CellMarker | 人骨骼肌组织细胞Marker大全！~（强烈建议火速收藏！）
1写在前面
分享一下最近看到的2篇paper关于骨骼肌组织的细胞Marker，绝对的Atlas级好东西。👍
希望做单细胞的小伙伴觉得有用哦。😏
2常用marker（一）
general_mrkrs <- c(
'MYH7', 'TNNT1', 'TNNT3', 'MYH1', 'MYH2', "CKM", "MB", # Myofibers
'PAX7', 'DLK1', # MuSCs
'PDGFRA', 'DCN', 'ANGPTL7', 'OSR2', 'NGFR', 'SLC22A3','ITGA6', # Fibroblasts
'FMOD', 'TNMD' , 'MKX', # Tenocytes
'MPZ', 'MBP', # Schwann cells
'CDH2', 'L1CAM', # SCG
'MSLN', 'ITLN1', # mesothelium
"ADIPOQ", "PLIN1", # adipocytes
'PTPRC', 'CD3D', 'IL7R', # T cells
'NKG7', 'PRF1', #NK cells
'CD79A', "TCL1A", # B cells
'MZB1', 'JCHAIN', # B plasma
"CD14", "FCGR3A",'S100A8', 'S100A12', # Mono
"CD163", "C1QA", # Macrop
"XCR1", "CLEC9A", # cDC1 "CADM1",
"CD1C", "CLEC10A", "CCR7", # cDC2
'LILRA4', 'IL3RA', "IRF7", # pDC
'FCGR3B', 'CSF3R', 'SORL1', # Neutrophils
'EPX', 'PRG2', # Eosinophils 'CLC'
'TPSB2', 'MS4A2', # Mast cells
'PECAM1', 'HEY1','CLU', # art EC
'CA4', 'LPL', # capEC
'ACKR1', 'SELE', # venEC
'LYVE1', 'TFF3', # lymphEC
'RGS5','ABCC9', # pericytes
'MYH11', 'ACTA2', # SMC
'HBA1', #RBC
)
出自下面paper:👇
Human skeletal muscle aging atlas. Veronika R. Kedlian, Yaning Wang, Tianliang Liu, Xiaoping Chen, Liam Bolt, Catherine Tudor, Zhuojian Shen, Eirini S. Fasouli, Elena Prigmore, Vitalii Kleshchevnikov, Jan Patrick Pett, Tong Li, John E G Lawrence, Shani Perera, Martin Prete, Ni Huang, Qin Guo, Xinrui Zeng, Lu Yang, Krzysztof Polański, Nana-Jane Chipampe, Monika Dabrowska, Xiaobo Li, Omer Ali Bayraktar, Minal Patel, Natsuhiko Kumasaka, Krishnaa T. Mahbubani, Andy Peng Xiang, Kerstin B. Meyer, Kourosh Saeb-Parsy, Sarah A Teichmann & Hongbo Zhang 2024 Apr.
