单细胞降维聚类

原创 已于 2022-06-12 17:57:10 修改 · 1.5k 阅读 · 5 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#生物信息学

于 2022-03-22 21:36:15 首次发布

单细胞数据最常用的聚类方法有两种，t-SNE和UMAP (Uniform Manifold Approximation and Projection (T-distributed Stochastic Neighbor Embedding)，选择哪种方法进行可视化在最开始是非常纠结的，因为选择哪一个都不能说错，搜集了一下描述降维聚类的方法，看着看着就放弃了，但还是整理了一些比较有用的资源。

1. UMAP， tSNE和PCA聚类结果的比较

单细胞数据降维可视化最新工具UMAP的介绍_中国生物器材网

2. UMAP降维算法原理详解和应用示例_deephub的博客-优快云博客_umap

3.R语言实现UM

最低0.47元/天 解锁文章
单细胞数据分析（三）：单细胞聚类分析
专注生信领域
10-29 1451
本文介绍了单细胞聚类分析的基本概念及其在单细胞RNA测序（scRNA-seq）数据中的应用。单细胞聚类分析通过将具有相似基因表达模式的细胞分组到不同的簇中，帮助识别细胞类型、状态和功能。文章详细展示了使用R语言中的Seurat包进行单细胞数据聚类分析的步骤，包括数据加载、降维、聚类和结果可视化。通过FindNeighbors和FindClusters函数，文章展示了如何基于降维数据进行细胞聚类，并选择合适的分辨率值。
单细胞降维聚类分群注释全流程学习(seruat5/harmony)
zfyyzhys的博客
09-07 4176
单细胞降维聚类分群注释全流程学习(seruat5/harmony)
NBIS单细胞教程：降维聚类（四）
songyi10的博客
08-26 2398
此文章是通过学习瑞典国家生物信息学基础设施(NBIS) 所开放的单细胞分析教程加上网上所查找的资料，自身的理解所形成的，可能会有不足之处。该部分是使用整合后的PCA来进行聚类。参考来源：https://nbisweden.github.io/workshop-scRNAseq/labs/compiled/seurat/seurat_01_qc.html感兴趣的话可以阅读原文。......
单细胞亚群降维聚类分群
Bio大恐龙
12-25 2596
单细胞亚群降维聚类分群，R语言
[单细胞|R]单细胞降维聚类
F_zero_T_hero的博客
02-13 3410
单细胞相关分析目前可谓是一颗明珠，故根据之前参加的培训整理系列常规教程。
单细胞——从降维聚类分群、细胞命名、到批量富集分析，一文打通GSE104154博来霉素小鼠模型单细胞数据
生信小博士的博客
07-02 2286
【代码】单细胞——从降维聚类分群、细胞命名、到批量富集分析，一文打通GSE104154博来霉素小鼠模型单细胞数据。
scanpy单细胞转录组python教程（四）：单样本数据分析之降维聚类及细胞注释
最新发布
qq_42090739的博客
08-10 697
本文介绍了使用scanpy进行单细胞转录组分析的降维聚类和细胞注释流程。首先通过PCA降维并可视化主成分贡献，然后使用不同分辨率参数（0.2-1.0）进行Leiden聚类。通过Wilcoxon检验鉴定marker基因，并基于经典marker基因手动注释细胞类型。最后对低质量细胞群进行过滤，并重新计算邻居图和UMAP可视化。流程中包含PCA方差分析、多分辨率聚类比较、marker基因筛选和基于UMAP的细胞类型可视化等关键步骤，为后续分析奠定基础。
单细胞数据高级分析之初步降维和聚类 | Dimensionality reduction | Clustering
weixin_34064653的博客
05-28 3354
个人的一些碎碎念： 聚类，直觉就能想到kmeans聚类，另外还有一个hierarchical clustering，但是单细胞里面都用得不多，为什么？印象中只有一个scoring model是用kmean进行粗聚类。（10x就是先做PCA，再用kmeans聚类的） 鉴于单细胞的教程很多，也有不下于10种针对单细胞的聚类方法了。 降维往往是和聚类在一起的，所以似乎有点难以区分。 PCA到底是...
使用机器学习算法实现单细胞测序数据的降维及聚类(一)
今天练习代码了吗的博客
11-29 4861
机器学习在单细胞聚类中的应用
NBIS单细胞教程：降维（二）
songyi10的博客
08-24 1396
参考来源：https://nbisweden.github.io/workshop-scRNAseq/labs/compiled/seurat/seurat_01_qc.html感兴趣的话可以阅读原文。
单细胞聚类方法
Eyno的博客
03-01 2905
Partitioning-based clustering kmeans：K均值 论文链接 res <- kmeans(t(data), centers = 9) adjustedRandIndex(res$cluster, meta$label) plot(res$centers, col = topo.colors(4)) tsne_out <- Rtsne(data) plot(tsne_out$Y, col = topo.colors(4)) SAIC：在聚类迭代过程中结合k-mea
k-means聚类算法及matlab代码-SAFEclustering:SAFE（来自Ensemble的单细胞聚合聚类）：单细胞RNA-seq
05-21
