展开

关键词

小科普篇:内有多少

作者:孙强 文摘原创文章,转载需后台留言申请 众所周知,是由组成的。单个很小,肉眼不可见,要借助显微镜才能看到。很多也许会问,总共有多少个组成? 做一下简单的学计算,我们会得到约46至68万亿。 对于重较胖的重增加似乎主要是通过扩的脂肪积实现的,总量并不会增加太多。 再加上在上述计算中没有考虑关节及菌等其他非成分,多科学家认为内的总量约在50万亿左右(有几万亿的上下波动范围)。 这50多万亿的形态及功能可分为210多种,多种组合在一起完美地执行着的各种代谢功能。而如此巨量而又种类繁多的都是从最原始的一个受精卵衍生而来。 作为文摘的志愿者群,我们中有不少从事医疗相关工作,关心医疗的发展,愿意通过这个专栏,和家一起分享医疗的点点滴滴。

1.5K50

scHCL || 鉴定的单类型

# scHCL requires ggplot2/reshape2/plotly/shiny/shinythemes/shiny install_github("ggjlab/scHCL") #示例 most similar cell types hcl_result <- scHCL(scdata = hcl_lung, numbers_plot = 3) 以自己的seurat对象的分群来鉴定类群

30320
  • 广告
    关闭

    90+款云产品免费体验

    提供包括云服务器,云数据库在内的90+款云计算产品。打造一站式的云产品试用服务,助力开发者和企业零门槛上云。

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    STAB:脑的时空图谱 | 单库推荐

    关于脑科学研究的/工具资源,之前小编已经总结过类脑疾病的多组学资源及综合分析和BICCN项目的资源,今天小编再追加一个国产单库:STAB(脑的时空图谱),通过STAB可以清楚地看到脑的类型及其区域异质性和时间动态 STAB是由多个脑区和发育期的单转录组组成的库。目前,STAB包含20个脑区和11个发育期的42个亚型的单基因表达谱。 脑是由十亿神经元和非神经元组成的最复杂的器官,这些被组织成不同的解剖和功能区域。阐明脑的和转录组结构对于理解脑功能和脑疾病至关重要。 单转录组测序技术的出现,使得剖析脑的组成成为可能。然而,目前仍然没有一个全面的库来描述脑在生命周期中的动态组成和分子特征。 cell subtype:用户可以根亚型,浏览42个亚型的整景观,所选亚型的以红色突出显示。还可以探索亚型的空间、时间分布和组成以及每个亚型代表性标记基因的表达。

    8720

    VThunter:病毒靶的单筛选库 | 单库推荐

    之前小编已经为家总结过一次好用不踩坑的单库合集,这些多用于类疾病/癌症的研究。 今天小编介绍的这个国产单库:VThunter,一个专为病毒学研究设计的综合库,利用它研究员可以更好地了解病毒受和动物病毒之间的相互作用以及评估病毒的致病机制和在物种中的传播。 VThunter为研究界探索病毒受的表达特征提供了一个用户友好的界面。 VThunter是什么? 病毒性传染病是对类和动物健康的一种毁灭性和持续性威胁。受结合是病毒进入宿主的关键步骤。 然而目前还没有一个全面的库可以让研究员方便地获得不同动物物种的组织/器官特定类型的病毒受表达信息。 VThunter库的采集、处理和功能模块概述 VThunter有哪些功能? VThunter的web界面允许用户以单分辨率直观地浏览和准确地查询病毒受的表达特征。

    5620

    跟着神学单分析

    前言 这是 Tang Ming 神分享的单分析的seurat流程。今天我们来理一下致的分析思路,当然里面好多节的部分还需要自己下功夫慢慢研究。 10x Genomics的公共 5k pbmc (外周血单核)集。 如果还没有安装或者安装R包有问题,可以参考下面的教程: rstudio软件无需联网但是 BiocManger无法安装R包 批量安装R包小技巧放送 读入 # 读取PBMC集 pbmc.data 确定PCs 为了克服scRNA序列单一特征中的广泛技术噪音,Seurat根其PCA分进行聚类,每个PC基本上表示一个“元特征”,该特征结合了相关特征集上的信息。 因此,最主要的主成分代表了集的强压缩。但是,我们应该选择包括多少个PC?10个?20?还是100?

