R语言Seurat包 FindMarkers函数使用说明 |
您所在的位置:网站首页 › 65n7gpro参数 › R语言Seurat包 FindMarkers函数使用说明 |
返回R语言Seurat包函数列表 功能\作用概述:查找标识类的标记(差异表达基因) 语法\用法:FindMarkers(object, ...) ## Default S3 method:FindMarkers( object, slot = "data", counts = numeric(), cells.1 = NULL, cells.2 = NULL, features = NULL, reduction = NULL, logfc.threshold = 0.25, test.use = "wilcox", min.pct = 0.1, min.diff.pct = -Inf, verbose = TRUE, only.pos = FALSE, max.cells.per.ident = Inf, random.seed = 1, latent.vars = NULL, min.cells.feature = 3, min.cells.group = 3, pseudocount.use = 1, ...) ## S3 method for class 'Seurat'FindMarkers( object, ident.1 = NULL, ident.2 = NULL, group.by = NULL, subset.ident = NULL, assay = NULL, slot = "data", reduction = NULL, features = NULL, logfc.threshold = 0.25, test.use = "wilcox", min.pct = 0.1, min.diff.pct = -Inf, verbose = TRUE, only.pos = FALSE, max.cells.per.ident = Inf, random.seed = 1, latent.vars = NULL, min.cells.feature = 3, min.cells.group = 3, pseudocount.use = 1, ...) 参数说明:object : 一个物体 ... : 传递给其他方法和特定DE方法的参数 slot : 从中提取数据的槽;注意如果测试使用如果是“negbinom”、“poisson”或“DESeq2”,则插槽将设置为“counts” counts : 计数矩阵(如果使用)比例数据用于DE测试。它用于计算pct.1和pct.2,以及基于分形表达式过滤特征 cells.1 : 属于第1组的单元名称向量 cells.2 : 属于第2组的单元名称向量 features : 要测试的基因。默认是使用所有基因 reduction : 用于差异表达测试的减少-将测试细胞嵌入的DE logfc.threshold : 对两组细胞之间平均至少存在x倍差异(对数标度)的基因进行限制性测试。默认值为0.25日志阈值加速功能,但可能会错过较弱的信号。 test.use : 表示要使用的测试。可用的选项有:“wilcox”:使用Wilcoxon秩和检验(默认)“bimod”:单细胞基因表达的似然比检验(McDavid等人,生物信息学,2013)“roc”:使用roc确定基因表达的“标记物”分析每个基因,评估(使用AUC)a分类器仅建立在该基因上,用于在两组细胞之间进行分类。AUC值为1意味着仅此基因的表达值就可以完美地将两组细胞(即细胞中的每一个细胞)进行分类。1比细胞中的每一个细胞表现出更高的水平。2。AUC值为0也意味着存在完美分类,但方向相反。值为0.5意味着该基因对这两组没有预测能力。返回假定差异表达基因的“预测能力”(abs(AUC-0.5)*2)排序矩阵。“t”:使用Student的t-检验确定两组细胞之间的差异表达基因。“negbinom”:使用负二项广义线性检验确定两组细胞之间的差异表达基因型号.用途只为基于UMI的数据集“泊松”:使用泊松广义线性模型识别两组细胞之间差异表达的基因型号.用途仅适用于基于UMI的数据集“LR”:使用逻辑回归框架确定差异表达基因。根据每个特征构建预测组成员的logistic回归模型,并将其与带有似然比检验的nullmodel进行比较。“MAST”:使用针对scRNA-seq数据的跨栏模型识别两组细胞之间的差异表达基因。利用MASTpackage来运行去测试。“DESeq2”:基于使用DESeq2的模型识别两组细胞之间的差异表达基因,该模型使用负二项分布(Love等人,基因组生物学,该测试不支持基于细胞组间平均差异(或检测率百分比)的基因预筛选。然而,基因可以根据其最小检出率进行预筛选(最小百分比)跨两个细胞组。要使用此方法,请按照说明安装DESeq2网址:http://bioconductor.org/packages/release/bioc/html/DESeq2.html min.pct : 只测试在最小部分中检测到的基因最小百分比两个群体中的任何一个。通过不检测不常表达的基因来加速功能。默认值为0.1 min.diff.pct : 只测试两组在检测率上差异最小的基因。默认设置为-Inf verbose : 表达式测试开始后打印进度条 only.pos : 仅返回阳性标记(默认为FALSE) max.cells.per.ident : 将每个标识类的样本减少到最大值数字。默认值没有下采样。默认情况下未激活(设置为Inf) random.seed : 下采样随机种子 latent.vars : 要测试的变量,仅在测试使用是“LR”、“negbinom”、“poisson”或“MAST”之一 min.cells.feature : 两组中至少一组表达特征的最小细胞数,目前仅用于泊松和负二项检验 min.cells.group : 其中一组中的最小单元格数 pseudocount.use : 计算logFC时要添加到平均表达式值的伪计数。默认为1。 ident.1 : 要为其定义标记的标识类;传递classphylo或“clustertree”的对象以查找群集树中节点的标记;传递“clustertree”需要运行BuildClusterTree ident.2 : 用于比较的第二个标识类;如果为空,则使用所有其他单元格进行比较;如果类phylo或“clustertree”的对象被传递给ident.1,则必须传递一个节点以查找用于比较的标记 group.by : 在执行差异表达之前,将单元格重新组合为不同的标识类(参见示例) subset.ident : 在重新组合之前对特定的标识类进行子集划分。仅在以下情况下相关分组依据已设置(参见示例) assay : 用于差异表达检测的分析方法 示例\实例:# Find markers for cluster 2markers < - FindMarkers(object = pbmc_small, ident.1 = 2)head(x = markers) # Take all cells in cluster 2, and find markers that separate cells in the 'g1' group (metadata# variable 'group')markers < - FindMarkers(pbmc_small, ident.1 = "g1", group.by = 'groups', subset.ident = "2")head(x = markers) # Pass 'clustertree' or an object of class phylo to ident.1 and# a node to ident.2 as a replacement for FindMarkersNodepbmc_small < - BuildClusterTree(object = pbmc_small)markers < - FindMarkers(object = pbmc_small, ident.1 = 'clustertree', ident.2 = 5)head(x = markers) |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |