跟着Seurat官网学空间转录组(10X数据集为例,包含细胞映射,无监督学习) | 您所在的位置:网站首页 › ttr基因检测 › 跟着Seurat官网学空间转录组(10X数据集为例,包含细胞映射,无监督学习) |
这是一个使用Seurat进行空间转录组分析的教程的摘要,包括每个部分的代码:
本教程演示如何使用 Seurat (>=3.2) 分析空间分辨的 RNA-seq 数据。虽然分析流程类似于用于单细胞 RNA-seq 分析的 Seurat 工作流程,但我们引入了更新的交互和可视化工具,特别强调空间和分子信息的整合。本教程将涵盖以下任务,我们相信这些任务对于许多空间分析来说都是常见的: 正常化 降维和聚类 检测空间变化的特征 交互式可视化 与单细胞 RNA-seq 数据整合 使用多个切片 对于我们的第一个小插图,我们分析了使用 10x Genomics 的Visium 技术生成的数据集。我们将在不久的将来扩展 Seurat 以使用其他数据类型,包括SLIDE-Seq、STARmap和MERFISH。 首先,我们加载 Seurat 和此小插图所需的其他包。 library(Seurat) library(SeuratData) library(ggplot2) library(patchwork) library(dplyr) 数据集在这里,我们将使用最近发布的使用 Visium v1 化学生成的小鼠矢状脑切片数据集。有两个连续的前部分和两个(匹配的)连续的后部分。 您可以在此处下载数据,并使用Load10X_Spatial()函数将其加载到 Seurat 中。这将读取spaceranger管道的输出,并返回一个 Seurat 对象,该对象包含点级表达数据以及组织切片的关联图像。您还可以使用我们的SeuratData 包来轻松访问数据,如下所示。安装数据集后,您可以键入?stxBrain以了解更多信息。 InstallData("stxBrain") brain |
CopyRight 2018-2019 实验室设备网 版权所有 |