10X单细胞(10X空间转录组)降维分析之UMAP

这将需要利用单细胞转录组对许多物种及类群进行采样，并且才用的方法对细胞类型的同源性及多样性进行分类，尽管目前许多用于分析单细胞数据及识别细胞类型的工具，但对于跨物种比较犹豫喜多生物学及技术因素而变得复杂。这些因素包括在测序深度的批次效应，直系同源和旁系同源基因之间的进化关系，以及很少被理解...

在深入剖析阶段，你将进行细胞群聚类分析，通过降维图展示数据的分布特征，并通过Page2 ATAC评估测序深度和质量。Fragement分析则关注高质片段的比率，以及转录起始位点的相关性。Confident mapping确保比对质量的同时，剔除非核片段，plot则揭示核小体结构的序列长度分布，为解读染色质结构提供关键线索。单细胞...

scRNA-seq(10X基因组学)研究了13例患者和5例健康供体(HD)的PBMC的转录组谱(图 1a )。将13例COVID-19患者分为三种临床情况:中度( n  = 7),重度( n  = 4)和恢复期(conv; n  = 6,其中4例与中度病例配对)(图 1a, b ,还对每个受试者进行了单细胞T细胞受体(TCR)和B细胞受体(BCR)测序。经...

在本节教程中,我们将学习如何通过拟时序分析推断细胞分化轨迹。 slingshot 包可以对单细胞RNA-seq数据进行细胞分化谱系构建和伪时间推断,它利用细胞聚类簇和空间降维信息,以无监督或半监督的方式学习细胞聚类群之间的关系,揭示细胞聚类簇之间的全局结构,并将该结构转换为由一维变量表示的平滑谱系,称之为“伪时间”。

其中PCA， t-SNE和UMAP在scRNA-seq中使用非常普遍。之前的分析中已经用PCA降维了，为什么这里还要降维？这两种方法有什么区别？摘抄自：（ 跟着小鱼头学单细胞测序-scRNA-seq数据的降维和可视化 - 云+社区 - 腾讯云 (tencent.com)）处理完上述数据之后，可视化就很简单了。具体的参数自行查阅。以上。欢...

盘点季 | 空间转录组分析工具合辑(上):去卷积 新兴的空间转录组(ST)领域的技术发展开辟了一个未经探索的领域,将转录信息置于空间环境中。聚类通常是分析这类数据的核心组成部分。 ClusterMap是一个无监督和无注释的计算工具 ,其基于两个关键的生物学现象:首先,细胞内RNA分子的密度高于细胞外;其次,不同基因编码的...

,英国Wellcome Sanger Institute研究团队于 Genome Biology 发表了题为 scRNA-seq assessment of the human lung, spleen, and esophagus tissue stability after cold preservation 的研究内容,探究样品冻存和冻存时间对人体肺脏、脾脏和食管组织 单细胞转录组测序 的影响。 为了解决在组织解离或储存时引起的快速转录...