seurat_sc_cluster.r 使用帮助:

seurat_sc_cluster.r 使用帮助:
$Rscript scripts/seurat_sc_cluster.r -h
usage: scripts/seurat_sc_cluster.r [-h] -i filepath [-d dim]
                                   [--resolution resolution [resolution ...]]
                                   [--umap.method umap.method]
                                   [--tsne.method tsne.method]
                                   [--high.variable.genes high.variable.genes]
                                   [ [ ...]]
                                   [--integrate.method integrate.method]
                                   [--integration.reduction integration.reduction]
                                   [--k.anchor k.anchor] [-b]
                                   [--downsample downsample]
                                   [--pt.size pt.size] [-H height] [-W width]
                                   [-o path] [-p prefix]
Seurat single cell analysis :
optional arguments:
  -h, --help            show this help message and exit
  -i filepath, --rds filepath
                        input single Seurat obj in rds file [default NULL]
  -d dim, --dim dim     set pca dim number to find cluster [default 20]
  --resolution resolution [resolution ...]
                        set resolution parameters [default 0.5]
  --umap.method umap.method
                        UMAP implementation to run. Can be uwot:Runs umap via
                        the uwot R package; uwot-learn:Runs umap via the uwot
                        R package and return the learned umap model;umap-
                        learn:Run the Seurat wrapper of the python umap-learn
                        package [default uwot]
  --tsne.method tsne.method
                        Select the method to use to compute the tSNE.
                        Available methods are:Rtsne: Use the Rtsne package
                        Barnes-Hut implementation of tSNE (default) ;FIt-SNE:
                        Use the FFT-accelerated Interpolation-based t-SNE.
                        Based on Kluger Lab code found here:
               [default Rtsne]
  --high.variable.genes high.variable.genes
                        highly variable gene number through the
                        FindVariableFeatures function (identify variable
                        features based on the variance stabilization
                        transformation (“vst”)) [default 3000] [ ...]
                        Variables to regress out in ScaleData function
                        (previously latent.vars in RegressOut). For example,
                        nUMI, or percent.mito. [default None]
  --sctransform         If set, use SCTransform normalization [optional,
                        default: False]
  --integrate.method integrate.method
                        set integrated method , harmony or seuratIntegration
                        [default None]
  --integration.reduction integration.reduction
                        Dimensional reduction to perform when finding anchors
                        for seuratIntegration method. Can be one of:
                        cca,rpca,rlsi [default cca]
  --k.anchor k.anchor   You can increase the strength of alignment by
                        increasing the k.anchor parameter, which is set to 5
                        by default. Increasing this parameter to 20 will
                        assist in aligning these populations [default 5]
                        set batch column name in meta data for integrated
                        [default None]
  --downsample downsample
                        subset cells numbers for analysis [default None]
  --pt.size pt.size     the point size [default 1]
  -H height, --height height
                        the height of pic inches [default 7]
  -W width, --width width
                        the width of pic inches [default 6]
  -o path, --outdir path
                        output file directory [default
  -p prefix, --prefix prefix
                        out file name prefix [default demo]

  • 发表于 2022-04-29 11:10
  • 阅读 ( 72 )
  • 分类:R



0 条评论

请先 登录 后评论


532 篇文章

作家榜 »

  1. omicsgene 532 文章
  2. 安生水 252 文章
  3. Daitoue 167 文章
  4. 生物女学霸 120 文章
  5. 红橙子 78 文章
  6. CORNERSTONE 72 文章
  7. 生信老顽童 48 文章
  8. landy 37 文章