바이오 대표

해당 글은 "Current best practices in single-cell RNA-seqanalysis: a tutorial" https://www.embopress.org/doi/epdf/10.15252/msb.20188746" 를 요약 정리한 글입니다. 전체 흐름 scRNAseq analysis tools increase → lack of standardization (+ dependency of language) The paper introduces the typical scRNAseq analysis steps as current best-practice recommendations. 처음 분석을 하시는 분들께 어느정도 가이드라인이 되는 페이퍼라고 생각한다. count matrix pre-p..

- PCA - 해당 글에서는 UMAP 관련해서 좀 자세히 다뤄보려 한다. 다음 내용은 StatQuest 을 참조하였다. UMAP 을 이용해서 High dimension 데이터를 low-dimension에 표현할 수 있다. How? 전체적인 그림은, 낮은차원에서 point를 움직여서, high dimention 에서와 비슷한 모습을 보이도록 조정하는 방법이고 이를 Similarity score 을 계산하여 사용한다. 1. High-dimention points 에서 서로간의 distance 를 계산한다. 2. High-dimention neighbor 숫자 (default 15) 에 따라 log2 (#of neighbor) 을 이용하여 curve 를 그리고, 각 포인트의 similarity score 을 ..

해당 글은 지마님의 블로그의 Batch effect https://ruins880.tistory.com/88 를 참고하였습니다. 좀 더 자세한 사항은 지마님의 블로그를 참고바랍니다. Normalization vs Batch effect correction in scRNAseq Normalization: 라이브러리 제작, dropout, 유전자 길이, GC 비율 등에 따른 증푹 치우침 (amplification bias) - raw count matrix 이용 Batch Effect correction: 실험 설계 및 실험 과정 (시퀀싱 기계, 실험 시각, 시약, 실험실) 에서 오는 변이 통제 - 차원이 축소된 데이터 이용 (계산 시간 줄이기 위하여) ⇒ batch effect 가 제거된 결과는 차원이 축..

“Current best practices in single-cell RNA-seq analysis: a tutorial” 논문 요약 요약 scRNAseq analysis tools increase → lack of standardization (+ dependency of language) The paper introduces the typical scRNAseq analysis steps as current best-practice recommendations. count matrix pre-processing QC, normalization, data correction, feature selection, dimensionality reduction cell - and gene-level downs..