|
拟时分析拟时分析本质上是根据每个细胞的基因表达情况找出关键基因的表达模式来对细胞进行排序，反推出细胞发育轨迹。用于细胞分化的研究(胚胎发育，细胞重编程，癌细胞分化…)细胞在外界刺激和细胞发育过程中，细胞的功能会发生变化。这些功能的变化是靠蛋白表达的调控即转录组信息的变化实现的(一些基因表达上调一些基因表达下调)。细胞在发育过程中不是完全同步的，在一次取样的过程中可以取到不同发育状况的细胞。通过单细胞测序得到不同时期细胞的转录组信息，可以推断出这些细胞之前的先后顺序，从而反推出细胞发育轨迹。
RNA Velovity
增殖相关基因表达量（自行定义根节点）
Monocle3
从UMAP图识别发育轨迹，可以继承Seurat的质控、批次校正和降维分析结果，实现“一张图”展现细胞的聚类、鉴定和轨迹分析结果。
自动对UMAP图分区（partition），可以选择多个起点，轨迹分析算法的逻辑更符合生物学现实。
官网：https://cole-trapnell-lab.github.io/monocle3/
步骤数据导入→数据预处理→降维→聚类→(细胞类群之间的比较)→拟时分析
数据导入
可导入Cellranger结果
导入非Cellranger的结果，需要准备三个input文件： 1.expression_matrix： 2.cell metadata：细胞属性的数据框，每一行对应一个细胞，每一列对应不同的细胞属性 3.gene_metadata：记录了基因属性的数据框,每一行对应一个基因，每一列对应不同的基因属性
从Seurat结果中导入数据12345678910111213##1.读取seurat产生的RDS文件pbmc |