Skip to content

寻因生物文档中心

作者: 刘鑫
时长: 116 分钟
字数: 26.7k 字
更新: 2026-04-13
阅读: 0 次
文档中心

概述

本中心汇集了从实验准备、上机测序到数据分析的全流程标准化文档,旨在为您提供清晰、准确的操作指南和理论支持,确保您的研究项目高效、顺利地进行。

文档浏览

在左侧选择产品与主题标签,或使用右上角搜索快速定位目标文档;列表支持分页浏览,点击标题即可打开对应指南与说明。

Analysis Guides

List

SeekSoul Online 云平台概览与入口

SeekSoul Online 云平台是寻因生物历时两年打造的一站式单细胞多组学数据挖掘和可视化线上工具,覆盖单细胞转录组、单细胞免疫组以及寻因的自研单细胞空间转录组产品标准分析和高级分析等全套流程。分析结果与代码执行分析结果高度一致,为用户提供疾病机制探索、生物靶标挖掘、基础科学研究的多领域全方位深层次数据分析解决方案。

2025/8/28

ATAC + RNA 双组学质控报告说明文档

系统性说明 SeekArcTools 软件生成的单细胞多组学质控报告(scATAC + scRNA)中各项指标的定义、计算方法与解读指南。

2026-03-23

ATAC + RNA 多组学:降维与聚类 (RNA/ATAC/WNN 联合)

scRNA-seq 与 scATAC-seq 双组学数据的降维聚类的策略,基于 RNA 数据的降维聚类、基于 ATAC 数据的降维聚类、联合 RNA 和 ATAC 进行的联合降维聚类

2025/12/4

ATAC + RNA 多组学:差异可及性峰与 Motif/功能富集 (DA peak)

基于 scATAC-seq 数据,通过差异可及性分析识别各细胞群/状态的特异性开放区域,进而利用 Motif 富集分析鉴定其核心调控转录因子,并对相关 peak 进行基因注释与功能富集,以揭示潜在的细胞特异性调控机制

2025/12/4

ATAC + RNA 多组学:Motif 富集分析与转录因子调控推断

Motif 分析是单细胞 ATAC + RNA 多组学数据解析转录因子调控网络的关键步骤。通过识别染色质开放区域 (peak) 中富集的转录因子结合位点 (motif),可以推断哪些转录因子可能参与调控特定细胞类型或状态

2025/12/4

ATAC + RNA 多组学:Gene Activity (基因活力) 计算与应用

在单细胞 ATAC-seq 数据分析中,基因活力分析是一种通过评估染色质可及性来量化基因活力的重要方法。基因活力分析统计了每个基因区域(包括基因体和上游 2 kb 调控区域)内的 ATAC-seq 信号强度,这些信号反映了 DNA 的开放程度,从而预示着基因的潜在转录活性

2025/12/4

ATAC + RNA 多组学:Peak2Gene (Peak-Gene linking) 关联分析

Peak2Gene (Peak-Gene linking) 分析是一种专为单细胞多组学 (ATAC + RNA) 数据设计的方法。其核心目标是识别基因表达与其附近染色质可及性峰 (peaks) 之间的显著调控关系。该方法通过统计每个细胞中基因表达量与其附近 peaks 的 ATAC 信号强度间的相关性,并利用广义线性模型校正 GC 含量、peak 长度、距离等技术偏置,从而推断哪个 peak 可能参与调控哪些基因。

2025/12/4

ATAC + RNA 多组学:Monocle3 拟时序与染色质动态解析

拟时序分析用于重建细胞发育或分化过程的轨迹,揭示染色质可及性的动态变化。Monocle3 通过选择 root 细胞,计算每个细胞到起点的距离,得到伪时间 (pseudotime),用于排序细胞的分化进程。在 scATAC-seq 分析中,伪时间可以直观反映染色质可及性的变化和基因调控网络的动态过程。

2025/12/4

ATAC + RNA 多组学:epiAneuFinder 基于 scATAC 的 CNV 检测

epiAneuFinder 是一种用于从单细胞 ATAC (scATAC) 数据中检测拷贝数变异 (CNV) 的算法。单细胞多组学数据中包含 scATAC-seq 信息,可以利用 epiAneuFinder 对多组学中的 scATAC-seq 做 CNV 分析,揭示肿瘤细胞异质性。

2025/12/11

ATAC + RNA 多组学:CopyscAT 基于 scATAC 的 CNV 推断与肿瘤细胞识别

CopyscAT 可基于 scATAC-seq 数据推断拷贝数变异 (CNV),辅助识别癌症细胞。它能帮助研究复杂肿瘤(如胶质母细胞瘤)内不同亚克隆的染色体变化与表观基因组状态的关系,分析遗传变异如何影响细胞的分子表型。CopyscAT 特别适合探索高异质性肿瘤中遗传与表观遗传的交互,以及肿瘤细胞与微环境间的作用机制。

2025/12/12

ATAC + RNA 多组学:AtaCNV 基于 scATAC 的 CNV 检测与可视化

AtaCNV 是一种专为单细胞 ATAC-seq (scATAC-seq) 数据开发的拷贝数变异 (CNV) 检测工具。通过处理单细胞染色质可及性测序数据,AtaCNV 能够高分辨率地揭示肿瘤细胞等复杂组织内部的遗传异质性。适用于多组学单细胞数据中的 scATAC-seq 通道,实现对肿瘤等复杂样本中细胞拷贝数状态的自动推断与可视化。

