同理可以看看bpe.se数据库的注释情况,选择需要的列作为我们的labels 2. 使用两个参考数据库共同注释 又和二由老师学到新的一招,就是使用两个数据库共同注释我们的细胞亚群,在singleR的帮助文档里说明只要将其整理为list即可 #整理数据并注释 str(sce) anno <- SingleR(sce@assays$RNA$data, ref = list(BP=b...
可以看到它需要的是一个数据库文件,然后只需要使用SingleR包里面的SingleR函数即可把数据库里面的细胞亚群注释信息映射到需要命名的单细胞转录组数据集里面。 成功的运行了SingleR包里面的SingleR函数之后,就可以拿到每个单细胞的具体的身份信息,如下所示: 代码语言:javascript 复制 ## ## B_cellCMPDCGMP##606812## M...
也就是说,SingleR 这个包本身并不会自带数据库啦,而是专门的把数据库文件丢给了celldex包。如果你不熟悉bioconductor包,可以先搜索了解一下。发布在bioconductor的包主要是生物信息学相关,在官方可以看到其主要是分成3类: 软件方面的包(包括各种芯片数据处理,NGS数据处理,差异分析等等!) 注释方面的包(第二类是一系列...
object <- RunUMAP(object=object, reduction = "pca",dims = 1:30) #准备singleR注释格式数据 sce_for_SingleR<-GetAssayData(object,slot="data") #singleR注释 #可以设置clusters参数选择是否按照cluster类别注释,这里对单个细胞注释 pred <- SingleR(test=sce_for_SingleR,ref=ref_sce,labels=ref_sce$Type...
可以看到它需要的是一个数据库文件,然后只需要使用SingleR包里面的SingleR函数即可把数据库里面的细胞亚群注释信息映射到需要命名的单细胞转录组数据集里面。 成功的运行了SingleR包里面的SingleR函数之后,就可以拿到每个单细胞的具体的身份信息,如下所示: ##
早期(可能是五六年前)我们的单细胞转录组数据分析教程确实是提到过singleR的方法,它可以依赖于singleR自己的数据库文件去自动化注释单细胞转录组亚群。 但是因为singleR的数据库资源陈旧而且很有限,满足不了日益增长的单细胞应用,后面我们都是主推第一层次降维聚类分群后的人工命名,通常我们拿到了肿瘤相关的单细胞转录组...
也就是说,SingleR 这个包本身并不会自带数据库啦,而是专门的把数据库文件丢给了celldex包。如果你不熟悉bioconductor包,可以先搜索了解一下。发布在bioconductor的包主要是生物信息学相关,在官方可以看到其主要是分成3类: 软件方面的包(包括各种芯片数据处理,NGS数据处理,差异分析等等!) ...
我们分享过单细胞转录组下游的降维聚类分群的很多例子,比如:[人人都能学会的单细胞聚类分群注释](https://mp.weixin.qq.com/s/1O1zuwLyM6_W0hZm5I26UA) ,就是使用了SingleR对细胞亚群进行生物学命名! 最近在这个教程下面看到了一下留言,说下载SingleR 的数据库失败。我帮忙看了看, 注意到 Revised: June 14th...
可以看到它需要的是一个数据库文件,然后只需要使用SingleR包里面的SingleR函数即可把数据库里面的细胞亚群注释信息映射到需要命名的单细胞转录组数据集里面。 成功的运行了SingleR包里面的SingleR函数之后,就可以拿到每个单细胞的具体的身份信息,如下所示: ##
也就是说,SingleR 这个包本身并不会自带数据库啦,而是专门的把数据库文件丢给了celldex包。如果你不熟悉bioconductor包,可以先搜索了解一下。发布在bioconductor的包主要是生物信息学相关,在官方可以看到其主要是分成3类: 软件方面的包(包括各种芯片数据处理,NGS数据处理,差异分析等等!) ...