k-means聚类算法及matlab代码安全聚类 SAFE（来自Ensemble的单细胞聚合聚类）：单细胞RNA-seq数据的聚类集成 尽管最近已经开发出几种方法来使用单细胞RNA-seq（scRNA-Seq）数据对细胞类型进行聚类，但它们利用了数据的不同特征，并且在聚类数量和实际聚类分配方面均产生了不同的结果。 在这里，我们介绍了SAFE聚类，单细胞聚合（来自Ensemble）聚类，这是一种灵活，准确且可靠的聚类scRNA-Seq数据的方法。 SAFE聚类将多种聚类方法的结果作为输入，以构建一个共识解决方案。 SAFE聚类目前嵌入了四种最先进的方法，即SC3，CIDR，Seurat和t-SNE + k -means。 并使用三种基于超图的分区算法将这四种方法的解决方案整合在一起。 SAFE聚类由Yuchen Yang []和Yun Yun []维护。 新闻与更新 2020年9月7日 2.00版已发布 SAFEclustering中使用的Seuart版本已更新为版本3。Seuratv.2不再兼容 SAFE聚类仅接受计数数据。 其他格式，例如FPKM，CPM和RPKM不再兼容 2018年

康诺斯 Conos：在样本网络上聚类 什么是conos？ Conos是一个R包，用于将大量单细胞RNA-seq数据集组合在一起，从而既可以识别复发性细胞簇，又可以在多样本或Atlas规模集合中的数据集之间传播信息。 它着重于跨异构样本集合的同源细胞类型的均匀映射。 例如，用户可以研究来自癌症患者的数十种外周血样本的收集以及数十种对照，其中可能包括相关组织（如淋巴结）的样本。 它是如何工作的？ Conos应用了许多容易出错的方法中的一种来对齐集合中的每对样本，从而建立了加权的样本间单元间链接。 然后可以分析所得的联合图，以识别不同样品之间的亚群。 相同类型的单元格将倾向于在许多此类成对比较中相互映射，从而形成可以识别为簇（图社区）的集团。 Conos处理可以分为三个阶段： 阶段1：过滤和归一化使用标准软件包对样本面板中的每个单独的数据集进行过滤和归一化，以进行单数据集处理： pag

剑桥大学2018年单细胞转录组分析教程，包含数据过滤、序列比对、差异基因计算等R语言包、代码

scRNAseq-AML 急性髓细胞白血病数据集的单细胞分析

单细胞常规巴氏涂片图像数据集，数据库由4049个分离细胞图像组成，这些细胞图像是从巴氏涂片的966个群集细胞图像中手工提取的。（包含：im_Dyskeratotic im_Koilocytotic im_Metaplastic im_Parabasal im_Superficial-Intermed这个五类）

差异缺失分析 差异缺失分析可捕获单细胞RNA测序数据中的生物学变异 单细胞RNA测序数据的特征是具有大量的零计数，但是越来越多的证据表明这些零反映了生物变异而不是技术伪像。 我们提出了差异缺失分析（DDA），以鉴定单细胞RNA测序数据中生物变异的影响。 使用16个公开可用的模拟数据集，我们显示DDA可以准确地检测生物变异，并且可以比依赖计数的方法更可靠地评估转录本的相对丰度。 可从获得DDA。 可以在此处找到相关手稿图形的脚本，功能和源数据。 此外，从原始数据矩阵中的Seurat对象开始，描述了DDA的两个小插曲 可以在bioRxiv上找到手稿的预印本： ://doi.org/10.1101/2021.02.01.42929187 可以在一个闪亮的应用程序中交互式地浏览结果： : :

单细胞测序数据聚类待读文献

多对象单细胞反卷积（MuSiC） MuSiC是一种反卷积方法，它利用跨学科的scRNA-seq来估计大量RNA-seq数据中的细胞类型比例。 如何引用MuSiC 请引用以下出版物： 具有多对象单细胞表达参考的大体积组织细胞类型反卷积X.Wang，J.Park，K.Susztak，NRNR Zhang，M.Li 自然通讯。 2019年1月22日 安装 # install devtools if necessary install.packages( ' devtools ' ) # install the MuSiC package devtools :: install_github( ' xuranw/MuSiC ' ) # load library( MuSiC ) 更多信息 请参阅。

科学路径 通过整合途径改善单细胞RNA-seq聚类 内容描述 我们设计了一个框架（sciPath），以通过整合途径来研究现有单细胞聚类的准确性和鲁棒性，包括10种最新的单细胞聚类方法和4种途径数据库，途径整合方法和一套完整的评估指标。 准备工作 1.数据集演示数据集保存在".//Demo_data" ，包括scRNA-seq矩阵(".//Demo_data//matrix") ，路径(".//Demo_data//pathway")和单元格标签(".//Demo_data//label") 。 2.软件包安装脱机软件包和联机软件包的安装代码保存在".//package//package_install.R" 。 代号 1. clustering_by_gene_only.R 仅考虑基因水平信息的单细胞聚类，包括（1）K均值，（2）分级，（3）光谱，（4）DBSCAN，（5）SC3，（6）

matlab中拨号代码图像分析 该存储库包含用于3D单细胞分割和分析的Matlab代码。 可以找到分步说明。 分割 分段器是用于单细胞分段的Matlab应用。 简单的用户界面允许调整参数，直到实现精确的分割为止。 可以通过阈值化细胞质标记物或通过对膜标记物进行分水岭转化来以3D方式分割细胞。 细分参数包括： 3D裁剪平面以删除相邻的单元格 阈值级别和通道。 阈值之前应用了波斯语的sigma。 拨和蚀的量。 像元的近似半径。 您可以在应用程序中滚动浏览z维度，并可以以3D方式查看单元格蒙版。 一旦实现了精确的分割，就可以将其另存为Tiff。 然后可以使用Matlab，ImageJ或任何其他程序对单元进行分析。 分析 分析脚本将功能应用于图像文件夹，并将结果保存为Excel文件。 我的分析功能在第90个百分位处对通道进行阈值识别点，然后计算三个区域的富集和部分重叠：质膜（<1um> 3um）。 可以轻松编写不同的函数来以不同的方式分析单元格。 可视化 该存储库还包括用于可视化富集和部分重叠的代码。 分布脚本生成一个圆形热图，该热图表示一组单元格的平