- 综合排序
- 最热优先
- 最新优先
- 来自专栏生信技能树
ggheatmap复现CNS级美图
**图片出处说明：**本热图出自《Cell》文献：https://doi.org/10.1016/j.cell.2020.05.032。起初是作者在“木舟笔记”推送上面看到的图片，感觉热图超级好看的，所以尽力复现出来（只模仿形，不模仿意）。
1.7K21发布于 2021-07-06 - 来自专栏生信技能树
CNS子刊思路大放送
CD45+,PTPRC), epithelial/cancer (EpCAM+,EPCAM), stromal (CD10+,MME,fibo or CD31+,PECAM1,endo) 参考我前面介绍过 CNS 如果是早期做这样的汇总，可以是CNS级别的文章，比如张泽民课题组就发了2个： 2021的cell文章：《A pan-cancer single-cell transcriptional atlas of cells》 2021的science文章：《Pan-cancer single-cell landscape of tumor-infiltrating T cells》 现在已经是2023了，同样的思路发CNS 有点难度，但是可以退而求其次，所以有了CNS子刊思路大放送，希望对大家有帮助。 加油，希望这些cns小辣鸡有你一份。
74230编辑于 2023-02-27 - 来自专栏单细胞天地
CNS图表复现14—检查文献的inferCNV流程
前言 CNS图表复现之旅前面我们已经进行了13讲，你可以点击图表复现话题回顾。如果你感兴趣也想加入交流群，自己去：你要的rmarkdown文献图表复现全套代码来了（单细胞）找到我们的拉群小助手哈。 往期回顾 CNS图表复现13—使用inferCNV来区分肿瘤细胞的恶性与否 细胞身份何以在分裂中得以保持？
3.4K21发布于 2020-11-02 - 来自专栏R语言数据分析指南
ggplot2绘制CNS级热图
❝本节来介绍如何使用分面来绘制热图并填充特殊字符，下面通过一个小例子来进行展示； 加载R包 library(tidyverse) library(ggtext) library(ggforce) 数据清洗 ❝此处使用case_when来根据数值大小进行特殊字符的转换 ❞ df <- read_tsv("data.xls") %>% mutate( CL_evolution_sign = case_when( CL_evolution > 0 ~ "↑", CL_ev
68710编辑于 2022-09-21 - 来自专栏生信技能树
单细胞入门必读5篇cns综述
单细胞入门必读5篇cns综述，希望对大家有帮助！
79731编辑于 2023-09-04 - 来自专栏单细胞天地
CNS图表复现18—细胞亚群的比例展示
在前面的教程 CNS图表复现05—免疫细胞亚群再分类 ，我提到到免疫细胞通常是以CD45阳性为标志，第一次分群规则是 ： immune (CD45+,PTPRC), epithelial/cancer 原文的免疫细胞细分亚群 作者依据自己的生物学背景做了一些自适应的调整， 见：CNS图表复现06—根据CellMarker网站进行人工校验免疫细胞亚群 我们也可以使用如下代码检查自己的免疫细胞细分亚群的结果 ： rm(list=ls()) options(stringsAsFactors = F) library(Seurat) library(ggplot2) ### 来源于：CNS图表复现02—Seurat sce, cells=cells.use) sce # 实际上这里需要重新对sce进行降维聚类分群，为了节省时间 # 我们直接载入前面的降维聚类分群结果，但是并没有载入tSNE哦 ## 来源于：CNS
2.5K20发布于 2020-12-11 - 来自专栏单细胞天地
CNS图表复现10—表达矩阵是如何得到的
前言 CNS图表复现之旅前面我们已经进行了9讲，你可以点击图表复现话题回顾。如果你感兴趣也想加入交流群，自己去：你要的rmarkdown文献图表复现全套代码来了（单细胞）找到我们的拉群小助手哈。 前面的教程里面：CNS图表复现07—原来这篇文章有两个单细胞表达矩阵，我们提到过，是自己读取作者上传到谷歌云里面的2个csv表达矩阵，这个时候有读者就提出来了疑问，作者是如何拿到表达矩阵的呢？
1.5K31发布于 2020-11-02 - 来自专栏单细胞天地
CNS图表复现16—inferCNV结果解读及利用
前言 我们的CNS图表复现之旅已经开始，你可以点击图表复现话题回顾。如果你感兴趣也想加入交流群，可以去：你要的rmarkdown文献图表复现全套代码来了（单细胞）找到我们的拉群小助手哈。 根据inferCNV结果判定的细胞恶性与否的结果和普通聚类的差异 在CNS图表复现09—上皮细胞可以区分为恶性与否，我分享过第1,2,7,14,21,23,25 是跨越病人的聚类情况，所以先暂时认为他们是非恶性细胞
14.1K62发布于 2020-11-02 - 来自专栏单细胞天地
CNS图表复现05—免疫细胞亚群再分类
我们的CNS图表复现之旅已经开始，前面4讲是； CNS图表复现01—读入csv文件的表达矩阵构建Seurat对象 CNS图表复现02—Seurat标准流程之聚类分群 CNS图表复现03—单细胞区分免疫细胞和肿瘤细胞 CNS图表复现04—单细胞聚类分群的resolution参数问题 如果你也想加入交流群，自己去：你要的rmarkdown文献图表复现全套代码来了（单细胞）找到我们的拉群小助手哈。 首先我们挑选免疫单细胞 因为这个是系列连载教程，所以务必看前面的前面3讲是； CNS图表复现01—读入csv文件的表达矩阵构建Seurat对象 CNS图表复现02—Seurat标准流程之聚类分群 CNS
2.2K31发布于 2020-09-28 - 来自专栏天意云&天意科研云&天意生信云