    1.7K33

    +外泌|解析肝内胆管癌的间通讯

    、解放军总医院第五医学中心刘兵研究员团队、军事科学院军事医学研究院裴雪涛研究员团队和岳文研究员团队 文献概述 单转录组集是分析肝内胆管癌多样性和间crosstalk的宝贵资源 恶性表现出明显的肿瘤间异质性 特征,可以跳到最后看外泌是如何参与肿瘤与其他之间的通讯的 主要结果 一、主要分群10类(各种markers) 使用4 treatment-naïve ICC samples, 1 recurrent inferCNV鉴定 每个cluster类别的特征:其实你是可以可以看到肿瘤中的基因表达和UMI是要比其他类型多的,并且癌存在高度的样本间异质性。 由于原始集合中只有498个纤维,作者使用的dataset2,共 13,150个,又经过严格筛选,剩下 2,941个。 因此,我们测了由vCAF处理前后的GFP-positive的ICC,做差异分析,以及后续的(bulk 芯片,TCGA的bulk验证,发现vCAF分泌的IL-6在ICC中诱导了明显的表观遗传学改变

    9810

    Tutorial | 单转录组注释指南】

    注释是单转录组分析的重要环节,来自加拿的研究员在《Nature protocols》发表注释教程综述,介绍了单转录组分析中注释的一般工作流程,涵盖可用于每个步骤的软件工具和资源的指导原则和具建议 当对一个集应用多种注释方法时,簇会获得多个,有时是相互冲突的类型标签。如果存在冲突,工具提供的标签置信度分可以用来识别一个单一的高分标签。 例如可以使用T(TCR)和B克隆分型来化组织驻留免疫类型标签,以检查T和B的转录特征。 工注释应该从识别主要的已知类型开始。对于图谱将分成广泛的子集(例如,免疫、内皮和肿瘤)并对每个子集应用推荐的工作流程是非常有用的。 随着参考图谱的快速增长,Cell Ontology等资源的改进以及集整合算法的改进,预计自动注释会有重改进。这些方法还需要扩展到具有百万的更集规模。

    13830

    型单分析解决方案

    作者 | 周运来 男, 一个长了才会遇到的帅哥, 稳健,潇洒,方,靠谱。 一段生信缘,一棵技能树。 生信技能树核心成员,单天地特约撰稿,简书创作者,单科学家。 为什么要做型单分析 因为单在呈指增长,遇到集只是早晚的问题。曾经我们困惑一个物种的基因组那么,如果给很多物种都测基因组的话,拿什么来存储这些? 随着单技术的成熟,测序成本的下降,眼见单通量将会呈现超指增长。在bulk时代所几十例转录组会觉得已经做了很多了,而单时代少则几千则百万的量。 与此同时,计算能力、机器学习、工智能和其他可用来处理这些的技术已经显著提高,并为那些成功将与自己的工作联系起来的提供了巨的机会。 型单分析,涉及到多个dataset的处理,它往往即是科学上的也是工程上的,所以有一些项目管理的原则是适用的。如型单分析的周期/交付结果 等。

    31610

    整合

    转录组学已改变了我们认识状态的能力,但对生物学的深入了解,整合多组学集以更好地理解身份和功能。 该文章开发了一个 一起“锚定”各种集的策略,使我们能够整合单,不仅跨scRNA-seq技术,而且还包含其他技术。如,scRNA-seq锚scATAC-seq一起探索等。 ? 有两个集,一个为reference ,一个为query,每个集均来自单独的单实验。这两个集共享来自相似生物学状态的,但查询集包含唯一的种群(黑色)。 这些应该代表跨集(灰线)处于同样生物状态的,并用作指导集集成的锚点。原则上,唯一种群中的不应参与锚点,但实际上,也会到“不正确”锚点,频率较低(红线)。 对于每个锚对,根每个集邻域结构中锚的一致性分配一个分。利用锚点及其分来计算每个查询单元格的“correction”向量,并转换其表达方式,以便可以将其作为整合参考的一部分进行分析。 ?

    67610

    scanpy分析单

    scanpy和seurat是最常用的分析的单的工具,seurat基于R,而scanpy基于python。 linux下用pip安装scanpy pip install scanpy 下载测试 mkdir data wget http://cf.10xgenomics.com/samples/cell-exp sc.read_10x_mtx('data/filtered_gene_bc_matrices/hg19', var_names='gene_symbols', cache=True) #读取单测序文件 质控:过滤基因和 sc.pp.filter_cells(adata, min_genes=200) sc.pp.filter_genes(adata, min_cells=3) adata.var[ 使用标准化的进行可视化 sc.pl.umap(adata, color=['CST3', 'NKG7', 'PPBP'], use_raw=False) ?

