文章目录1.细胞增殖的定义2.检测细胞数量：CCK-8法3.检测细胞增殖：BrdU掺入法4.检测细胞增殖：平板克隆1.细胞增殖的定义通过检测细胞数量来判断细胞是否增殖：CCK-8法，MTT法。推荐CCK-8法，灵敏度高，重复性好，数据可靠，操作简便，省时省力。水溶性，不需要换液，尤其适合悬浮细胞，不需要加放射性同位素或有机溶剂，基本无细胞毒性，不伤害细胞，检测完后的细胞可重复利用。开盖即用，不需要配制。通过检测细胞分裂时的物质变化来判断细胞是否增殖：BrdU掺入法2.检测细胞数量：CCK-8法(1)CellCountingKit-8(CCK-8)分析细胞增殖的原理：试剂盒中的水溶性四唑盐WST
常规的GO或者KEGG通路富集分析结果通常以气泡图的形式展示，然而这个气泡图仅仅是一个比较的结果，如果想在一张图上展示多个比较的结果，就需要用到多组气泡图（图1，左侧）。单细胞RNA-seq分析结果中，矩阵形式的气泡图可以很好地展示marker基因（X轴）在不同cluster（Y轴）中的表达情况（图1，右侧）。 图1.矩阵气泡图（左侧为带“缺失值”的点阵，右侧为完整的点阵）在dotplot中，点的大小代表一个维度，点的颜色代表另一个维度。因此，凡是具有二维特征的矩阵（或者带有缺失值的矩阵），都可以使用dotplot轻松可视化。1.打开绘图页面首先，使用浏览器（推荐chr
常规的GO或者KEGG通路富集分析结果通常以气泡图的形式展示，然而这个气泡图仅仅是一个比较的结果，如果想在一张图上展示多个比较的结果，就需要用到多组气泡图（图1，左侧）。单细胞RNA-seq分析结果中，矩阵形式的气泡图可以很好地展示marker基因（X轴）在不同cluster（Y轴）中的表达情况（图1，右侧）。 图1.矩阵气泡图（左侧为带“缺失值”的点阵，右侧为完整的点阵）在dotplot中，点的大小代表一个维度，点的颜色代表另一个维度。因此，凡是具有二维特征的矩阵（或者带有缺失值的矩阵），都可以使用dotplot轻松可视化。1.打开绘图页面首先，使用浏览器（推荐chr
1.写在前面作为现在最火的scRNAseq分析包，Seurat当之无愧。😘本期开始我们介绍一下Seurat包的用法，先从基础质控和过滤开始吧。🥳2.用到的包rm(list=ls())library(Seurat)library(tidyverse)library(SingleR)library(celldex)library(RColorBrewer)library(SingleCellExperiment)3.示例数据3.1读取10X文件这里我们提供一个转成genesymbols的可读文件，如果大家拿到的是EnsembleID，可以用之前介绍的方法进行转换。adj.matrix3.2创建Se
先来看看识别效果： YOLO是一个作为本科生扩充项目背景来说非常好的项目，无论是拿来做课程设计，还是直接完善一下写入简历，都非常的不错，我身边就有非常多保研、考研的同学将YOLO作为项目之一写入简历(大佬绕道) 首先没有基础的同学，可以先去学习一些YOLO入门教程，但是目前的大多数教程都没有详细介绍怎么使用自己的数据集进行训练，这里我就展开介绍一下。 在这里我使用的是一个开源的血细胞检测数据集：(如果要训练自己的数据，只需要用Labelimg自己打标签即可） 数据集里的格式如下，是xml文件，不是YOLO对应的标签格式，YOLO对应的标
前言在前面的一讲内容里(单细胞测序数据进阶分析—《细胞通讯》1.概论)我们已经给大家介绍了细胞通讯的基本概念。本讲的内容主要是带领大家走一遍CellChat最基础的workflow，类似于我们学习Seurat时的“单样本分析”部分，旨在向大家介绍CellChat的基本语法、用法及功能。本次课程所涉及的代码、测试文件在公众号后台中回复“CellChat.P1”获取。后续的代码如果不出意外都会在西柚云中制作（https://www.xiyoucloud.net/aff/UPWEQQBD）。时长超啦，完整视频直接去B站看吧：Cellchat基础分析教程实操Cellchat基础分析代码结果一览：单细胞
原理这是一篇发表GB上题目为《scINSIGHTforinterpretingsingle-cellgeneexpressionfrombiologicallyheterogeneousdata》的文章，利用IntegrateNMF的方法解决单细胞批次整合的问题越来越多的scRNA-seq数据强调需要综合分析来解释单细胞样本之间的异同。尽管已经开发了不同的批次效应去除方法，但没有一种方法适用于来自多种生物条件的异质单细胞样品。我们提出了一种方法scINSIGHT，用于学习在不同生物条件中常见或特定于不同生物条件的基因表达模式，即以联合建模和解释来自生物异质来源的单细胞样本中的基因表达模式。作者
这里是佳奥！我们进入到作者的GitHub下载一下代码来看看吧。https://github.com/KPLab/SCS_CAF1作者原始代码当然，由于package的版本日新月异，除非安装相同版本的package，我就不运行了，作为学习。QQ截图20220903155159.png2复现文章分析结果作者没有使用三大R包，这里我们使用之前讲到的R包来复现文章中的图。step1-qc读入质控文件主要是读取作者RNA-seq上游分析的一些结果找出离群的那些细胞。qc1=read.table('qc/SS2_15_0048_qc.txt',header=T)qc2=read.table('qc/SS2
作者，追风少年i最近一直有人问我空间转录组的饼图该如何绘制，如下图图片.png之前呢，说过一些，大家可以借鉴10X空间转录组绘图之细胞类型百分比饼图和空间密度分布图其中stlearn提供了封装好的函数，不过美观度上不够好。相信大多数还是利用Seurat来进行联合分析，如果用了其他软件，可以将联合的矩阵结果进行替换，我们还是以之前的结果为例，HE染色和单细胞空间联合分析的结果部分展示如下图片.png图片.png图片.png画出来的效果如下图，颜色根据自己的喜好进行搭配图片.png好了，我们要开始了，一定要记住，前面的单细胞空间联合要亲自做library(Seurat)library(ggplot
WGCNA原理和分析流程单细胞WGCNA分析方法+随机森林0.数据准备输入数据集的要求：已经进行了如下分析的Seurat对象导入演示数据#官方演示数据集wgethttps://swaruplab.bio.uci.edu/public_data/Zhou_2020.rdsseurat_obj这是一个正常的脑组织数据集，包含了使用Harmony整合的12个样本的Seurat对象。加载R包和数据集#single-cellanalysispackagelibrary(Seurat)#plottinganddatasciencepackageslibrary(tidyverse)library(cowp
