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
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
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
作者，追风少年i开头先放一张marker表，供大家参考markerlist这一篇内容很简单接上一篇，上一篇文章单细胞&空间整合去批次方法比较介绍了以下几种方法整合去批次的代码CCAmergeSCTmerge&SCTmerge加harmonySCT&&harmony关于上述方法我只强调一点，就是ScaleData的时候vars.to.regress的作用，这个要引起大家的重视。这一篇我们要进行补充，因为上述的方法仍然存在一定的局限性。面对大数据集，几十上百万的细胞量，上述方法无能为力，R语言的原因，处理起来很慢。rpca的方法：ifnb.list这里大家要注意rpca的方法，关于rpca，大家可
转行做嵌入式也有一段时间了，原来做c#以及一些其它的上层语言，本想的是也就是仅仅是语法上有点不一样。但是实际使用的切身体会真的是只有自己才知道。很多方面刷新了我对c语言以及计算机结构体系的认知，绝对不仅仅是语法不一样那么简单。 关于字符串传递函数引起的一切源于给函数传递字符串变量这种原来在其它高级语言地方写的再常见不过的功能。1voidchangeStr(char*ch)2{3*(ch+1)='a';4}56//char*cstr="hello";//报错7charcstr[]="hello";//这种可以8//数组也是传的引用函数里面更改的是此处数组的内容这个不用多说9changeStr(c
转行做嵌入式也有一段时间了，原来做c#以及一些其它的上层语言，本想的是也就是仅仅是语法上有点不一样。但是实际使用的切身体会真的是只有自己才知道。很多方面刷新了我对c语言以及计算机结构体系的认知，绝对不仅仅是语法不一样那么简单。 关于字符串传递函数引起的一切源于给函数传递字符串变量这种原来在其它高级语言地方写的再常见不过的功能。1voidchangeStr(char*ch)2{3*(ch+1)='a';4}56//char*cstr="hello";//报错7charcstr[]="hello";//这种可以8//数组也是传的引用函数里面更改的是此处数组的内容这个不用多说9changeStr(c
说在前面生信宝库对单细胞亚群注释这个问题已经写了很多推文了，如：一文解决单细胞亚群注释的所有问题;SciBet:一个软件解决单细胞注释所有烦恼;mtSC：整合多参考数据集进行单细胞亚群注释等，分别从各个角度来揭示单细胞亚群注释中要注意的问题和技巧。作为单细胞数据分析最核心的步骤之一，细胞亚群注释的准确性直接关系到后续的所有分析，因此对这个问题怎么强调都不为过。Immugent在之前的推文：生信综述？带你解锁高分单细胞发文骚操作！中介绍了如何通过汇总或者对比具有特定功能的软件，从而发表高分纯生信文章。本期推文Immugent就来介绍一篇总结了截止到2021年所有的单细胞注释软件，相关文章以题为：
