|
- 单细胞转录组（scRNA）标准化原理 - 知乎
SCT （SCTransform）是 Seurat 包中的一个重要函数，作为对单细胞 RNA 测序数据标准化的一种替代方法， SCTransform 使用了更先进的数学模型，具有 更强的去技术噪声能力。 它的目标是 去除测序深度、批次效应等技术噪声的影响，同时能够在单细胞数据中 保留更多的生物学信号。 SCTransform 基于一个 负二项回归模型 （Negative Binomial Regression），该模型可以自动识别并去除因 测序深度 （nCount_RNA）和 技术噪声 （如线粒体基因比例、细胞捕获效率等）引起的偏差。
- SCTransform：单细胞样本的标准化 - 简书
Seurat从3 0版本引进了SCTransform这个函数用来对数据做标准化，并且这一个函数可以代替三个函数（NormalizeData, ScaleData, FindVariableFeatures）的运行。 且 其对测序深度的校正效果要好于log标准化。 （10万以内的细胞都建议使用SCT标准化）
- 单细胞转录组数据特征与标准化（二）：sctransform原理 . . .
单细胞标准化方法众多，大概分成两类：一是基于size factors的方法，一是基于基因分布回归的方法。 Sctransform标准化方法在pbmc数据的表现明显优于Lognormalize的方法。
- 单细胞Seurat-SCTransform标准化（并不能去批次）
Seurat-SCTransform用于单细胞表达矩阵的标准化，但并不能用于去除样本间的批次效应。 教程： Using sctransform in Seurat (satijalab org)
- Seurat V5版小鼠单细胞流程（采用SCTransform包进行标准化）
Seurat流程是单细胞分析的最基础的一步，几乎所有的分析都建立在其基础之上，目前Seurat从V4升级到了V5版本，数据结构增加了layer层的概念，标准分析流程也有一些小的改动，比如采用SCTransform包替代 NormalizeData (), ScaleData ()和FindVariableFeatures ()进行标准化。
- Seurat V5中多样本SCT标准化与整合的工作流程解析 . . .
在单细胞RNA测序数据分析中，Seurat是最广泛使用的工具之一。 随着Seurat V5的发布，其工作流程与之前的V4版本相比发生了一些重要变化，特别是在处理多个样本的SCTransform (SCT)标准化和整合方面。
- 基于SCTransform的单细胞数据标准化
In our manuscript we introduce a modeling framework for the normalization and variance stabilization of molecular count data from scRNA-seq experiments
- 单细胞 scATAC-seq scRNA-seq 双组学标准分析 . . .
单细胞多组学手段的优势在于，可以在每个细胞分辨率下同时观测 TF 和靶基因的表达（scRNA-seq）、以及 TF 结合位点的染色质可及性（scATAC-seq，并结合 motif 识别进行推断）。 通过联合单细胞 ATAC 与 RNA 数据，可实现： TF 表达谱的确定 TF 结合位点（peak
|
|
|