- 博客(186)
- 收藏
- 关注
RSS订阅原创 decontX：单细胞转录组分析去除环境污染RNA
通俗的来讲，在基于液滴的单细胞RNA-seq实验中，稀释液中总会存在一定量的背景mrna，例如你在裂解组织的时候，不不可能100%获取活性单细胞，总有一些细胞的裂解导致基因释放，这些mrna随细胞一起分布到液滴中，并随细胞一起测序。今天我们要说的是decontX，在我个人的使用中，我的感觉第一decontX使用后太方便了，非常的简单，第二则是我演示的数据中效果极好。我发现在这个数据中，去除的cell都是一些边缘化的细胞，或者散落在其他群的细胞，以及有一个Other，是新多出来的群。
2025-03-02 13:22:05
425
原创 （更新）复现Cell子刊图表：GSEA多组结果可视化函数
此外，小伙伴在使用过程中也发现了一些问题，主要是某些情况下会导致数据错误。基于此，以及这篇Cell子刊的文章，我们对函数进行了大的调整。第一：解决了小伙伴所说的问题。第二：区分了上下调，也就是NES是否大于0，用不同颜色表示。第三：仿照Cell子刊文章，增加一些注释，例如箭头等。第四：取消了气泡图，当然在函数中还是存在的，最终效果需要自己调整。关于GSEA的可视化。之前我们发布过一个函数(这样这个函数就可以了.
2025-03-02 13:20:10
187
原创 cellphonedb v5受配体多组比较气泡图（原创函数）
因为cellchat比较好入手，所以先开刀。很多小伙伴说有没有cpdb的，其实在写函数之初，我们就考虑到了，只不过先从cellchat好入手，本来以为套用可能大差不差，结果cpdb在数据上有很大出入，所以这次费了点时间。However，最终效果刚刚的！函数主体：也是支持多组，支持自选受配体，自选pathway，自定义分类！参考：函数B站解说视频（一定要看使用方法哦！前面我们发布了关于cellchat的函数(测试2：自选受配体，自定义分类！看看演示：load data。
2025-03-02 13:20:01
155
原创 （视频教程-原创函数）Cellchat受配体多组比较气泡图函数
但是限制是最多只能进行三组的比较。小伙伴也强烈要求更新多组分析。其实在第一版函数完成后，我们就考虑到了这个问题，也有这个意向，并在睡觉前冥想了一下思路，所以比较顺畅，连夜进行了函数更新！看看更新函数：此次更新不仅可以进行多组比较了，还能够自选受配体！
2025-03-02 13:19:45
219
原创 scFEA：单细胞转录组代谢通量分析
这次要介绍的scFEA(单细胞通量估计分析)也是基于单细胞转录组进行分析的。scFEA由人类代谢图谱作为重点代谢模块、利用scRNA-seq数据通量平衡约束的新型概率模型和基于图神经网络的新型优化求解器提供支持。利用多层神经网络捕获了从转录组到代谢组的复杂信息级联，以服从酶基因表达与反应速率之间的非线性依赖关系。具体原理感兴趣的可以读文章！我们演示了它的分析流程，以及一些下游可视化分析！相比于scmetabolism评分方式，scFEA的结果可能更具有优势！
2025-03-01 16:05:37
237
原创 (视频教程): Monocle2安装包测试、分析流程及可视化修饰
经过我们的测试发现，安装monocle 2.26.0修改版在R 4.2中，无论是服务器还是本地电脑的运行中，ordercell和BEAM都不会出此案错误，但是在R 4.3中，ordercell没有问题，BEAM依然报错，可见2.26.0修改版与R版本有些关系。那么如果是R4.3，总不能为了monocle降级吧，我们测试发现monocle 2.32.0 在R 4.3中Ordercell没有问题，BEAM有问题，所以对2.32.0也做了修改版，让其在R 4.3中运行无障碍。希望我们的流程对您有所帮助！
2025-03-01 16:04:24
446
原创 (视频教程): Monocle3分析流程-分析简化函数和可视化函数
，那么monocle3也不能落下，毕竟不能厚此薄彼，有小伙伴也是有需求。所以我们紧接着制作了这部分内容。主要做了两个事情，第一是对流程进行了讲解，第二是写了两个函数，一个是分析函数，一个是热图可视化函数，主要的目的还是为了简化工作。至于monocle3其他的内容强参考之前的帖子。首先是分析过程，monocle3的分析其实很简洁；刚刚更新完monocle2的视频教程（
