scRNA-seq 整合简介
单细胞测序数据集的整合,例如跨实验批次、供体或条件的整合,通常是 scRNA-seq 工作流程中的一个重要步骤。整合分析有助于在数据集之间匹配共享的细胞类型和状态,从而提高统计能力,最重要的是有助于在数据集之间进行准确的比较分析。在 Seurat 以前的版本中,作者介绍了整合分析的方法,包括 "基于锚点 "的整合工作流程。许多实验室也发布了功能强大的开创性整合分析方法,包括 Harmony 和 scVI等。
整合目标(为什么要进行数据整合?)
几个关键目标:
识别两个数据集中都存在的细胞亚群
获得在对照细胞和受刺激细胞中都保留的细胞类型marker
比较不同的组别,找出细胞类型对刺激的特定反应
整合方法:
之前分析了很多完整代码和整合时的细节问题,今天总结一下:
10. seurat v5全流程—harmmony整合+标准分析+细胞注释+批量差异、富集分析(seurat读取多个txt文件)