单细胞转录组代码（3）标准化、线性降维、非线性降维

文章预览

学习笔记总结于『生信技能树』马拉松课程 本文学习单细胞转录组分析过程中的标准化、线性降维、非线性降维 五、标准化和降维 all.genes  < - rownames(pbmc) pbmc  < - ScaleData(pbmc, features = all.genes) #这里pbmc从58MB变成349MB了，因为表达矩阵里面原本全是0和1，ScaleData()之后就不是0和1了 pbmc[[ "RNA" ]]@scale.data[30:34,1:3] #查看数据框，发现ScaleData之后就有数字了；至此只能一行内之间的比较了，跨行比较将没有意义 图20 1.线性降维PCA 1.1线性降维 pbmc  < - RunPCA(pbmc, features = VariableFeatures(pbmc)) #尽可能在保留差异信息的同时，也保证了运算速度 # 单细胞数据需要考虑运算的速度和对象的大小，这关系着计算资源是否够用 # 查看前5个主成分由哪些feature组成 print (pbmc[[ "pca" ]], dims = 1:5, nfeatures = 5) # 查看以后，可能发现有些基因不在研究范围，如果不想用这 ………………………………