Análisis de tiempos propuesto

La secuenciación unicelular puede detectar el transcriptoma de cada célula en un tejido, pero de hecho, las células de un tejido se encuentran en diferentes estados de desarrollo. Por lo tanto, a través de la expresión genética, podemos comprender algunos de los estados de desarrollo de las células y el proceso celular. transformación Actualmente, el software para secuenciación simulada incluye monóculo, velocidad, etc. Aquí tenemos más programas convencionales y continuaremos probándolos si encontramos un buen software, lo actualizaremos a tiempo.

Prueba 1: monocle2: Monocle 2 construye un árbol de expansión (algoritmo DDRTree) en un conjunto de centros de datos seleccionados automáticamente. Luego, el algoritmo mueve la celda al vértice de su árbol más cercano, actualiza la posición del vértice para que se ajuste a la celda, aprende un nuevo árbol de expansión y continúa este proceso de forma iterativa hasta que las posiciones del árbol y de la celda convergen. En este proceso, Monocle 2 mantiene un mapeo reversible entre el espacio de alta dimensión y el espacio de baja dimensión, aprendiendo así trayectorias y reduciendo la dimensionalidad de los datos. Aprenda el sitio web oficial de Monocle (cole-trapnell-lab.github.io)

Prueba 2: Monocle3: la versión recomendada por el sitio web oficial En comparación con el algoritmo DDRTree, el algoritmo UMAP puede ser más intuitivo para la trayectoria. razonamiento, y El algoritmo también se ha optimizado. Monocle3 heredó oficialmente el alma de Monocle2 en el algoritmo iterativo, abandonó la parte criticada de generación de mapas de trayectoria e introdujo un proceso de razonamiento de trayectoria basado en mapas modelado en PAGA. y el consumo de memoria son bastante impresionantes, la dirección de aprendizaje del sitio web oficial es Monocle (cole-trapnell-lab.github.io)

Prueba 3 R: velocidad.R: El ARNm recién transcrito contiene intrones y exones, que pueden ser empalmados para formar ARNm maduro. Este método predice la dirección del linaje en función de la cantidad de ARN precursor y ARN maduro contenido en la célula.

Prueba 4: scvelo: Conceptos básicos de la velocidad del ARN - scVelo 0.2.5.dev6 g1805ab4.d20210829 documentación

Prueba 5 scanpy: PAGA es un método de análisis basado en gráficos aprobado por primera vez por Louvain The El algoritmo del algoritmo realiza una reducción de la dimensionalidad de las células, genera un diagrama de agrupamiento de baja dimensión y analiza más a fondo la relación entre diferentes grupos de células según el diagrama de agrupamiento. El tutorial del sitio web oficial es el siguiente: Inferencia de trayectoria de la hematopoyesis del ratón: documentación de Scanpy (scanpy-tutorials.readthedocs.io)

Prueba 1: monocle2

instalación de monocle2, BiocManager es realmente bueno , puedes instalarlo con BiocManager. Se recomienda instalarlo con BiocManager

1. Cargar el paquete de software

2. Leer los datos de Seurat Esta vez, los datos analizados por Seurat. Se usó la última vez, pero la velocidad de cálculo de monóculo es demasiado decepcionante, así que he estado haciendo varios subconjuntos. Después de subconjuntos, todavía quedan 17,000 celdas, lo que todavía consume muchos recursos informáticos.

3 Convertir objetos Seurat en objetos monóculo

4 Homogeneización de datos, este paso es lento

5 Filtrar genes

6 Seleccionar alta varianza Los genes son un paso crítico y existen muchos algoritmos que pueden conducir a resultados diferentes. Puede comprender los principios del algoritmo y elegir el algoritmo que más le convenga

Análisis de reducción de dimensionalidad, análisis de células, análisis de células. , análisis celular, análisis celular, etc.

p> 7 Análisis de reducción de dimensionalidad, clasificación de células

8 Genes diferenciales

9 Dibujar el gráfico de análisis de series de tiempo recomendado

También puedes elegir diferentes

p>

Análisis de 10 puntos de ramificación

Seleccione el subtipo celular y la vía de diferenciación que le interesan y luego podrá ver los genes modificados y la tendencia de los cambios genéticos.

Este , también puede ver

1 Cargar el paquete de software

2 Leer los datos de Seurat Para mejorar la velocidad de análisis, o seleccionar una muestra para el análisis, la velocidad de análisis de monocle3. Es realmente más rápido que 2 tocar es mucho más rápido. ....

3 Generar datos en formato monóculo y realizar homogeneización y reducción de dimensionalidad

4 Clasificación de células

5 Encontrar análisis de trayectoria para genes diferenciales

>

6 *** Análisis del módulo de expresión

3 Instalar velocyto

Instalar directamente en el entorno singlecell_test original. Instalación

1 Primero cargamos el paquete de software

2 Luego leemos los datos, todavía usando el mismo conjunto de datos. Para reducir la cantidad de cálculo, elegimos una muestra. para hacerlo

3 Organizar el formato de datos

4 Filtrado de datos

5 Dibujar

Prueba 4:

Use R para generar la información del primer requisito

Lea los datos y genere la información que necesitamos

A continuación, use Python para el análisis

1 Importe el paquete de software

2 Leer Ingresar los datos

3 Realizar clasificación de datos

Prueba 5

1 Cargar el paquete de software requerido

2 Leer los datos y procesarlos Preprocesamiento

3 Eliminación de ruido

Dibujar aquí, en términos generales, hay relativamente pocos tutoriales en esta área, y la comprensión y la lógica de operación de cada paso son No es muy sencillo. Lo intentaré de nuevo cuando tenga tiempo. Aprenda y complemente lentamente.