2025-03-01 16:03:23
181
原创 基于cellphonedb互作分析：弦图展示细胞互作受配体对结果（一键函数）
我们之前介绍过一个函数（）：原文当中是基于cellchat结果的展示，我们参考原文提供的代码，进行了修改升级，完成了一个函数，能够轻松进行需要的可视化。感兴趣可自行修改，让其适用于更广的范围！image.png。
2025-03-01 16:02:18
385
原创 单细胞marker基因表达密度图-(还有一个包装函数）
我们借助Nebulosa，将上面的过程包装为一个函数，还是那句话，受累麻烦的事我们来解决，您轻松即可，先看看函数参数：需要注意的是，如果你只想框选某一类celltype，理想模式是这群celltype是单独聚类的，没有散落在其他类群，否则将会全部框选，效果不好，建议使用AI/PS添加。需要注意，这里我算是投机取巧了，用了一个和这个作图毫无关系的包ggnetwork，主要的目的是用他的theme_blank()主题，一次性将所有清空，当然也可以自己慢慢写，不过有现成的，为啥不用呢？这质感不就上去了嘛。
2025-03-01 16:00:01
319
原创 （视频教程）Compass代谢分析详细流程及python版-R语言版下游分析和可视化
不想做太多的前情解说了，有点累了，做了很久的内容，包括整个分析，从软件安装和报错解决到后期下游python版-R语言版下游分析和可视化！单细胞代谢分析我们写过很多了，唯独少了最“高级”的compass，有很多小伙伴需要，终于出了！Compass是一篇cell文章提出的方法，单细胞、bulk中都可以进行分析。4、有些小伙伴不会用python或者不习惯，所以出了R版的下游分析及可视化。2、分析流程测试，包括正常的分析和micropooling的测试。3、python版下游分析及可视化。
2025-03-01 15:58:49
536
原创 【一键函数】单细胞marker基因平均表达量热图函数
这是一个集成的函数，很多小伙伴被一些美图”迷了眼“，需要这样、那样的形式。单独做又很麻烦，且容易出错。要求既要这样展示，又要那样展示。所以我们直接做了一个集成的函数，完成一些美丽的可视化，尽力满足需求。这里要展示的单细胞marker基因平均表达量热图，按理来说有很多教程，可是有些小伙伴在热图注释、顺序调整、热图美化上面晕头转向，所以我们熬点夜解决这个问题。[图片上传中...(image-96eed5-1734509619995)]
2025-03-01 15:57:42
234
原创 复现SCI图表：适用于cellchat v2和cpdb v5的细胞互作受配体分组气泡图
图是关于互作分析受配体的展示。横轴是source cell，纵轴是受配体对，展示了每个source与其他细胞的互作，也展示了每个组之间结果。其实看图就可以想到，用分面图就ok了，实际操作过程发现和我们之前的内容几乎一样(那么这两个方式可以整合到一个函数中嘛？可以呀，但我实在不行弄了，单个分开挺好的。所以就不需要大家费劲的一步步操作，直接写成函数，当然了，
2025-03-01 15:56:44
306
原创 Scanpy单细胞h5ad数据转化为Seurat对象
一般而言，R分析单细胞使用Seurat，python分析单细胞使用Scanpy，都是很好得工作。可是有些时候，我们希望两者之间进行转化，或者更多的情况是可以自由切换进行数据分析。因为我们没有scanpy构建的数据，以及考虑到一些包的更新，方便转化过程中一些error的解决，所以我们按照官网流程走了一遍scanpy分析，流程在文后，开头先上重点内容吧！一、SeuratDisk: 推荐指数⭐⭐⭐⭐。二、anndataR: 推荐指数⭐⭐⭐。三、schard: 推荐指数⭐⭐⭐⭐⭐。
2025-03-01 15:55:49
263
原创 【改装函数】弦图-可视化cellphonedb细胞互作结果
我们通过对cpdb结果的整合得到cpdb_pbmc_summary，这里我们对结果进行可视化，主要是弦图的可视化，看了一下，之前好像对于cpdb没有做过太多的弦图。为了方便，我们借助了R包和一些文章，然后进行了修改，包装为可视化函数，方便使用。有一个包italk也是分析互作的，但是我觉得它的可视化还挺好，可以直接拿来用，之前也演示了cellchat的结果，这里我们将LRPlot函数进行修改，能够适用于于我们的分析可视化：展示不同细胞之间的互作，以及受配体对，如果需要展示特定的，可以自行筛选数据！
