seurat

首页 > TAG信息列表 > seurat

Scanpy源码浅析之pp.highly_variable_genes

版本导入Scanpy, 其版本为'1.9.1'，如果你看到的源码和下文有差异，其可能是由于版本差异。 import scanpy as sc sc.__version__ #'1.9.1' 功能函数pp.highly_variable_genes其源代码在scanpy/preprocessing/_highly_variable_genes.py 其主要功能寻找高变基因。当前函数内置了3

seurat单细胞数据分析实现 DimHeatmap函数

上游分析：https://www.jianshu.com/p/4f7aeae81ef1 001、 cell <- pbmc[["pca"]]@cell.embeddings cell <- cell[order(cell[,1], decreasing = T),] cell <- rownames(cell)[c(1:10, (length(rownames(cell)) - 9):length(rownames(cell)))] cell

seurat 单细胞数据分析中MinMax函数

001、函数原型 MinMax <- function(data, min, max) { ## 该函数限定了数据框中元素的上下限 data2 <- data data2[data2 > max] <- max data2[data2 < min] <- min return(data2) } 002、测试 MinMax <- function(data, min, max) {

seurat 单细胞数据分析中 VizDimLoadings 函数

前期处理：https://www.jianshu.com/p/fef17a1babc2 #可视化对每个主成分影响比较大的基因集 001、 dat <- pbmc[["pca"]]@feature.loadings ## 数据来源 dat[1:3, 1:3] dat <- dat[order(-dat[,1]),][1:29,1] dat <- as.data.frame(dat) da

seurat 单细胞数据分析中 DimPlot函数实现pca

前期处理参考：https://www.jianshu.com/p/fef17a1babc2 001、 dat <- pbmc[["pca"]]@cell.embeddings ## 绘图数据 dat[1:3, 1:3] plot(dat[,1], dat[,2]) ## 绘图标准结果：

R语言中批量安装R包

001、加载包测试 library(data.table) library(ggplot2) library(dplyr) library(Seurat) library(patchwork) 002、批量安装R包 packages <- c("data.table", "ggplot2", "dplyr", "Seurat", "patchwork") for (i in

Cerebro：一个好用的单细胞数据展示shiny工具

常见的单细胞转录组图形基本都包含，用起来也比较方便，很适合不擅长生信分析的人来做数据探索。对于做分析的人来讲，这样一个网页工具也降低了和非分析合作者的沟通成本。该工具2019年发表在Bioinformatics，文献标题"Cerebro: interactive visualization of scRNA-seq data".

R语言分析单细胞数据Day1——下载Seurat包并进行预处理（一）

Task.1 安装Seurat，准备处理single cell data 安装Seurat时，只能安装3.2.3以下的版本，太高就不兼容！ install.packages('remotes') %安装过可以省略 remotes:: install_version("Seurat", version = "3.2.3") # 安装不上可以更新R版本或者安装附属包 Task.2 加载Seurat包并导入

Seurat的FindAllMarkers方法

转自：https://scrnaseq-course.cog.sanger.ac.uk/website/seurat-chapter.html#finding-differentially-expressed-genes-cluster-biomarkers https://satijalab.org/seurat/archive/v3.1/pbmc3k_tutorial.html https://www.rdocumentation.org/packages/Seurat/versions/1.4.0/

Seurat包分析单细胞转录组数据代码

1. 构建Seurat对象 # install.packages('Seurat') rm(list=ls()) # 表达矩阵来自CellRanger分析结果 data_dir <- "/run_count_1kpbmcs/outs/filtered_feature_bc_matrix" setwd("project_path") library(Seurat) library(dplyr) ### 构建Seurat对象 expr_d

在UMAP图上标识我们感兴趣的基因所在的类群（单细胞数据）

参考链接： https://www.jianshu.com/p/37d2e8d68c91 https://satijalab.org/seurat/articles/pbmc3k_tutorial.html https://satijalab.org/seurat/articles/visualization_vignette.html 我们这个代码要解决的需求，就是将我们从GEO数据库中下载的表达矩阵（.csv文件）使用seurat

单细胞测序分析软件包_seurat使用笔记

本笔记主要参考 https://www.jianshu.com/p/75c6d55a63bb?from=timeline 主要是为了理清思路，记录一下，方便以后查找 Seurat软件介绍导入分析需要的包 library(Seurat) library(dplyr) library(magrittr) 读入矩阵 #matrix.mtx, genes.tsv, and barcodes.tsv #使用Read10X函