单细胞虚拟现实预处理
scvr-prep的Python项目详细描述
SingleCellVR预处理:
准备数据以便在单细胞虚拟现实网站https://singlecellvr.com/
安装
使用pip安装和更新:pip install scvr-prep
使用
$ scvr_prep --help
Usage: scvr_prep [-h] -f FILE -t {paga,seurat,stream} [-a ANNOTATIONS] [-g GENES] [-o OUTPUT]
scvr_prep Parameters
required arguments:
-f FILE, --filename FILE
Analysis result file name (default: None)
-t {paga,seurat,stream}, --toolname {paga,seurat,stream}
Tool used to generate the analysis result (default: None)
optional arguments:
-a ANNOTATIONS, --annotations ANNOTATIONS
Annotation file name. It contains the cell
annotation(s) used to color cells (default: None)
-g GENES, --genes GENES
Gene list file name. It contains the genes to
visualize in one column (default: None)
-o OUTPUT, --output OUTPUT
Output folder name (default: vr_report)
-h, --help show this help message and exit
示例:
要获取PAGA的单单元VR报告:
^{pr2}$
- 可以找到输入文件here
- 要生成
paga3d_paul15.h5ad
,请查看PAGA analysis。(确保在sc.tl.umap(adata,n_components=3)
中设置n_components=3
)
修拉:
要获得Seurat的单细胞VR报告:
scvr_prep -f ./seurat_result/seurat3d_10xpbmc.loom -t seurat -a annotations.txt -g genes.txt -o seurat_report
- 可以找到输入文件here
- 要生成
seurat3d_10xpbmc.loom
,请查看Seurat analysis。(确保在pbmc <- RunUMAP(pbmc, dims = 1:10, n.components = 3)
中设置n.components = 3
)
流:
要获取流的单单元VR报告:
scvr_prep -f ./stream_result/stream_nestorowa16.pkl -t stream -g genes.txt -o stream_report
- 可以找到输入文件here
- 要生成
stream_nestorowa16.pkl
,请查看STREAM analysis。在
标签:
- 项目
推荐PyPI第三方库
要获取PAGA的单单元VR报告:
^{pr2}$- 可以找到输入文件here
- 要生成
paga3d_paul15.h5ad
,请查看PAGA analysis。(确保在sc.tl.umap(adata,n_components=3)
中设置n_components=3
)
修拉:
要获得Seurat的单细胞VR报告:
scvr_prep -f ./seurat_result/seurat3d_10xpbmc.loom -t seurat -a annotations.txt -g genes.txt -o seurat_report
- 可以找到输入文件here
- 要生成
seurat3d_10xpbmc.loom
,请查看Seurat analysis。(确保在pbmc <- RunUMAP(pbmc, dims = 1:10, n.components = 3)
中设置n.components = 3
)
流:
要获取流的单单元VR报告:
scvr_prep -f ./stream_result/stream_nestorowa16.pkl -t stream -g genes.txt -o stream_report
- 可以找到输入文件here
- 要生成
stream_nestorowa16.pkl
,请查看STREAM analysis。在
- 项目
标签: