文件名称：metacells:元细胞-单细胞RNA测序分析
文件大小：242KB
文件格式：ZIP
更新时间：2024-05-12 15:07:40
Python
元细胞分析 天真的，scRNA_seq数据是一组细胞谱，其中对于每个基因，对于每个基因，我们获得该基因在细胞中存在的mRNA分子的计数。 这可作为该基因“表达”或“活跃”程度的指标。 就像在任何现实世界的技术中一样，原始数据可能会遭受技术伪像的影响（在一个配置文件中对两个细胞的分子进行计数，对破裂的细胞中的分子进行计数，仅对细胞核中的分子进行计数等）。 这需要修剪原始数据以排除此类工件。 当前的技术scRNA-seq数据也非常稀疏（通常计数不到<< 10％的RNA分子）。 这会在原始信号的顶部引入较大的采样方差，而原始信号本身又包含明显的固有生物噪声。 因此，分析scRNA-seq数据需要批量处理这些概况。 传统上，这是通过使用各种方法直接对单元进行聚类来完成的。 相比之下，元细胞方法将“相同”生物状态的配置文件组合到“相同”生物状态的细胞组中，而计算鲁棒统计量（尤其是平均基因表达
【文件预览】：
metacells-master
----MANIFEST.in(197B)
----.travis.yml(84B)
----README.rst(3KB)
----.gitmodules(86B)
----.readthedocs.yml(503B)
----metacells()
--------pipeline()
--------py.typed(0B)
--------utilities()
--------tools()
--------__init__.py(259B)
--------extensions.cpp(86KB)
--------parameters.py(28KB)
--------scripts()
----prefix.rst(790B)
----docs()
--------source()
----.pylintrc(696B)
----tests()
--------test_data.py(3KB)
--------__init__.py(0B)
--------test_utilities.py(15KB)
----LICENSE.rst(1KB)
----.clang-format(3KB)
----setup.cfg(522B)
----setup.py(2KB)
----.gitignore(220B)
----Makefile(3KB)
----build-doc.yml(103B)
----pybind11()
----references.rst(344B)