2025年1月11日 · Nebulosa 是一个基于核密度估计可视化单细胞数据的 R 包，主要通过结合细胞之间的相似性来恢复丢失特征中的信号，从而实现细胞特征的“卷积”。 学习官网： https://bioconductor.org/packages/devel/bioc/vignettes/Nebulosa/inst/doc/nebulosa_seurat.html. Nebulosa 的主要功能是 plot_density，让我们按照以下方式绘制 一些marker基因 的核密度估计图，展示的marker基因表达水平高低：

2024年3月25日 · 这篇推文的目的是探索一些重要参数对后续分群umap可视化的影响。 参数主要考虑：高变基因个数；pca维数；UMAP中的n_neighbors，min_dist和dims参数。 影响主要看T细胞和B细胞是否分开。

In this article, we'll take a look at the theory behind UMAP in order to better understand how the algorithm works, how to use it effectively, and how its performance compares with t-SNE. Figure 1: Apply UMAP projection to various toy datasets, powered by umap-js. So what does UMAP bring to the table?

2024年4月30日 · 本系列推送旨在带领生信零基础的科研人一起入门单细胞（核）转录组数据分析。 CNS顶刊炫酷的UMAP图到底是怎么画的？ 作为单细胞分析的常规figure——UMAP层出不穷的美化方案只有你不敢想，没有做不到的。 本文带你get单细胞UMAP还可以这么画，当然还有很多实用的单细胞分析配色分享哦！ 第11期.不会还有人不知道这个免费一年的云服务吧！ 第13期.单细胞测序中竟然存在双细胞？ 第14期.想发单细胞测序文章？ 这一步必学！ 第15期.一份强烈推 …

UMAP（Uniform Manifold Approximation and Projection）是一种广泛用于高维数据降维的算法，在单细胞分析中常用于可视化细胞的聚类和群体关系。 以下是 UMAP 的常见参数及调整建议。

类似2021年CELL 文章Single-cell landscape of the ecosystem in early-relapse hepatocellular carcinoma，单细胞文献的Fig1一般会有细胞类型的全局umap图，分样本 和 分组的umap图 ，以及分样本 和 分组的细胞类型比例柱形图。

UMAP（Uniform Manifold Approximation and Projection）是一种先进的降维技术，能够高效地处理大规模数据，并生成高质量的低维表示。 本文将详细介绍UMAP库的功能、安装与配置、基本和高级用法，以及如何在实际项目中应用它。 UMAP是一种用于降维和 数据可视化 的技术，旨在通过保持数据局部结构来生成低维表示。 UMAP基于流形学习理论，能够在大规模 数据集 上实现快速、准确的降维。 Python的UMAP库是这一技术的实现，提供了简单易用的接口，广泛应用 …

也许听到umap最多的是对单细胞数据的分析降维，类似于下图： 然而其他数据，像大样本的 转录组 在pca降维效果不好的时候，可以使用umap，毕竟现在转录非常便宜，随便测几十个样品和玩似的。 首先构建一个数据集，行为样本，列为基因，并对样本的特征进行 ...

2024年11月25日 · UMAPUniformManifoldAProjection）是一种用于降维的非线性技术，主要用于高维数据的可视化和探索 [1]。 它可以将高维 数据 嵌入到低维空间（通常是二维或三维），以便我们可以更容易地观察 数据 的结构和模式。

2024年1月27日 · UMAP（Uniform Manifold Approximation and Projection）是一种非线性降维技术，旨在将高维数据映射到低维空间，同时保留数据的局部结构。与传统的降维方法（如PCA）不同，UMAP能够更好地捕捉数据中的非线性关系，因此在许多数据分析和可视化任务中表现出色。