URD包分析单细胞数据
URD包分析单细胞数据
生信编程日常
发布于 2020-12-29 10:35:10
发布于 2020-12-29 10:35:10
#Installing URD
source("https://raw.githubusercontent.com/farrellja/URD/master/URD-Install.R")library(URD)因为没有找到提供的测试数据集，就用之前用seurat分析过的不同时期的心脏单细胞数据跑一边吧。E9.5_P21.combined@assays$RNA@counts取出表达矩阵，E9.5_P21.combined@meta.data取出之前的定义的每个细胞的时期以及细胞类型等信息。 1.导入数据
library(URD)
# Create an URD object, which will filter the data, then normalize and log-transform it.
testsample <- createURD(count.data = E9.5_P21.combined@assays$RNA@counts, meta = E9.5_P21.combined@meta.data, min.cells=3, min.counts=3)2.计算高度变化的基因
testsample<- findVariableGenes(testsample, set.object.var.genes=T, diffCV.cutoff=0.3, mean.min=.005, mean.max=100, do.plot=T)
3.计算PCA和t-SNE
testsample <- calcPCA(testsample, mp.factor = 2)
pcSDPlot(testsample)
# Calculate tSNE
set.seed(19)
testsample <- calcTsne(object = testsample)
#这里的orig.ident可以换成testsample@meta中的任意的标签
plotDim(testsample, "orig.ident", plot.title = "tSNE: Stage")
查看某个基因的表达：
plotDim(testsample, "Ankrd12", plot.title="Ankrd12")
4.Calculate Diffusion Map
(未完待续)
参考：https://github.com/farrellja/URD/blob/master/Analyses/QuickStart/URD-QuickStart-AxialMesoderm.md
本文参与 腾讯云自媒体分享计划，分享自作者个人站点/博客。
如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读