2025-03-01 15:55:04
252
原创 【视频教程】Cellphonedb v5更新：python版Scanpy单细胞分析后续之cpdb细胞通讯
之前我们演示cpdb分析的时候侧重的是R分析seurat对象准备input data，小伙伴提到“我单细胞一开始就是用scanpy分析的，怎么进行CPDB分析呢？cpdb分析counts_file_path参数可以是表达矩阵，也可以是单细胞分析结果h5ad对象。但是矩阵是normalize后的，我们演示使用的数据还是scanpy官网教程中PBMC的数据，数据没有任何生物学意义，仅仅作为cpdb流程演示。），以及seurat转h5ad的多个方式，所以他们之间不存在隔阂了，搞不定互相转化就好了。
2025-03-01 15:52:07
213
原创 【视频教程】Cellphonedb v5更新：python版Scanpy单细胞分析后续之cpdb细胞通讯
之前我们演示cpdb分析的时候侧重的是R分析seurat对象准备input data，小伙伴提到“我单细胞一开始就是用scanpy分析的，怎么进行CPDB分析呢？cpdb分析counts_file_path参数可以是表达矩阵，也可以是单细胞分析结果h5ad对象。但是矩阵是normalize后的，我们演示使用的数据还是scanpy官网教程中PBMC的数据，数据没有任何生物学意义，仅仅作为cpdb流程演示。），以及seurat转h5ad的多个方式，所以他们之间不存在隔阂了，搞不定互相转化就好了。
2025-03-01 15:51:21
185
原创 复现NC图表：二分图 (bipartite plot) 网络绘制（三种方法）-应用于细胞互作受配体展示-调控网络展示等等
如题，这个标题有点长，首先我们需要展示的图是bipartite plot，中文有叫二分图、连线图的，总之就是展示两组之间网络关系。可以应用的地方有很多，不只是我们介绍的互作关系、或者ligands-target。起源是一篇《nature communications》文章的图，它展示的是ligand于targets。原文提供了代码，可以学习！ggraph，首先相比于igraph，在很多设置上因为与ggplot互通，所以会简单很多，没有那么复杂，可操作性更强。layout可以自己设定，也可以参照上面的！
2025-03-01 15:49:49
291
原创 【我想要风一样的自由】高级网络图绘制函数
近期也有小伙伴问道类似的图，因为原图最麻烦的地方在于节点和边的调整，也就是layout调整，基础一般的小伙伴会出现很多问题，我实在不想再受麻烦了，所以整函数吧，只需要按照要求输入数据，其他的交给函数。同时，我们的函数要的就是自由，这个网络图的调整和layout位置上，给予了最大的自由，你随意整，爱咋排列咋排列！首先看看函数主体：如果你实在很懒，大多数参数都给默认了，唯一要求的就是自己调节位置，数据按照我们的要求整理！TF-target关系测试，还是完美！测试2，通路与基因：还是完美！看看测试效果：完美！
2025-03-01 15:44:35
181
原创 marker基因注释热图可视化函数（视频教程-通用函数）
这里我们可能会发现一个问题，明明是每个celltype10个gene，为什么行注释好像不是很对，这是应为有些基因不仅在一 中celltype中高表达，而数据是按照表达从高到低排序的，所以才会出现这个问题，可以自行调整注释的数目，或者不采用注释等。接下来我们看看函数具体的使用，首先我们用一个ATAC TF分析的数据，这个矩阵是已经导出的，行是celltype，列是TF。需要注意一下，函数有一个参数data_scale，假设你的数据不需要scale标准化，那么参数选择T，作图使用你的原始数 据。
2023-10-11 14:18:55
1084
原创 (视频教程）Complexheatmap做热图之设置不一样的注释效果
热图我们号的热图系列已经写的很完善了，也写过其他的热图，随便在公众号检索关键词”热图“就有很多，这里就不再列举了。近期关注我们号的小伙伴应该了解，我们最近出的作图函数基本上都是采用点的注释，而很多文章中的热图也是这种形式，可能是有PS，但是我们还是可以使用函数代码实现，所以这里我们写一下。这里我们的示例数据是单细胞，其他数据也是一样的，我们只不过是利用单细胞数据构建一个作图的矩阵而已，作图使用的是Heatmap函数。调整下列的顺序：。作图：。
