00:00 / 02:13
连播
清屏
智能
倍速
点赞0
00:00 / 02:50
连播
清屏
智能
倍速
点赞34
463.单细胞分析,肺腺癌为例,tSNE降维,模拟基因敲除 用 Seurat、celda、scDblFinder、SingleCellExperiment、harmony、SingleR、celldex 及 clustree 等 R 包对单细胞转录组数据进行分析。按线粒体基因比例进行质量控制,去除每个细胞检测基因数不超过 200 或线粒体转录本比例不低于 15% 的低质量细胞。为降低环境 RNA 污染,根据细胞条形码自动识别样本后,采用 celda 的 decontX 对各样本分别进行去污染处理,并剔除污染分数不低于 0.30 的细胞。双细胞去除重点采用按样本独立运行的 scDblFinder,根据细胞总数通过预设插值表估算预期双细胞率,预期率限定为 0.4%,在 SingleCellExperiment 对象中运行 scDblFinder(dbr.sd=0.015,nfeatures=2000),仅保留判定为 singlet 的细胞进入后续分析。之后采用 Seurat 的 LogNormalize 方法进行归一化(scale factor=10000),以 vst 方法筛选 2000 个高变基因并进行标准化处理;基于高变基因进行主成分分析,最多计算 20 个主成分,并以累计方差贡献率达到 90% 作为下游分析维度选择依据,最终纳入 10 至 20 个主成分。对于多样本数据,以样本编号作为批次变量应用 Harmony 进行批次校正,随后基于校正后的低维空间构建近邻图,并在 0.2、0.4、0.6 和 0.8 分辨率下评估聚类稳定性,最终以 0.2 作为聚类分辨率确定细胞亚群,并基于所选主成分运行 t-SNE 进行可视化。细胞类型注释采用 SingleR 联合 celldex 的 HumanPrimaryCellAtlasData 参考集在聚类水平完成,标志基因通过 FindAllMarkers 鉴定,筛选标准为至少 10% 细胞表达、|log2FC|>1 且调整后 P<0.05 #生信分析 #单细胞
00:00 / 03:28
连播
清屏
智能
倍速
点赞20
林华英2周前
细胞由分子组成,这张图展示了细胞内生物行动的五大认知层级:从分子识别与信号传递开始,经由基因调控决定表达,再到亚细胞层面的能量代谢与物质运输,进而形成细胞行为如迁移与吞噬,最终实现细胞间的通信与群体协同。它揭示了生命活动由“微观信号”到“整体响应”的层层递进逻辑。 由下至上构建出一条清晰的“生命运行逻辑链”。最底层是分子识别与信号传递,细胞通过受体感知外界信息,并启动内部响应;第二层为基因调控与表达,通过DNA转录与蛋白质合成决定细胞功能方向;第三层是能量代谢与物质运输,线粒体等细胞器提供能量并完成物质交换;第四层体现为细胞行为,如迁移、吞噬与修复等具体行动;最上层则是细胞通信与群体协同,通过信号网络实现组织层面的统一响应。整张图揭示了生命从“信号输入”到“功能输出”的层层递进机制,身体各个细胞并非孤立运作,而是在高度有序的系统中完成自我调节与协同运行。 整个系统的核心在于“信号是否清晰有效”。当氧化还原信号不足或紊乱时,各层级都会出现偏差,导致功能下降。而补充ASEA氧化还原信号分子,有助于优化细胞各层级间沟通,提升信号传递效率,使基因表达、代谢过程与细胞行为回归更有序、更精准的状态,从而对维持整体健康与功能稳定具有重要意义。 这张图描述了生命从分子到细胞再到群体的层级递进,由信号感知、基因调控到行为协同的整体运行逻辑。
00:00 / 01:27
连播
清屏
智能
倍速
点赞3
00:00 / 00:36
连播
清屏
智能
倍速
点赞8
00:00 / 36:01
连播
清屏
智能
倍速
点赞2