【文件属性】：
文件名称：matlab提取文件要素代码-Specter:幽灵
文件大小：11.85MB
文件格式：ZIP
更新时间：2021-05-21 16:19:23
系统开源
matlab提取文件要素代码Spectre：一种用于对大规模单细胞RNA-seq和多模式数据进行聚类的新颖工具
概述
Spectre是一种用于对大规模单细胞RNA-seq数据进行聚类的新颖计算方法。
此外，Specter可以将来自不同测量（例如RNA测量）和抗体衍生标签（收集在同一组细胞上）的数据组合在一起。
Spectre相对于细胞数以线性时间运行，因此非常适合分析非常大的单细胞RNA-seq数据。
在包含来自小鼠胚胎的200万个细胞的数据集上，Spectre仅需26分钟即可计算出簇。
有关详细信息，请参见此处的手稿。
幽灵增强细胞类型识别
已经提出了许多方法来对scRNA-seq数据集进行聚类，其中Seurat及其底层的Louvain聚类算法可以说是使用最广泛的方法。
我们显示，在大量真实的scRNA-seq数据集上，Spectre在准确性和速度方面都优于Seurat。
而且，Spectre可以突出显示Seurat可能找不到的稀有细胞类型。
将Spectre与多模式数据结合使用
在由CITE-seq产生的8,617个脐带血单核细胞（CBMC）的多模式数据集上（Stoeckius等人
【文件预览】：
Specter-master
----Rscripts()
--------splatter_simulation()
--------rare_cell_experiments()
--------preprocessing()
----utils()
--------gendist.m(2KB)
--------CHC_v2.m(6KB)
--------evaljointCOAL.m(906B)
--------evalCOAL.m(258B)
--------litekmeans.m(16KB)
--------SpectralClustering.m(2KB)
--------evalEnsembleIdx.m(1KB)
--------min_cluster_size.m(239B)
--------selective_sampling.m(675B)
--------learn_LSC.m(2KB)
----analysis_specter_minPts_50_markdown.md(7KB)
----Specter_demo.m(1KB)
----output()
--------cbmc_SCE_rna_labels.csv(16KB)
--------pbmc_specter_clustering.csv(8KB)
--------pbmc_citefuse_clustering.csv(9KB)
----img()
--------multimodal.png(211KB)
--------cd4_cd8_genes.pdf(111KB)
----eval_fast_Specter.m(2KB)
----eval_exact_Specter.m(1KB)
----run_multimodal_Specter.m(1KB)
----LSC()
--------runLWEA.m(2KB)
--------Sig.m(598B)
--------normrow.m(249B)
--------LSC_eigen_fast.m(5KB)
--------fast_LSC.m(5KB)
--------LSC_eigen.m(5KB)
--------mydist.m(251B)
--------main_CSC.m(5KB)
--------normcol.m(249B)
--------gettok.m(697B)
--------rand_index.m(3KB)
--------mmread.m(8KB)
--------LSC_SC3.m(3KB)
--------eval_rand.m(366B)
--------mySVD.m(4KB)
--------L2_distance.m(2KB)
--------EuDist2.m(1KB)
--------LSC.m(3KB)
--------LSC_affineMat.m(4KB)
--------compute_distance.R(622B)
----README.md(11KB)
----dimred()
--------fsvd.m(3KB)
--------svdecon.m(825B)
--------testpca.m(508B)
--------fpca.m(1KB)
--------runpca.m(478B)
--------svdsecon.m(994B)
--------pcasecon.m(976B)
--------testsvd.m(1011B)
--------pcaecon.m(1KB)
--------lmsvd.m(9KB)
----preprocessing_benchmarks.m(1KB)
----data()
--------pbmc_process_ADT.csv(3.16MB)
--------pbmc_nodoublet_minPts50_selectedcells.csv(158KB)
--------zeisel_pca.csv(1024KB)
--------pbmc.zip(7.22MB)
--------pbmc_process_RNA_pca.csv(1.28MB)
--------zeisel_pca_labels.csv(6KB)
----multimodal_analysis()
--------analysis_PBMC_citefuse_minPts_50_markdown.html(8.94MB)
--------analysis_PBMC_citefuse_minPts_50_markdown.Rmd(7KB)
--------analysis_CBMC.R(17KB)
--------analysis_PBMC_specter_minPts_50_markdown.Rmd(7KB)
----analysis_specter_minPts_50_markdown_files()
--------figure-gfm()
----eval_auto_Specter.m(652B)