首页
学习
活动
专区
工具
TVP
发布

生信技能树

专栏作者
1861
文章
3497288
阅读量
1130
订阅数
你离在science发表文章还差4个单细胞数据项目
文章关心的是Atrial fibrillation (AFib) 这个疾病,纳入了病人样品和对照样品, 如下所示:
生信技能树
2024-03-06
880
不走寻常路的单细胞表达量矩阵读取
但是我看到了一个比较狡猾的数据集(GSE133283),它官网给出来了的文件如下所示:
生信技能树
2024-03-06
1230
跑一个肝癌的单细胞转录组10x数据定量流程
在 https://www.ebi.ac.uk/ena/browser/view/PRJNA793914 可以看到这个项目详情,而且前些天我们演示了如何下载这个项目的fastq格式的测序数据原始文件,详见:aspera的高速下载确实很快吗。但是从网络下载的单细胞转录组数据文件的样品名字别抹掉了,变成了顺序编号的id,而且呢,文件名字并不符合规则:
生信技能树
2024-03-06
1060
绝大部分单细胞空间转录组数据都缺胳膊断腿
比如2021-GSE158328-肠道发育的,自己下载 GSM4797916_A1.tar.gz ,然后解压可以看到它每个样品其实有两个文件夹 :
生信技能树
2024-02-27
1620
能把你服务器跑坏的r代码其实很简单
但是有一些代码本身有问题,所以也确实是有一些时候会造成整个服务器奔溃,比如一个小伙伴跑一个简单的动态预测模型代码,详见:
生信技能树
2024-01-29
1450
能从源头解决数据分析的瑕疵吗
可以看到,里面确实是15个样品,分别是常规转录组,单细胞转录组,以及空间单细胞转录组,如下所示:
生信技能树
2024-01-23
1030
单细胞水平这样的细胞比例变化可靠吗
更麻烦的是因为文献里面的两个分组每个组内都是3个样品而已,而文章大家结论缺依赖于这个单细胞水平的细胞比例变化。其实早期(2018-2021时候)单细胞转录组费用居高不下,所以绝大部分情况下大家做两个分组,每个组内也就是三五个样品而已。这样的话两个分组之间的不同单细胞亚群的比例差异其实往往是需要最后使用流式细胞等价格相对低廉的实验技术去扩大样品队列去验证一下。
生信技能树
2024-01-18
1280
数据分析有错误并不可怕,造假才不可饶恕
这个文章标题短小精悍:《Choroid plexus mast cells drive tumor-associated hydrocephalus》,相关数据在:https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE207546
生信技能树
2024-01-17
2230
单细胞水平的肿瘤异质性可以如何计算?
后期单细胞领域卷起来了,纯粹的图谱肯定是没有新意啦,或者说海量的公共的单细胞转录组数据已经可以无限制任何人免费获取,这样的话大家要想分析出不一样的地方,就需要想办法给没有课题设计的项目找到分组信息!
生信技能树
2024-01-17
1630
各种单细胞表达量矩阵和空间信息的导入
老实说,过去的三年虽然说我一直在朋友圈刷到有空间单细胞的cns文章,但我实际上是瞧不起这个技术的。首先它仅仅是给大红大紫的单细胞转录组续命而已,其次它根本就不是真正的单细胞水平,所以绝大部分数据分析哦度非常粗糙,仅仅是蹭热点。。。。
生信技能树
2024-01-17
2410
单细胞测序最好的教程(十三):你真的做对过干预后细胞分析吗?
在前面的分析教程中,我们详细研究了“不同处理下细胞的差异表达基因”,“不同处理下细胞的组成变化”。实际上,我们还会关心一个很直接的问题,那就是不同处理下,究竟什么细胞受到的影响最大。可能你会说,观察差异表达基因的数量,或者观察哪一类细胞变多了,又或者是对差异表达基因进行通路富集分析去评价通路变化。这两个思路是都是间接去反映细胞的状态,但我们希望有一个直接的评价指标,去评估不同处理后细胞的影响大小。
生信技能树
2024-01-11
3390
单细胞测序最好的教程(十二):你真的做对了细胞比例分析吗?
在单细胞分析中,我们除了关注基因表达模式受不同条件所影响导致的改变,我们还会关注细胞组成(例如细胞类型的比例)也会在不同条件下发生变化。例如药物处理,外源感染,细胞癌变等,这些刺激因素将会导致细胞类型的变化。由于细胞组成是一种整体性的变化,因此我们需要大量的细胞以及样本数量,才能证实组成的变化发生。
生信技能树
2024-01-11
2590
两种不同的方法实现harmony的多个单细胞整合
但是其它代码基本上就跟Seurat早期的v4没有区别,比如harmony整合多个单细胞样品。
生信技能树
2024-01-11
4790
单细胞基本分析流程概述
上次直播Seurat对象内部结构解析,给大家分享一下step1—— 单细胞数据不同格式,数据读取方法创建Seurat对象,以及seurat对象内容结构简介。
生信技能树
2024-01-11
4310
在学术不端的数据取舍上面反复横跳
然后马上这些策略就被应用到了单细胞转录组数据挖掘层面,因为反正也不需要自己产出数据了,过去三五年间单细胞的火热带动了海量的各种实验设计的公开的表达量矩阵。比如这个文献:《Lipid-related protein NECTIN2 is an important marker in the progression of carotid atherosclerosis: An intersection of clinical and basic studies》就是看了看两个分组的具体的基因的差异,在普通bulk转录组和单细胞转录组两个数据集里面,如下所示:
生信技能树
2024-01-11
1940
2023-10(数据挖掘马拉松)答疑汇编
下面那个是错误的,x=c(1,2);表(x);x=(1,2);table(x);下面代码缺一个c,c是一个函数,没有它,你括号就有问题,table(c(1,2)),每个括号给每个不同函数,各自配对。
生信技能树
2024-01-11
980
2023-11(数据挖掘马拉松)答疑汇编
关心什么结果,是要结合自己的课题/实验设计,生物学背景,研究方向等等,更多的是和导师交流,参考一下相关文献等等。
生信技能树
2024-01-11
1300
2023-12(数据挖掘马拉松)答疑汇编
需要安装一下缺的包。而且你这个电脑用户名里面有中文,也是一个麻烦的事情,如果搞不定就联系助教哦
生信技能树
2024-01-11
1490
2023-07(数据挖掘马拉松)答疑汇编
那个代码,aes后面的x是大写的,换成小写的x就好了。一般大小写都要注意的,代码很严格。
生信技能树
2024-01-11
1230
轻轻松松在R里面拿捏这130万单细胞的数据集
因为这个Seurat的V5版本还是有一些优势的,比如可以轻轻松松拿捏这130万单细胞的数据集,需要参考Seurat官网的3个资料:
生信技能树
2024-01-05
3020
点击加载更多
社区活动
Python精品学习库
代码在线跑,知识轻松学
热点技术征文第五期
新风口Sora来袭,普通人该如何把握机会?
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·干货材料·成员作品·最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档