数据收集-分化轨迹推断

2024-05-10 20:12

本文主要是介绍数据收集-分化轨迹推断,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

数据收集-分化轨迹推断

  • 1
    • 参考
    • 内容
  • 2
    • 参考
    • 内容
  • 3
    • 参考
    • 内容
  • 4
    • 参考
    • 内容
  • 5
    • 参考
    • 内容
  • 6:methods and datasets review
    • 参考
    • 内容

1

参考

Ranek, J.S., Stanley, N. & Purvis, J.E. Integrating temporal single-cell gene expression modalities for trajectory inference and disease prediction. Genome Biol 23, 186 (2022). https://doi.org/10.1186/s13059-022-02749-0

内容

在这里插入图片描述
The raw publicly available single-cell RNA sequencing datasets downloaded and used in this study are available in the
Gene Expression Omnibus (GEO; https://www.ncbi.nlm.nih.gov/geo/) repository, under the accession codes GSE81682
for hematopoiesis diferentiation (Nestorowa) [86]; GSE74596 for NKT cell diferentiation [87]; GSE70236, GSE70240,
and GSE70244 for hematopoiesis diferentiation (Olsson) [88]; GSE94383 for LPS stimulation [89]; GSE161465 for INFγ
stimulation
[90]; GSE116481 for AML chemotherapy [91]; GSE126068 for AML diagnosis/relapse [92]; and GSE138266 for MS case/control PBMC and CSF datasets [93] and in the European Nucleotide Archive (ENA; https://www.ebi.ac.uk/arrayexpress/experiments/) repository, under accession numbers E-MTAB-2805 for mouse embryonic cell cycle [94] datasets, respectively. Loom fles and preprocessed data are available in the Zenodo repository https://doi.org/10.5281/zenodo.6587903 [95]. Source code including all functions for preprocessing, integration, and evaluation are publicly available at www.github.com/jranek/EVI [96] and in the Zenodo repository [97].

2

参考

Saelens, W., Cannoodt, R., Todorov, H. et al. A comparison of single-cell trajectory inference methods. Nat Biotechnol 37, 547–554 (2019). https://doi.org/10.1038/s41587-019-0071-9

内容

在这里插入图片描述

在这里插入图片描述
The scripts to download and process these datasets are available on our repository (https://benchmark.dynverse.org/tree/master/scripts/01-datasets).

3

参考

Wolf, F. & Hamey, Fiona & Plass, Mireya & Solana, Jordi & Dahlin, Joakim & Rajewsky, Nikolaus & Simon, Lukas & Theis, Fabian. (2019). PAGA: graph abstraction reconciles clustering with trajectory inference through a topology preserving map of single cells. Genome biology. 20. 10.1186/s13059-019-1663-x.

内容

在这里插入图片描述
在这里插入图片描述

4

参考

Zeng, Y., He, J., Bai, Z. et al. Tracing the first hematopoietic stem cell generation in human embryo by single-cell RNA sequencing. Cell Res 29, 881–894 (2019). https://doi.org/10.1038/s41422-019-0228-6

内容

在这里插入图片描述
The scRNA-seq data reported in this study have been deposited in NCBI’s Gene Expression Omnibus (GEO) with the accession number GSE135202. All other relevant data in this study are available from the corresponding authors upon reasonable request.

5

参考

Junjie Du, Han He, Zongcheng Li, Jian He, Zhijie Bai, Bing Liu, Yu Lan,
Integrative transcriptomic analysis of developing hematopoietic stem cells in human and mouse at single-cell resolution,
Biochemical and Biophysical Research Communications,Volume 558,2021,Pages 161-167,ISSN 0006-291X,

内容

在这里插入图片描述

2.1.1. Mouse
Zhou et al. performed single-cell transcriptome sequencing on cells during the development of HSCs [3]. Expression matrix of cell populations (type 1 and 2 pre-HSCs, E12/E14 HSCs and adult HSCs, abbreviated as mT1 and mT2 pre-HSCs, mE12/mE14 HSCs and mAdult HSC respectively) was downloaded from GEO database (https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE67120).

Hou et al. constructed high-precision single-cell transcriptomics to unbiasedly examine the endothelial cells populations at continuous developmental stages with intervals of 0.5 days from embryonic day (E) 9.5 to E11.0 [4]. Expression matrix of cell populations (HECs, type 1 pre-HSCs, abbreviated as mHECs and mT1 pre-HSCs respectively) was downloaded from: https://github.com/Liu-Lan-lab/Project_mHEC_CR2020.

2.1.2. Human
Zeng et al. analyzed the cell populations of the dorsal aorta during the temporal window of human embryonic HSC generation using single-cell transcriptome sequencing [6]. Expression matrix of cell populations (HECs, three subsets of HSPCs, abbreviated as hHECs and hHSPC_GJA5+/Cycling/GFI1B+, respectively) was downloaded from: https://github.com/Liu-Lan-lab/Project_hHEC_HSPC_CR2019.