    69820

    超百岁老端粒恢复如婴儿!114岁女性还原为0岁干

    这个定义,的最原始的胚胎肯定能变成各种其他,所以它被称为“胚胎干”(ESCs)。但是科学家如果拿类胚胎做实验,有违伦理。 研究过程 科学家们首次对一名114岁的妇女的干进行了重新编程,她是迄今为止年龄最的捐献者。 设置对照组:除了这位超级百岁老妇之外,有一个是健康的43岁个,还有一个是8岁的患早衰症的孩子。 证明,极端年龄并不是端粒长度恢复过程中重新编程的绝对障碍。 通过对回顾性样本进行重新编程,我们或许能够扩这一小群超级百岁老的规模。 为什么超级百岁老95%都是女性? 国外媒报道,目前,美国科学家最新一项研究表明,全球年龄110岁以上的超级百岁老至少具有一个共同点——95%都是女性。 们都知道雌性激素能够直接影响女性干群,例如:增多血干量、发情期提升脑干再生能力等,但是雌性激素是否直接影响和改变寿命却并不清楚。

    23830

    B可分泌GABA需要单证明

    除去B之后,小鼠内的抗肿瘤免疫也变强了。这个研究也是有转录组测序的,在GSE169543 and GSE183246.。 因为涉及到了AML疾病单集处理,是冗长代码,这里略,单转录组分析的标准降维聚类分群,并且进行生物学注释后的结果。 可以参考前面的例子:都能学会的单聚类分群注释 ,我们演示了第一层次的分群。 如果你对单分析还没有基础认知,可以看基础10讲: 01. 上游分析流程 02.课题多少个样品,测序量如何 03. 过滤不合格和基因(质控很重要) 04. 过滤线粒核糖基因 05. 去除效应和基因效应 06.单转录组的降维聚类分群 07.单转录组处理之亚群注释 08.把拿到的亚群进行更致的分群 09.单转录组处理之亚群比例比较 我们直接看效果:

    14240

    Harmony包:整合不同类型的单

    导语 GUIDE ╲ 单RNAseq集在不同生物和临床条件下对不同类型进行完整的转录表征。然而,整合分析多种集极具挑战性。 背景介绍 今天小编为家介绍一个整合并标准化多个单集的R包Hormony。 单的公开多来自于10X website,这里我们以Hormony包自带集为例。 ,以满足无监督单联合嵌入的四个关键挑战:扩展到集,识别广泛群和粒度亚群,适应复杂实验设计的灵活性,以及跨模式整合的能力。 如果家有标准化多个单集的需求,那就来试试Hormony包吧!

    25310

    13种组织的单RNA测序鉴定类冠状病毒感染的类型和受

    血管紧张素I转换酶2(ACE2)是SARS-CoV-2感染的宿主受。尽管报道ACE2在肺,肝,胃,回肠,肾脏和结肠中表达,但其表达水平却很低,尤其是在肺中。 ,该库管理了152对哺乳动物病毒-宿主受相互作用和来自9种哺乳动物的51种病毒受。 膜蛋白是从Membranome库(https://membranome.org)中提取的。 分析 质量控制和规范化 原始计矩阵(每个每个基因的UMI计)由Seurat处理。 Fig 1 然后,作者们分析了类ssRNA病毒受和膜蛋白的共表达特征。作者们从病毒受库中收集了总共152对高质量的病毒-宿主受相互作用,其中包含在9个宿主和96种病毒中的51个宿主受。 红色节点表示在每个组织中表达ACE2的主要类型。类型的小与与红色节点的交互总成正比。

    49620

    转录组处理之亚群注释

    前面我们一起学习到了单转录组的降维聚类分群,基本上跑的都是标准代码,里面很多节参是需要自己慢慢摸索的。保证单转录组表达矩阵质量ok啦,而且需要去除了各种混杂因素。 因为参需要自己摸索和调整,所以其实拿到亚群量是因而而异的,取决于你前面降维的程度,分群的算法和参。不过最重要的是拿到了不同亚群后需要对它进行命名,给出生物学的解释。 不同的分析同一个集,有略微不同的结果是可以接受的,保证自己的生物学故事圆满即可。 亚群注释依赖标记基因 我给家的单进阶课程里面,示例文章《Acquired cancer resistance to combination immunotherapy from transcriptional 查询文献这个工作量是蛮的,所以一般来说,作者也会把他们最后总结好的亚群注释使用的标记基因整理成为一个表格,如下: ?

