лигр

ЛИГЕР (Связанный вывод геномных экспериментальных связей)

Даункоды в октябре 2024 г.

LIGER (устанавливается как rliger) — это мощный пакет для интеграции и анализа нескольких наборов данных с одной ячейкой. LIGER, разработанный лабораторией Макоско и активно поддерживаемый и расширяемый лабораторией Уэлча, использует интегративную неотрицательную матричную факторизацию для выявления как общих, так и специфичных для набора данных факторов в различных наборах одноклеточных данных.

Погрузитесь глубже в методы и анализ в нашей статье Cell. Получите доступ к данным, использованным в нашем анализе SN и BNST, через исследование «SCP466» на одноклеточном портале.

ЛИГЕР Приложения

LIGER оказывается особенно полезным для сравнения и сопоставления наборов экспериментальных данных в различных исследовательских контекстах, в том числе:

1. Идентификация типов клеток, используемых в нескольких экспериментах: LIGER позволяет исследователям идентифицировать общие типы клеток в нескольких наборах данных, даже если эти наборы данных получены из разных экспериментальных условий или платформ.

2. Обнаружение различий в составе типов клеток: LIGER облегчает сравнение пропорций типов клеток в разных условиях, позволяя исследователям выявлять изменения в клеточном составе, вызванные такими факторами, как лечение лекарствами или стадия развития.

3. Анализ экспрессии генов, специфичных для типа клеток: LIGER позволяет исследователям изучать закономерности экспрессии генов, специфичные для разных типов клеток, в нескольких наборах данных, обеспечивая понимание молекулярных механизмов, лежащих в основе клеточных функций и дифференциации.

4. Исследование межклеточных взаимодействий: LIGER можно использовать для изучения взаимодействий между различными типами клеток в нескольких наборах данных, обеспечивая более глубокое понимание клеточной коммуникации и сигнальных путей.

ЛИГЕР Функциональность

После интеграции нескольких наборов данных LIGER предлагает ряд функций для дальнейшего исследования, анализа и визуализации данных. Пользователи могут:

1. Выполнение уменьшения размерности: LIGER предоставляет инструменты для методов уменьшения размерности, таких как анализ главных компонентов (PCA) и t-распределенное стохастическое встраивание соседей (t-SNE), для визуализации интегрированных данных и определения основных клеточных связей.

2. Кластерные клетки: LIGER облегчает кластеризацию клеток на основе их сходства в профилях экспрессии генов, что позволяет исследователям идентифицировать отдельные популяции клеток в интегрированных данных.

3. Выполнение анализа дифференциальной экспрессии: LIGER позволяет пользователям идентифицировать гены, дифференциально экспрессирующиеся в разных типах клеток или в экспериментальных условиях, что дает представление о молекулярных механизмах, лежащих в основе клеточных различий.

4. Визуализация интегрированных данных: LIGER предоставляет различные инструменты визуализации, такие как тепловые карты и диаграммы рассеяния, для изучения и представления интегрированных данных в четкой и информативной форме.

Совместимость

LIGER предназначен для полной интеграции с популярными пакетами анализа отдельных ячеек, такими как Seurat, что упрощает рабочий процесс и расширяет возможности анализа данных.

Цитируя ЛИГЕРА

Если вы используете LIGER в своих исследованиях, пожалуйста, дайте ссылку на нашу статью:

Джошуа Д. Уэлч и др., Одноклеточная мультиомная интеграция сравнивает и сопоставляет особенности идентичности клеток мозга, Клетка, ТОМ 177, ВЫПУСК 7, P1873-1887.E17 (2019), https://doi.org/10.1016 /j.cell.2019.05.006

Лю Дж., Гао К., Содикофф Дж. и др. Совместное определение типов ячеек из нескольких наборов данных с одной ячейкой с использованием LIGER. Nat Protoc 15, 3632–3662 (2020), https://doi.org/10.1038/s41596-020-0391-8

Гао К., Лю Дж., Крибель А.Р. и др. Итеративная одноклеточная мультиомная интеграция с использованием онлайн-обучения. Nat Biotechnol 39, 1000–1007 (2021), https://doi.org/10.1038/s41587-021-00867-x

Крибель, А.Р., Уэлч, Дж.Д. UINMF выполняет мозаичную интеграцию одноклеточных мультиомных наборов данных с использованием неотрицательной матричной факторизации. Nat Commun 13, 780 (2022), https://doi.org/10.1038/s41467-022-28431-4

Обратная связь и поддержка

Не стесняйтесь открывать проблему в нашем репозитории, если у вас есть какие-либо вопросы, комментарии или предложения.

Использование

Подробные примеры использования и пошаговые руководства по конкретным вариантам использования можно найти в наших статьях ниже:

[Ссылка на статью 1]

[Ссылка на статью 2]

[Ссылка на статью 3]

LIGER 2.0.0 и более поздние версии: начиная с версии 2.0.0, LIGER претерпел значительные обновления для повышения удобства использования и совместимости с другими пакетами. Узнайте об этих интересных новых функциях здесь: [Ссылка на введение в новую функцию]

Учебные пособия по LIGER 1.0.1. Если вам нужен доступ к обучающим материалам для предыдущей версии rliger (v1.0.1), посетите наш архив GitHub: [Ссылка на архив GitHub] Загрузите нужные обработанные HTML-файлы и откройте их в своем браузере.

Примеры наборов данных

Пакет rliger включает в себя различные типы небольших наборов данных игрушек для базовой демонстрации его функций. После прикрепления пакета в сеансе R вы можете загрузить их, используя:

`Р

данные("pbmc")

данные("pbmcPlot")

данные("bmmc")

`

Кроме того, мы предоставляем тщательно подобранный набор наборов реальных данных для более полных демонстраций, включая scRNAseq, scATACseq, данные пространственной транскриптомики и метилирования ДНК. Эти наборы данных подробно описаны в статьях, в которых они используются.

Не стесняйтесь изучать эти наборы данных по ссылкам, указанным выше!

---

Этот контент представляет собой полный обзор LIGER, включая его приложения, функциональные возможности, совместимость и использование. Downcodes小编 тщательно реструктурировал и переписал исходный текст, обеспечив оригинальность и ясность. Включение заголовков, пунктов списка и ссылок повышает читаемость и удобство навигации по этой информации для пользователей.