1. 导入数据,创建Seurat对象 library(Seurat) library(tidyverse) testdf=read.table("test_20210105.txt",header = T,row.names = 1) test.seu=CreateSeuratObject(counts = testdf) 看一下长什么样子 > test.seu An object of class Seurat 33538 features across 6746 samples within 1 assay Active assay...
test.seu@meta.data$patient=str_replace(test.seu$orig.ident,"_.*$","") 先运行Seurat标准流程到PCA这一步,然后就是Harmony整合,可以简单把这一步理解为一种新的降维 test.seu=test.seu %>% RunHarmony("patient", plot_convergence = TRUE) > test.seu An object of class Seurat 33538 features acro...
考虑到下载的表达矩阵,表达值都不是整数,且大于0,推测该矩阵已经经过了标准化,因此下面的流程会跳过这一步 0. Seurat流程 我们直接把注释结果赋值到mye.seu@meta.data矩阵中,后面省去聚类这一步 mye.seu=CreateSeuratObject(Myeloid)mye.seu@meta.data$CB=rownames(mye.seu@meta.data)mye.seu@meta.data=merge...
1. 导入数据,创建Seurat对象 library(Seurat) library(tidyverse) testdf=read.table("test_20210105.txt",header = T,row.names = 1) test.seu=CreateSeuratObject(counts = testdf) 看一下长什么样子 > test.seu An object of class Seurat 33538 features across 6746 samples within 1 assay Active assay...
前面我们已经学习了单细胞转录组分析的:使用Cell Ranger得到表达矩阵和doublet检测,今天我们开始Seurat标准流程的学习。这一部分的内容,网上有很多帖子,基本上都是把Seurat官网PBMC的例子重复一遍,这回我换一个数据集,细胞类型更多,同时也会加入一些实际分析中很有用的技巧。
考虑到下载的表达矩阵,表达值都不是整数,且大于0,推测该矩阵已经经过了标准化,因此下面的流程会跳过这一步 0. Seurat流程 我们直接把注释结果赋值到mye.seu@meta.data矩阵中,后面省去聚类这一步 mye.seu=CreateSeuratObject(Myeloid) mye.seu@meta.data$CB=rownames(mye.seu@meta.data) mye.seu@meta.data=...