Searching…
S3 method for class 'Seurat'FindMarkers(object, ident.1 =NULL, ident.2 =NULL, latent.vars =NULL, group.by =NULL, subset.ident =NULL, assay =NULL, reduction =NULL,...)
# Take all cells in cluster 2, and find markers that separate cells in the 'g1' group (metadata # variable 'group') markers <- FindMarkers(pbmc_small, ident.1 = "g1", group.by = 'groups', subset.ident = "2")
使用FindMarkers函数进行差异表达分析。默认情况下，FindMarkers函数使用非参数的Wilcoxon秩和检验进行差异表达分析。如果要对两组特定的细胞类群执行差异分析，可以设置ident.1和ident.2参数指定两个特定的细胞类群。
Apr 21, 2023 · 在seurat中，如果运行了 RunUMAP 或者 RunTSNE 后自动分群后，FindAllMarkers和FindMarkers基本就是一样的；如果没有进行 RunUMAP 或者 RunTSNE 分群，那么需要先运行 BuildClusterTree(object) 函数，利用树聚类先分群
Jul 2, 2025 · 在使用 FindMarkers 函数进行单细胞转录组差异表达分析时，数据预处理的质量是影响结果准确性的首要因素。 常见的预处理步骤包括归一化（Normalization）、特征选择（Feature Selection）、降维（Dimensionality Reduction）以及聚类（Clustering）。
Jan 29, 2024 · 本文介绍了如何使用Seurat软件对单细胞测序数据进行降维、聚类、标记基因和细胞类型的识别。文章提供了详细的代码和结果图，以及软件版本信息和参考文献。
在使用单细胞RNA测序数据分析工具Seurat时，FindMarkers函数是识别差异表达基因的关键工具。 许多用户在分析过程中会遇到需要比较多个组别的情况，本文将深入解析FindMarkers函数在多组比较中的使用策略和注意事项。
