-
基因组测序>
-
建库测序>
-
人类基因组测序>
-
动植物基因组测序>
-
微生物基因组测序>
-
-
转录调控测序>
-
表观组测序>
-
单细胞测序>
-
空间转录组>
-
基因分型>
-
质谱分析>
-
蛋白组学分析>
-
代谢组学分析>
-
免疫定量>
-
-
多组学联合分析>
-
分子育种>
-
基因合成>
UMAP降维分析展示
-
Uniform manifold approximation and projection (UMAP)，采用非线性降维算法，该算法提供了最快的运行时间、最高的重现性和最有意义的细胞集群注释。此外，UMAP对嵌入维数没有计算限制，这使得它可以作为机器学习的通用降维技术[1]。
tSNE降维分析展示
-
t-分布邻域嵌入算法（t-SNE，t-Stochastic Neighbor Embedding），是目前机器学习领域流行的对高维度数据进行降维的非线性非监督降维方法，可以有效地将高维度数据转换成二维图像。
差异基因展示
差异基因Violin图形展示
差异基因tSNE/UMAP图形展示
-
t-分布邻域嵌入算法（t-SNE）与UMAP（一致流形逼近与投影，Uniform Manifold Approximation and Projection）维数约减算法能有效地将大数据集投射到两个或三个维度，从而使得相似的细胞聚集在一起。
细胞群定义展示
- 对单细胞的细胞群进行细胞类型的预测，预测方法为使用南宫28NG相信品牌力量自研细胞定义算法fast-celltype搭配通过人工收集和校正的细胞marker数据库NovomarkerDB来实现，该数据库目前包括了人和鼠主要的组织类型的细胞marker集，大部分的marker集通过了实际数据集的测试和人工校正，有较高的准确性。
拟时分析展示
-
拟时（pseudotime）分析，又称细胞轨迹（cell trajectory）分析，通过拟时分析可以推断出发育过程细胞的分化轨迹或细胞亚型的演化过程，在发育相关研究中使用频率较高。
受配体分析展示
-
某些细胞可以分泌一些因子，可能与其他细胞的发育生长相关，受配体分析可以清楚细胞间是如何相互调节。
参考文献
[1] Li Y, Ding Y, Hou Y, Liu L, Liu Z, Yao Z, Shi P, Li J, Chen K, Hu J. Single-cell analysis reveals alternations between the aged and young mice prostates. Biomark Res. 2024 Oct 9;12(1):117. doi: 10.1186/s40364-024-00666-x. PMID: 39385256; PMCID: PMC11462726.
南宫NG·28(中国)相信品牌力量有限公司
前台 : 010-82837801
客服 : 400-658-1585
Copyright@2011-2024 All Rights Reserved 版权所有：北京南宫28NG相信品牌力量科技股份有限公司 京ICP备15007085号-1