3常用marker（二）
Mural Cell Markers
#SMOOTH MUSCLE CELLS
FeaturePlot(df.harmony, features = "MYH11", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "ACTA2", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "TAGLN", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
#PERICYTES
FeaturePlot(df.harmony, features = "RGS5", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "CSPG4", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "PDGFRB", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
Glial Cells Markers
FeaturePlot(df.harmony, features = "PROX1", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "MPZ", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "NCAM1", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "CDH19", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "SOX10", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "PLP1", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
Adipocites Markers
FeaturePlot(df.harmony, features = "PLIN1", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "ADIPOQ", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "MMRN1", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "CCL21", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
Tenocytes Markers
FeaturePlot(df.harmony, features = "FMOD", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "TNMD", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "COL22A1", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "SCX", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "DLG2", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "FBN1", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
Endothelial Markers
#FeaturePlot(df.harmony, features = "PCDHA6", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
#ARTERIAL
FeaturePlot(df.harmony, features = "FBLN5", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "DLL4", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "SEMA3G", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
#CAPILLARIES
FeaturePlot(df.harmony, features = "RGCC", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
#VENOUS
FeaturePlot(df.harmony, features = "EPHB4", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
Myonuclei Markers
FeaturePlot(df.harmony, features = "TTN", min.cutoff = "q9", order = T, cols = c("lightblue", "navy"), raster = FALSE)
#IMMATURE MYOCYTE
FeaturePlot(df.harmony, features = "MYMX", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "MYOG", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
#REG MYONUCLEI
FeaturePlot(df.harmony, features = "FLNC", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "MYH3", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "MYH8", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "XIRP1", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
NMJ Myonuclei Markers (Neuromuscular junction)
#NMJ
FeaturePlot(df.harmony, features = "CHRNE", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "CHRNA1", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "PRKAR1A", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "COL25A1", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "UTRN", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "COLQ", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "ABLIM2", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "VAV3", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "UFSP1", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
MTJ Myonuclei Markers (Myotendinous junction)
#MTJ
FeaturePlot(df.harmony, features = "COL22A1", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "PIEZO2", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "COL24A1", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "COL6A1", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "FSTL1", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "COL6A3", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(df.harmony, features = "TIGD4", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
FeaturePlot(mini_df.harmony.harmony, features = "EYS", min.cutoff = "q9", order = TRUE, cols = c("lightblue", "navy"), raster = FALSE)
出自下面paper:👇
Lai, Y., Ramírez-Pardo, I., Isern, J. et al. Multimodal cell atlas of the ageing human skeletal muscle. Nature (2024).
点个在看吧各位~ ✐.ɴɪᴄᴇ ᴅᴀʏ 〰
📍 🤩 LASSO | 不来看看怎么美化你的LASSO结果吗！？
📍 🤣 chatPDF | 别再自己读文献了！让chatGPT来帮你读吧！~
📍 🤩 WGCNA | 值得你深入学习的生信分析方法！~
📍 🤩 ComplexHeatmap | 颜狗写的高颜值热图代码！
📍 🤥 ComplexHeatmap | 你的热图注释还挤在一起看不清吗！？
📍 🤨 Google | 谷歌翻译崩了我们怎么办！？（附完美解决方案）
📍 🤩 scRNA-seq | 吐血整理的单细胞入门教程
📍 🤣 NetworkD3 | 让我们一起画个动态的桑基图吧~
📍 🤩 RColorBrewer | 再多的配色也能轻松搞定！~
📍 🧐 rms | 批量完成你的线性回归
📍 🤩 CMplot | 完美复刻Nature上的曼哈顿图
📍 🤠 Network | 高颜值动态网络可视化工具
📍 🤗 boxjitter | 完美复刻Nature上的高颜值统计图
📍 🤫 linkET | 完美解决ggcor安装失败方案（附教程）
📍 ......
本文由 mdnice 多平台发布
相关文章：
CellMarker | 人骨骼肌组织细胞Marker大全！~（强烈建议火速收藏！）
1写在前面 分享一下最近看到的2篇paper关于骨骼肌组织的细胞Marker，绝对的Atlas级好东西。👍 希望做单细胞的小伙伴觉得有用哦。😏 2常用marker（一） general_mrkrs <- c( MYH7, TNNT1, TNNT3, MYH1, MYH2, "C…...
游戏名台词大赏
文章目录 原神（圈内） 崩坏：星穹铁道（圈内） 崩坏3（圈内） 原神 只要不失去你的崇高，整个世界都会为你敞开。 总会有地上的生灵，敢于直面雷霆的威光。 谁也没有见过风&…...
