这可能是 TCGA 队列中风险评分预测能力较弱的原因。CAF 评分与 CAF 浸润之间的相关性以前的研究报道了几种计算算法,这些算法可以使用大量RNA-seq数据来指示成纤维细胞的丰度[26–28]。然而,EPIC-CAF 评分、MCP-counter-CAF 评分或 x Cell-CAF 评分似乎与患者的预后无关。它表明 CAFs 的传统浸润分数可能不是 NSC...
加权基因共表达网络分析(Weighted Gene Co-expression Network Analysis,WGCNA)自 2005 年问世以来,经历时间考验,至今仍具有强大生命力和新的应用价值。它不仅适用于大样本的 bulk RNA-Seq 数据,在满足单张切片亚群数≥8的条件下,也能应用于空间转录组数据,为ST个性化分析增添新维度,有助于挖掘更多候选基因,探索新的...
单细胞和WGCNA联合分析揭示影响CEP稳态的关键MSCs生态位和致病基因 文章题目:Revealing the Key MSCs Niches and Pathogenic Genes in Influencing CEP Homeostasis: A Conjoint Analysis of Single-Cell and WGCNA杂志/日期:Front. Immunol. / 27 June 2022DOI:10.3389/fimmu.2022.933721 由于对这一领域不甚了解,主要记...
那么有没有这样的研究尝试把WGCNA融入单细胞转录组数据分析呢? 答案是有的,Posted March 04, 2019. 丢在预印本的文章,题目是:[Single-Cell RNA Sequencing Reveals Regulatory Mechanism for Trophoblast Cell-Fate Divergence in Human Peri-Implantation Embryo](Single-Cell RNA Sequencing Reveals Regulatory Mechanism...
通过"singleR"软件包、CellMarker数据库和参考文献,找到标记基因对不同的细胞亚型进行注释,结果得到了七个细胞亚型,分别是B细胞、内皮细胞、T细胞、单核细胞、成纤维细胞、平滑肌细胞和上皮细胞(图1G)。通过气泡图可视化每种细胞类型的重要标记基因的表达情况(图1H)。散点图显示了不同细胞类型中标记基因的表达情况。
The microarray and single-cell RNA-sequencing (scRNA-seq) datasets of hepatocellular carcinoma (HCC) were downloaded from the Gene Expression Omnibus (GEO) database. Differential expression analysis and weighted gene co-expression network analysis (WGCNA) were used to identify HCC-related biomarkers....
hdWGCNA是一个R软件包,用于在单细胞RNA-seq或空间转录组学等高维转录组学数据中执行加权基因共表达网络分析(WGCNA)。hdWGCNA是高度模块化的,可以构建跨多尺度细胞和空间层次的共表达网络。hdWGNCA识别互连基因的健壮模块,并通过各种生物学知识来源提供这些模块的背景。hdWGCNA需要将数据格式化为Seurat对象,这是单细胞数...
那些教程都是针对传统的bulk转录组测序的表达矩阵,其实单细胞转录组也是拿到表达矩阵,只不过是有一些特性,比如非常多的0值等等。那么有没有这样的研究尝试把WGCNA融入单细胞转录组数据分析呢? 答案是有的,Posted March 04, 2019. 丢在预印本的文章,题目是:Single-Cell RNA Sequencing Reveals Regulatory Mechanism fo...
[3] Qin, Y., Sun, M., Li, W., et al. Single-cell RNA-seq reveals fate determination control of an individual fibre cell initiation in cotton (Gossypium hirsutum). Plant Biotechnol J, 20: 2372-2388 (2022). [4] Samuel M., Fairlie R., Negin R., et al. High dimensional co-expre...
# Active assay: RNA (36601 features, 0 variable features)# 2 dimensional reductions calculated: harmony, umapp <- DimPlot(seurat_obj, group.by='cell_type', label=TRUE)+ ggtitle('Zhou et al Control Cortex') + NoLegend()p 3. 创建对象,选择基因 SetupForWGCNA:创建对象,选择基因进行分析 在...