10X 单细胞转录组_结果展示-J9九游会

J9九游会

基因组测序>
- 建库测序>
  - 二代建库测序服务
  - 三代建库测序服务
- 人类基因组测序>
- 动植物基因组测序>
- 微生物基因组测序>
转录调控测序>
表观组测序>
单细胞测序>
空间转录组>
基因分型>
质谱分析>
- 蛋白组学分析>
- 代谢组学分析>
- 免疫定量>
多组学联合分析>
分子育种>
基因合成>
相关资料下载

10X 单细胞转录组

UMAP降维分析展示

数据比对过滤

uniform manifold approximation and projection (UMAP)，采用非线性降维算法，该算法提供了最快的运行时间、最高的重现性和最有意义的细胞集群注释。此外，UMAP对嵌入维数没有计算限制，这使得它可以作为机器学习的通用维数约简技术。
Seiler KM, et al. Single-Cell Analysis Reveals Regional Reprogramming During Adaptation to Mas-
sive Small Bowel Resection in Mice. Cellular and Molecular Gastroenterology and Hepatology.
https://doi.org/10.1016/j.jcmgh.2019.06.001

tSNE降维分析展示

t-分布邻域嵌入算法（t-SNE，t-Stochastic Neighbor Embedding），是目前机器学习领域流行的对高维度数据进行降维的非线性非监督降维方法，可以有效地将高维度数据转换成二维图像。
Hermann B P, Cheng K, Singh A, et al. The Mammalian Spermatogenesis Single-Cell Transcriptome, from Spermatogonial Stem Cells to Spermatids. Cell Reports, 2018, 25(6), 1650?1667.e8.doi:10.1016/j.celrep.2018.10.026

Marker基因展示

Marker基因Violin图形展示

挑选每个cluster top4（按logFC排序）高表达基因观察其在不同cluster中的表达情况，绘制小提琴图。

Marker基因tSNE图形展示

t-分布邻域嵌入算法（t-SNE）维数约减算法能有效地将大数据集投射到两个或三个维度，通过该算法，展示特征Marker在不同cluster中的展示情况。

细胞群定义展示

根据已知Marker对细胞分群结果进行检测，进而对细胞定义。

Yan K S, Janda C Y, Chang J, et al. Non-equivalence of Wnt and R-spondin ligands during Lgr5+
intestinal stem-cell self-renewal. Nature, 2017, 545(7653), 238-242. doi:10.1038/nature22313。

受配体分析展示

某些细胞可以分泌一些因子，可能与其他细胞的发育生长相关，受配体分析可以清楚细胞间是如何相互调节。

Skelly D A, Squiers G T, Mclellan M A, et al. Single-Cell Transcriptional Profiling Reveals CellularDiversity and Intercommunication in the MouseHeart[J]. Cell Reports, 2018, 22, 600-610.doi.org/10.1016/j.celrep.2017.12.072

拟时分析展示

拟时（pseudotime）分析，又称细胞轨迹（cell trajectory）分析，通过拟时分析可以推断出发育过程细胞的分化轨迹或细胞亚型的演化过程，在发育相关研究中使用频率较高。

Hermann B P, Cheng K, Singh A, et al. The Mammalian Spermatogenesis Single-Cell Transcriptome, from Spermatogonial Stem Cells to Spermatids[J]. Cell Reports, 2018, 25(6), 1650-1667.e8.doi:10.1016/j.celrep.2018.10.026