2023-10-11 14:10:04
676
原创 （视频教程）单细胞转录组多组差异基因分析及可视化函数
接下来我们测试一下：这里差异基因的分析使用的是Seurat的Findmarkers函数，所以一些参数和Findmarkers是一样的，自行调节。最好可以将logfc.threshold和min.pct设置为0，这样就可以获得所有的基因，这个结果我们函数是直接保存在相关路径中的，那么这么做有什么用呢？很显然，由于不知道差异结果如何，所以上面的图参数没有调整，不是很好，我们需要进行细节调整。显然是很麻烦的，我们可考虑到这个问题。此外，我们直接将差异基因的分析和可视化包装成一个通用的函数，函数有一定的可调节性。
2023-08-28 14:12:06
2649
原创 （视频教程）单细胞marker基因展示值等高线密度图
原文作者有很多的函数上传到github，自行下载原文查看，还是有很多好代码的，但是它的代码并不能满足我们复杂的作图。而且数据完全不一样。不过它图的修饰和颜色可以参考。但是小伙伴发现这个图只有表达的细胞上面添加了等高线密度。所以这里我们修改一下，其实很简单，只需要调整密度的表达量阈值即可。然后是多个marker的展示：增加ncol参数。最后看一下UMAP降维的数据：。接下来我们看看具体的效果。
2023-08-28 14:09:13
1015
原创 专治疗懒病：GO、KEGG富集分析一体函数
演示了差异基因KEGG或者GO的分析流程。其实差异基因的富集分析输入的文件只需要一组基因就可以了。所以我们发挥了专治懒病的优良传统，将KEGG、GO（BP、CC、MF）的分析封装为一个函数，您只需要提供gene，选择物种即可，只有human和mouse。而且一次性完成KEGG和GO分析结果，免去了分析两次的麻烦。这里我们直接用向量提供了基因。如果您的文件是差异基因，很好弄，只需要$符号传入gene symbol那一列即可。有需要的可以试一下，总之是为了省时省力，那些在线的分析工具的底层原理也就是这样。
2023-08-10 20:20:23
987
原创 复现Cell图表：pyscenic分析之转录因子二项值热图
今天我们复现一篇cell子刊的图表，这篇文章有一副关于转录因子的图表，观察这个图有什么特点呢？第一是热图是二项值热图，只有0，1两个值，我们知道，在R语言版本的SCENIC分析中，最后可以得到二项值热图，那么pyscenic的分析结果中也是可以进行二项值分析并做热图的。第二是热图左侧注释有auc值的注释，热图是按照分组split的，而且两组的celltype分布是对称的。第三则是左侧行名的展示。我们的复现结果如下，因为数据是随意挑选的，所以结果看上去没有原图那么明显，但是所有的元素我们都完成了。
2023-08-10 20:18:43
935
原创 pyscenic分析：视频教程
我们也说过，我们号是放弃R语言版的SCENIC的分析了，因为它比较耗费计算资源和时间，所以我们的单细胞转录因子分析教程都是基于pyscenic的分析进行的。有些说想知道整个运行过程是怎么样的，所以我们出了这个视频教程，演示整个pyscenic的流程。我们的这个视频从数据准备、软件安装、步骤分析、镜像分析等等方面，展示了pyscenic分析的过程，最终得到分析结果。得到分析结果之后，那么后续的内容也就好办了，我们也写了很多的R语言版的分析和可视化，以及python版本的分析可视化。
2023-08-10 20:17:44
2453
原创 玩转单细胞(10)：替换单细胞Seurat对象UMAP坐标
今天这个帖子的起因是这样的。有小伙伴说自己在GEO数据库上看中了一个单细胞数据，作者提供了样本的表达矩阵，还提供了注释好celltype和坐标信息的metadata。小伙伴利用这个数据并不是想重新分析，而是想要原文作者一模一样的聚类降维，然后进行一些比较，所以说是想还原这个数据。如果不是原文作者提供了包含cell type和细胞坐标信息的metadata，那么还真不能，但是有数据就好办了。看这个图和原文还有差距比较大的，我们将原文作者的celltype信息合UMAP坐标信息替换一下。
