单细胞测序流程(五)t | 您所在的位置:网站首页 › 单细胞基因分析怎么做 › 单细胞测序流程(五)t |
系列文章目录
单细胞测序流程(一)简介与数据下载 单细胞测序流程(二)数据整理 单细胞测序流程(三)质控和数据过滤——Seurat包分析,小提琴图和基因离差散点图 单细胞测序流程(四)主成分分析——PCA 本期主讲内容——t-sne聚类分析和寻找marker基因 介绍:T-SNE是一种用于探索高维数据的非线性降维算法。它将多维数据映射到适合于人类观察的两个或多个维度。 单细胞测序的意义:根本在于细胞的异质性。就是说,细胞与细胞之间存在个体差异性,即便是出于同一位置的细胞,也可能在基因表达等方面存在一些差异。 一、课前准备之前所使用的数据 R语言的IDE 二、过程 聚类分析的目的是根据细胞的差别所进行细胞分群,两个亚群的互相靠近代表着两个亚群之间的相关。寻找marker基因目的是寻找在每个亚群中的标志基因,即提到那个基因立马想到对应的亚群。 直接运行代码就可以出线结果 代码如下 #if (!requireNamespace("BiocManager", quietly = TRUE)) # install.packages("BiocManager") #BiocManager::install("singscore") #BiocManager::install("GSVA") #BiocManager::install("GSEABase") #BiocManager::install("limma") #install.packages("devtools") #library(devtools) #devtools::install_github('dviraran/SingleR') library(limma) library(Seurat) library(dplyr) library(magrittr) setwd(目录") #设置工作目录 #读取文件,并对重复基因取均值 rt=read.table("geneMatrix.txt",sep="\t",header=T,check.names=F) rt=as.matrix(rt) rownames(rt)=rt[,1] exp=rt[,2:ncol(rt)] dimnames=list(rownames(exp),colnames(exp)) data=matrix(as.numeric(as.matrix(exp)),nrow=nrow(exp),dimnames=dimnames) data=avereps(data) #将矩阵转换为Seurat对象,并对数据进行过滤 pbmc |
CopyRight 2018-2019 实验室设备网 版权所有 |