前作
几种常见的打分方法:
- mean,最简单
- PercentageFeatureSet
- Seurat的AddModuleScore,多了一个背景基因集,消除背景的影响,没什么意义,相当于设置了一个House keeping gene set,对score做了一个normalization。
- PROGENy,基于weight的打分,weight来自于已知的perturbation数据集
- AUCell
- GSVA
- ssGSEA – 类似GSVA
Seurat的AddModuleScore
Calculate the average expression levels of each program (cluster) on single cell level, subtracted by the aggregated expression of control feature sets. All analyzed features are binned based on averaged expression, and the control features are randomly selected from each bin.
我们感兴趣的基因,抽出来,每一个细胞算一个这些基因表达的平均值,
背景基因的平均值在于找每个基因的所在的bin,在该bin内随机抽取相应的ctrl个基因作为背景,
最后所有的目标基因算一个平均值,所有的背景基因算一个平均值,两者相减就是该gene set 的score值。
至于生物学意义,仁者见仁智者见智了。
官方教程:GSVA: gene set variation analysis
参考:
- 一文搞定单细胞基因集评分【一文搞定,不同工具结果大同小异,Seurat用户建议用AddModuleScore】
- Seurat’s AddModuleScore function
- RNA-seq入门实战(八):GSVA——基因集变异分析
- 单细胞基因集评分之AUCell
今天的文章grin1基因变异群_基因变异以后会产生什么后果分享到此就结束了,感谢您的阅读,如果确实帮到您,您可以动动手指转发给其他人。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/51759.html