●提取单核细胞数据,tSNE降为聚类分群得到了11个细胞簇,根据CD14、FCGR3A(CD16)表达,细分为classical、intermediate和non-classical monocytes 三类细胞。展示细胞比例、组间细胞分布(tSNE降维图) ●展示单核细胞的11个细胞簇的标记基因,及其GSEA富集热图 ●对 PR 患者的三种单核细胞类型进行了转录组分析,取前 100 ...
active.ident:细胞ID,对应列名 graphs:网络图信息,用于存储PCA,tSNE等结果 reductions:用于存储降维结果,如PCA,UMAP的模型对象 images:存储绘图 Output,用于再现分析过程 project.name:项目名称 version:seurat对象的版本信息 commands:存储构建seurat对象使用的所有命令,以支持再现分析过程 每个命令都包含name、time.stamp ...
scRNA-seq:降维(PCA、tSNE、UMAP) #rna-seq原理 #rna-seq视频讲解 #rna-seq数据分析课程#rna-seq分析 #flowhub #生信分析 #生信实验室 #生信云 #rna-seq结果解读 我们现在完成了数据的预处理。是时候谈谈降维了。 我们不会详细介绍数学细节,而是旨在直观地了解降维方法(PCA、tSNE、UMAP)如何工作。我们想学习如...
基于hierarchical clustering; 在聚类前需要进行z-scores转换。 2.2 SC3 基于PCA降维; k-means; 共识聚类(consensus clustering)。🌟 SC3 pipeline 2.3 tSNE + k-means tSNE maps; k-means。 2.4 Seurat clustering Seurat clustering主要是基于community的识别进行聚类,这里我们不做具体介绍了,后面会做Seurat包的详细...
同时这个选项里还可以选择运用元数据集为集群着色,每组细胞的颜色图例显示在tSNE图层的底部,用于为集群着色的元数据集信息可以是:分组信息、前面提到的项目变量信息、组织来源信息等等。 提问:老师,什么是scanpy? 回答:scanpy 是一个用于分析单细胞转录组数据的python库,文章2018发表在Genome Biology。其实它的许多分析思...
背景:常规单细胞转录组分析的三种降维方式:(1)PCA(2)umap(3)tsne 降维和聚类 降维和聚类通常是一起的。 线性降维-PCA library(Seurat) sc<-readRDS("./sc_log.rds") #'读取log标准化后的矩阵 sc<-RunPCA(sc) sc.pca <- Embeddings(sc, reduction = "pca") ...
展示细胞比例、组间细胞分布(tSNE降维图) ●展示单核细胞的11个细胞簇的标记基因,及其GSEA富集热图 ●对 PR 患者的三种单核细胞类型进行了转录组分析,取前 100 个上调的差异表达基因(DEG)进行比较,以找到共同的 Hub 基因。结果发现,典型的促炎基因,如 CCL5、TLR7 和 CX3CR1 在来自经典和非经典单核细胞的 ...
是时候谈谈降维了。我们不会详细介绍数学细节,而是旨在直观地了解降维方法(PCA、tSNE、UMAP)如何工作。 我们想学习如何减少维度和可视化我们的数据。 我们还学习了如何为聚类步骤选择主成分。 01:57 主成分分析 08:50 tSNE 和 UMAP 用于可视化 10:05 tSNE 11:23 UMAP 展开更多...
我们常用的降维方法包括PCA、UMAP和tSNE。🤒Note!👀 这里需要跟大家强调一下log-transformation和normalization的重要性。 5.2 质控前 举个栗子🌰 不进行log-transformation或normalization。 聚成一团,根本没法看啊。🫠 代码语言:javascript 复制 umi<-runPCA(umi,exprs_values="counts")dim(reducedDim(umi,"PCA...
是时候谈谈降维了。我们不会详细介绍数学细节,而是旨在直观地了解降维方法(PCA、tSNE、UMAP)如何工作。 我们想学习如何减少维度和可视化我们的数据。 我们还学习了如何为聚类步骤选择主成分。 01:57 主成分分析 08:50 tSNE 和 UMAP 用于可视化 10:05 tSNE 11:23 UMAP 展开更多...