Seurat 대규모 단일 세포 데이터셋 처리를 위한 10가지 성능 최적화 기법
단일 세포 유전체학 데이터 분석을 위한 강력한 R 도구인 Seurat은 데이터셋 규모가 기하급수적으로 증가함에 따라 대규모 데이터를 효율적으로 처리하는 것이 중요한 과제로 떠올랐습니다. 본 글에서는 Seurat 성능 최적화를 위한 10가지 실용적인 기법을 소개하여 단일 세포 데이터셋 분석의 효율성을 높이고자 합니다.
1. 메모리 절약 모드 활성화로 메모리 사용량 줄 ...
8월 19일 12:13에 게시됨
단일세포 분석: 품질관리 실습 (5)
1. 학습 목표
품질관리 지표 구축 및 데이터 품질 평가
적절한 필터 적용을 통한 저품질 세포 제거
2. 필터링 목표
고품질의 실제 세포만 포함하도록 데이터를 필터링하여 세포 클러스터링 시 다양한 세포 유형更容易 식별
부적합한 샘플 데이터를 검토하여 부적합 원인 파악
3. 과제
복잡한 소량의 세포에서 저품질 세포 구분
생물학적 관련 세포 유형을 제거하 ...
7월 21일 00:16에 게시됨
10x Visium 공간 전사체 데이터 분석과 시각화
서론
이 글에서는 공간 해상도를 가진 RNA 시퀀싱 데이터를 Seurat를 활용해 분석하는 방법을 다룹니다. 핵심은 공간 정보와 분자 데이터를 결합하는 데 있으며, 여기에는 공간 데이터 분석에서 흔히 수행되는 다음 작업들이 포함됩니다:
데이터 정규화
차원 축소 및 데이터 클러스터링
공간 변이 특성 발견
단일 세포 RNA 시퀀싱 데이터와의 통합
여러 조직 절편 처리
...
7월 3일 17:40에 게시됨
공간 데이터 분석｜Seurat을 이용한 공간 단일 세포 연구
세포 집단의 무감독 학습 및 시각화
이 문서에서는 Seurat 패키지의 확장 기능을 소개하며, 특히 다양한 이미징 기술로부터 얻은 공개 데이터셋에 초점을 맞춥니다. 여기서는 Akoya CODEX 시스템을 통한 인간 림프절 데이터셋을 다룹니다.
데이터셋은 Akoya CODEX 시스템으로 생성되었으며, 이 시스템은 멀티플렉싱된 공간 분해능 단백질 분석을 수행할 수 있습니다. 본 데 ...
6월 30일 20:56에 게시됨
단일세포 분석: 마커 유전자 식별 기법
단일세포 분석에서 우리는 원하는 클러스터를 식별한 후, 마커 유전자를 확인하여 특정 클러스터의 정체성을 검증하고 미지의 클러스터의 정체성을 추측하는 데 도움을 얻을 수 있습니다.
학습 목표
개별 클러스터의 마커 유전자를 식별하는 방법 학습
클러스터링과 마커 식별 간의 반복적인 과정 수행
목표
각 클러스터의 유전자 마커 결정
마커를 사용하여 각 클러스 ...
5월 23일 10:11에 게시됨