【文件属性】:
文件名称:求矩阵值得matlab代码-jSRC:JSRC
文件大小:6.11MB
文件格式:ZIP
更新时间:2021-05-31 23:15:03
系统开源
求矩阵值得matlab代码JSRC
通过联合稀疏表示聚类(jSRC)对scRNA-seq进行聚类概述:
这是执行
jSRC
的代码:论文“实验”部分中给出的用于聚类单细胞
RNA
测序数据的灵活且准确的联合学习算法:Wenming
Wu,
Xiaoke
Ma*。
“
jSRC:用于单细胞RNA测序数据聚类的灵活而准确的联合学习算法”。
这里的编码是论文中给出的算法的概括。
jSRC
是用
MATLAB
编程语言编写的。
要使用,请下载
jSRC
文件夹并按照“README.doc”中提供的说明进行操作。
文件:
main_jsr.m
-
带有真实
scRNA-seq
数据的脚本,用于展示如何运行代码。
Normalize_TPM.m-
TPM
归一化
scRNA-seq
计数数据
X。这里,对于
scRNA-seq
数据,并归一化使得每个单元格
j
中的计数总和
\sum_{i}X_{ij}
为
10^6,这本质上是每百万成绩单
(TPM)
标准化。
%%值得注意的是,jSRC主要有两个函数,一个是向量形式,另一个是矩阵形式。
当数据大小较大时,调用矩阵形式。
当矩阵尺寸较小时,使用这
【文件预览】:
jSRC-master
----jsrc.m(3KB)
----main_jsrc.m(1019B)
----Comparison algorithm coding()
--------DR+SR()
--------Soup.R(677B)
--------UMAP_main.R(364B)
--------DR()
--------SR()
--------CIDR.R(889B)
--------DRjCC()
--------main_kmeans.m(134B)
--------SC3.R(1KB)
--------SHARP.R(250B)
--------SAME.R(706B)
----DR.m(803B)
----data()
--------data$Zhengexpr.csv(31.58MB)
--------data$Zheng.celltype.csv(6KB)
--------GSE51372_readCounts.txt(13.45MB)
----Normalize_TPM.m(432B)
----main_DR.m(524B)
----clustering_jsrcMatrix.m(3KB)
----Zheng_Data.mat(729KB)
----Data_zheng.mat(2MB)
----README.md(4KB)
----README.doc(30KB)