【文件属性】：
文件名称：贝岭的matlab的代码-celaref:隐藏
文件大小：1.68MB
文件格式：ZIP
更新时间：2021-06-16 08:44:44
系统开源
贝岭的matlab的代码切拉夫
功能
单细胞
RNA
测序
(scRNAseq)
使检查组织或样本内的细胞异质性以及观察特定细胞类型的变化和特征成为可能。
为此，我们需要将单元格分组并找出它们是什么。
所述celaref（CE
LL
LA通过参考erence扩口）封装目标精简细胞类型识别步骤，通过相似性的基础上，一个已经表征的引用数据集上提示簇标签-
wheather由相似的实验，在相同的先前执行的实验室，或来自类似样本的公共数据集。
输入
要寻找
Celaref
需要的集群相似性：
查询数据集：
每个基因每个细胞的读取计数表
哪些细胞属于哪个集群的列表
参考数据集：
每个基因每个细胞的读取计数表
哪些单元格属于哪个带注释的集群的列表
输出
查询组
短标签
值
集群_1
cluster_1：星形胶质细胞_室管膜
2.98e-23
集群_2
cluster_2：内皮-壁画
8.44e-10
集群_3
cluster_3:no_similarity
不适用
集群_4
cluster_4：小胶质细胞
2.71e-19
集群_5
cluster_5：锥体SS|中间神经元
3.49e-10
集群
【文件预览】：
celaref-master
----.github()
--------README.html(1.12MB)
--------README.md(2KB)
----vignettes()
--------images()
--------celaref_doco.Rmd(60KB)
--------celaref.bib(18KB)
----NAMESPACE(680B)
----DESCRIPTION(963B)
----inst()
--------extdata()
----R()
--------plotting_functions.R(5KB)
--------group_labelling_functions.r(39KB)
--------contrasting_functions.r(44KB)
--------data.r(2KB)
--------loading_helper_functions.r(22KB)
----.Rbuildignore(28B)
----NEWS(2KB)
----data()
--------demo_microarray_sample_sheet.rda(1KB)
--------demo_query_se.rda(117KB)
--------demo_counts_matrix.rda(104KB)
--------demo_cell_info_table.rda(6KB)
--------de_table.demo_query.rda(31KB)
--------demo_gene_info_table.rda(5KB)
--------demo_microarray_expr.rda(29KB)
--------de_table.demo_ref.rda(30KB)
--------demo_ref_se.rda(122KB)
----man()
--------subset_se_cells_for_group_test.Rd(1KB)
--------load_dataset_10Xdata.Rd(3KB)
--------get_inner_or_outer_ci.Rd(696B)
--------demo_ref_se.Rd(485B)
--------demo_microarray_expr.Rd(514B)
--------demo_counts_matrix.Rd(457B)
--------get_vs_random_pval.Rd(779B)
--------trim_small_groups_and_low_expression_genes.Rd(2KB)
--------contrast_the_group_to_the_rest_with_limma_for_microarray.Rd(2KB)
--------get_counts_index.Rd(750B)
--------load_se_from_tables.Rd(5KB)
--------get_stepped_pvals_str.Rd(640B)
--------demo_query_se.Rd(479B)
--------demo_microarray_sample_sheet.Rd(619B)
--------get_the_up_genes_for_all_possible_groups.Rd(2KB)
--------get_reciprocal_matches.Rd(872B)
--------subset_cells_by_group.Rd(2KB)
--------get_limma_top_table_with_ci.Rd(942B)
--------run_pair_test_stats.Rd(1KB)
--------make_ranking_violin_plot.Rd(3KB)
--------de_table.demo_ref.Rd(615B)
--------contrast_the_group_to_the_rest.Rd(2KB)
--------contrast_each_group_to_the_rest.Rd(4KB)
--------find_within_match_differences.Rd(1KB)
--------contrast_each_group_to_the_rest_for_norm_ma_with_limma.Rd(4KB)
--------make_ref_similarity_names.Rd(10KB)
--------demo_gene_info_table.Rd(489B)
--------get_the_up_genes_for_group.Rd(2KB)
--------get_ranking_and_test_results.Rd(1KB)
--------make_ref_similarity_names_for_group.Rd(2KB)
--------demo_cell_info_table.Rd(512B)
--------get_matched_stepped_mwtest_res_table.Rd(691B)
--------get_rankstat_table.Rd(1KB)
--------convert_se_gene_ids.Rd(2KB)
--------de_table.demo_query.Rd(625B)
----tests()
--------testthat()
--------testthat.R(58B)
----.gitignore(150B)