2025/12/12

scATAC-seq 差异可及性与功能富集分析教程

ATAC_DiffEnrich 是面向单细胞多组学数据中 scATAC-seq 的差异可及性与富集分析流程,旨在从不同细胞群或条件之间系统地鉴定差异可及染色质区域(DARs),解析其潜在调控因子(TF)及受影响的生物学过程/信号通路。

2026-01-29

scATAC-seq 高级分析:Peak-Gene 调控关联分析

ATAC_Peak2Gene 是面向单细胞多组学数据中 scATAC-seq 与 scRNA-seq 整合分析的 Peak-to-Gene 关联分析流程,旨在系统性地识别染色质开放区域(peaks)与基因表达之间的调控关系,揭示顺式调控元件(CREs)对基因转录的潜在影响。

2026-01-29

单细胞空间转录组质控报告说明文档

本文档详细说明了 SeekSpace Tools 软件输出的空间转录组质控报告中各项指标与图表的定义、计算方法与解读指南,旨在帮助用户理解测序数据与文库质量状况,并为后续数据分析提供参考依据。

2026-04-01

单细胞空间转录组:H&E 与 DAPI 图像配准操作指南

使用 GIMP 将 H&E 明场图像与 DAPI 荧光图像进行空间配准的标准化操作指南,包含 DAPI 预处理、图层叠加与透明度设置、移动/缩放/旋转配准、画布与背景修复、图层合并导出及可选的组织提取步骤。

2026-03-30

单细胞空间转录组:空间可视化指南

本教程专为处理寻因生物 (SeekGene) 单细胞空间转录组产品的底层空间几何变换而设计,旨在帮助您深入理解并实现芯片坐标与组织图像的精准对齐。

2026-04-10

SeekSpace 高级分析:基于 stLearn 的细胞通讯热点识别

基于 stLearn 的细胞通讯分析,结合受配体(LR)得分与网格化热点检测,识别组织内高概率通讯区域;包含参数说明、10x 矩阵读取、细胞类型注入与网格划分,支持自定义 LR 对与受配体库选择。

2026-01-29

甲基化 + RNA 双组学质控报告说明文档

详细说明了 SeekMethyl 质控报告中各项指标的定义、计算方法以及解读指南,旨在帮助用户理解测序数据与文库质量状况。

2026-03-16

甲基化 + RNA 双组学分析指南

提供单细胞甲基化双组学的系统化下游分析流程与教程指南,覆盖双细胞判定、数据质控与整合、差异与功能富集分析等关键环节。

2026-03-16

甲基化 + RNA 双组学 - 基础分析

本模块专为单细胞甲基化双组学数据(同时包含 RNA 和甲基化信息)的基础分析而设计,实现了数据整合、质量控制、批次效应校正和细胞图谱构建等核心分析流程。

2026-03-16

甲基化 + RNA 双组学 - 双细胞判断

本模块旨在从单细胞甲基化测序数据中识别并过滤双细胞(doublets),提供基于转录组细胞类型、甲基化 Reads 数和甲基化率的三种互补鉴定方法以提高识别准确性。

2026-03-16

甲基化 + RNA 双组学 - CNV拷贝数变异分析

本模块基于 CopyKit 开发,专为从单细胞测序数据中推断全基因组拷贝数变异 (CNV) 而设计,支持变异识别、区分正常与肿瘤细胞,以及探索肿瘤内部异质性与克隆进化轨迹。

2026-03-16

单细胞转录组细胞注释教程:基于 Marker 基因的类型识别

介绍如何利用 SingleR 自动注释工具,结合 HumanPrimaryCellAtlas 等参考数据集,为单细胞转录组数据进行高精度的细胞类型识别与注释。

2026-01-29

单细胞差异表达与功能富集分析全流程教程

介绍如何使用 Seurat 和 clusterProfiler 进行单细胞差异表达(DE)与功能富集分析(ORA/GSEA),涵盖簇间与组间比较、多数据库注释(GO/KEGG 等)及火山图、热图等可视化方法。

2026-01-29

scRNA-seq 多样本整合分析教程 (Seurat / Harmony)

本教程介绍 scRNA-seq 多样本整合分析流程,涵盖两种数据读取方式(云平台 RDS 和标准 10x 矩阵)、Seurat 对象创建、QC 指标计算(线粒体/基因数等)、以及基于 Harmony 的数据整合与去批次效应分析。

2026-01-29

Seurat 单细胞转录组分析全流程教程 (QC / 整合 / 聚类)

Seurat 是一个功能全面的 R 包,专为单细胞 RNA 测序数据的质量控制、分析和探索而设计。本教程提供从数据加载到标记基因查找的完整分析流程,涵盖质量控制、DoubletFinder 双细胞去除、数据整合(Harmony/CCA/Merge)、降维聚类及差异表达分析。**重要提示**:本教程应使用 **"common_r"** 内核运行。

2026-01-29

DD3 数据分析方法

2026-01-29

单细胞常见问题总览 (FAQ)

覆盖单细胞样本制备、运输、质控、文库构建与下游分析常见问题与建议的综合指南。

2025/8/28
第 1 / 1 页 · 共 0 条


让我们一起探索生命科学的无限可能!

Built with ❤️ by SeekSoul Online Team

Footer


0 条评论·0 条回复