- 博客(5)
- 收藏
- 关注
RSS订阅原创 如何给Seurat对象的基因重命名（基因名转换）？
摘要：本文介绍了在单细胞分析中如何修改Seurat对象的基因名称。由于基因ID与基因Symbol形式差异或跨物种分析需求，常需进行基因名转换。原解决方案仅修改RNA assays的counts、data和scale.data部分，容易导致后续分析报错。作者提出了改进版函数RenameGenesSeurat_v2，可对所有assay（包括SCT）和PCA降维数据进行基因名转换，并处理了变量特征和scale.data的匹配问题。该函数支持指定基因子集，适用于常规单细胞（RNA）和空间转录组（Spatial）数据
2025-06-27 16:17:21
1453
原创 Seurat常规聚类和SCTransform脚本汇总
本文介绍了两种基于Seurat包的单细胞分析流程封装函数。常规流程版通过NormalizeData和ScaleData进行数据标准化和聚类分析，适用于中小数据集；SCTransform版采用更先进的归一化方法，适合处理大规模数据。两个函数均可设置线粒体基因过滤、主成分数目、聚类分辨率等参数，简化了单细胞分析的代码结构。作者指出，虽然R语言适合初学者，但对于大数据分析Python更具优势。这些封装函数提高了分析效率，为单细胞研究提供了便捷工具。
2025-06-25 10:16:37
603
原创 Seurat的三种单细胞数据整合方法汇总（批次校正）
摘要：单细胞数据整合是消除批次效应的关键步骤，本文介绍了三种常用方法：1）CCA整合（Seurat自带），适合多数情况但耗时较长；2）SCTransform预处理后整合，理论上更合理但资源消耗大；3）Harmony降维整合，速度快且效果较好。三种方法均提供R代码实现，支持线粒体基因过滤、数据标准化和聚类分析，参数包括主成分数、基因数阈值等。通过比较不同整合策略，研究者可根据数据规模和分析需求选择合适方法。
2025-06-24 17:27:15
2189
原创 结合Seurat批量去双胞（DoubletFinder）
单细胞数据分析预处理中去除双胞至关重要。本文介绍了使用DoubletFinder R包进行双胞去除的流程，重点展示了批量处理的函数封装方法。双胞是实验中多个细胞混合形成的伪细胞，会影响细胞类型鉴定和分析结果。文章详细讲解了函数参数设置、标准去双胞流程、结果处理及批量操作建议，适用于不同样本量的项目。作者强调参数需根据实际数据调整，并提醒DoubletFinder处理时间较长，建议并行处理。最后指出DoubletFinder可能无法完全去除双胞，建议结合聚类结果手动删除可疑亚群。
2025-06-20 15:16:43
1623
原创 结合Seurat批量去除环境RNA污染（SoupX）
摘要： 环境RNA污染是单细胞数据分析中常见问题，可能导致基因在非目标细胞中异常高表达。SoupX工具通过分析未过滤的全矩阵（tod）和过滤后的分析矩阵（toc），自动识别并校正污染基因（如PBMC中的HBB或脑组织中的SLC17A7）。其核心步骤包括聚类辅助污染比例（rho）估算（默认0.2可去除99%污染）及矩阵校正。虽校正后矩阵转为小数可能增加存储负担，但保留原始精度更佳。效果对比显示处理后数据更干净，且对内存和时间需求较低。需注意不同组织污染基因差异，灵活调整参数。
2025-06-19 14:59:40
1508
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