1. 整合不同数据集中同一类细胞方法:
该方法来自一篇21年5月份的Nature:Cross-tissue organization of the fibroblast lineage。这篇文章对多个脏器正常和疾病的成纤维细胞进行了整合分析,非常具有参考意义。
![](https://img.haomeiwen.com/i15771939/c9b8c404c40e6227.png)
整体上采用的是:整合--注释--提取目的细胞群
的方法
![](https://img.haomeiwen.com/i15771939/1798b3e5e288fc2e.png)
![](https://img.haomeiwen.com/i15771939/069e6dafedbf425c.png)
![](https://img.haomeiwen.com/i15771939/a66b86d3fddcbe1d.png)
![](https://img.haomeiwen.com/i15771939/71ba437cd356e864.png)
![](https://img.haomeiwen.com/i15771939/92a59098b7b09a86.png)
![](https://img.haomeiwen.com/i15771939/fc8a6dc57e05fd5f.png)
可以看到,这篇文献也是使用Harmony做的整合。
注意点:
1. 整合数据集的时候,保留的是在所有数据集中都测到了的基因,未测到的直接去除(这篇里面选的都是10x的数据,没有跨平台)。
2. 作者在做Harmony之前,先使用AddMouduleScore计算了一个stress gene signature
,在做ScaleData的时候对这个评分进行了回归,以消除不同解离方法的影响。
3. 在跑RunHarmony()的时候,把theta参数设为1。这个参数及其他参数的意义见Harmony原理介绍和官网教程
2. 不同脏器的单细胞数据整合
![](https://img.haomeiwen.com/i15771939/16454d96d371309e.png)
![](https://img.haomeiwen.com/i15771939/2585d27c17f7ac57.png)
![](https://img.haomeiwen.com/i15771939/854dc9d4cdd5caff.png)
![](https://img.haomeiwen.com/i15771939/891ca182601bd47c.png)
网友评论