Study on sc-RNA-seq

单细胞基因的处理问题

Posted by xu on November 12, 2018

第一步是对高维数据的约减,常用的方法有PCA, tSNE, ZIFA and CIDR. (但是在进行降维时,我们必须要用填补的方法处理为0的seq)。所以我们涉及的工作内容如下

  • simulation
  • dropoout & imputation
  • dimensional reduction & clustering

    什么是 bulk-RNAseq data

然后是对于单细胞rna数据仿真的问题

具体使用的是scanpy这个包中的scanpy.api.sim,在使用scanpy中的时候涉及到两种模式,分别是’krumsiek11’和’’

这仿真涉及的原理是来自这篇论文:

drop out事件之后的特征选择 https://www.biorxiv.org/content/early/2018/05/17/065094 sc-RNA tools 的介绍 https://cloud.tencent.com/developer/news/331557