k-means聚类算法及matlab代码安全聚类 SAFE（来自Ensemble的单细胞聚合聚类）：单细胞RNA-seq数据的聚类集成 尽管最近已经开发出几种方法来使用单细胞RNA-seq（scRNA-Seq）数据对细胞类型进行聚类，但它们利用了数据的不同特征，并且在聚类数量和实际聚类分配方面均产生了不同的结果。 在这里，我们介绍了SAFE聚类，单细胞聚合（来自Ensemble）聚类，这是一种灵活，准确且可靠的聚类scRNA-Seq数据的方法。 SAFE聚类将多种聚类方法的结果作为输入，以构建一个共识解决方案。 SAFE聚类目前嵌入了四种最先进的方法，即SC3，CIDR，Seurat和t-SNE + k -means。 并使用三种基于超图的分区算法将这四种方法的解决方案整合在一起。 SAFE聚类由Yuchen Yang []和Yun Yun []维护。 新闻与更新 2020年9月7日 2.00版已发布 SAFEclustering中使用的Seuart版本已更新为版本3。Seuratv.2不再兼容 SAFE聚类仅接受计数数据。 其他格式，例如FPKM，CPM和RPKM不再兼容 2018年
R语言-单细胞聚类调用SC3包
03-31
调取用于单细胞数据一致聚类的SC3包的小程序 包含详细的说明
sccaf:单细胞聚类评估框架
05-06
SCCAF：单细胞聚类评估框架 单细胞聚类评估框架（SCCAF）是一种从单细胞RNA-seq（scRNA-seq）数据自动识别推定细胞类型的新颖方法。 通过将聚类和机器学习方法迭代应用于给定细胞组的基因表达谱，SCCAF同时识别出不同的细胞组以及每个组的特征基因的加权列表。 在特定细胞群中过表达的特征基因共同将给定的细胞群与其他细胞区分开。 每个这样的细胞组对应于假定的细胞类型或状态，其特征是特征基因作为标记。 要求 该软件包要求取决于您要安装的方式（这三个都是独立的，您不需要所有这些要求）： pip：如果安装通过pip完成，则需要安装Python3和pip3。 Bioconda：如果安装是通过Bioconda完成的，则您将需要。 Docker容器：要从其Docker容器中使用SCCAF，您将需要安装 。 源代码：要直接从源代码使用和安装，您将需要git，Python3和pip。
ClusterMap：ClusterMap是一个R包，用于分析和比较两个或多个单细胞表达数据集
02-18
集群图 ClusterMap是一个R包，旨在分析和比较两个或多个单细胞表达数据集。 请引用：高X，胡D，果果M，李H。ClusterMap：比较不同实验条件下的多个单细胞RNA-Seq数据集。 生物信息学。 2019. doi：10.1093 / bioinformatics / btz024。 安装 R（> = 3.4.3），Seurat（> = 2.2.1），pheatmap（> = 1.0.10），ape（> = 5.1），circlize（> = 0.4.3） install_github( ' devtools ' ) library( ' devtools ' ) install_github( " xgaoo/ClusterMap " ) library( ' ClusterMap ' ) 教程
机器学习--单细胞聚类(一)
今天练习代码了吗的博客
12-16 4732
Challenges in unsupervised clustering of single-cell RNA-seq data Vladimir Yu Kiselev , Tallulah S. Andrews and Martin Hemberg * ...
机器学习--单细胞聚类(二)
今天练习代码了吗的博客
12-17 4238
本篇仍旧看一篇综述 机器学习和统计方法在单细胞测序数据聚类中的应用 Machine learning and statistical methods for clustering single-cell RNA-sequencing data Raphael Petegrosso, Zhuliu Li, Rui Kuang Dimesion Reduction 1.PCA投影的特征向量(主分量)与协方差矩阵的最大特征值相关联的数据点，以保留原始数据的大部分方差。例如，pcaReduce在聚类之前投射一个
单细胞聚类SC3
weixin_42889479的博客
10-06 3957
使用SC3进行单细胞聚类 sc3安装过程见链接 SC3源码及其安装过程 提醒： （1）本主使用R3.6.3版本的R包（推荐使用，这样问题最少）。 （2）第一次尝试使用，会报少了啥啥包的错误，使用install.package(“包名”)一个个安装。 （3）scater包安不上，使用如下代码进行安装： //sacter安装不了的解决方法（如果BiocManager装了，直接第二句话代码） if (!requireNamespace(“BiocManager”, quietly = TRUE)) instal
单细胞分析：细胞聚类（十）
冷冻工厂
11-20 4411
导读 前面我们已经整合了高质量的细胞，现在我们想知道细胞群中存在的不同细胞类型 ，因此下面将进行细胞聚类分析。 全部流程 学习目标 描述评估用于聚类的主成分数量的方法 根据重要的主成分对细胞进行聚类 1. 目标 生成特定细胞类型的簇并使用已知细胞类型的标记基因来鉴定簇的身份。 确定簇是否代表真正的细胞类型或是由于生物学或技术变异而产生的簇，例如细胞周期 S 期的细胞簇、特定批次的簇或具有高线粒体含量的细胞簇。 2. 挑战 生物或技术问题可能会导致鉴定出质量差的簇识别每个簇的细胞类型需要保持耐心，因
R语言降维聚类，细胞类型注释
01-25
### 使用 R 语言进行单细胞数据降维聚类并实现细胞类型注释 #### 数据准备 为了执行有效的降维聚类分析，在开始之前需准备好必要的输入文件，这些通常包括 `genes.tsv` 文件（或称为 `features.tsv`）、`barcodes....
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值