【scMetabolism】一站式代谢通路基因集打分

最新推荐文章于 2025-11-18 06:44:49 发布

原创

最新推荐文章于 2025-11-18 06:44:49 发布 · 2.7k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#r语言

本文介绍了如何利用R包scMetabolism在Seurat中量化单细胞代谢，并通过dimplot、dotplot和boxplot展示分析结果。

install.packages(c("devtools", "data.table", "wesanderson", "Seurat", "devtools", "AUCell", "GSEABase", "GSVA", "ggplot2","rsvd"))

devtools::install_github("YosefLab/VISION")
devtools::install_github("wu-yc/scMetabolism")

load(file = "pbmc_demo.rda")

library(scMetabolism)
library(ggplot2)
library(rsvd)

quantify single cell metabolism in seurat

countexp.Seurat<-sc.metabolism.Seurat(obj = countexp.Seurat, method = "VISION", imputation = F, ncores = 2, metabolism.type = "KEGG")

metabolism.matrix <- countexp.Seurat@assays$METABOLISM$score

dimplot

DimPlot.metabolism(obj = countexp.Seurat, pathway = "Glycolysis / Gluconeogenesis", dimention.reduction.type = "umap", dimention.

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

DerekRusso

关注关注

0
点赞
踩
4

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

单细胞scMetabolism代谢相关通路分析学习和整理

zfyyzhys的博客

10-02

2640

scMetabolism一个单细胞水平的代谢相关通路分析工具。内置了KEGG_metabolism_nc和REACTOME_metabolism两个库的代谢通路信息。分析方法可选择VISION、AUCell、ssgsea和gsva这四种，默认是VISION。其他没有什么需要特殊介绍的。

基因集合打分不考虑基因高低表达基因集合评分不考虑高低表达绝对值基因集合里面的正负表达影响addmodulescore的结果构建的基因集进行评分时基因的高低正负表达基因集合评分不考虑高低表达

生信小博士的博客

10-12

1255

若p=1，则Phit的分母为基因集S中所有基因与性状的关联强度之和，基因集S中每个基因与该性状的关联都对该和进行标准化处理。S3：基因集S3非随机分布，但也并不在top or bottom呈现集中分布模式，ES值较高，但p值不显著。图例：①Phit= 基因集S中的加权和，Pmiss = 非基因集S中的加权和。S1：基因集S1主要分布在排序列表的top端，ES分值较高，p值显著；S2：基因集S2在排序列表中随机分布，ES值低，p值不显著；因此，富集分析的结果结果，要综合考虑p值及ES值两个指标。

参与评论您还未登录，请先登录后发表或查看评论

3步快速上手scMetabolism：单细胞代谢分析完整指南

最新发布

gitblog_00434的博客

11-18

369

scMetabolism是一个专门用于在单细胞分辨率下量化代谢活性的R包，支持人类scRNA-seq数据的代谢活性量化和可视化分析。本文将为单细胞分析初学者提供完整的安装、分析和可视化教程。 ## 1. 环境准备与安装 ### 安装必要依赖包首先确保安装所有必需的依赖包： ```R install.packages(c("devtools", "data.table", "wesanders

10X单细胞空间联合分析解析结肠癌肝转移时空免疫图谱

weixin_53637133的博客

05-06

1564

10X单细胞空间联合分析解析结肠癌肝转移时空免疫图谱

SCS【24】单细胞数据量化代谢的计算方法 (scMetabolism)

weixin_41368414的博客

05-11

2000

桓峰基因公众号推出单细胞生信分析教程并配有视频在线教程，目前整理出来的相关教程目录如下：Topic 6. 克隆进化之 CanopyTopic 7. 克隆进化之 CardelinoTopic 8. 克隆进化之 RobustCloneSCS【1】今天开启单细胞之旅，述说单细胞测序的前世今生SCS【2】单细胞转录组之 cellrangerSCS【3】单细胞转录组数据 GEO 下载及读取SCS【4】单细...

