腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

生信技能树

专栏作者

1910

文章

3588626

阅读量

1134

订阅数

非模式生物构建10x单细胞转录组CellRanger参考文件

软件数据统计存储编码

10X单细胞上游定量标准流程运行Cellranger定量需要对应的参考基因组文件以及其配套的基因组注释信息文件，如果是人类和小鼠，官网即可下载构建好的文件压缩包，详见：https://www.10xgenomics.com/support/software/cell-ranger/downloads#reference-downloads

生信技能树

2024-04-19

170

类器官技术日新月异

医疗工具模型腾讯芯片

但是六年前的单细胞转录组并不流行，因为没有10x这样的商业化的仪器，所以那个时候的在每个癌症领域的类器官CNS文章都是做几十个或者上百个病人的类器官培养后，做常规的转录组和肿瘤外显子数据，来说明类器官能非常好的维持其来源的原位肿瘤，这样就说明了类器官可以成为肿瘤病人的精准医疗替身！过去的五年，虽然说单细胞转录组的大行其道，但是在类器官领域的应用仍然是很有限，单细胞时代到了仅仅是2019之后的类器官研究继续“复制粘贴一波”。但是我看到的这些肿瘤领域的类器官技术的单细胞研究，仍然是说明了类器官可以成为肿瘤病人的精准医疗替身，因为从原位肿瘤样品培养后的类器官其实是富集到了恶性肿瘤上皮细胞，这样就导致了它早期的“让人诟病”的缺点，丢失了肿瘤微环境。因为openai的chatGPT在中国大陆很难被直接访问，所以我测试了一下最新的国内大模型kimi的效果，让它整理了一下前类器官面临的主要缺陷：

生信技能树

2024-04-19

240

不同差异分析方法拿到的上下调基因影响什么了？

数据芯片 anova model 队列

这是一个表达量芯片数据集：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE117261，是很经典的的两分组：58 PAH and 25 control lung tissues，然后我也默认走了标准差异分析，以及读取了作者的文献附件里面的差异分析结果，简单的对比了一下：

生信技能树

2024-04-19

120

从微信聊天记录复制粘贴的Linux代码为什么运行失败？

微信编辑器视频 linux 正则表达式

这个小插曲不仅引起了我的好奇心，也激发了我探索和解析背后原因的欲望。在这篇文章中，我将与大家分享我对这个问题的研究过程、发现的原因，以及如何j解决。这个经历提醒我们，在日常工作中，一些看似简单的操作也可能隐藏着意想不到的bug，值得我们深入探讨和理解。

生信技能树

2024-04-13

1230

单细胞亚群的生物学命名的4个规则

数据库 cell 数据图表

参考我前面介绍过 CNS图表复现08—肿瘤单细胞数据第一次分群通用规则，这3大单细胞亚群构成了肿瘤免疫微环境的复杂。绝大部分文章都是抓住免疫细胞亚群进行细分，包括淋巴系（T,B,NK细胞）和髓系（单核，树突，巨噬，粒细胞）的两大类作为第二次细分亚群。但是也有不少文章是抓住stromal 里面的 fibro 和endo进行细分，并且编造生物学故事的。

生信技能树

2024-04-13

1280

你相信癌症细胞系结果还是肿瘤病人数据（生信游民交流群）

数据挖掘 data table 队列数据

而且还经过了一些肿瘤病人的转录组队列数据集同样的EGFR突变与否的分组后差异分析，也是有CD47作为多个数据集差异结果的交集，证据链非常solid：

生信技能树

2024-04-13

930

小白windows系统从零开始本地部署大模型全记录

windows 部署教程模型系统

具体参考这条帖子: https://zhuanlan.zhihu.com/p/655948272

生信技能树

2024-04-13

5700

有了单细胞数据的类器官研究其实可以不做常规基因组和转录组啦

医疗工具函数数据统计

恰好单细胞时代到了，可以让之前的CNS类器官研究文章继续“复制粘贴一波”，比如2021发表Advanced Science期刊的类器官文章：《Single-Cell Transcriptome Analysis Uncovers Intratumoral Heterogeneity and Underlying Mechanisms for Drug Resistance in Hepatobiliary Tumor Organoids》，就已经舍弃了传统的常规的转录组和肿瘤外显子数据，仅仅是看单细胞转录组。详见：只有单细胞转录组数据的肿瘤类器官研究（肝癌）。但是它主要是关心的是肿瘤病人内部的异质性，每个病人内部降维聚类分群后看特征基因，做拟时序分析看变化趋势，并没有展示类器官培养的成功性。

生信技能树

2024-04-13

680

不同癌症的类器官培养后的单细胞转录组数据差异大吗（胰腺癌和胆管癌）

医疗视频数据图表

样品数量并不多，但是还试图涉及两个癌症，可能是因为病人比较特殊吧，一个病人可以同时患胰腺癌和胆管癌。但是全文并没有过多涉及到胰腺癌和胆管癌的对比，主要是关注于类器官培养后的单细胞转录组数据差异。

