# We can see that by default, the cbmc object contains an assay storing RNA measurement Assays(cbmc) ## [1] "RNA" # create a new assay to store ADT information adt_assay <- CreateAssay5Object(counts = cbmc.adt) # add this assay to the previously created Seurat object cbmc[["ADT"]...
在向Seurat添加多模态数据时,可以使用重复的特性名称。每一组模态数据(例如。RNA、ADT等)储存在自己的Assay对象中。其中一个Assay对象被称为“default assay”,意思是它用于所有的分析和可视化。若要从非默认Assay中提取数据,可以指定一个与Assay链接的键,用于提取特征。要查看所有对象的所有键,请使用Key function。
pancreas.integrated <- IntegrateData(anchorset = pancreas.anchors, dims = 1:30) 运行IntegrateData() 后,Seurat 对象将包含一个带有 integrated 表达矩阵的新 Assay。请注意,原始(未校正的值)仍存储在对象的“RNA”assay 中,因此您可以来回切换。 然后我们可以使用这个新的 integrated 矩阵进行下游分析和可视化...
## Set default assay to SCT## Calculating cell attributes from input UMI matrix: log_umi## Variance stabilizing transformation of count matrix of size 12658 by 7451## Model formula is y ~ log_umi## Get Negative Binomial regression parameters per gene## Using 2000 genes, 5000 cells## |=...
pancreas.integrated<-IntegrateData(anchorset=pancreas.anchors,dims=1:30) 运行IntegrateData()后,Seurat 对象将包含一个带有 integrated 表达矩阵的新 Assay。请注意,原始(未校正的值)仍存储在对象的“RNA”assay 中,因此您可以来回切换。 然后我们可以使用这个新的 integrated 矩阵进行下游分析和可视化。在这里,我们...
immune.combined <- IntegrateData(anchorset = immune.anchors) 1. 2. 3. 整合分析 我们对修正后的数据进行下游分析,原始数据仍然存在于“RNA”assay中 DefaultAssay(immune.combined) <- "integrated" #运行标准化可视化与聚类 immune.combined <- ScaleData(immune.combined, verbose = FALSE) ...
DefaultAssay(): 获取或设置当前 Seurat 对象的默认 Assay。 default_assay <- DefaultAssay(seurat_object) DefaultAssay(seurat_object) <- "RNA" GetDimReduction(): 提取降维结果(如 PCA、t-SNE、UMAP)的数据。 提取 t-SNE 结果 tsne_data <- GetDimReduction(seurat_object, reduction = "tsne") ...
1 other assay present: ADT 1 dimensional reduction calculated: spca 我们看到这个Seurat对象有两个 assays每个 assays 都有相应的表达谱。 dim(bm@assays$RNA) [1] 17009 30672 bm@assays$ADT@counts[1:4,1:4] 4 x 4 sparse Matrix of class"dgCMatrix" ...
Active assay:RNA(17009features,2000variable features)1other assay present:ADT1dimensional reduction calculated:spca 我们看到这个Seurat对象有两个 assays每个 assays 都有相应的表达谱。 代码语言:javascript 复制 dim(bm@assays$RNA)[1]1700930672bm@assays$ADT@counts[1:4,1:4]4x4sparse Matrixofclass"dgCMatri...
上面的代码基本上没有给啥信息,一层层的跟套娃一样,还是得看里面的RunPCA函数的,而不是RunPCA.Seurat ,我们要看的是RunPCA.default函数,代码如下: 再看RunPCA.default的代码: RunPCA.default <-function( object, assay =NULL, npcs =50, rev.pca =FALSE, ...