。。。。。

qq_42090739的博客

06-13

2362

最近微信群有小伙伴说想让出一期scMetabolism单细胞代谢，之前我也接触过这个R包，其实非常简单，而且这个R包不是很完善，也有很大的局限性，例如只能做人的，其他物种的需要同源转化。之后做小鼠的，只需要source这个函数，依据代码就完成了。这个包其实很简单也没有什么好说的了，可能有些小伙伴的mouse数据做的时候还是会出错，需要自己去修改函数了哦。人的数据分析很简单，主要的问题是别的物种，需要同源转化，这里我们演示小鼠的，直接将同源转化和代谢分析包装在一个简单的函数里面，运行就可以得到分析结果了。

从KEGG数据库提取癌症通路基因集

08-08

KEGG（Kyoto Encyclopedia of Genes and Genomes）数据库是一个集成了基因、化学物质及生物系统路径信息的综合性数据库，涵盖了生物体内的代谢通路和信号通路等信息，广泛应用于基因功能、代谢及基因表达调控研究。...

【生物信息学】基因与蛋白质关联分析：代谢通路及信号传导途径的P值和计数统计

08-05

适合人群：从事生物学、医学研究的专业人士，尤其是关注基因表达调控、蛋白质功能及代谢通路的研究人员。; 使用场景及目标：①帮助科研人员快速定位具有统计学意义的生物通路，为后续深入研究提供方向；②用于比较...

小鼠基因组研究的数据集，用于30个小鼠基因敲除队列的综合血浆代谢组学数据集.zip

02-26

该数据集是针对小鼠基因组研究的，特别关注30个不同小鼠基因敲除队列的血浆代谢组学。在这个压缩包中，包含了多个Excel文件，每个文件都有其特定用途，提供了丰富的信息来支持对小鼠基因功能、代谢变化以及基因敲除...

【免费下载】 scMetabolism 项目安装和配置指南

gitblog_09082的博客

09-13

1598

### 项目基础介绍 scMetabolism 是一个用于在单细胞分辨率下量化代谢活性的 R 包。该项目的主要目标是帮助研究人员分析单细胞 RNA 测序数据，以了解细胞内的代谢活动。scMetabolism 支持人类 scRNA-seq 数据，并提供了多种可视化工具来帮助用户更好地理解数据。 ### 主要编程语言该项目主要使用 R 语言进行开发。 ## 2. 项目使用的关键技术和框架 ##...

SCMA：单细胞代谢组学分析

02-24

SCMA：单细胞代谢组学分析安装从PyPI安装 python -m pip install --index-url https://test.pypi.org/simple/ --no-deps scma==0.1.1 从GitHub安装 git clone https://github.com/tkisss/SCMA.git cd SCMA python setup.py install 快速开始命令行 scma.py -f INPUT_FILE -o OUTPUT_PATH INPUT_FILE: file of single-cell metabolomics, each two columns are a group which contains the ratio of nuclear to mass and its signal value, cell names sho

修改scMetabolism中的sc.metabolism.Seurat函数

zyt18130132的博客

05-10

2867

修改GitHub源码的流程一般是：克隆仓库到本地，在 Rstudio 中新建项目选择 R 包，然后选择你克隆下来的文件夹；在弹出的页面会发现一个Code，点击Code，会出现一个网址，复制一下这个网址，下面克隆的时候用得着。那么重点来了，我们已经知道了要具体修改哪句源码，以及修改成什么样子，但是我们要让我们的R包也修改了呀，要怎么办呢？打开红框里面的函数这个函数就是我们要修改的，然后对要修改的代码进行修改，修改好了点击保存。然后打开服务器，在自己的文件夹下面创建一个文件，我创建的文件名是。

【亲测免费】 scMetabolism 开源项目快速入门教程

gitblog_00555的博客

08-19

672

--- ## 一、项目目录结构及介绍 scMetabolism 是一个专注于单细胞分辨率下代谢活动量化和可视化的工具。其GitHub仓库的典型目录结构反映了其功能组织和开发规范。虽然具体的内部文件列表未在您的提问中详细列出，但通常包含以下几个关键部分： - `R/`: 这个目录存放着R语言编写的函数文件，是实现核心计算逻辑的地方，比如代谢活性的计算方法。 - `data/`: 存放示例数据集...

go kegg_GO 和 KEGG 的区别 | GO KEGG数据库用法 | 基因集功能注释 | 代谢通路富集

weixin_30883241的博客

12-28

1691

一直都搞不清楚这两者的具体区别。其实初学者搞不清楚很正常，因为它们的本质是相通的，都是对基因进行归类注释的数据库。建议初学者自己使用一下这两个数据库，应该很快就能明白其中的区别。(抱歉之前没讲清楚，甚至有可能误导大家了)以下以一个案例来详细说明两者的区别：推荐一个没有任何基础的人都能使用的gene set注释工具1234567891011121314151617181920212223242526...

