4.单细胞型表达分析 为了探索13种循环蛋白的编码基因是否在结肠肿瘤组织中有任何细胞类型特异性富集,作者使用GEO的单细胞RNA-seq数据进行了单细胞类型表达分析。使用“Seurat”软件包对原始单细胞RNA-seq数据进行数据预处理和转换。然后使用NormalizeData和ScaleData函数对RNA TPM进行规范化和缩放。使用“SingleR”包标注细...
4.单细胞型表达分析 为了探索13种循环蛋白的编码基因是否在结肠肿瘤组织中有任何细胞类型特异性富集,作者使用GEO的单细胞RNA-seq数据进行了单细胞类型表达分析。使用“Seurat”软件包对原始单细胞RNA-seq数据进行数据预处理和转换。然后使用NormalizeData和ScaleData函数对RNA TPM进行规范化和缩放。使用“SingleR”包标注细...
其中,MR随机化分析使用了基因组范围的遗传变异作为工具变量,单细胞RNA测序((GSE167363)和批量RNA测序(GSE65682)使用了人类样本的数据,网络药理学分析使用了CTDbase数据库和分子对接技术。 研究思路 1.数据获取和处理:研究使用了多种数据源,包括单细胞RNA测序数据和批量RNA测序数据。通过下载和清洗这些数据,研究得到了用...
脓毒症患者的单细胞RNA测序(scRNA-seq)数据来自GEO数据库GSE167363数据集。 研究思路 首先,采用孟德尔随机化(MR)评估肠道菌群与脓毒症之间的因果关系,鉴定了与脓毒症相关的肠道微生物群,从工具变量中鉴定与脓毒症相关的基因。其次,使用单细胞转录组测序技术在脓毒症患者的血液样本中分析和注释了不同细胞类型的基因...
生信分析 孟德尔随机化分析 生信 肠道菌群 甲基化分析 R语言相关生信分析 擅长Bulk RNA-seq(差异分析 功能富集 PPI 免浸润 GSEA等)RNA-seq(降维聚类、分群注释、拟时分析、互作等)TCGA GEO 数据挖掘(数据合并去批次、生存分析)复现等生存分析 预后模型建立(列线图)
将ECLIPSER 应用于分别与 POAG cross-ancestry、POAG EUR 和 IOP GWAS 基因位点共定位的228、118 和 279个 e/sGenes ,并应用于从非患病人眼解剖的13种组织的单核(sn)RNA-seq 的细胞类型特异性表达数据。根据驱动细胞类型富集的基因重叠情况,分别对 POAG 和 IOP 排名最高的前节细胞类型(P < 0.05)进行聚类,...
为探究13种循环蛋白的编码基因在结肠肿瘤组织中是否具有细胞类型特异性富集,作者使用GEO数据库的单细胞RNA-seq数据在单细胞水平进行表达分析(图3)。结果显示细胞聚类为11个簇,并进一步分为6种细胞类型(上皮细胞、B细胞、单核细胞、组织干细胞、T细胞、内皮细胞)。
为了探索 13 种循环蛋白的编码基因在结肠肿瘤组织中是否存在细胞类型特异性富集,利用 GEO 的单细胞 RNA-seq 数据进一步进行了单细胞类型表达分析。细胞被聚成 11 个簇,并进一步分为六种细胞类型(上皮细胞、B 细胞、单核细胞、组织干细胞、T 细胞、内皮细胞)(图 4A)。图 4B 和 C显示了这 12 个编码基因在每...
全血RNA-seq被用来识别与所有其他集群相比有差异表达的lncRNAs和mRNAs。 差异表达的基因在创新药物倡议糖尿病研究(IMI DIRECT)研究中得到验证。 差异表达的RNA的表达量性状位点(eQTLs)是从一个公开的数据集中获得的。 为了估计RNA对性状的因果效应,利用公共的全基因组关联研究(GWAS)数据进行了双样本孟德尔随机化分析。
Bryois等人使用196名个体的8种脑细胞的单核RNA测序数据进行了eQTL分析,并发现了6108个cis-eQTL基因,其中2620个基因显示出细胞类型特异性效应。他们的数据被纳入了本研究。此外,Jerber等人使用人类iPSCs的scRNA-seq数据进行了eQTL分析,作者提取了他们在成熟的中脑多巴胺能神经元(来自175名捐赠者)和类似5-羟色胺神经元...