OpenCV如何在图像中寻找轮廓(60)
返回:OpenCV系列文章目录（持续更新中......） 上一篇：OpenCV如何模板匹配(59) 下一篇 :OpenCV检测凸包(61) 目标 在本教程中，您将学习如何： 使用 OpenCV 函数 cv::findContours使用 OpenCV 函数 cv::d rawContours …...
java 泛型题目讲解
泛型的知识点 泛型仅存在于编译时期，编译期间JAVA将会使用Object类型代替泛型类型，在运行时期不存在泛型；且所有泛型实例共享一个泛型类 public class Main{public static void main(String[] args){ArrayList<String> list1new Arra…...
pptx 文件版面分析-- python-pptx（python 文档解析提取）
安装 pip install python-pptx -i https://pypi.tuna.tsinghua.edu.cn/simple --ignore-installedpptx 解析代码实现 from pptx import Presentation file_name "rag_pptx/test1.pptx" # 打开.pptx文件 ppt Presentation(file_name) for slide in ppt.slides:#pr…...
http的basic 认证方式
写在前面 本文看下http的basic auth认证方式。 1：什么是basic auth认证 basic auth是一种http协议规范中的一种认证方式，即一种证明你就是你的方式。更进一步的它是一种规范，这种规范是这样子，如果是服务端使用了basic auth认证…...
【信息系统项目管理师练习题】信息系统治理
IT治理的核心是关注以下哪项内容？ a) 人员培训和发展计划 b) IT定位和信息化建设与数字化转型的责权利划分 c) 业务流程的绩效管理 d) IT基础设施的优化利用 答案: b) IT定位和信息化建设与数字化转型的责权利划分 IT治理体系框架的组成部分包括以下哪些？ a) IT战略目标、IT治…...
RabbitMQ之顺序消费
什么是顺序消费 例如：业务上产生者发送三条消息， 分别是对同一条数据的增加、修改、删除操作， 如果没有保证顺序消费，执行顺序可能变成删除、修改、增加，这就乱了。 如何保证顺序性 一般我们讨论如何保证消息的顺序性&…...
轻松上手的LangChain学习说明书
一、Langchain是什么？ 如今各类AI模型层出不穷，百花齐放，大佬们开发的速度永远遥遥领先于学习者的学习速度。。为了解放生产力，不让应用层开发人员受限于各语言模型的生产部署中…LangChain横空出世界。 Langchain可以说是现阶段…...
【论文笔记】Training language models to follow instructions with human feedback A部分
Training language models to follow instructions with human feedback A 部分 回顾一下第一代 GPT-1 ： 设计思路是 “海量无标记文本进行无监督预训练少量有标签文本有监督微调” 范式；模型架构是基于 Transformer 的叠加解码器（掩码自注意…...
嵌入式交叉编译：x265
下载 multicoreware / x265_git / Downloads — Bitbucket 解压编译 BUILD_DIR${HOME}/build_libs CROSS_NAMEaarch64-mix210-linuxcd build/aarch64-linuxmake cleancmake \-G "Unix Makefiles" \-DCMAKE_C_COMPILER${CROSS_NAME}-gcc \-DCMAKE_CXX_COMPILER${CR…...
一、Redis五种常用数据类型
Redis优势： 1、性能高—基于内存实现数据的存储 2、丰富的数据类型 5种常用，3种高级 3、原子—redis的所有单个操作都是原子性，即要么成功，要么失败。其多个操作也支持采用事务的方式实现原子性。 Redis特点： 1、支持…...
C语言动态内存管理malloc、calloc、realloc、free函数、内存泄漏、动态内存开辟的位置等的介绍
文章目录 前言一、为什么存在动态内存管理二、动态内存函数的介绍1. malloc函数2. 内存泄漏3. 动态内存开辟位置4. free函数5. calloc 函数6. realloc 函数7. realloc 传空指针 总结 前言 C语言动态内存管理malloc、calloc、realloc、free函数、内存泄漏、动态内存开辟的位置等…...
最近惊爆谷歌裁员
Python团队还没解散完，谷歌又对Flutter、Dart动手了。 什么原因呢，猜测啊。 谷歌裁员Python的具体原因可能是因为公司在进行技术栈的调整和优化。Python作为一种脚本语言，在某些情况下可能无法提供足够的性能或者扩展性，尤其是在…...