生信技能树

2024-04-13

550

基于Seurat的TransferData函数自动化迁移单细胞转录组亚群的注释信息

迁移对象函数数据库自动化

这个GSE206528的单细胞转录组数据集，很容易构建成为Seurat对象。仍然是走常规的单细胞转录组降维聚类分群代码，可以看链接: https://pan.baidu.com/s/1bIBG9RciAzDhkTKKA7hEfQ?pwd=y4eh ，基本上大家只需要读入表达量矩阵文件到r里面就可以使用Seurat包做全部的流程。批量读取它的9个文件的代码如下所示：

生信技能树

2024-04-13

520

find加上exec的参数来批量修改文件名字

数据搜索存储 exec 服务器

目前10x的单细胞转录组技术给出来的表达量矩阵，主要是Market Exchange Format (MEX)格式，每个样品都会有一个filtered_feature_bc_matrix文件夹，里面会有3个文件，如下所示：

生信技能树

2024-04-13

1160

使用singleR基于自建数据库来自动化注释单细胞转录组亚群

对象函数数据数据库自动化

但是因为singleR的数据库资源陈旧而且很有限，满足不了日益增长的单细胞应用，后面我们都是主推第一层次降维聚类分群后的人工命名，通常我们拿到了肿瘤相关的单细胞转录组的表达量矩阵后的第一层次降维聚类分群通常是：

生信技能树

2024-04-13

1730

数据处理过程中的合理的质量控制是很有必要的

数据分析数据处理工具数据图表

实际上初学者完全不需要使用各种花里胡哨的工具来完成上面的步骤，因为所有的细节都在降维聚类分群结果里面看得到！让我们来演练一下：

生信技能树

2024-04-13

860

肿瘤领域的类器官文献的单细胞转录组数据分析是很有限的（膀胱癌）

图表医疗数据分析数据算法

但是六年前的单细胞转录组并不流行，因为没有10x这样的商业化的仪器，所以那个时候的在每个癌症领域的类器官CNS文章都是做几十个或者上百个病人的类器官培养后，做常规的转录组和肿瘤外显子数据，来说明类器官能非常好的维持其来源的原位肿瘤，这样就说明了类器官可以成为肿瘤病人的精准医疗替身！

生信技能树

2024-04-13

840

只有单细胞转录组数据的肿瘤类器官研究（肝癌）

医疗 cell 数据图表

我常见系统性梳理过 2014到2018期间的癌症领域的单细胞研究，可以说是少得可怜，都是broad研究所的基于smart-seq的，在脑瘤，黑色素瘤，头颈癌有CNS文章发表。同样的是这个时间段，类器官也是在每个癌症领域都有了CNS文章，比如：

生信技能树

2024-04-13

750

类器官还得继续卷单细胞（上尿路尿路上皮癌）

数据图表芯片医疗集合

我常见系统性梳理过 2014到2018期间的癌症领域的单细胞研究，可以说是少得可怜，都是broad研究所的基于smart-seq的，在脑瘤，黑色素瘤，头颈癌有CNS文章发表。同样的是这个时间段，类器官也是在每个癌症领域都有了CNS文章，比如：

生信技能树

2024-04-13

900

肿瘤的类器官培养过程通常是富集恶性上皮细胞

analysis cell 队列数据图表

参考我前面介绍过 CNS图表复现08—肿瘤单细胞数据第一次分群通用规则，这3大单细胞亚群构成了肿瘤免疫微环境的复杂。绝大部分文章都是抓住免疫细胞亚群进行细分，包括淋巴系（T,B,NK细胞）和髓系（单核，树突，巨噬，粒细胞）的两大类作为第二次细分亚群。但是也有不少文章是抓住stromal 里面的 fibro 和endo进行细分，并且编造生物学故事的。

生信技能树

2024-04-13

510

CROST——空间转录组学的综合数据库

数据库网站 spatial 开发数据

文章：Wang, G., Wu, S., Xiong, Z., Qu, H., Fang, X., & Bao, Y. (2024). CROST: a comprehensive repository of spatial transcriptomics. Nucleic Acids Research, 52(D1), D882-D890. https://academic.oup.com/nar/article/52/D1/D882/7288834

生信技能树

2024-04-13

1060

DiSignAtlas——基于bulk和单细胞转录组的人与小鼠疾病特征数据库

数据数据库网站 com 工具

文章：Zhai, Z., Lin, Z., Meng, X., Zheng, X., Du, Y., Li, Z., ... & Pan, J. (2024). DiSignAtlas: an atlas of human and mouse disease signatures based on bulk and single-cell transcriptomics. Nucleic Acids Research, 52(D1), D1236-D1245. https://academic.oup.com/nar/article/52/D1/D1236/7335757

生信技能树

2024-04-13

900

批量下载geo上面的单细胞表达量矩阵

geo 递归数据数据库 csv

其中，GSEXXXXXX 是该数据集的 accession number，是一个唯一标识符，用于在 GEO 数据库中检索该数据集的信息。可以通过构建类似这样的 URL，将 accession number 替换为任意感兴趣的 GSE 数据集的 accession number，以访问该数据集的主页。然后，就可以从主页中获取数据集的相关信息，包括表达量矩阵文件的下载链接等。

生信技能树

2024-03-29

1590

点击加载更多

社区活动

腾讯技术创作狂欢月

“码”上创作 21 天，分 10000 元奖品池！

Python精品学习库

代码在线跑，知识轻松学

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·千货材料·成员作品最新动态