这是包含肺腺癌单细胞数据集分析的存储库 入门 克隆 repo 从下面的链接下载 Data_input 文件夹到 repo： ://drive.google.com/drive/folders/1sDzO0WOD4rnGC7QfTKwdcQTx3L36PFwX?usp=sharing 脚本 导入和创建 Seurat 对象 01_Import_data_and_metadata.Rmd ：导入原始数据和元数据。 此 scipt 的输出保存为"S01_Data_and_metadata.RData" 。 02_Create_Seurat_object.Rmd ：从脚本 01 导入 .RData 对象。创建初始 Seurat 对象并执行初始质量控制。 最终输出对象保存为"S02_Main_Seurat_object_filtered.RData" 。 02.1_Create_Seurat_o

单细胞RNA-Seq分析 这个为期2天的课程将讨论从scRNA-seq实验获得的数据的计算分析。 贡献 我们欢迎您为改进本课程而做出的所有贡献！ 如果您在此过程中有任何疑问，疑虑或遇到任何困难，维护人员将竭尽所能为您提供帮助。 我们想请您熟悉我们的《 ，并查看有关正确格式，在本地呈现课程的方式，甚至如何编写新剧集的。 请参阅当前列表，以获取有关对此存储库做出贡献的想法。 为了做出您的贡献，我们使用GitHub流，这在一章中有很好的解释。 维护者 本课程的当前维护者是 作者 可以在“找到该课程的参与者列表 引文 要引用本课程，请向咨询

层次分析matlab代码路径 scEpath软件包（用于分析单细胞RNA-seq数据的新型工具） 概述 这是scEpath（“单细胞能量路径”）的MATLAB软件包。 scEpath是一种新颖的计算方法，用于定量测量单细胞的发育能力和可塑性以及细胞状态之间的转移概率，并从单细胞基因表达数据推断谱系关系和伪时间顺序。 此外，scEpath还可以进行许多下游分析，包括针对给定的细胞簇或伪时间识别最重要的标记基因或转录因子。 scEpath推断细胞轨迹的合理性是基于著名的Waddington的景观隐喻来描述发育过程中的细胞动力学。 下面是一篇论文的概念图（Takahashi等人，开发，2015年） 查看详细的方法和应用程序。 以下是scEpath的概述。 系统要求 scEpath独立于操作系统，因为它是用Matlab编写的。 运行scEpath的基本要求包括MATLAB和统计工具箱。 伪时间估计步骤需要使用R包“ princurve”进行主曲线分析。 在这种情况下，运行scEpath时需要R和Matlab。 该软件包已在Mac OS / 64位Windows上使用MATLAB 2016a /

聚类马氏距离代码MATLAB 从细胞计数数据学习单细胞距离 该存储库随附有，，，N. Boon，B。De Baets和W. Waegeman撰写的手稿“从细胞计数数据学习单细胞距离”。 它通过针对不同的细胞计数应用（合成微生物生态学和CyTOF）最大化Jeffrey散度（DMLMJ），探索了距离度量学习的功能。 抽象的： 用于自动识别细胞群的数据分析技术在细胞计数领域的兴趣日益浓厚。 这些技术通常依赖于距离度量来测量单个单元之间的相似性。 在这项研究中，我们探索使用距离度量学习来自动确定欧氏距离度量的广义形式，即所谓的马哈拉诺比斯距离度量。 在单细胞标签可用的情况下，可以使用这种方法。 我们以各种方式评估学习距离度量的潜力。 首先，我们表明可以通过实施适当的Mahalanobis距离度量来改进当前基于距离的方法。 然后，为了评估这种距离度量的鲁棒性，我们评估了Mahalanobis距离度量在样本之间的可传递性。 此外，我们表明，可以将学习的距离度量与无监督方法（例如聚类或降维）集成在一起。 特别地，示出了用于来自两个不同来源的细胞计数数据的方法，即应用于微生物细胞的流式细胞计数和用于人

单反 这是在《自然方法》上发表的论文的python实现，该论文的标题为“通过基于内核的相似性学习对单细胞RNA-seq数据进行可视化和分析”。 概述 单细胞RNA-seq技术可实现单个细胞的高通量基因表达测量，并允许发现细胞群体内的异质性。 细胞间基因表达相似性的测量对于细胞群的鉴定，可视化和分析至关重要。 然而，由于高水平的噪声，离群值和遗漏，单细胞数据对基因表达相似性的常规测量提出了挑战。 我们开发了一种新颖的相似性学习框架SIMLR（通过多内核学习进行单细胞解释），该学习方法从数据中学习了合适的距离度量以进行降​​维，聚类和可视化。 与现有的降维方法相比，SIMLR能够在单细胞数据集中更准确地分离已知子种群。 此外，SIMLR对通过10x Genomics的GemCode单细胞技术生成的高通量外周血单个核细胞（PBMC）数据集表现出高灵敏度和准确性。 实施方式 我们为大型单细胞RNA

行业资料-电子功用-具有电流和阻抗检测功能的活体单细胞电穿孔装置.zip

基于Linux平台构建单细胞转录组病毒信息分析系统.pdf

单细胞-rcc-管道 用于分析手稿“单细胞 VIPER 识别复发相关肾肿瘤巨噬细胞”的单细胞 ccRCC 数据的数据文件和代码。 包括手稿中使用的 VIPER 单细胞蛋白质活性推理管道的代码。 “singlecell_gex_viper_analysis.R”包含将基因表达聚类作为第一步的单细胞 ARACNe/VIPER 管道、新颖的聚类算法（通过二次采样轮廓评分选择最佳分辨率的 louvain）、用于细胞类型识别的 singleR 和 InferCNV。 ARACNe 在逐个患者的基因表达簇元细胞上运行，而 metaVIPER 与所有患者衍生的 ARACNe 网络一起运行，并在所有患者中结合批量校正的元细胞基因表达特征，使用 Seurat SCTransform Pipeline 计算。 脚本包括基因表达和 VIPER 级聚类、差异表达和受体配体推断的代码，结合所有 scRNASeq

行业分类-物理装置-一种高得率高活性的单细胞分选方法.zip

行业分类-物理装置-一种动态交互的单细胞测序数据质控分析平台及方法.zip