內(nèi)容獲取 1、購買打包合集（《KS科研分享與服務(wù)》付費內(nèi)容打包集合），價格感人，可以加入微信VIP群（答疑交流群，甚至有小伙伴覺得群比代碼更好），可以獲取建號以來所有內(nèi)容，群成員專享視頻教程，提前更新，其他更多福利！ 2、《KS科研分享與服務(wù)》公眾號有QQ群，進入門檻是20元（完全是為了防止白嫖黨，請理解），請考慮清楚。群里有免費推文的注釋代碼和示例數(shù)據(jù)（終身擁有），沒有付費內(nèi)容，群成員福利是購買單個付費內(nèi)容半價！需要者詳情請聯(lián)系作者（非需要者勿擾，處理太費時間）：
DEGs <- FindMarkers(human_data, ident.1 = "BM",ident.2 = "GM", logfc.threshold = 0.25,min.pct = 0.25, group.by = 'group')
這就是這個帖子的問題，可以看到，顯著性top差異基因里面有很多RPL開頭的核糖體基因，這個結(jié)果還好，我之前分析過更夸張的，top基因基本都是MT，RPL等等，不知道的還以為我拿的核糖體測的序列。很顯然，這些基因并不是我們關(guān)注的，但是它就是水零零的出現(xiàn)了，還是P值最小、logFC最大的基因，你說氣人不？這就是很多小伙伴關(guān)心的一個問題，我可以刪除這些基因嗎？我們在數(shù)據(jù)分析之初，就對線粒體基因和核糖體基因進行了質(zhì)控，質(zhì)控消除了這些基因?qū)毎秩旱挠绊?也有挺多文章直接將這些基因在矩陣中刪除，再進行降維)。但是在做差異分析的時候，又會有這個困擾，所以我們可以將其刪除，再進行分析，也是可以的。當(dāng)然，也要結(jié)合實際情況，不要盲目!exp_m <- GetAssayData(human_data, layer = 'counts')gene.all <- rownames(exp_m)mt.gene = grep('^MT-', gene.all, value = TRUE)#線粒體基因ribosome.gene = grep('^RPL|^RPS|^MRPS|^MRPL', gene.all, value = TRUE)#核糖體基因features = setdiff(gene.all, c(mt.gene, ribosome.gene))#去除不需要的基因
不需要改變原來的seurat，只需要在FindMarkers中加入?yún)?shù)features即可。DEGs <- FindMarkers(human_data, ident.1 = "BM",ident.2 = "GM", logfc.threshold = 0.25,min.pct = 0.25, group.by = 'group', features = features)
這樣得到的結(jié)果，做富集分析就可以了，否則都得不到有用的通路！覺得我們分享有些用的，點個贊再走唄！
|
