爾云間? 一個專門做科研的團隊

原創(chuàng)?小果?生信果

歡迎點贊+收藏+關(guān)注

今天小果帶大家一起來認識單細胞測序的另一個常用工具Monocle，那就和我一起往下學習吧！~~

什么是Monocle？

在學習一個工具之前，我們首先要大概了解這個工具的基本來源和用途哦，這是每一個生信人都要養(yǎng)成的良好習慣！那就和小果一起來看看到底什么是Monocle吧！其實，Monocle包可以根據(jù)每個細胞在學習軌跡上的進展對其進行排序，這一功能我們可以聯(lián)想一些排序算法、排序工具等等哦。但是！要注意的是Monocle不是跟蹤表達式隨時間變化的函數(shù)，而是跟蹤沿軌跡變化的函數(shù)，這樣的變化表面看起來和時間變化有關(guān)卻又不是時間，我們也就稱之為偽時間，小果這樣講是不是就通俗易懂hen多了呢？?

Monocle有幾大功能模塊？

眾所周知，Monocle包也是單細胞測序中常用到的包之一。

那么Monocle可以幫助我們進行哪些方面的單細胞分析呢？和小果一起來看看吧！

1.聚類，分類，細胞計數(shù)。

2.細胞的差異表達分析。

3.構(gòu)建單細胞軌跡。即在細胞發(fā)育、疾病以及整個生命過程里，細胞從一個狀態(tài)轉(zhuǎn)成另一個狀態(tài)。

接下來，讓小果帶你學習如何安裝Monocle包以及如何簡單地使用Monocle包來對單細胞數(shù)據(jù)進行質(zhì)控吧??！

Monocle包的安裝

monocle包的安裝有好幾種方式，接下來是小果整理的三種安裝monocle包的方法，快來和小編一起學習吧！~

·?通過Bioconducor安裝

dyno安裝

官網(wǎng)安裝

以上三種方法，小果最推薦的還是第一種，小果在下載的時候用的也是第一種方法哦~快速簡單且高效，同學們根據(jù)自身情況自行參考哈！~

Monocle對單細胞數(shù)據(jù)進行質(zhì)控

安裝成功后，我們和小果一起來看一下這個包的簡單使用方法吧！

step1：準備需要的R包

對于我們本次學習要用的數(shù)據(jù)從哪里來呢？不要急！小果給大家準備了兩個R包來幫助我們進行后續(xù)的工作！讓我們一起來看一下！

本次質(zhì)控分析我們使用scRNAseq中的數(shù)據(jù)作為基礎數(shù)據(jù)，并用來構(gòu)建后續(xù)的數(shù)據(jù)矩陣，所以也需要我們提前下載好scRNAseq數(shù)據(jù)包哦！

?step2：準備數(shù)據(jù)

小果這次使用的是scRNAseq里面的示例數(shù)據(jù)fluidigm哦，同學們自行選擇哦！！。雖然這個示例數(shù)據(jù)本身是一個數(shù)據(jù)對象，但我們還需從中提取出后續(xù)質(zhì)控所需要的部分，再組成新的對象。簡單來說，就是我們需要對數(shù)據(jù)進行“二次包裝”，轉(zhuǎn)為我們需要的數(shù)據(jù)格式哦~

提示信息如下：

我們可以看到，在我們創(chuàng)建的數(shù)據(jù)中有130個細胞，26255個基因哦。

step3：構(gòu)建數(shù)據(jù)對象

?step4：數(shù)據(jù)質(zhì)控

哈哈，又到了小果最喜歡的數(shù)據(jù)質(zhì)控環(huán)節(jié)啦！首先我們在數(shù)據(jù)質(zhì)控之前一起來看一下數(shù)據(jù)過濾前的數(shù)據(jù)維度吧！

可以看到目前的數(shù)據(jù)維度是130個細胞，26255個基因。

以上分享就結(jié)束了，關(guān)注小果更多生信干貨持續(xù)更新哦

生信人R語言學習必備

立刻擁有一個Rstudio賬號

開啟升級模式吧

（56線程，256G內(nèi)存，個人存儲1T）

往期代碼：

【1】lncRNA的拷貝數(shù)變異下游相關(guān)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(jié)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(jù)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(shù)據(jù)之間的相關(guān)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(gòu)建
【12】代碼分享│你了解基因的動態(tài)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(jīng)網(wǎng)絡（ANN）的構(gòu)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(guān)系--GO功能富集網(wǎng)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(guān)性熱圖和散點圖
【22】代碼分享│生信分析之R語言分析相關(guān)性及可視化的N種風格
【23】代碼分享│TCGA數(shù)據(jù)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(gòu)建
【25】代碼分享│R可視化：對兩個矩陣進行相關(guān)性可視化分析
【26】GEO數(shù)據(jù)庫多數(shù)據(jù)集差異分析整合利器RRA，再也不用糾結(jié)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(gòu)建和性能評估
【28】9+SCI純生信，模型構(gòu)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(guān)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(jù)表型數(shù)據(jù)基于無監(jiān)督聚類算法對研究群體進行分層聚類分析
【40】基于穩(wěn)健排序整合算法對多數(shù)據(jù)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(zhì)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(shù)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(jié)果進行差異功能分析及可視化
【47】基于基因差異分析結(jié)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(gòu)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(zhuǎn)換分析
【51】基于逐步多因素cox回歸篩選預后標記基因并構(gòu)建風險評分模型
【52】基于表達信息挖掘與關(guān)注基因密切相關(guān)的基因
【53】基因組學基因名稱修正分析
【54】基于Spearman算法構(gòu)建關(guān)聯(lián)網(wǎng)絡
【55】基于線性建模方法對代謝組和轉(zhuǎn)錄組數(shù)據(jù)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(zhuǎn)錄組數(shù)據(jù)整合分析
【58】基于參數(shù)型經(jīng)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(shù)據(jù)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(guān)系對
【63】基于逆累計分布函數(shù)識別顯著偏差通路
【64】基于差異基因?qū)ν返挠绊懲诰蜿P(guān)鍵通路
【65】基于高通量數(shù)據(jù)的樣本相似性分析

需要以上代碼，私信小編哦！

“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(xiàn)、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(chuàng)內(nèi)容，一起見證小白和大佬的成長。