2023年1月20日 · UMAP is an algorithm that takes a high-dimensional dataset (such as a single-cell RNA dataset) and reduces it to a low-dimensional plot that retains much of the original information. Most, if not all, single-cell RNA sequencing datasets contain thousands of gene expression counts per individual cell.

单细胞RNA测序（scRNA-seq ）是一个飞速发展的领域，该技术帮助科研人员从一堆细胞（bulk）水平精细到单细胞（single-cell）水平研究基因的表达状态，从而可以更加精细的刻画科研对象的分子状态（例如细胞图谱，表达特征等）。 目前该领域涌现了一大批用于单细胞RNA测序分析的方法，随着越来越多方法的出现，如何选择和组合使用这些方法组成最佳的分析流程是一个新的挑战。 所以，这篇文章详细综述了一个经典的single-cell RNA-seq分析流程，包括数据预处 …

2025年1月11日 · 该图是内窥镜样本中155093个细胞的UMAP，揭示了上皮室中的主要细胞类型为enterocytes/colonocytes（肠细胞/结肠炎细胞）、stem cells（干细胞）、goblet cells（杯状细胞）、goblet proliferating cells（杯状增殖细胞）、BEST4/OTOP2细胞、tuft cells（簇状细胞）、EEC（肠内分泌细胞 ...

什么是umap？ 和PCA一样，一种降维的算法，如果不是统计学或者数据专业的人，我建议不要去看它的原理，知道如何用就足够了。 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…

2024年3月21日 · Galaxy生信云平台 （UseGalaxy.cn） 整合了所有主流的单细胞数据分析工具，如 Seurat, Scanpy, Monocle3 等，用户不需要安装各种软件，也不需要考虑计算资源，只需要上传数据，点击鼠标即可以完成单细胞数据分析工作。 本文来介绍单细胞数据分析的一些基础理论知识。 当我们进行单细胞数据分析时，应该始终从质量控制步骤开始，首先清理数据，以确保数据足以回答研究的问题。 在此步骤之后，通常会继续进行定位（比对）或基因组组装步骤，具体 …

2020年8月9日 · In this blog post I aim to showcase the Uniform Manifold Approximation and Projection (UMAP) algorithm from a practical standpoint by experimenting with its various hyperparameters in a single cell RNA-seq (scRNA-seq) dataset of 3,000 cells uniformly sampled from a mouse brain dataset.

高通量单细胞RNA-Seq产品依托于Droplet技术（液滴法），可实现上万个单细胞的同时进行分离和建库，大幅的降低建库成本的同时实现全局性的组织细胞转录图谱。 单细胞目前面临的挑战主要是：扩增量目前最多是一百万个细胞；有可能一个基因在一个细胞中能检测到中等表达量，但是在另一个细胞中却检测不到，这种现象叫做"gene dropouts"。 方法主要分为两大部分：定量与捕获。 定量包括两种类型：全长以及基于标签 (tag)。 前者对每个转录本都试图获得一致的read覆盖 …

2021年10月8日 · UMAP（Uniform Manifold Approximation and Projection）是一种先进的非线性降维技术，用于将高维数据集转换为低维空间中的表示，同时尽可能保留原始数据的复杂结构和拓扑特性。

Uniform Manifold Approximation and Projection (UMAP) is a dimensionality reduction technique that has emerged as a powerful tool in analyzing single-cell RNA sequencing (scRNA-seq) data. Unlike traditional methods such as t-distributed stochastic neighbor embedding (t-SNE), UMAP preserves both global and local structure in the data, allowing ...

2023年6月23日 · In this work, we utilize CCP as an initialization tool for uniform manifold approximation and projection (UMAP) and t-distributed stochastic neighbor embedding (t-SNE). By using eight publicly available datasets, we have found that CCP significantly improves UMAP and t-SNE visualization and dramatically improve their accuracy.