文件名称：SPOTlight:空间转录组学捕获位置反卷积
文件大小：190.88MB
文件格式：ZIP
更新时间：2024-05-19 17:40:47
HTML
SPOTlight的目标是提供一种工具，该工具能够对包含捕获细胞混合物的每个捕获位置中存在的细胞类型和细胞类型比例进行反卷积，该技术最初是为10X的Visium开发的-空间分子切割技术-可以用于返回混合物的所有技术细胞。 SPOTlight基于NMFreg模型为每种细胞类型找到主题资料签名，并找到最适合我们要去卷积的斑点的组合。 安装 您可以使用以下命令从GitHub存储库安装最新的稳定版本： # install.packages("devtools") devtools :: install_github( " https://github.com/MarcElosua/SPOTlight " ) devtools :: install_git( " https://github.com/MarcElosua/SPOTlight " ) 或通过下载devel分支来开发最新版本 dev
【文件预览】：
SPOTlight-master
----SpatialDeconTest.Rproj(356B)
----docker()
--------docker_rstudio()
--------docker_renv()
----index.html(24.91MB)
----NAMESPACE(583B)
----sample_data()
--------allen_cortex_dwn.rds(84.7MB)
--------markers_anterior.RDS(62KB)
--------spatial()
--------spotlight_ls_anterior.RDS(487KB)
----DESCRIPTION(1KB)
----img()
--------QC_plot_pbmc_2019-11-26.pdf(316KB)
--------graph_network.png(422KB)
--------Feat_plot_CC.png(129KB)
--------Feat_plot_CC.pdf(1.29MB)
--------topic_profile_profile_brain.png(127KB)
--------QC_plots_comb.pdf(450KB)
--------topic_profile_brain_annotated.png(87KB)
--------QC_plots_comp.pdf(4KB)
--------SPOTlight_scheme.pdf(394KB)
--------QC_plots_comb.png(187KB)
--------graph_network_new.png(337KB)
--------SPOTlight_VF2.png(157KB)
--------graphical_abstract_deconvolution.png(150KB)
--------topic_visualization.png(2.08MB)
--------UMAP_demuxlet.pdf(228KB)
--------spatial_spots_brain.png(1MB)
--------SPOTlight_scheme.png(1.48MB)
--------SPOTlight_graphical_abstract.png(316KB)
--------pie_charts_1.png(121KB)
--------UMAP_demuxlet.png(105KB)
--------pie_charts_2.png(121KB)
----inst()
--------WORDLIST(52B)
--------allen_cortex_dwn.rds(84.7MB)
--------markers_anterior.RDS(62KB)
--------spatial()
--------spotlight_ls_anterior.RDS(487KB)
----R()
--------topic_profile_per_cluster_nmf_fun.R(1KB)
--------scatterpie_plot_fun.R(4KB)
--------dot_plot_profiles_fun.R(4KB)
--------coloc_heatmap_fun.R(3KB)
--------test_spot_fun.R(5KB)
--------prep_seobj_topic_fun.R(772B)
--------spatial_decon_syn_assessment_nmf_fun.R(6KB)
--------test_synthetic_performance_fun.R(4KB)
--------mixture_deconvolution_nmf_fun.R(3KB)
--------plot_image_fun.R(2KB)
--------seed_init_mtrx_nmf_fun.R(3KB)
--------cut_markers2_fun.R(2KB)
--------downsample_se_obj_fun.R(3KB)
--------get_spatial_interaction_graph_fun.R(2KB)
--------predict_spatial_mixtures_nmf_fun.R(3KB)
--------train_nmf.R(6KB)
--------spotlight_deconvolution.R(4KB)
--------spatial_scatterpie_fun.R(5KB)
----LICENSE(47B)
----LICENSE.md(1KB)
----README.md(2KB)
----man()
--------spatial_decon_syn_assessment_nmf_fun.Rd(2KB)
--------figures()
--------get_spatial_interaction_graph.Rd(553B)
--------spotlight_deconvolution.Rd(3KB)
--------seed_init_mtrx_nmf.Rd(824B)
--------plot_image.Rd(663B)
--------dot_plot_profiles_fun.Rd(938B)
--------downsample_se_obj.Rd(1KB)
--------prep_seobj_topic_fun.Rd(609B)
--------test_synthetic_performance.Rd(1KB)
--------test_spot_fun.Rd(893B)
--------scatterpie_plot.Rd(2KB)
--------cut_markers2.Rd(619B)
--------mixture_deconvolution_nmf.Rd(1KB)
--------spatial_scatterpie.Rd(2KB)
--------topic_profile_per_cluster_nmf.Rd(947B)
--------train_nmf.Rd(2KB)
--------predict_spatial_mixtures_nmf.Rd(1KB)
--------get_colocalization_heatmap.Rd(626B)
----_config.yml(27B)
----README.Rmd(14KB)