Bian et al. applied scRNA-seq on CD45+ hematopoietic cell populations from a range of tissues in human embryos, and transcriptomically identified HSPCs with high expression of such as CD34, MYB, and HOX family transcription factors HOXA6 and HOXA10 in liver at CS20 and CS23 [9]. Expression matrix of HSPCs in human fetal liver (abbreviated as hHSPC_FL) was downloaded from: https://github.com/Liu-Lan-lab/human_macrophage_project_data

6:methods and datasets review

参考

Shen, Sophie et al. “Integrating single-cell genomics pipelines to discover mechanisms of stem cell differentiation.” Trends in molecular medicine vol. 27,12 (2021): 1135-1158. doi:10.1016/j.molmed.2021.09.006

内容

在这里插入图片描述

这篇关于数据收集-分化轨迹推断的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!


原文地址:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/977436

相关文章

Java利用JSONPath操作JSON数据的技术指南

《Java利用JSONPath操作JSON数据的技术指南》JSONPath是一种强大的工具,用于查询和操作JSON数据,类似于SQL的语法,它为处理复杂的JSON数据结构提供了简单且高效... 目录1、简述2、什么是 jsONPath?3、Java 示例3.1 基本查询3.2 过滤查询3.3 递归搜索3.4

MySQL大表数据的分区与分库分表的实现

《MySQL大表数据的分区与分库分表的实现》数据库的分区和分库分表是两种常用的技术方案,本文主要介绍了MySQL大表数据的分区与分库分表的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有... 目录1. mysql大表数据的分区1.1 什么是分区?1.2 分区的类型1.3 分区的优点1.4 分

Mysql删除几亿条数据表中的部分数据的方法实现

《Mysql删除几亿条数据表中的部分数据的方法实现》在MySQL中删除一个大表中的数据时,需要特别注意操作的性能和对系统的影响,本文主要介绍了Mysql删除几亿条数据表中的部分数据的方法实现,具有一定... 目录1、需求2、方案1. 使用 DELETE 语句分批删除2. 使用 INPLACE ALTER T

Python Dash框架在数据可视化仪表板中的应用与实践记录

《PythonDash框架在数据可视化仪表板中的应用与实践记录》Python的PlotlyDash库提供了一种简便且强大的方式来构建和展示互动式数据仪表板,本篇文章将深入探讨如何使用Dash设计一... 目录python Dash框架在数据可视化仪表板中的应用与实践1. 什么是Plotly Dash?1.1

Redis 中的热点键和数据倾斜示例详解

《Redis中的热点键和数据倾斜示例详解》热点键是指在Redis中被频繁访问的特定键,这些键由于其高访问频率,可能导致Redis服务器的性能问题,尤其是在高并发场景下,本文给大家介绍Redis中的热... 目录Redis 中的热点键和数据倾斜热点键(Hot Key)定义特点应对策略示例数据倾斜(Data S

Python实现将MySQL中所有表的数据都导出为CSV文件并压缩

《Python实现将MySQL中所有表的数据都导出为CSV文件并压缩》这篇文章主要为大家详细介绍了如何使用Python将MySQL数据库中所有表的数据都导出为CSV文件到一个目录,并压缩为zip文件到... python将mysql数据库中所有表的数据都导出为CSV文件到一个目录,并压缩为zip文件到另一个

SpringBoot整合jasypt实现重要数据加密

《SpringBoot整合jasypt实现重要数据加密》Jasypt是一个专注于简化Java加密操作的开源工具,:本文主要介绍详细介绍了如何使用jasypt实现重要数据加密,感兴趣的小伙伴可... 目录jasypt简介 jasypt的优点SpringBoot使用jasypt创建mapper接口配置文件加密

使用Python高效获取网络数据的操作指南

《使用Python高效获取网络数据的操作指南》网络爬虫是一种自动化程序,用于访问和提取网站上的数据,Python是进行网络爬虫开发的理想语言,拥有丰富的库和工具,使得编写和维护爬虫变得简单高效,本文将... 目录网络爬虫的基本概念常用库介绍安装库Requests和BeautifulSoup爬虫开发发送请求解

Oracle存储过程里操作BLOB的字节数据的办法

《Oracle存储过程里操作BLOB的字节数据的办法》该篇文章介绍了如何在Oracle存储过程中操作BLOB的字节数据,作者研究了如何获取BLOB的字节长度、如何使用DBMS_LOB包进行BLOB操作... 目录一、缘由二、办法2.1 基本操作2.2 DBMS_LOB包2.3 字节级操作与RAW数据类型2.

MySQL使用binlog2sql工具实现在线恢复数据功能

《MySQL使用binlog2sql工具实现在线恢复数据功能》binlog2sql是大众点评开源的一款用于解析MySQLbinlog的工具,根据不同选项,可以得到原始SQL、回滚SQL等,下面我们就来... 目录背景目标步骤准备工作恢复数据结果验证结论背景生产数据库执行 SQL 脚本,一般会经过正规的审批