seurat专题

Signac R｜如何合并多个 Seurat 对象 (2)

引言在本文中演示了如何合并包含单细胞染色质数据的多个 Seurat 对象。为了进行演示，将使用 10x Genomics 提供的四个 scATAC-seq PBMC 数据集： 500-cell PBMC 1k-cell PBMC 5k-cell PBMC 10k-cell PBMC 构建数据对象接下来，将利用已经量化的矩阵数据，针对每个数据集构建一个 Seurat 数据对象

「Debug R」一个Seurat导致的Rstudio网页版经常被终止的bug

在网页版的Rstuio加载Seurat时，等待了很久都没有成功，刷新网页后就出现了如下的提示报错信息测试了其他包，例如ggplot2，都没有任何问题，唯独是Seurat出现了问题，因此我用关键词"seurat cause rsession terminated" 进行搜索，发现有人在Rstudio的社区上提出了这个问题，看来我并不是一个人遇到这个问题。我尝试里帖子h

Seurat | 不同单细胞转录组的整合方法

一、涉及的新概念参考（reference）：将跨个体，跨技术，跨模式产生的不同的单细胞数据整合后的数据集。也就是将不同来源的数据集组合到同一空间（reference）中。从广义上讲，在概念上类似于基因组DNA序列的参考装配。查询（query）：单个实验产生的数据集转化学习（transfer learning）：产生一个于参考数据集（reference）上进行训练的模型，可以将信

单细胞Seurat - 细胞聚类(3)

本系列持续更新Seurat单细胞分析教程，欢迎关注！维度确定为了克服 scRNA-seq 数据的任何单个特征中广泛的技术噪音，Seurat 根据 PCA 分数对细胞进行聚类，每个 PC 本质上代表一个“元特征”，它结合了相关特征集的信息。因此，顶部主成分代表了数据集的稳健压缩。但是，我们应该选择包含多少个成分？ 10？ 20？ 100？在 Macosko 等人中，我们实施了受 JackSt

R的seurat和python的scanpy对比学习

现在的单细胞分析，往往避免不了scanpy的使用，我们可以通过对比seurat来学习scanpy 今天的格式怎么都改不了。。。手机阅读有点费劲，，推荐电脑阅读。单细胞数据分析概览单细胞分析，总流程 python教程 seurat教程 seurat中与scanpy对等的函数操作数据预处理 Seurat (R) Creat

Seurat包学习：如何查看R包函数源代码

我们很多时候都很好奇作者的r包是如何写出来的，手痒的时候就想学习一下源码，顺便改一改问题来源为什么要写今天这个推文呢？起因是因为我想使用seurat自带函数画热图，奈何这个图不是那么好看 DoHeatmap(pbmc,features = features,draw.lines = FALSE ) 于是，我想自己手动改一下这个热图 p= DoHeatmap(pb

Seurat - 聚类教程 (1)

设置 Seurat 对象在本教程[1]中，我们将分析 10X Genomics 免费提供的外周血单核细胞 (PBMC) 数据集。在 Illumina NextSeq 500 上对 2,700 个单细胞进行了测序。可以在此处[2]找到原始数据。我们首先读取数据。 Read10X() 函数从 10X 读取 cellranger 管道的输出，返回唯一的分子识别 (UMI) 计数矩阵。该矩阵中的值表

【单细胞转录组】使用Seurat的Read10X函数读取10x文件时为什么有格式要求

非模式物种在分析时可能会遇到各种各样的问题，但是也能学习到一些不太会注意到的小细节。比如我在分析数据的时候，使用seurat查找差异基因后绘图，这里展示一下某个cluster的结果：可以注意到出来Os号外还有一些看起来奇奇怪怪的基因，我本来以为是注释文件的问题。经师姐提醒，我去检查了一下features.tsv这个文件中的信息，发现这些长得奇奇怪怪的基因确实是存在的，而且是在第二列也可

单细胞seurat-细胞比例分析-画图详细教程

大家好，今天我们来画单细胞中最简单的细胞比例图~ 1.老规矩，先加载pbmc数据 dir.create("~/gzh/细胞比例")setwd("~/gzh/细胞比例")subset_data=readRDS("~/gzh/pbmc3k_final.rds")table(stringr::str_split(string = colnames(subset_data),pattern = "

SCTransform normalization seurat

完成了前面的基础质控、过滤以及去除细胞周期的影响后，我们可以开始SCTransform normalization。 SCTransform normalization的优势： 1️⃣ 一个SCTransform函数即可替代NormalizeData, ScaleData, FindVariableFeatures三个函数;2️⃣ 对测序深度的校正效果要好于log标准化(10万以内的细胞都建

