16.1 前言 單細胞RNA-seq為了解不同條件、組織類型、物種和個體之間細胞類型的變化提供了前所未有的信息。單細胞數據的差異基因表達分析幾乎...
15.1 前言 除了基因表達模式的變化之外,細胞組成(例如細胞類型的比例)也會在不同條件下發生變化。例如,特定藥物可以誘導細胞類型的轉分化,這將...
14.1 前言 本篇是細胞注釋章節的更詳細的延續,該章節已經介紹了差異基因表達(DGE)作為用細胞類型注釋簇的工具。在這里,我們重點關注更復雜的...
12.1 前言 單細胞數據集允許以高分辨率研究生物過程,例如早期發育。例如,雖然分析的是單個細胞而不是整個組織,但細胞表型的變化無法隨著時間的推...
11.1 前言 單細胞測序分析提供生物組織的高分辨率測量。因此,此類技術可以幫助破譯和理解細胞異質性和生物過程的動態。相應的研究包括量化細胞命運...
10.7 基于圖的整合模型Graph-based integration 我們要介紹的下一個方法是BBKNNBatch-Balanced k-N...
10. 數據整合 10.1 總論 大多數scRNA-seq數據分析的一個核心挑戰是批次效應。批次效應是測量的表達水平的變化,這是處理不同組或“批...
9.4 自動注釋 9.4.1 總論 這一篇討論的方法將是自動化的方法,而不是手動注釋數據。與上一篇展示的方法不同,這些方法中的每一種都可以使您以...
9. 細胞注釋Annotation 為了更好地理解數據并利用現有知識,弄清楚數據中每個細胞的“細胞身份”非常重要。根據已知(或有時未知)的細胞表...