整理NAD+代谢相关基因

庐州月光的博客

04-18

4290

欢迎关注”生信修炼手册”!在ALS患者NAD+基因预后模型的文献中，提供了NAD+代谢相关基因的集合来自KEGG和Reactome两个数据库，本文主要介绍下从这两个数据库获取基因列表的方法1. KEGG在该数据库中，代谢通路hsa00760表示烟酸和烟酰胺代谢通路，链接如下https://www.genome.jp/dbget-bin/www_bget?pathway+h...

生信学习之通路富集二（通路打分）

coffeeii的博客

04-26

1552

通路打分

scMetabolism 项目推荐

gitblog_09077的博客

09-13

505

利用KEGGREST包提取所有代谢相关的基因

arrhythmia08的博客

05-19

5108

KEGG上的基因数量和通路数量都是不断更新的，所以KEGGREST包能提取的基因数量也在不断变化。我去年运行的时候总基因8192个，现在已经有8443个了，以后也会不断增加。KEGG官网上也有少量的代谢通路不以00开头，以01开头。数量太少，且不是重要的通路，所以我省略了。想要提取更全的基因基的朋友可以自己加上。写笔记主要是为了自己进步，也是方便自己查看。R语言新手，如有不对请指正。

代谢通路基因单细胞

03-21

### 生物信息学单细胞测序数据分析工具及相关方法 #### 单细胞测序数据分析工具单细胞测序技术的进步使得科学家能够以前所未有的分辨率解析复杂组织中的细胞异质性。对于单细胞转录组数据的分析，常用的工具有 Seurat 和 Scanpy。Seurat 是一种 R 包，提供了强大的功能来处理和可视化单细胞 RNA 测序数据[^4]。它支持降维、聚类以及差异表达分析等功能。Scanpy 则是一个基于 Python 的库，同样适用于大规模单细胞数据集的分析，并且可以轻松与其他科学计算生态系统集成。 #### 代谢通路分析工具针对代谢通路的研究，有多种生物信息学工具可供选择。例如 iMeta 提供了一个综合平台用于微生物群落及其代谢活动的研究，其中包含了 MetOrigin 这样的专门工具用来探索代谢组学数据背后的潜在机制[^1]。此外，KEGG (Kyoto Encyclopedia of Genes and Genomes) 数据库也是广泛使用的资源之一，在这里可以通过查询已知路径来理解新的实验发现如何映射到现有的生化反应网络上。 #### 基因表达与模块识别 WGCNA（Weighted Gene Co-expression Network Analysis）是一种常被应用于基因共表达网络构建的方法，其核心在于识别那些在不同条件下共同变化的一组基因——即所谓的“基因模块”。这种方法不仅有助于揭示基因之间的相互作用关系，还可以进一步挖掘这些模块与特定表型之间可能存在的联系[^2]。 #### 质谱为基础的单细胞蛋白组学随着技术进步，现在也出现了像 SCoPE2 或 Mad-CASP 等新型 MS-SCP （Mass Spectrometry-based Single Cell Proteomics）工具，它们极大地提升了我们对单个细胞内部蛋白质组成情况的认识水平。这类技术特别适合于深入探究诸如肿瘤异质性和干细胞分化过程中涉及的关键调控因子等方面的问题[^3]。 ```python import scanpy as sc adata = sc.read_10x_mtx('./data/') # 加载数据 sc.pp.filter_cells(adata, min_genes=200) sc.pp.normalize_total(adata, target_sum=1e4) sc.pp.log1p(adata) sc.tl.pca(adata, svd_solver='arpack') sc.pl.pca_variance_ratio(adata, log=True) ``` 上述代码片段展示了利用 Scanpy 对单细胞 RNA 序列数据执行预处理操作的一个简单例子，包括过滤低质量单元格、标准化计数矩阵并转换为自然对数值形式等步骤之后再进行主成分分析以减少维度便于后续聚类等工作流程的一部分实现方式。