA分析心衰内皮细胞特异性标记基因和心肌纤维化相关基因鉴定富集,ReactomePA包ORA分析鉴定标记基因在HF中的Reactome通路。 GSVA评估细胞活性。 结果 聚类标记marker 图1 下载GSE134355数据,在两个左室样本中筛出1324个和1480个细胞进行分析。t...
**差异表达分析**:在不同细胞类型或条件下,使用DESeq2、MAST、Monocle等工具检测差异表达的基因。 2. **GO/KEGG富集分析**:对差异表达基因进行Gene Ontology(GO)和Kyoto Encyclopedia of Genes and Genomes(KEGG)通路富集分析,揭示其潜在的功能和调控网络。 3. **伪时间轨迹分析**:利用Slingshot、Monocle等工具...
常用的方法有DESeq2、edgeR等。 9. 优化方案 尽管scRNA-seq技术已经取得了长足的进步,但仍然存在一些问题和挑战。在实际操作中,需要考虑一些优化方案,提高实验的稳定性和可靠性。对于细胞的采集与分选,需要注意操作技巧和细胞状态的保持,以避免细胞损伤和RNA降解。在RNA提取中,可以尝试使用新的高效提取试剂、优化反...
三、ScRNA-seq数据的差异表达分析差异表达分析是研究不同细胞类型或不同条件下基因的表达差异,找出差异表达的基因,为进一步研究提供参考。常用的差异表达分析工具有DESeq2/edgeR、MAST、SMAST等。在差异表达分析中需要注意质量控制、批次效应等因素,同时需要对差异表达基因进行功能富集分析,以便更深入地了解细胞的功能和...
关键词:小鼠造血干细胞(haematopoietic stem cells ,HSCs ) 、Smart-seq2 、96孔板、ERCC、每个基因表达量由比对到外显子区域的reads数决定、GSE61533 单细胞转录组和普通bulk转录组比对、定量流程相似,只是需要注意: The only additional consideration is that thespike-in informationmust be included in the pipeli...
归一化方法选择:除了前面提到的CPM、RPKM、FPKM等标准化方法外,还可使用更复杂的归一化方法,如DESeq2或edgeR中的归一化方法,这些方法能够更好地处理数据中的异质性。 批次效应校正:如果数据来自多个批次,可能存在批次效应,可使用ComBat等工具进行批次效应校正,以消除批次间的差异,使不同批次的数据具有可比性。 降维与...