AUCell“識別”活性基因集

來源：嗶哩嗶哩　2023-06-27 09:05:14

爾云間? 一個專門做科研的團隊

原創?小果?生信果

歡迎點贊+收藏+關注

(資料圖片僅供參考)

各位同學們！小果技能課堂終于又雙綴開課啦！今天我們要學習一個全新的單細胞測序工具來解決一個特定的問題：

通過什么樣的方法就能鑒別出細胞中存在的“活性”基因集并將它可視化展示呢？不要急，小果帶你一起探討！

AUCell安裝

沒錯，我們今天要用到的就是R包-----AUCell，AUCell具有強大的識別功能和繪圖功能，能夠輕松解決我們現在想解決的問題哦。那就先和小果一起來完成AUCell包的安裝吧！

導入需要的R包

準備數據

在AUCell進行識別并輸出之前，小果要準備最基本的數據，對于本次實驗，我們用到的數據有兩種，一種是“矩陣數據”，一種是“基因數據”哦，使用之前下載好的“GEOquery”包就可以直接在R中下載ncbi上的數據集。我們在下載好后，通過R中對數據處理的函數將其進行二次封裝，從而將其轉化為數據矩陣的形式~

準備矩陣數據

準備基因數據

對于基因集數據，我們可以直接從AUCell軟件包中自帶的數據集直接調取，是不是很方便呢！讓小果帶大家來具體看看怎么操作吧！

識別細胞中的活性基因集

當AUCell識別了細胞中的活性基因后，會根據活性基因在細胞中表達的情況用曲面面積來進行表示哦！調用AUCell的可視化函數，我們也可以直觀的看到數據集中的細胞中表達出的活性強度，從而也有助于我們從數據群中找到活性強的一系列細胞！接下來小果帶大家一起看看AUCell的強大繪圖功能吧！！

來和小果一起看看輸出結果吧！注意，這里因為繪制的圖很多，所以我們需要將右下角的圖框拉大一些哦！不然可能會導致看不到繪圖結果哦！！

今天就分享到這里了，關注小果更多干貨內容持續更新哦！

往期代碼：

【1】lncRNA的拷貝數變異下游相關分析【2】R可視化：ggstatsplot包—科研界的美圖秀秀【3】隨機森林算法用于分類預測和篩選診斷標志物【4】基于本地Java版GSEA的輸出結果整合多個通路到一張圖【5】基于嶺回歸模型和基因表達矩陣估算樣本對藥物反應的敏感性【6】基于R包NMF對樣本進行分型分析【7】DALEX包用于探索、解釋和評估模型；分析不同特征變量對響應變量的影響【8】根據腫瘤突變負荷TMB進行KM生存分析尋找最佳的cutoff【9】基于單樣本富集分析算法評估組織中的免疫細胞浸潤水平【10】代碼分享│什么？你還在用散點圖來可視化數據之間的相關性【11】代碼分享│診斷列線圖、校準曲線、決策曲線和臨床影響曲線的構建【12】代碼分享│你了解基因的動態變化模式嗎【13】代碼分享│生物信息分析之SCI熱門圖表-復雜熱圖【14】代碼分享│生物信息分析之SCI熱門圖表-火山圖【15】代碼分享│生物信息分析之SCI熱門圖表-箱型圖和小提琴圖【16】代碼分享│深度學習-人工神經網絡（ANN）的構建【17】代碼分享│R可視化：高分文章繪圖之基于RCircos包的多類型圈圖繪制【18】代碼分享│R可視化：基因與功能之間的關系--GO功能富集網絡圖繪制【19】代碼分享│生物信息分析之SCI熱門圖表—KM曲線和tROC曲線【20】代碼分享│R可視化：腫瘤預后模型之Cox回歸分析后用R語言繪制森林圖【21】代碼分享│生物信息分析之SCI熱門圖表—相關性熱圖和散點圖【22】代碼分享│生信分析之R語言分析相關性及可視化的N種風格【23】代碼分享│TCGA數據獲取有困難，不會預處理，學習起來【24】代碼分享│機器學習-支持向量機遞歸特征消除（SVM-RFE）的構建【25】代碼分享│R可視化：對兩個矩陣進行相關性可視化分析【26】GEO數據庫多數據集差異分析整合利器RRA，再也不用糾結去除批次效應【27】你與生信大佬的距離，只差2分鐘搞定預后模型構建和性能評估【28】9+SCI純生信，模型構建中的“流量明星”，你不得不知的LASSO【29】手把手教你畫美觀大氣的lasso回歸模型圖，為你的SCI增磚添瓦【30】R可視化：clusterProfiler包做組間比較GO富集圖【31】代碼分享|R可視化：復雜熱圖繪制技巧之熱圖中添加柱狀圖【32】代碼分享——基于基因突變信息分析腫瘤突變負荷【33】代碼分享│富集不到想要的通路？別放棄呀，試試GSEA【34】代碼分享│還在用PCA做降維聚類嗎？最強降維模型tSNE--你值得擁有【35】代碼分享│GSVA：原來功能通路也能做差異分析！【36】代碼分享│Slingshot：你不知道的單細胞擬時序分析還有它【37】基于基因功能注釋信息挖掘關鍵作用基因【38】基于癌癥分類預測的標志物特征提取的SVM-RFE分析代碼【39】依據表型數據基于無監督聚類算法對研究群體進行分層聚類分析【40】基于穩健排序整合算法對多數據集進行整合及可視化【41】基于基因表達譜估算樣本免疫基質評分和腫瘤純度【42】自動化繪制LASSO算法回歸模型圖【43】用于臨床診斷和臨床決策影響的DCA分析【44】基于樣本預后生存信息和臨床因素用于評價不同模型的一致性指數軟件【45】用于探索、解釋和評估模型的DALEX殘差分析軟件【46】基于細菌群落功能豐度結果進行差異功能分析及可視化【47】基于基因差異分析結果繪制其在染色體上的分布【48】利用逐步回歸法篩選特征基因構建Cox風險模型分析【49】基于Immune Subtype Classifier進行腫瘤免疫亞型分類【50】不同物種之間的同源基因名稱轉換分析【51】基于逐步多因素cox回歸篩選預后標記基因并構建風險評分模型【52】基于表達信息挖掘與關注基因密切相關的基因【53】基因組學基因名稱修正分析【54】基于Spearman算法構建關聯網絡【55】基于線性建模方法對代謝組和轉錄組數據整合分析【56】基于lasso回歸模型方法篩選特征基因【57】基于線性建模方法對代謝組和轉錄組數據整合分析【58】基于參數型經驗貝葉斯算法和支持向量機（SVM）篩選疾病亞型特征基因【59】基于LDA(線性判別分析)算法的微生物biomarker的篩選【60】基于R包xCell計算64種免疫細胞相對含量及下游可視化【61】基于甲基化數據評估腫瘤純度及下游可視化【62】基于DiffCorr包識別不同表型下的差異共表達關系對【63】基于逆累計分布函數識別顯著偏差通路【64】基于差異基因對通路的影響挖掘關鍵通路【65】基于高通量數據的樣本相似性分析

需要以上代碼私信小果哦！

“生信果”，生信入門、R語言、生信圖解讀與繪制、軟件操作、代碼復現、生信硬核知識技能、服務器、生物信息學的教程，以及基于R的分析和可視化等原創內容，一起見證小白和大佬的成長。

推薦DIY文章