jl19930703的博客

Healthy-like 样细胞的鉴定

欢迎批评指正

scATAC-seq

欢迎留言

欢迎ArchR的爱好者们的留言交流讨论

TF的Footprint

2）greenleaf文中的对这一部分的描述如下：We used the cell-by-peaks and the Catalog of Inferred Sequence Binding Preferences (CIS-BP) motif (from chromVAR motifs ‘human_pwms_v1’) matches within these peaks from motifmatchr ”matchMotifs(positions=out)“可视化一段序列某个位点的保守性；

#markerMotifs <- markerMotifs[markerMotifs %ni% "z:SREBF1_22"] 过滤掉很像但不是EBF1的Motif。> projHeme2 <- addGroupCoverages(ArchRProj=projHeme2, groupBy="celltype") #构建拟混池重复。> markerMotifs <- grep("z:", markerMotifs, value = TRUE) #用grep函数只提取对应特征的z-scores。

为了能跟模仿出greenleaf团队的形式：先看看作者在文献中的描述把：首先将片段读取到R中的GenomicRanges对象中。3) useMatrix = "TileMatrix"将鉴定对特定细胞组高度特异性的基因组区域，并useMatrix = "PeakMatrix"鉴定对特定细胞组高度特异性的峰。GRanges与IRanges相比，它可以定义序列名称，包括起始点及终止点的长度信息，正负链，或者他们的score值和GC值等；在以CD14为对象时的矩阵。100bp的平滑）每100bp可视化一次。

个人对ArchR和ATAC的理解，欢迎批评指正

先计算一个：TF-IDF矩阵，然后输入irlba SVD,前50个SVD维度用作Seurat对象的输入，并使用Seurat的SNN图FindClusters执行初始聚类，分辨率为1.5（其中健康造血采用25个SVD）。我们发现，在某些情况下，实验之间存在批量效应，为了最小化这种影响，我们确定了初始cluster中前50000个可变的peak峰（并进行测序深度矫正的CPM转换，edgeR log(每百万计数)），使用这50000个可变峰(即PeakMatrix)对稀疏二值化矩阵进行子集，