在线工具也能追上单细胞
作者:白介素2
单细胞测序技术是一个越来越Popular的技术,这不前两天还有小伙伴来找白介素同学,说是老板想分析单细胞测序的数据,喜欢追热点,让他们去学 R语言,然后小伙伴自然是懵逼。R语言虽好,学习不易啊,不是一蹴而就的。专业生物信息学家也懂大家的痛,这不,单细胞测序数据兴起的时代,大佬们就在推出应对单细胞测序数据的在线工具,方便你我他。
来来来,先看看大概长啥样:
![](https://img.haomeiwen.com/i15721061/8bbc5bdba8f2dc4d.png)
界面干净清爽,一目了然,各个数据分析步骤都列出了,来示例操作一波,检验下效果如何,假设你有一份单细胞的数据,格式如下:
表达数据:
![](https://img.haomeiwen.com/i15721061/5e357599e9835e3b.png)
meta data信息准备一下
![](https://img.haomeiwen.com/i15721061/0d1d8dd5454c42a5.png)
准备上传数据了,并且提交:
![](https://img.haomeiwen.com/i15721061/13662b187f28cd07.png)
![](https://img.haomeiwen.com/i15721061/cb40bc0a4226f34d.png)
移除批次效应,操作简单,随心所欲的点击式完成:
![](https://img.haomeiwen.com/i15721061/c63b24985ff2dde4.png)
PCA和tSNE
![](https://img.haomeiwen.com/i15721061/7eb8a3ebe4c3367f.png)
选择标准化方法,进行数据标准化:
![](https://img.haomeiwen.com/i15721061/b42023d5aaf136ee.png)
![](https://img.haomeiwen.com/i15721061/4b0972c64a3d2e66.png)
过滤低表达基因
![](https://img.haomeiwen.com/i15721061/9b9a9a371527b6e0.png)
选择聚类方法,进行聚类,聚类结果可以直接下载
![](https://img.haomeiwen.com/i15721061/1854c6505d788f43.png)
差异分析,提供各种算法的选择:
![](https://img.haomeiwen.com/i15721061/c8e64d73aef28cc8.png)
实际上不需要这么长时间的,稍等几分钟结果就来了
![](https://img.haomeiwen.com/i15721061/3868198423e0f089.png)
顺手再做个KEGG富集分析
![](https://img.haomeiwen.com/i15721061/fcf98e787e490cff.png)
下面的白介素同学不再演示了,总之就是能完成一套分析,但注意不是从原始数据开始的,而是提供了表达矩阵开始的。 个人认为,就应用而言没有必要从原始数据开始,完全可以从表达矩阵开始,自己做适当的个性化分析,这样的工具足够了,比盲目的为了解决yoga分析步骤去傻傻的学了会R语言有效得多。还是那句话,分工协作产生效能,是现代社会的本质。 有实力的研究团队,在这样一个组学时代,当然是需要配备专业生信专家来加速课题进展的。请不起专业的,偶尔用一用在线工具,辅助下分析,挺好的。
聊一下这个分析平台的背景,该平台由夏威夷大学癌症中心等研究团队开发,相关学术论文发表在 Genomic Medicine杂志, IF=8.9. 感谢大佬们开发了这么好用的工具。
![](https://img.haomeiwen.com/i15721061/85d21df881a70cca.png)
内容就分享到这,科研总是乏味,工具总要好用,白介素同学祝大家科研顺利
参考文献:
https://genomemedicine.biomedcentral.com/articles/10.1186/s13073-017-0492-3
神器网址:
http://granatum.dcmb.med.umich.edu:8102/?stateid_=1786597b655a4bfe&tab=info
网友评论