PBMC: marker gene (Human)

已于 2022-05-23 16:52:46 修改
阅读量1.4k 收藏 7
点赞数 3
分类专栏： 学习资源 文章标签： 生物信息学
于 2022-05-19 18:45:51 首次发布
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。
本文链接：https://blog.youkuaiyun.com/watermel__/article/details/124861969
版权
本文探讨了不同类型的免疫细胞，如中间单核细胞、原始CD8 T细胞、记忆B细胞等的标志基因，包括HLA-DR、CD74、CCR7、TCF7、LEF1、CD45RA等，并引用了多个研究文献，为理解免疫系统提供了深入的见解。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

intermediate monocytes : HLA-DR* [1-5] CD74[6]

naive CD8 T cells : CCR7[7-8],TCF7[8],LEF1[8]

naive CD4 T cells and naive CD8 T cells : CD45RA, CD62L, CD27, CD28, CCR9, CD31 and/or CD103 [9-13]

myeloid DC: CST3, HLA-DPA1, HLA-DQB1[14]

non-classical monocytes:TCF7L2[15,21],MS4A7,MTSS1,CDKN1C[15]

NK:CD56[22], GNLY, NKG7[16]

memory B cell:IGHM [17]

pDC: CD123, CD303, CD304 [22]

mDC(myeloid DC): CD11c, CD13, CD33, CD11b [22]

classical monocytes: CD14, CD11b and CCR2, several S100 calcium binding protein A12 (S100A12), Neuroregulin 1 (NRG1), Phospholipase A Group VII(PLA2G7), cAMP responsive element binding protein 5 (CREB5), A Disintegrin And Metalloproteinase 19 (ADAM19), Low density Lipoprotein Receptor (LDLR), scavenger receptors class B type-1 (S

