把传入的subset表达式转为字符串,然后按照' '拆开为单词,然后看和行名、列名、Key前缀有匹配的部分,使用FetchData()获取数据,列为这些单词,行为cells。然后按照表达式过滤,返回剩下的行名 cell id.(3) 函数或循环中取Seurat的子集 循环中不能直接用WhichCells/subset, ...
PRO1<-subset(PRO,idents = 'T cells') PRO1 <- FindNeighbors(PRO1, reduction = "pca", dims = 1:20) #首先计算每个细胞的KNN,也就是计算每个细胞之间的相互距离,依据细胞之间邻居的overlap来构建snn graph。 PRO1 <- FindClusters(PRO1,resolution = 0.3, algorithm = 1) #根据SNN的方法来分群,具体...
FilterCells(object = object, subset.names = "name", low.threshold = low, high.threshold = high) subset(x = object, subset = name > low & name < high)[13] SubsetData(object = object, subset.name = "name", low.threshold = low, high.threshold = high) subset(x = object, subset ...
DimPlot(sce, reduction = 'umap', group.by = 'cell_type', label = TRUE, pt.size = 0.5) + NoLegend()#删除图例 p3<-DimPlot(sce, reduction = 'umap', group.by = 'cell_type', label = TRUE, pt.size = 0.5) + NoLegend()#删除图例 p1+p2+p3#此函数需要library(dplyr) 推荐使用第二种...
ggsave(filename = 'FIG/VlnPlot_QC.png',width = 10,height = 8) #保留基因数目适中、线粒体基因表达较少的细胞。 pbmc <- subset(pbmc, subset = nFeature_RNA > 200 & nFeature_RNA < 3000 & percent.mt < 5) #数据标准化 pbmc <- NormalizeData(pbmc) ...
meta.data: 添加到Seurat对象的其他细胞水平(cell-level)数据。一个matrix,其中行是cell name,列是附加的元数据字段。 min.cells --该feature至少在n个细胞内被覆盖; 该基因(feature)至少在3个细胞中被检测到 min.features--规定了至少检测到这些feature的细胞。即检测到的基因至少有200个细胞才被用于分析 ...
Subset on a value in the object meta datasubset(x=pbmc,subset=orig.ident=="Replicate1")# Downsample the number of cells per identity classsubset(x=pbmc,downsample=100)## 根据metadata的列提取Seurat对象数据PRO@meta.data<-transform(PRO@meta.data,flag=Cell.Barcode%in%meta0$s0)PRO2<-subset(x=...
(obj,resolution=2,cluster.name="rpca_clusters")obj<-RunUMAP(obj,reduction="integrated.rpca",dims=1:30,reduction.name="umap.rpca")p2<-DimPlot(obj,reduction="umap.rpca",group.by=c("Method","CellType","rpca_clusters"),combine=FALSE,label.size=2)wrap_plots(c(p1,p2),ncol=2,byrow=F)...
包括subset, WhichCell, VariableFeatures, Cells 对Seurat对象结构有所了解之后，我们其实可以直接在Seurat对象中提取数据。可能为了方便，Seurat也提供了一些函数来帮助我们提取一些我们想要的数据。这里用一些例子来做实际说明 获取整个object的细胞ID：Cells(object)，colnames(object)按照idents获取部分细胞ID：...
ident_df <- data.frame(cell=names(Idents(pbmc)), cluster=Idents(pbmc)) pbmc_subcluster <- subset(pbmc, cells=as.vector(ident_df[ident_df$cluster=="Naive CD4 T",1])) 1. 2. 3. 8. 筛选条件的设置 这是最开始读入的初始设置,后面质控还有更多筛选方式。