四、左右搂膝拗步
1、左搂膝拗步
转体摆臂 摆臂收脚 上步屈肘 弓步搂推
2、右搂膝拗步
后坐撇脚 摆臂收脚 上步屈肘 弓步搂推
3、左搂膝拗步
后坐撇脚 摆臂收脚 上步屈肘 弓步搂推
在Seurat中处理多个切片
小鼠大脑的该数据集包含与大脑另一半相对应的另一个切片。在这里，我们将其读入并执行相同的初始归一化。
brain2 <- LoadData("stxBrain", type = "posterior1")
brain2 <- SCTransform(brain2, assay = "Spatial", verbose = FALSE)
为了在同一个Seurat对象中使用多个切片，我们提供了该merge功能。
brain.merge <- merge(brain, brain2)
然后，这使得联合维数减少并在基础RNA表达数据上聚类。
DefaultAssay(brain.merge) <- "SCT"
VariableFeatures(brain.merge) <- c(VariableFeatures(brain), VariableFeatures(brain2))
brain.merge <- RunPCA(brain.merge, verbose = FALSE)
brain.merge <- FindNeighbors(brain.merge, dims = 1:30)
brain.merge <- FindClusters(brain.merge, verbose = FALSE)
brain.merge <- RunUMAP(brain.merge, dims = 1:30)
最后，可以在单个UMAP图中共同可视化数据。SpatialDimPlot()并SpatialFeaturePlot()`默认将所有切片绘制为列，将分组/功能绘制为行。
DimPlot(brain.merge, reduction = "umap", group.by = c("ident", "orig.ident"))
image
SpatialDimPlot(brain.merge)
image
SpatialFeaturePlot(brain.merge, features = c("Hpca", "Plp1"))
image.png
致谢
我们要感谢Nigel Delaney和Stephen Williams对新的空间Seurat代码的有益反馈和贡献
