跟着Cell学单细胞转录组分析(四):单细胞转录组测序UMAP降维聚类
更多内容请关注个人公众号---KS科研分享与服务---
接上节(跟着Cell学单细胞转录组分析(三):单细胞转录组数据质控(QC)及合并去除批次效应)。
数据合并之后,就需要跑标准的Seurat分析流程了。在《cell》文章中,作者还计算了细胞周期评分,因为我们收集到的细胞可能处于不同的分裂时期,所以看周期是很有必要的,尤其是针对具体的研究目的。在示例数据中,可以看到,各个样品细胞周期基本一致。
s.genes <- cc.genes$s.genes
g2m.genes <- cc.genes$g2m.genes
scedata <- CellCycleScoring(scedata, s.features = s.genes, g2m.features = g2m.genes,set.ident = TRUE)
VlnPlot(scedata,features = c("S.Score","G2M.Score"),group.by = "orig.ident")
图片
之后对数据进行缩放,缩放的参数vars.to.regress按照自己的目的决定,一般选择percent.mt,nFeature。然后就是确定降维的PC数了,具体选择多少比较合适,这个需要不断的尝试,没有标准,达到自己理想的效果即可。
# 标准流程
scedata <- ScaleData(scedata, vars.to.regress = c("S.Score", "G2M.Score"), verbose = FALSE)
scedata <- RunPCA(scedata, npcs = 50, verbose = FALSE)
scedata <- FindNeighbors(scedata, reduction = "pca", dims = 1:50)
scedata <- FindClusters(scedata, resolution = seq(from = 0.1, to = 1.0, by = 0.1))
scedata <- RunUMAP(scedata, reduction = "pca", dims = 1:50)
最后,决定细胞聚类群的还有一个因素,那就是FindClusters函数中的resolution 这个参数,这里我们直接跑联系的多个resolution,用clustree函数查看。这个参数也是需要调整。
library(clustree)
clustree(scedata)
图片
然后就可以对UMAP降维进行可视化了!
DimPlot(scedata)
图片
选择好合适的细胞分群,将其设置为active.ident,方便后续可视化。
Idents(scedata) <- "integrated_snn_res.1"
scedata$seurat_clusters <- scedata@active.ident
处理所有细胞的UMAP聚类,查看下细胞群在不同样品中的分布情况。
DimPlot(scedata,label = T,split.by = "orig.ident",ncol = 3)
图片
完成上述内容,整个单细胞转录组的工作已经完整了1/3了,因为这些都是后续分析的基础。下节探讨下marker基因的筛选和细胞群鉴定!
跟着Cell学单细胞转录组分析(四):单细胞转录组测序UMAP降维聚类相关推荐
- 跟着Cell学单细胞转录组分析(五):单细胞转录组marker基因鉴定及细胞群注释
书接上回(跟着Cell学单细胞转录组分析(四):单细胞转录组测序UMAP降维聚类).完成数据降维和细胞聚类后,最主要的环节和工作就是确定各个细胞群,明确是什么类型的细胞,正群的细胞定群很关键,涉及到整 ...
- 跟着Cell学单细胞转录组分析(八):单细胞转录组差异基因分析及多组结果可视化
接着单细胞下游分析: 从Cell学单细胞转录组分析(一):开端!!! 跟着Cell学单细胞转录组分析(二):单细胞转录组测序文件的读入及Seurat对象构建 跟着Cell学单细胞转录组分析(三):单细 ...
- 跟着Cell学作图|9.PPI分析(GeNets数据库)
9.PPI分析(GeNets数据库) "实践是检验真理的唯一标准." "复现是学习R语言的最好办法." DOI: 10.1016/j.cell.2020.05. ...
- 跟着Cell学作图 | 5.UMAP降维分析
跟着 Cell 学作图 | 5.UMAP降维分析 "实践是检验真理的唯一标准." "复现是学习R语言的最好办法." 2021.4.12_1 DOI: 10.10 ...
- 跟着Cell学作图 | 12.韦恩图(Vennerable包)
"实践是检验真理的唯一标准." "复现是学习生信的最好办法." 2021.4.12_1 DOI: 10.1016/j.cell.2020.05.032 这篇20 ...
- 跟着CELL学作图|1.火山图
跟着CELL学作图之火山图 "实践是检验真理的唯一标准." "复现是学习R语言的最好办法." DOI: 10.1016/j.cell.2020.05.032 这 ...
- 跟着 Cell 学作图 | 桑葚图(ggalluvial)
桑葚图 今天我们复现一幅2021年Cell上Graphical abstract的图. Title:Human oral mucosa cell atlas reveals a stromal-neu ...
- 跟着Cell学作图 | 2.柱状图+误差棒+散点+差异显著性检验
跟着 Cell 学作图 | 2.柱状图+误差棒+散点 "实践是检验真理的唯一标准." "复现是学习R语言的最好办法." 2021.4.12_1 DOI: 10. ...
- 跟着 Cell 学作图 | 4.小提琴图
跟着 Cell 学作图 | 4.小提琴图 "实践是检验真理的唯一标准." "复现是学习R语言的最好办法." DOI: 10.1016/j.cell.2020.0 ...
- 跟着 Cell 学作图 | 3.箱线图+散点+差异显著性检验
跟着 Cell 学作图 | 3.箱线图+散点+差异显著性检验 "实践是检验真理的唯一标准." "复现是学习R语言的最好办法." DOI: 10.1016/j.c ...
最新文章
- 顺序表-元素逆置(首尾交换)
- 扩增子项目动辄几百上千样品,如何写好实验设计——样品和组命名规则
- C语言面向对象编程(三):虚函数与多态
- 全志 增加强制横屏标志 Patch
- 程序编码(机器级代码+汇编代码+C代码+反汇编)
- list c++template
- OpenCV在jni中使用混合高斯背景模型出现的通道匹配错误
- NPM 修复两个严重漏洞但无法确认是否已遭在野利用,可触发开源软件供应链攻击...
- 2021-02-13
- u盘制作双系统启动盘及在移动硬盘上安装Linux操作系统
- 渗透测试报告模板_渗透测试报告编写的几个小技巧
- 如何安装python_如何安装Python?(第一节)
- Hadoop是什么,Hadoop主要有哪几部分组成?
- flutter开发的ios应用没法通过爱思等工具浏览文件目录Document
- 祝大家2022幸福安康
- 产业智能化的大江大河,需要AI安全这样守护
- C/C++面试高频知识点八股文
- 从词嵌入到文档距离论文笔记(From Word Embeddings To Document Distances)
- API 编排的应用及痛点
- 【论文阅读笔记】Automatic Liver and Lesion Segmentation in CT Using Cascaded Fully Convolutional Neural Net