用ChatGPT打造CNS级精美图表
各位科研小伙伴，是不是经常遇到这样的情况：看到论文里一个超级赞的图，结果作者既没有标明图的类型，也没提供相应的代码？只能干瞪眼，到处求源代码
84710编辑于 2025-03-06 - 来自专栏单细胞天地
CNS图表复现17—inferCNV结果解读及利用之进阶
前言 我们的CNS图表复现之旅已经开始，你可以点击图表复现话题回顾。如果你感兴趣也想加入交流群，可以去：你要的rmarkdown文献图表复现全套代码来了（单细胞）找到我们的拉群小助手哈。
8.3K52发布于 2020-11-02 - 来自专栏单细胞天地
CNS图表复现15—inferCNV流程输入数据差异大揭秘
前言 CNS图表复现之旅前面我们已经进行了14讲，你可以点击图表复现话题回顾。如果你感兴趣也想加入交流群，自己去：你要的rmarkdown文献图表复现全套代码来了（单细胞）找到我们的拉群小助手哈。
3K12发布于 2020-11-02 - 来自专栏生信宝典
CNS常客——单细胞转录组：不愧是我
动物单细胞的研究有将近10年了，每年都是CNS的常客。在国内形成了北汤南郭的局面，一个是单细胞转录组的世界第一人，一个促成了单细胞从追求深度到追求数量的转变。 单细胞分型 (Cellranger, Seurat3, Scater, Monocle3)，Marker基因鉴定，Pseudo-time分析，及功能富集分析及各类高级分析(WGCNA、通路图绘制等)，和CNS Linux 13 二代三代测序原理介绍 建库测序过程及注意事项 14 单细胞数据预处理 原始数据到表达矩阵 15 基因富集分析和可视化 GSEA富集分析 16 文章常见图表解读 和Illustrator制作CNS
1.5K21发布于 2019-08-19 - 来自专栏优雅R
「R」数据可视化22 : 怎么获取CNS级颜色搭配
第一个要介绍的是一个R包，叫做RColorBrewer。该包提供了一系列的色板，包括渐变的颜色和不同颜色的组合搭配（见下图）。
2.5K20编辑于 2022-01-21 - 来自专栏生信技能树
现在单细胞还想“水”CNS恐怕得多组学了
唯独是我们的3个单细胞交流群，每天早中晚都是此起彼伏的讨论，各大公众号的CNS解读文章，都有人往群里仍，真的是让人焦虑啊！ 两年前大家仍的都是一些图谱类的研究，不同的物种不同的器官组织测个十万左右的单细胞就是CNS文章啦，因为都是开创性的研究啊。微信群的大伙都是酸这些CNS说，只有有经费就可以“水”几篇。 今天再看微信群，发现大家推荐的CNS文章都已经是多组学了，比如这个发表于2020年9月的nature杂志的文章，发育生物学领域的： 《Reprogramming roadmap reveals route
1.1K42发布于 2020-10-26 - 来自专栏生信菜鸟团
R包ggsci：一步完成CNS级别的图片配色
最近在修图，遇到的问题就是,往往我自己认为配色很不错，一旦发到老板手上，就会被无情的打回，让我换一个新的配色。直到前几天，我搜到一个非常不错的R包“ggsci”，终于完美地解决了我的问题，制作出了让老板满意的配图。今天的推文，就和大家简单谈谈这个好用的工具。
4.5K30发布于 2020-07-17 - 来自专栏作图丫
解析CNS子刊新热点！关注年龄对肿瘤的影响！
2021年到2022年初，cell reports、nature communications等子刊连续发表了多篇与年龄相关的肿瘤研究论文，包括2021年4月发表在nature communications的An integrative analysis of the age-associated multi-omic landscape across cancers，2021年8月发表在cell reports的Evaluating the impact of age on immune checkpoint therapy biomarkers，2021年12月发表在cell reports的Pan-cancer analysis reveals molecular patterns associated with age，2022年1月发表在nature communications的Age influences on the molecular presentation of tumours。这些指明了肿瘤生物信息学研究的一个崭新的方向。我们以最早的NC文章为例，为大家呈现作者的新颖研究思路。
1.1K30编辑于 2022-03-29 - 来自专栏单细胞天地
CNS图表复现03—单细胞区分免疫细胞和肿瘤细胞
seurat标准代码（人和鼠需要区别对待） seurat标准流程实例之2个10x样本的项目（GSE135927数据集） 交流群里大家讨论的热火朝天，而且也都开始了图表复现之旅，在这里我还是带大家一步步学习CNS
2.2K32发布于 2020-09-23 - 来自专栏单细胞天地
CNS图表复现02—Seurat标准流程之聚类分群
其实就是我的单细胞基础课程内容，熟练掌握5个R包，分别是: scater,monocle,Seurat,scran,M3Drop 需要熟练掌握它们的对象，见：一些单细胞转录组R包的对象 。而且分析流程也大同小异：
2.7K31发布于 2020-09-23 - 来自专栏生信菜鸟团
比monocle更快的slingshot-CNS高分文章常用
slingshot包可以对单细胞RNA-seq数据进行细胞分化谱系构建和伪时间推断，它利用细胞聚类簇和空间降维信息，以无监督或半监督的方式学习细胞聚类群之间的关系，揭示细胞聚类簇之间的全局结构，并将该结构转换为由一维变量表示的平滑谱系，称之为“伪时间”。
5.4K11编辑于 2023-09-09
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号