2023-07-19 13:57:15
4200
原创 ggraph做环形网络互作图---一个简单的例子
这里我们以基因互作演示一个简单的网络图示意。第一：基因按照分组展示。第二：上下调基因也区分展示出来。其实，就是一个非常简单的网络图，很基础，主要是为了熟悉下网络的设置等等。首先准备网络数据，我这里是 STRING网络分析的结果。最后构建ggraph作图数据。ggraph作图重要的是构建好作图数据。ggraph是ggplot2的拓展包，所以作图设置和ggplot类似。不同组的基因按照不同的颜色区别，上下调基因按照节点边框颜色区分。本贴示例数据及详细注释代码已上传群文件，请自行下载。
2023-07-19 13:55:31
1673
原创 注释气泡图函数（更新）
主要更新的内容是一些之前遗留的疏忽错误，例如气泡过大的问题等等。此外小伙伴反应之后，我们也发现，之前的函数在做单细胞气泡图的时候函数没有提供修改因子顺序，因为order=T设置之后导致气泡是按照从大到小排列的。这个函数还是受到很多小伙伴的喜爱的。可以看到，顶部分组排序是按照首字母排序的，数据不是从到大到小从左到右排列。那么order参数选择F，用level设置自己需要的顺序，groups也是可以设置的。为了演示，我们换一个数据，其他的内容不变，只演示单细胞的内容。我们先按照默认的做一下，order=T。
2023-07-19 13:53:48
1282
原创 复现Nature图表：GSEA分析及可视化包装函数
后来干脆一不做二不休，写一个函数吧，有差异分析结果即可，可视化也是一键出结果。我们此部分一共有两个函数，一个是KS_GSEA，作用是进行转录组数据GSEA分析，提供clusterProfiler和fgsea两种R包分析方式，KS_GSEA适用于human和mouse两个物种，支持KEGG、GO（BP）的GSEA分析。NES
2023-07-19 12:22:39
2250
1
原创 复现SCI图表：Cellchat多组结果受配体结果气泡图可视化
其实到这里就差不多了，x轴的label、已经legend都可以通过AI的形式修饰，这样还最简单，当然了，提取数据后用ggplot2按照我们之前很多帖子的方式，也是可以完成的，但是我觉得没必要了。小伙伴的问题所在于横坐标是每个celltype下包含每个分组，其实但凡思考一下，或者自己摸索过就会一眼看出，这就是cellchat多组结果的可视化，这也就是我第一眼就说这是cellchat默认做的图。可是我们也知道，cellchat流程很繁琐，如果我一个一个的去做太费劲，这里3各样本还好，假设是5个六个不得烦死。
2023-07-06 18:25:29
2484
原创 GO、KEGG（批量分组）分析及可视化
第二个问题是有小伙伴发来图让复现，是富集结果的展示，乍一看很复杂，既是网络图，又是多组的，其实很简单，clusterProfiler多组富集分析和enrichplot早就解决了这个问题。我们演示的时候都是直接提供了富集的结果文件，一般演示为了图方便，也是利用在线工具cytoscape做的。是网络的形式，GO、KEGG结果都可以展示，还是可以。首先我们做一下单独的GO、KEGG分析，这里我们使用的是引用很高的，基本上人人都在用的余老师的R包-clusterProfiler，相信大家都很熟悉了。
2023-06-29 11:02:15
3155
1
原创 复现Immunity文章图表：分组雷达图展示富集结果
首先我们分析了一组数据的差异基因，利用上下调差异基因做了GO富集，展示相关的结果。后来有小伙伴反应说有比这个更好的雷达图，是一篇Immunity上的文章，也是利用雷达图展示通路富集的结果，其实也是一样，只不过是分组了，我们还是用fmsb包进行复现。当然了也有其他的包做雷达图，例如ggradar或者ggplot2也能实现，感兴趣的可以自行探索，我们就不再深究了，这个展示应用还是可以的。我们整理一下，挑选需要的通路进行展示。复现基本上90%是完成了，但是有一点没有，就是点用渐变来实现，不知道这个包有没有办法。
2023-06-25 16:30:17
451
原创 UMAP/TSNE降维图结合细胞比例饼图
