Bioconductor版本:发行版(3.16)
单细胞rna测序(scRNA-seq)已经可以在高分辨率下分析组织中的基因表达。在进行下游分析之前,一个重要的预处理步骤是使用质量控制(QC)指标识别和去除样品质量较差或退化的细胞。用于识别“低质量”细胞的两个广泛使用的QC指标是(i)如果细胞包含高比例的映射到线粒体DNA编码基因(mtDNA)的reads和(ii)如果检测到少量基因。miQC是数据驱动的QC度量,它在概率框架中联合建模映射到mtDNA的读的比例和混合模型中检测到的基因的数量,以预测给定数据集中的低质量细胞。
作者:Ariel Hippen [aut, cre], Stephanie Hicks [aut]
维护者:Ariel Hippen < Ariel。希本在gmail.com>
引文(从R内,输入引用(“miQC”)
):
要安装这个包,启动R(版本“4.2”)并输入:
如果(!require("BiocManager", quiet = TRUE)) install.packages("BiocManager")
对于R的旧版本,请参考相应的Bioconductor释放.
要查看系统中安装的此包版本的文档,请启动R并输入:
browseVignettes(“miQC”)
超文本标记语言 | R脚本 | miQC |
参考手册 | ||
文本 | 新闻 | |
文本 | 许可证 |
biocViews | GeneExpression,预处理,质量控制,测序,SingleCell,软件 |
版本 | 1.6.0 |
在Bioconductor | BioC 3.13 (R-4.1)(1.5年) |
许可证 | BSD_3_clause +文件许可证 |
取决于 | R (>= 3.5.0) |
进口 | SingleCellExperiment,flexmix,ggplot2,样条函数 |
链接 | |
建议 | scRNAseq,嘘,BiocStyle,knitr,rmarkdown |
SystemRequirements | |
增强了 | |
URL | https://github.com/greenelab/miQC |
BugReports | https://github.com/greenelab/miQC/issues |
全靠我 | |
进口我 | |
建议我 | |
链接到我 | |
构建报告 |
遵循bob 体育网址 在R会话中使用此包的说明。
源包 | miQC_1.6.0.tar.gz |
Windows二进制 | miQC_1.6.0.zip |
macOS二进制文件(x86_64) | miQC_1.6.0.tgz |
macOS二进制文件(arm64) | miQC_1.6.0.tgz |
源库 | git克隆https://git.bioconductor.org/packages/miQC |
源存储库(开发人员访问) | git克隆git@git.bioconductor.org:packages/miQC |
生物包浏览器 | https://code.bioconductor.org/browse/miQC/ |
包短Url | //www.anjoumacpherson.com/packages/miQC/ |
软件包下载报告 | 下载数据 |