最低0.47元/天 解锁文章
正交采样Matlab代码-Breast-Tumor-PBMC-Factor-Models:用于预测乳腺肿瘤的因子建模方法的开源
06-08
这个开源项目"Breast-Tumor-PBMC-Factor-Models"利用Matlab编程语言提供了正交采样的实现，专注于预测乳腺肿瘤的因子建模方法。下面我们将深入探讨正交采样、因子建模以及它们在乳腺肿瘤预测中的应用。 正交采样...
单细胞数据资源之pbmc3k
03-05
在这个场景下，提到的"pbmc3k"是一个著名的单细胞RNA测序（scRNA-seq）数据集，专门用于Seurat软件的示例教程和基础分析。下面我们将详细探讨这个数据集及其相关的知识点。 **单细胞RNA测序（scRNA-seq）** scRNA-...
单细胞各类细胞常用marker基因
qq_36608036的博客
05-10 7029
单细胞各类细胞常用marker
Cell markers | pbmc marker, 周期基因 marker genes
生物信息学专栏(BioMooc)
09-14 621
细胞周期相关基因总结。
分析方法，单细胞测序之细胞互作
leroylee7的博客
10-28 3219
今年张泽民团队与其合作团队在Cell发表的一篇文章将细胞交互运用自如【1】，该研究手段值得借鉴。肿瘤微环境由很多细胞类型组成，每一种细胞类型的异质性，如肿瘤细胞的不同克隆或免疫细胞的不同亚群，进一步增加了肿瘤微环境的复杂性。不同细胞类型的通讯广泛参与肿瘤的发生与发展、免疫浸润、免疫逃逸、炎性等多种生物学机制。该文章构建了细胞-细胞交互网络，定义了调控肿瘤生成与抗肿瘤免疫的关键细胞群体，发现特异的肿瘤相关巨噬细胞与树突状细胞群体是细胞交互网络中的hub节点（网络枢纽，连接不同的细胞群体）。推荐这篇文章的主要原
积累：marker gene（持续更新）
watermel__的博客
07-26 715
S100A4(amarkerofmemoryTcells)SELL(amarkerofnaiveTcells）CiteFuseenablesmulti-modalanalysisofCITE-seqdataBioinformatics,2020。
单细胞各种组织的marker gene
qq_36608036的博客
07-27 5072
单细胞细胞亚群注释
Celaref | 单细胞测序细胞类型注释工具
悟道西方
03-20 6104
我导再也不用担心我不认识marker啦 我们在进行单细胞测序的时候，通常情况下是通过高变genes来辨别细胞类型（于是一大堆不认识的），除了免疫细胞可能容易分析出来，其他的细胞我是两眼一抹黑。虽然具有single cell marker基因库，但在判断细胞亚型的时候有时并不是那么solid，有一些原则上比较特异的gene不知道为什么在cell marker上出现在不同的细胞上，比如S100A8,S...
我有一个GENE_INFO_PBMC.csv文件，能做SCVI的数据集吗
最新发布
03-11
好的，我需要回答用户关于GENE_INFO_PBMC.csv是否适合作为SCVI模型数据集的问题。首先，我需要了解SCVI模型的数据要求。SCVI是一个用于单细胞RNA测序数据分析和整合的概率模型，通常需要原始计数矩阵，其中行是基因...
pbmc3k单细胞数据集：Seurat基础分析核心资源
pbmc3k数据集包含了经过筛选的基因表达矩阵（gene-by-cell count matrix），该数据集主要是针对人的外周血单个核细胞（Peripheral Blood Mononuclear Cells, PBMCs）的3k（3000个细胞）样本进行的。该数据集使用的是...
NBIS单细胞教程：细胞类型（六）
songyi10的博客
11-30 1258
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。该部分是对不同集群的细胞类型进行识别。参考来源：https://github.com/NBISweden/workshop-scRNAseq/blob/master/labs/seurat/seurat_06_celltype.Rmd感兴趣的话可以阅读原文。
单细胞三大R包之Seurat
weixin_42960896的博客
03-22 1万+
与前面的3版本Seurat有一点点区别，重启大脑ing。。。 1.数据、代码和R包准备 代码：[https://satijalab.org/seurat/v3.0/pbmc3k_tutorial.html](https://satijalab.org/seurat/v3.0/pbmc3k_tutorial.html) 数据：https://s3-us-west-2.amazonaws.com/10x.files/samples/cell/pbmc3k/pbmc3k_filtered_gene_bc_ma
单细胞测序流程（五）t-sne聚类分析和寻找marker基因
热门推荐
qq_45478665的博客
07-13 2万+
系列文章目录 单细胞测序流程（一）简介与数据下载 单细胞测序流程（二）数据整理 单细胞测序流程（三）质控和数据过滤——Seurat包分析，小提琴图和基因离差散点图 单细胞测序流程（四）主成分分析——PCA 本期主讲内容——t-sne聚类分析和寻找marker基因 介绍：T-SNE是一种用于探索高维数据的非线性降维算法。它将多维数据映射到适合于人类观察的两个或多个维度。 一、课前准备 之前所使用的数据 R语言的IDE 二、过程 聚类分析的目的是根据细胞的差别所进行细胞分群，两个..
单细胞----关于Seurat的一些知识
leianuo123的博客
12-22 1万+
关于单细胞的一些知识 Seurat 官方网站 https://satijalab.org/seurat/v3.2/pbmc3k_tutorial.html 在官网教程中，作者选用的是PBMC的数据，可以从官网进行下载 下载后解压缩的文件夹包含三个文件 其中barcodes.csv是一个相当于每个细胞身份证的标记，在PBMC中总共有2700个单细胞，所以barcodes 总共有2700行，每一行代表一个细胞 genes.tsv呢，是一个ENSEMBL的ID 和一个Symbol 的ID ，总共有32738
seurat -- 细胞注释部分
jiangshandaiyou的博客
05-09 2594
或者是与上面提到的marker genes进行比较，如果出现了某些marker genes则可以认为其是某一类细胞，但是没有“识别到”marker gene不代表该细胞不属于特殊的类群，可能是没检测到。marker genes 个人理解为出现这个基因就可以认为是这种细胞，所以才称为marker gene，marker gene 不等于 difference expression gene，二者有区别和联系。差异基因可以是表达量上存在差异也可以是表达细胞占比上存在差异，通常二者兼顾考虑。
单细胞免疫细胞基因marker
qq_40966210的博客
10-30 1万+
T.cell.marker = c("CD3D",'CD3E','CD2') Fib.cell.marker = c('COL1A1','DCN','C1R') Myeioid.cell.marker = c('LYZ','CD68','TYROBP') B.cell.marker= c('CD79A','MZB1','MS4A1') Endothelial.cell.marker= c('CLDN5','FLT1','RAMP2') Mast.cell.marker= c('CPA3','TPSAB1'.
单细胞转录组亚群分析
悟道西方
10-14 1710
特定细胞的质控，这个一般需要通过特定的样品进行分析，比如PBMC细胞中不能含有血红蛋白基因高表达的细胞，血红蛋白基因高表达细胞一般是红细胞，但是红细胞对于我们的研究一般来说没有什么意义，因此一般需要过滤掉此类细胞，这个阈值在不同的样品设定的不一样，比如可以设定阈值为5%。其他特定细胞的质控，比如我们经过流式筛选的是T细胞，结果出现高表达B细胞、巨噬细胞等其他细胞类型的marker基因，因此需要去掉此类细胞，一般此类细胞聚类都分离得比较开，与其他细胞不一样，比如下图所示。其中最常用的发育轨迹的工具是。
gsea富集分析结果怎么看_听哈佛大神讲怎么做单细胞转录组GSEA分析
weixin_39755625的博客
11-21 1229
小剧场：记得有一天，我正准备兴匆匆的给我的单细胞亚群间的差异基因跑个GO富集分析的时候，我的小老板迈着她那猥琐的步伐悄悄的跑到我身后，愣了一阵儿，说：“小虎子，怎么还跑GO啊，都过时了！现在都跑GSEA!”我睁开我蒙昧的小眼睛：“老师，啥叫GSEA啊？”老师愣了一下，“这么简单都不会，自己查查去”。。。。我。。。。我的老板应该不知道GSEA是什么。。。GSEA定义Gene Set Enrichme...
全网最详细单细胞保姆级分析教程(一) ---pbmc
ZxVSaccount的博客
07-12 4433
通过观察热图，可以了解不同细胞在主成分上的分布情况，以及主成分与细胞特征之间的关系。数据归一化是数据分析中的常见步骤，旨在消除数据集中不同特征之间的量纲差异，并使它们在相同的尺度上进行比较。函数会根据指定的主成分维度计算数据点之间的距离，并找到每个数据点的邻居。函数会根据数据点之间的相似性将其分组到不同的聚类中。数据缩放是数据分析中的常见步骤，旨在将数据的特征值调整到相似的范围，以避免某些特征对分析结果的过度影响。通过可视化维度载荷，可以了解哪些特征对主成分的形成起到了重要作用，以及不同特征之间的相关性。
评论
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