La Red de Conocimientos Pedagógicos - Currículum vitae - py Scenic(ⅲ) análisis de factores de transcripción y visualización de datos

py Scenic(ⅲ) análisis de factores de transcripción y visualización de datos

Cartas de referencia para crear un árbol de habilidades:

Cinco visualizaciones de los resultados del análisis del factor de transcripción de Pyscenic.

Los resultados del análisis del factor de transcripción de Pyscenic muestran que cada subpoblación de células activa específicamente los factores de transcripción.

Ver el artículo anterior:

Análisis de factores de transcripción y visualización de datos de pySCENIC (1)

py Scenic (ii) análisis de factores de transcripción y visualización de datos

p>

Este contenido se centra en la activación específica de factores de transcripción y la visualización de cada subpoblación de células individuales. Primero, revise nuevamente los resultados del análisis del factor de transcripción de pyscenic.

Vale la pena mencionar que en este conjunto de datos pbmc3k, en realidad hay 220 factores de transcripción en más de 2000 celdas (208 en el tutorial del profesor Zeng).

Observe la actividad promedio del factor de transcripción de diferentes subpoblaciones de células individuales.

Aquí pasó algo extraño. Al principio, usamos pheatmap:phe atmap(regression_by group_scaled), por lo que escribimos error:phe atmap(regression_by group_scaled):na/nan parámetros reales en phe atmap.

Se puede observar que cada subpoblación de células individuales es de hecho un factor de transcripción activado con su propia especificidad.

Sin embargo, el paquete SCENIC en sí proporciona una función calcRSS para ayudarnos a seleccionar factores de transcripción específicos para cada subpoblación de células individuales, lo que se denomina regla para calcular una puntuación específica.

Referencia: RSS fue utilizado por primera vez por Suo et al. en "Revealing Key Regulators of Cellular Properties in Mouse Cell Atlas". Informe de telefonía celular (2018). . doi:10.1016/j . celrep 2018.10.045

Correr es súper fácil.

PAX5(+) y REL(+) de hecho se expresan altamente en las células B.

La sd.2 de df también se puede calcular en función de sd.

O calcular la sd.2 de gl basándose en la media.

En este punto, los cursos de visualización de datos y análisis de factores de transcripción de pySCENIC han terminado gracias al árbol de habilidades del profesor Zeng y Sheng Xin.