    3.1K20

    CancerSCEM: 类癌症单表达图谱

    Data Portal,scRNASeqDB,部分是和小鼠的。 但是这些库只做了初步的分析,比如分群、差异分析 还有一些专注于疾病的scRNA库,比如CancerSEA、TISCH,它们提供了额外的注释和富集分析等。 - pression Map) 提供了搜集、整理、分析、可视化一。 目前包括类20种癌症的208个样本的638,341个单 搜集 来自:GEO、ArrayExpress、EBI、GSA、ZENODO,涵盖了10X Genomics, Smart-seq2 , Drop-seq, Seq-Well and Microwell 5平台,其中原始占比82.69%。

    25530

    肺癌(SCLC)病的scRNA-seq分析

    cell lung cancer 期刊:Cancer Cell 日期:October 14, 2021 DOI:https://doi.org/10.1016/j.ccell.2021.09.008 开源 然后进行如下的深入分析 仅概述了本文的单分析部分,实验部分及节部分可参考原文。 2、SCLC分子亚型鉴定,为后续深入分析打基础 过去针对SCLC的研究,根4个driver基因的表达水平,可将SCLC病归为4个亚型之一。 此外,从基因对共表达的角度来看,SCLC-N的配-受作用强度高于SCLC-A(有待验证) 4、SCLC的非异质性亚群具有促转移特征、干性 如上所述,SCLC具有较高的异质性,但这与SCLC 再结合病的生存,表明PLCG2基因高表达,以及较高的该cluster占比与病较低的预后生存时间相关 5、SCLC的免疫微环境(immune TME)低于LUAD SCLC被认为是一种immune-cold

    23830

    CancerSCEM: 类癌症单表达图谱

    Data Portal,scRNASeqDB,部分是和小鼠的。 但是这些库只做了初步的分析,比如分群、差异分析 还有一些专注于疾病的scRNA库,比如CancerSEA、TISCH,它们提供了额外的注释和富集分析等。 - pression Map) 提供了搜集、整理、分析、可视化一。 目前包括类20种癌症的208个样本的638,341个单 搜集 来自:GEO、ArrayExpress、EBI、GSA、ZENODO,涵盖了10X Genomics, Smart-seq2 , Drop-seq, Seq-Well and Microwell 5平台,其中原始占比82.69%。

    34740

    肺癌(SCLC)病的scRNA-seq分析

    cell lung cancer 期刊:Cancer Cell 日期:October 14, 2021 DOI:https://doi.org/10.1016/j.ccell.2021.09.008 开源 然后进行如下的深入分析 仅概述了本文的单分析部分,实验部分及节部分可参考原文。 2、SCLC分子亚型鉴定,为后续深入分析打基础 过去针对SCLC的研究,根4个driver基因的表达水平,可将SCLC病归为4个亚型之一。 此外,从基因对共表达的角度来看,SCLC-N的配-受作用强度高于SCLC-A(有待验证) 4、SCLC的非异质性亚群具有促转移特征、干性 如上所述,SCLC具有较高的异质性,但这与SCLC 再结合病的生存,表明PLCG2基因高表达,以及较高的该cluster占比与病较低的预后生存时间相关 5、SCLC的免疫微环境(immune TME)低于LUAD SCLC被认为是一种immune-cold

    17830

    如何读取单

    ids[2])), add.cell.id = ids) # table(Idents(merged_seurat)) # head(merged_seurat@meta.data) ---- 注:示例

    2.4K22

    相关产品

    • 人体分析

      人体分析

      人体分析包含人像分割、人体识别、行人重识别(Reid)等服务。人像分割可识别视频、图片中的半身人体轮廓,并将其与背景分离;人体检测,可识别行人的穿着、体态、发型等信息;行人重识别(Reid)可实现跨摄像头跨场景下行人的识别与检索。可应用于人像抠图、背景特效、行人搜索、人群密度检测等场景。

    相关资讯

    热门标签

    扫码关注云+社区

    领取腾讯云代金券