介绍：这是一个可以自动合并数据的简易脚本应用场景：有一批数据有三十几个样本,测序公司返回数据时由于数据量不达标，需要加测一次，部分样本数据量还是不够,又加测一次才够，总共三次数据，需要根据样本名称合并成一个fq.gz。这么多数据要一个一个对应太麻烦了.那么如果经常发生这种情况，建议换一家测序公司。脚本使用注意事项：批次之间的文件如何区分:通常是根据lane号区分的,比如:XXX_L3_1.fq.gz(第一批测序回来的)XXX_L2_1.fq.gz(第二批测序回来的)再有就是两批数据完全相同的名称:XXX_L3_1.fq.gz(第一批测序回来的)XXX_L3_1.fq.gz(第二批测序回来的)这
今天开启重测序分析专题啦！恳请各位观众老爷点点关注！所有分析均在linux系统上完成整个重测序分析流程涉及到的软件非常多，本节介绍重测序常用软件的安装方法。安装R包install.packages("getopt")install.packages("phangorn")install.packages("qqman")install.packages("CMplot")install.packages("LDheatmap")install.packages("gplots")install.packages("multtest")install.packages("scatterplot3
今天开启重测序分析专题啦！恳请各位观众老爷点点关注！所有分析均在linux系统上完成整个重测序分析流程涉及到的软件非常多，本节介绍重测序常用软件的安装方法。安装R包install.packages("getopt")install.packages("phangorn")install.packages("qqman")install.packages("CMplot")install.packages("LDheatmap")install.packages("gplots")install.packages("multtest")install.packages("scatterplot3
往期回顾B站中只有视频课程，代码部分整理在往期推送之中：手把手教你做单细胞测序数据分析（一）——绪论手把手教你做单细胞测序数据分析（二）——各类输入文件读取手把手教你做单细胞测序数据分析（三）——单样本分析手把手教你做单细胞测序数据分析（四）——多样本整合手把手教你做单细胞测序数据分析（五）——细胞类型注释手把手教你做单细胞测序数据分析（六）——组间差异分析及可视化其他单细胞相关技术贴也在这里：细胞的数量由誰决定？答读者问（三）单细胞测序前景答读者问（四）：如何分析细胞亚群答读者问（六）、Seurat中如何让细胞听你指挥单细胞中应该如何做GSVA？如果这期视频看不懂，你可能需要看看这些：上一讲
往期回顾B站中只有视频课程，代码部分整理在往期推送之中：手把手教你做单细胞测序数据分析（一）——绪论手把手教你做单细胞测序数据分析（二）——各类输入文件读取手把手教你做单细胞测序数据分析（三）——单样本分析手把手教你做单细胞测序数据分析（四）——多样本整合手把手教你做单细胞测序数据分析（五）——细胞类型注释手把手教你做单细胞测序数据分析（六）——组间差异分析及可视化其他单细胞相关技术贴也在这里：细胞的数量由誰决定？答读者问（三）单细胞测序前景答读者问（四）：如何分析细胞亚群答读者问（六）、Seurat中如何让细胞听你指挥单细胞中应该如何做GSVA？如果这期视频看不懂，你可能需要看看这些：上一讲
GEO数据库下载单细胞测序原始数据如果想要分析数据库中的数据，可以从文献中获得数据的GSE号，举个例子：image.png然后到NCBINationalCenterforBiotechnologyInformation(nih.gov)搜索GSE144024，就会得到如下信息：image.png其中，GSM号为样本编号，后面有详细信息。点击SRARUNSelector，就可以看到每个样本的SRR号。image.png选择想要下载的SRR，点击selected-accessionlist，就可得到一个编号的文本文件。但是呢想要下载，还得需要借助其他软件sratools。image.pngsrat
GEO数据库下载单细胞测序原始数据如果想要分析数据库中的数据，可以从文献中获得数据的GSE号，举个例子：image.png然后到NCBINationalCenterforBiotechnologyInformation(nih.gov)搜索GSE144024，就会得到如下信息：image.png其中，GSM号为样本编号，后面有详细信息。点击SRARUNSelector，就可以看到每个样本的SRR号。image.png选择想要下载的SRR，点击selected-accessionlist，就可得到一个编号的文本文件。但是呢想要下载，还得需要借助其他软件sratools。image.pngsrat
关于“数据的维度”(dims参数)的选择完成PCA之后，我们获得了该数据集的所有主成分（PCs）信息，但是如何决定纳入多少个主成分进行下游分析呢？主要参考以下方法：热图DimHeatmap(pbmc,dims=1:15,cells=500,balanced=TRUE)image.png如上图所示，可以看出前15个主成分可以把细胞分成差异明显的两群，说明前15个主成分中含有的显著的差异基因更多，主成分也就更有意义，所以下游分析可以纳入前15个PCs。碎石图ElbowplotElbowPlot(pbmc)通过碎石图可以看出每个PC对变异的贡献情况，从上图可以看出9~10PC以后逐渐趋于稳定（噪声主
关于“数据的维度”(dims参数)的选择完成PCA之后，我们获得了该数据集的所有主成分（PCs）信息，但是如何决定纳入多少个主成分进行下游分析呢？主要参考以下方法：热图DimHeatmap(pbmc,dims=1:15,cells=500,balanced=TRUE)image.png如上图所示，可以看出前15个主成分可以把细胞分成差异明显的两群，说明前15个主成分中含有的显著的差异基因更多，主成分也就更有意义，所以下游分析可以纳入前15个PCs。碎石图ElbowplotElbowPlot(pbmc)通过碎石图可以看出每个PC对变异的贡献情况，从上图可以看出9~10PC以后逐渐趋于稳定（噪声主
1.加载数据library(Seurat)library(SeuratData)pbmcpbmcAnobjectofclassSeurat13714featuresacross2638sampleswithin1assayActiveassay:RNA(13714features,2000variablefeatures)2dimensionalreductionscalculated:pca,umap2.执行默认的差异表达测试Seurat的大部分差异表达特征可以通过“FindMarkers()”函数访问。默认情况下，Seurat基于非参数Wilcoxon秩和检验执行差分表达式。这取代了以前的
