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

共识非负矩阵分解（cNMF）v1.2 cNMF是用于从单细胞RNA-Seq（scRNA-Seq）数据推断基因表达程序的分析管道。 它以一个计数矩阵（N个细胞XG基因）作为输入，并生成一个（K x G）个基因表达程序（GEPs）矩阵和一个（N x K）矩阵，该矩阵指定数据中每个细胞的每个程序的用法。 您可以在阅读有关该方法的更多信息。 此外，该论文中的分析还可以在上进行探索和重新执行。 您可以在本README中阅读有关如何运行cNMF管道的更多信息，并可以在随附的和使用示例数据对它进行测试。 从1.1版更新 将用于确定高变异性基因的低均值表达基因的阈值从0.01提高到0.5。 除少数单元格外，一些用户正在识别使用率极低的无法解释的程序。 我们怀疑这是由于包含了在少数细胞中检测到的具有高变异性的基因所致。 在大多数情况下，默认参数的此更改将有助于解决该问题。 更新了NMF的导入，以与>

用单细胞数据绘制癌症的免疫抗性 该资源提供了Jerby-Arnon等人研究中开发的代码。 “黑色素瘤生态系统的单细胞RNA-seq揭示了与免疫疗法临床结果相关的T细胞排斥的来源” 。 它重现了这项研究的关键结果，可用于其他单细胞研究人群，探索癌症中的细胞相互作用。 要求 R（已在R版本3.4.0（2017-04-21）中进行测试-“您愚蠢的黑暗”）。 R库：scde，matrixStats，plotrix，plyr，ppcor，生存，ROCR，Hmisc，rms，mixtools，lme4，lmerTest 数据 数据在 （ ImmRes_Rfiles.zip ）中提供。 在门户网站中，您还将找到已处理的单细胞以及。 快速开始 为了重现Jerby-Arnon等人报道的结果。 从下载ImmRes_Rfiles.zip 。 解压缩文件，然后将结果数据目录移动到ImmuneResistanc

典型相关分析matlab实现代码#SCell用户指南 SCell是一个集成的软件工具，用于从大型单细胞RNA-seq数据集中进行质量过滤，标准化，特征选择，降维迭代，聚类和估计基因表达梯度。 SCell是开源的，并通过直观的图形界面实现。 可从Windows获得Mac，MacOS和Linux的二进制可执行文件，从获得源代码和预处理脚本。 如果您使用此软件进行研究，请引用：Aaron Diaz，Siyuan J. Liu，Carmen Sandoval，Alex Pollen，Tom J. Nowakowski，Daniel A. Lim和Arnold Kriegstein。 。 生物信息学。 2016. doi：10.1093 / bioinformatics / btw201 目录 1.安装 SCell在64位Mac OSX，Windows和Linux下运行。 首先从以下位置下载适当的安装包： 以_web结尾的文件的初始下载量较小，但在安装过程中将下载更多文件。 那些没有_web结尾的东西已经捆绑了所有需要的东西。 下载完成后，双击安装程序，然后按照屏幕上的说明进行操作。 要调用Wi

CellBender CellBender是一个软件包，用于消除高通量单细胞RNA测序（scRNA-seq）数据中的技术伪像。 当前版本包含以下模块。 将来将添加更多模块： remove-background ： 此模块从（原始）基于UMI的scRNA-seq计数矩阵中删除由于周围RNA分子和随机条形码交换引起的计数。 目前，仅支持由CellRanger count管道生成的计数矩阵。 将来会增加对其他工具和协议的支持。 在可以找到快速入门教程。 请参阅以获取有关使用CellBender的快速入门教程。 安装及使用 手动安装 推荐的安装方法如下。 创建一个conda环境并激活它： $ conda create -n cellbender python=3.7 $ source activate cellbender 安装模块： (cellbender) $ conda in