Harmony
單細胞數據整合-1:Harmony原理介紹和官網教程 - 簡書
harmony算法與其他整合算法相比的優勢:
(1)整合數據的同時對稀有細胞的敏感性依然很好
(2)省內存;
(3)適合于更復雜的單細胞分析實驗設計,可以比較來自不同供體,組織和技術平臺的細胞。
基本原理:
我們用不同顏色表示不同數據集,用形狀表示不同的細胞類型。首先,Harmony應用主成分分析(https://mp.weixin.qq.com/s?__biz=MzI5MTcwNjA4NQ==&mid=2247484036&idx=1&sn=22ee356d0c9680d56dada1b777985ed2&scene=21#wechat_redirect)將轉錄組表達譜嵌入到低維空間中,然后應用迭代過程去除數據集特有的影響。
(A) Harmony概率性地將細胞分配給cluster,從而使每個custer內數據集的多樣性最大化。
(B) Harmony計算每個cluster的所有數據集的全局中心,以及特定數據集的中心。
(C)在每個cluster中,Harmony基于中心為每個數據集計算校正因子。
(D)最后,Harmony使用基于C的特定于細胞的因子校正每個細胞。由于Harmony使用軟聚類,因此可以通過多個因子的線性組合對其A中進行的軟聚類分配進行線性校正,來修正每個單細胞。
重復步驟A到D,直到收斂為止。聚類分配和數據集之間的依賴性隨著每一輪的減少而減小
SingCellaR
當然,SingCellaR本身是類似于Seurat一樣,是能進行一站式單細胞數據分析的強大工具,我們可以從下面介紹的Figs中可以看到SingCellaR出圖的配色也是別具一格,很漂亮的,而且還整合了多種分析流程;此外,其內置的造血干細胞相關的signatures比較方便大家對干細胞分化進行分析,當換成其它gene sets也是可以的,
CellChat三部曲1:使用CellChat對單個數據集進行細胞間通訊分析
full_join、inner_join、left_join和right_join連接數據框
單細胞基礎知識補充5-R語言full_join、inner_join、left_join和right_join連接數據框 - 簡書 (jianshu.com)
fread() 函數快速讀取大表格以及取子集