单细胞seurat入门—— 从原始数据到表达矩阵

根据所使用的建库方法，单细胞的RNA序列（也称为读取（reads）或标签（tags））将从转录本的3'端（或5'端）（10X Genomics，CEL-seq2，Drop-seq，inDrops）或全长转录本（Smart-seq）获得。图片来源： Papalexi E and Satija R. Single-cell RNA sequencing to explore immun

R中seurat包函数FindMarkers报错Error in WhichCells.Seurat(object = object, idents = ident.1) :

在R中运行seurat包中的函数FindMarkers时，出现报错： Error in WhichCells.Seurat(object = object, idents = ident.1) : Cannot find the following identities in the object: 5 可能原因：seurat对象b已经被注释过，所以需要用注释后的名字，而不是最初以数

Seurat小提琴图为什么有的只有点儿如何给vlnplot加上肚子常看小提琴图vlnplot有多少个点细胞加p值加显著性zsf seurat对某个基因表达加显著性jitter抖动

library(Seurat) library(SeuratData) levels(pbmc3k.final) ** 通过添加参数map_signif_level=TRUE，可以将统计学差异表示为*符号。 https://cloud.tencent.com/developer/article/1692505 ** getwd()load("D:/Win10 System/Docume

SCS【4】单细胞转录组数据可视化分析 (Seurat 4.0)

点击关注，桓峰基因桓峰基因的教程不但教您怎么使用，还会定期分析一些相关的文章，学会教程只是基础，但是如果把分析结果整合到文章里面才是目的，觉得我们这些教程还不错，并且您按照我们的教程分析出来不错的结果发了文章记得告知我们，并在文章中感谢一下我们哦！公司英文名称：Kyoho Gene Technology (Beijing) Co.,Ltd. 桓峰基因公众号推出单细胞系列教程，有需要

seurat对象处理找锚点

在找锚点合并之前，需要把每个seurat对象的细胞名改变成唯一 getwd() #改名字 #教程地址#https://cloud.tencent.com/developer/article/1697249#https://bioconductor.org/packages/release/data/experiment/vignettes/scRNAseq/inst/doc/scRNAseq.

Seurat -- Normalize Data

文章目录 brief为什么要做normalization 实例Normalization之前的预处理NormalizeData --> LogNormalize这种方法有是什么缺点呢 SCTransform仔细去看看这个函数所以这个函数到底干了什么这种normalization方法优秀在哪里正确使用scTransform brief seurat提供的教学里面包含了Stan

Seurat 源码学习之VlnPlot

今天很好奇Seurat里的Vlnplot是怎么画的，花了一个上午研究一下这个画图，其实还是很简单的哈, 以官网的pbmc3k为例 #library(dplyr)library(Seurat)library(patchwork)setwd("/Users/xiaokangyu/Desktop/Seurat_raw_code/")pbmc.data = Read10X("/Users/xi

Seurat数据集处理流程

多数据集 pancreas数据集 suppressMessages(require(Seurat))suppressMessages(require(ggplot2))suppressMessages(require(cowplot))suppressMessages(require(scater))suppressMessages(require(scran))suppressMe

Seurat -- ScaleData学习

brief seurat提供了一个教学，其中global scale normalization之后又对数据进行了scale。默认是对上一步 selected highly variable features进行scale。概要图以及系列博文可以参见链接。如果是 SCTransform则不需要手动运行这一步。下面是就是教程提供的流程： library(dplyr)libra

单细胞分析（一）——seurat包单个样本处理

seurat包单个样本处理 10X genomics的基本原理创建对象加载数据创建 Seurat 对象count matrix是什么样子? 预处理流程计算线粒体含量质控展示正式筛选数据标准化特征筛选寻找高变基因高变基因绘图缩放数据PCA线性降维降维降维展示 UMAP非线性降维聚类分群参考文章 10X genomics的基本原理大致如下在这个教程中，主要将分析 10X Ge

单细胞实战(1)数据下载-数据读取-seurat对象创建

这篇文章我们将介绍从geo数据库下载单细胞测序数据后，多种数据格式多样本情况下，如何读取数据并创建seurat对象。本文主要结构：一、数据下载二、数据读取与seurat对象创建单样本情况下各种格式数据的读取，读取后seurat对象的创建多样本情况下各种格式数据的读取，读取后seurat对象的创建、合并一、数据下载大家自行去GEO官网(https://www.ncbi.nlm