ScRNA-seq数据的质量控制主要包括两个方面:数据的质量评估和数据清洗。质量评估一般包括读长、测序深度、测序质量、降噪等指标。数据清洗则包括去除低质量的序列、去除批次效应、标准化等步骤。在数据清洗之后,需要进行数据的标准化,以便后续的簇分析和差异表达分析。常见的标准化方法包括TPM(Transcripts Per Mi
nf-core的scrna分析流程scrnaseq,一个比较规范的上游scrna分析流程,支持多个样本同时进行分析,并且可选多种比对方法。 scrnaseq流程输入为下机的fastq文件,输出为比对后的矩阵文件,支持rds和h5ad。 流程安装:…
exportNXF_SINGULARITY_CACHEDIR="singularity_db_pipe/scrnaseq"# -s 下载流程时,选择下载singularity镜像# -u 下载singularity镜像到$NXF_SINGULARITY_CACHEDIR目录中,不拷贝到流程目录中。nf-core pipelines download scrnaseq -r 3.0.0 -s singularity -x none -u amend 下载镜像中可能会因为网络原因报错: 只...
在此,以拟南芥分析为例: https://support.10xgenomics.com/single-cell-gene-expression/software/pipelines/latest/advanced/references vim mkgtf.sh #!/bin/bash cellranger=/home/liuyue/project/project_scrnaseq/cellranger-3.1.0 database=/home/liuyue/project/project_scrnaseq/database $cellranger/cellrange...