小鱼爸

16.1 前言 单细胞RNA-seq为了解不同条件、组织类型、物种和个体之间细胞类型的变化提供了前所未有的信息。单细胞数据的差异基因表达分析几乎总是随后进行基因集富集分析，其...

小鱼爸

前言：Graphpad prism是一款非常好用且功能强大的科研医学生物数据处理绘图软件，Prism也是一种多功能的统计工具，专为科学家而非统计学家而设。其功能强大，简单易学...

小鱼爸

15.1 前言 除了基因表达模式的变化之外，细胞组成（例如细胞类型的比例）也会在不同条件下发生变化。例如，特定药物可以诱导细胞类型的转分化，这将反映在细胞身份组合物中。需要足...

小鱼爸

14.1 前言 本篇是细胞注释章节的更详细的延续，该章节已经介绍了差异基因表达（DGE）作为用细胞类型注释簇的工具。在这里，我们重点关注更复杂的实验设计中差异基因表达测试的更...

小鱼爸

12.1 前言 单细胞数据集允许以高分辨率研究生物过程，例如早期发育。例如，虽然分析的是单个细胞而不是整个组织，但细胞表型的变化无法随着时间的推移进行跟踪。这一事实源于单细胞...

小鱼爸

11.1 前言 单细胞测序分析提供生物组织的高分辨率测量。因此，此类技术可以帮助破译和理解细胞异质性和生物过程的动态。相应的研究包括量化细胞命运以及识别驱动该过程的基因。然而...

小鱼爸

10.7 基于图的整合模型Graph-based integration 我们要介绍的下一个方法是BBKNNBatch-Balanced k-Nearest Neighbor...

小鱼爸

10. 数据整合 10.1 总论 大多数scRNA-seq数据分析的一个核心挑战是批次效应。批次效应是测量的表达水平的变化，这是处理不同组或“批次”中的细胞的结果。例如，如果...

小鱼爸

9.4 自动注释 9.4.1 总论 这一篇讨论的方法将是自动化的方法，而不是手动注释数据。与上一篇展示的方法不同，这些方法中的每一种都可以使您以自动化的方式对数据进行注释。它...

小鱼爸

9. 细胞注释Annotation 为了更好地理解数据并利用现有知识，弄清楚数据中每个细胞的“细胞身份”非常重要。根据已知（或有时未知）的细胞表型标记数据中的细胞群的过程称为...

小鱼爸

8. 聚类Clustering 预处理和可视化使我们能够描述我们的scRNA-seq数据集并降低其维度。到目前为止，我们嵌入并可视化了细胞以了解数据集的基础属性。然而，它们的...

小鱼爸

7. 降维Dimensionality Reduction 如前所述，scRNA-seq是一种高通量测序技术，可生成高维度细胞和基因数量的数据集。并非所有基因都具有信息性，并...

小鱼爸

6. 特征选择Feature selection 6.1 前言 我们现在有了标准化的数据表示，它仍然保留了生物异质性，但减少了基因表达中的技术采样效应。单细胞RNA-seq数...

小鱼爸

5. 归一化Normalization 5.1 前言 到目前为止，我们从数据集中删除了低质量细胞、环境RNA污染和双联体，并且数据以“细胞 x 基因”数字矩阵的形式呈现，作为...

小鱼爸

4. 质控Quality Control 4.1 前言 选择适合数据且不会过度校正或消除生物效应的预处理方法至关重要。由于新的测序技术以及捕获的细胞、测量的基因和识别的细胞群...

小鱼爸

3. 分析框架和工具介绍 3.1 单细胞分析框架和强大系统 如前所述，获得计数矩阵后，探索性数据分析阶段开始。由于数据的大小和复杂性，需要专门的工具。虽然在单细胞分析的早期，...

小鱼爸

学习生信代码的朋友可以直接跳转到下面2.7 实战案例，有完整和详尽的代码和分析流程。 2. 原始数据处理 在本篇中，我们将介绍单细胞RNA测序(scRNA-seq)数据的“预...