单细胞Seurat的umi矩阵-与feature、counts（用于质控）
目录
关于umi矩阵学习
用umi计算feature、counts值
①meta数据查看
②Count和Feature计算（生成Seurat时自动计算）
1）提取UMI矩阵
2）计算
其他指标
评估质量指标（重点）
1）UMI计数
2）基因计数
3）UMIs vs. genes detected
4）线粒体计数比率
5）综合过滤
过滤提取子集
关于umi矩阵学习
10X数据因为有UMI，不需要考虑基因长度的影响，但仍然需要考虑测序深度在不同细胞之间的差异，所以需要用函数LogNormalize进行处理，具体方法是用该基因的UMI/该细胞的全部UMI，再乘以10000，在按列LogNormalize后，又可以按行进行scale，以去除极大值极小值基因对数据的影响。关于单细胞TPM、Count数据的处理_rds文件的umicount和readcount是什么-CSDN博客
用umi计算feature、counts值
scRNA-seq质量控制流程scRNA-seq—质量控制 (qq.com)