总之，这个图还是很有用的，一个图展示了多个信息，但是凑图这个路被堵死了[图片上传中...(image-152128-1687142947490-4)]然后计算细胞比例，添加上每个细胞群中心位置，用于添加饼图。也可以添加上细胞群的数量，后面做一个相对化处理，用来表示饼图大小，这个图就会更加生动。在这样就完成了，感兴趣的小伙伴可以在自己文章里面展示起来了。本来是一个简简单单的小破图， 可是需求这个东西是无穷无尽的，以后可不敢乱提了。最后，将细胞比例也展示在饼图山，这样就完美了。
2023-06-19 10:51:47
874
原创 复现Science图表：细胞通讯受配体配对连线表达图（cellchat、cellphonedb）
之前微信群发布了一个图希望我们复现，是一篇science子刊的文章。展示的是细胞通讯的受配体对的表达情况。原文的方法部分描述如下，可以看出，作者展示的是cellchat结果的受配体对。但是我想cellphonedb的结果也是可以这样展示的。学习这一节的内容，其实不仅仅是这个图的复现，还是对ggplot2作图各种情况的处理，以及学习拼图。学习的时候也可以注意这些细节。复现这个还是花费了一番功夫，复现结果如下，结果最后需要用AI稍微排版一下，效果就更完美了。详情请至我们的公众号---KS科研分享与服务。
2023-06-16 13:16:10
1108
原创 scPred：单细胞数据集有监督细胞聚类注释
假设这样一个场景，我们预先对某一个数据进行了完美的分群注释，尤其是细胞亚群，当我们要对另外一个数据集进行注释的时候，就可以将之前注释好的数据当作training数据，当前数据作为test数据，根据之前的注释对当前数据集进行分类。还有，做类器官发育的时候，需要要发育阶段的细胞进行分群注释，我们这个时候可以参考相同物种的正常发育顺序的单细胞数据集，对自己的数据进行注释。我们利用前面的数据对我们的数据集进行注释。鉴定到的细胞聚类还是可以的。接下来对一个新的数据进行正常的降维分析，然后利用之前的数据集对其注释。
2023-06-13 17:30:48
789
1
原创 UCell:单细胞评分分析R包及可视化应用
最近看到一个评分R包，感觉还是挺好的这里分享一下。Ucell是基于Mann-Whitney U统计的单细胞评分R包，灵感来源于SUCell，使用起来稳定性较好，且与其他的方式相比较，Ucell计算所需的时间和耗费的内存更小。Ucell在高分SCI文章的应用还是挺多的，我们在自己的分析中也可以视情况选择使用。这里卖个关子，我们做了那么多的ggplot可视化，给大家思考一下，细胞数是如何添加上的（纯代码，简单的方式）。
2023-06-13 17:30:11
3469
1
原创 pySCENIC单细胞转录因子分析更新(2)：python版分析及可视化
最近公众号小伙伴好像扎堆做单细胞转录因子富集分析，这里还是建议使用服务器，因为自己电脑可能跑起来比较费劲。我们也在上一篇内容里面对分析进行了更新，我们提供的方法都在liunux终端的conda环境中运行。我们是在R语言里面提取的seurat单细胞的矩阵去python中分析，所以最后可视化的时候需要将R里面的文件转化为python可读可操作的对象。我们封装了两个函数，第一个是R里面数据提取seurat_to_adata.R，第二个是python中数据构建函数seurat_to_adata.py。
2023-06-13 17:29:25
1872
原创 pySCENIC单细胞转录因子分析更新：数据库、软件更新
**pySCENIC全部往期精彩系列首先说一句，我们之前也发过R语言版本的SCENIC，但是后来我们感觉容易出错，而且费时，所以就没有再探究过。可是总是有小伙伴喜欢跑R，然后说这里错了，那里找不见，其实我们的帖子写于2022年，但是数据库已经更新了，去官网下载新的数据库，不能无脑跑代码。回到pySCENIC,之前我们写过整个系列4篇帖子，分析可视化都是很完善了。可是近期跑的时候发现在第一步有点问题，要么跑不动，要么出错，怀疑是软件和数据库没有更新的缘故，故而更新一下测试。这个帖子主要有两部分内容。
2023-06-13 17:28:38
2494
原创 。。。。。
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。
2023-06-13 16:15:34
2124
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人