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

cellranger

调取用于单细胞数据一致聚类的SC3包的小程序 包含详细的说明

SCDE概述 scde程序包实现了一组用于分析单细胞RNA-seq数据的统计方法。 scde适合用于单细胞RNA-seq测量的单个误差模型。 然后可以将这些模型用于评估细胞组之间的差异表达以及其他类型的分析。 scde软件包还包含pagoda框架，该pagoda框架应用途径和基因集过度分散分析来识别单细胞之间转录异质性的各个方面。 以下出版物详细介绍了差异表达分析的总体方法： 在以下出版物中详细介绍了途径和基因组过度分散分析的总体方法： 有关其他安装信息，教程等，请访问 样品分析和图像 单细胞错误建模 scde使用源自单细胞RNA-seq数据的计数scde拟合单细胞的个体误差模型，