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
2023-04-17 22:04:16 10.14MB scrna-seq single-cell-rna-seq batch-correction R
1
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
2023-03-27 12:48:00 28.84MB single cell 转录组 单细胞
1
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。
2022-07-13 15:18:32 62.98MB statistical-genetics single-cell-rna-seq R
1
scNym-用于单细胞分类的半监督对抗神经网络 scNym是一个神经网络模型,用于根据单细胞分析数据(例如scRNA-seq)预测细胞类型,并从这些模型中得出细胞类型表示形式。 尽管细胞类型分类是主要的用例,但是这些模型可以将单个细胞概况映射到任意输出类别(例如实验条件)。 我们已经在Genome Research的最新论文中详细描述了scNym 。 如果您发现此工具有用,请引用我们的工作。 我们也有一个研究网站,介绍scNym简报- 用于单细胞分类的半监督对抗神经网络。 雅各布·金梅尔(Jacob C.Kimmel)和大卫·凯利(David R.Kelley)。 基因组研究。 2021. doi: : BibTeX @article{kimmel_scnym_2021, title = {Semi-supervised adversarial neural networ
1
CellChat:单元间通信的推理和分析 重要更新!! 2021年1月5日(版本0.5.0) CellChat对象的微小变化(请通过updateCellChat()更新以前计算的CellChat对象) 功能和教程的增强文档(使用help()来检查文档,例如help(CellChat) ) 多个数据集进行比较分析的新功能 支持从Seurat V3或SingleCellExperiment对象创建新的CellChat对象 基于网络的“ CellChat Explorer” 我们构建了一个用户友好的基于Web的“ ”,其中包含两个主要组件: 配体-受体相互作用浏览器,可轻松探索我们新颖的配体-受体相互作用数据库,全面概述包括多聚体复合物和辅因子在内的已知分子组成。 我们的数据库CellChatDB是一个人工整理的数据库,其中包含人类和小鼠中受文献支持的配体-受体相互作用。 Cel
1
可以在此处找到 FFR 的实现。 从这一点可以将其扩展到多小区场景,同时考虑切换呼叫。
2022-02-23 21:18:52 3KB matlab
1
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
2021-09-01 10:58:54 762.89MB HTML
1
I2C Controlled 3-A Single Cell USB Char...wer Path Management
2021-01-28 04:00:34 3.84MB usb
1