音频可视化：原生音频API为前端带来的全新可能！
音频API是一组提供给网页开发者的接口，允许他们直接在浏览器中处理音频内容。这些API使得在不依赖任何外部插件的情况下操作和控制音频成为可能。 Web Audio API 可以进行音频的播放、处理、合成以及分析等操作。借助于这些工具，开发者可以实现自定义的音…...
【中等】保研/考研408机试-动态规划1（01背包、完全背包、多重背包）
背包问题基本上都是模板题，重点：弄熟多重背包模板 dp[j]max(dp[j-v[i]]w[i],dp[j]) //核心思路代码（一维数组版） dp[i][j]max(dp[i-1][j], dp[i-1][j-v[i]]w[i])//二维数字版 一、 0-1背包 一般输入两个变量：体积&…...
[DEMO]给两个字符串取交集的词语
要求：2个英文字符串中，取相同的大于等于4个字母的词组 比如： 字符串1：" xingMeiLingabcdef WorldHello", 字符串2："mnjqlup WorldLingLing xingMeiLingHello" 获取交接： [xingMeiLing…...
leetcode53-Maximum Subarray
题目 给你一个整数数组 nums ，请你找出一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。 子数组 是数组中的一个连续部分。 示例 1： 输入：nums [-2,1,-3,4,-1,2,1,-5,4] 输出…...
Python 基于 OpenCV 视觉图像处理实战 之 OpenCV 简单人脸检测/识别实战案例 之七 简单进行人脸检测并添加面具特效实现
Python 基于 OpenCV 视觉图像处理实战 之 OpenCV 简单人脸检测/识别实战案例 之七 简单进行人脸检测并添加面具特效实现 目录...
【go项目01_学习记录06】
学习记录 1 使用中间件1.1 测试一下1.2 push代码 2 URI 中的斜杆2.1 StrictSlash2.2 兼容 POST 请求 1 使用中间件 代码中存在重复率很高的代码 w.Header().Set("Content-Type", "text/html; charsetutf-8")统一对响应做处理的，我们可以使用中…...
简易版抽奖活动的设计技术方案
1.前言 本技术方案旨在设计一套完整且可靠的抽奖活动逻辑，确保抽奖活动能够公平、公正、公开地进行，同时满足高并发访问、数据安全存储与高效处理等需求，为用户提供流畅的抽奖体验，助力业务顺利开展。本方案将涵盖抽奖活动的整体架构设计、核心流程逻辑、关键功能实现以及…...
MySQL 隔离级别：脏读、幻读及不可重复读的原理与示例
一、MySQL 隔离级别 MySQL 提供了四种隔离级别，用于控制事务之间的并发访问以及数据的可见性，不同隔离级别对脏读、幻读、不可重复读这几种并发数据问题有着不同的处理方式，具体如下： 隔离级别脏读不可重复读幻读性能特点及锁机制读未提交（READ UNCOMMITTED）允许出现允许…...
【Java学习笔记】Arrays类
Arrays 类 1. 导入包：import java.util.Arrays 2. 常用方法一览表 方法描述Arrays.toString()返回数组的字符串形式Arrays.sort()排序（自然排序和定制排序）Arrays.binarySearch()通过二分搜索法进行查找（前提：数组是…...
Mac软件卸载指南，简单易懂！
刚和Adobe分手，它却总在Library里给你写"回忆录"？卸载的Final Cut Pro像电子幽灵般阴魂不散？总是会有残留文件，别慌！这份Mac软件卸载指南，将用最硬核的方式教你"数字分手术"࿰…...
MySQL 8.0 OCP 英文题库解析（十三）
Oracle 为庆祝 MySQL 30 周年，截止到 2025.07.31 之前。所有人均可以免费考取原价245美元的MySQL OCP 认证。 从今天开始，将英文题库免费公布出来，并进行解析，帮助大家在一个月之内轻松通过OCP认证。 本期公布试题111~120 试题1…...
06 Deep learning神经网络编程基础 激活函数 --吴恩达
深度学习激活函数详解 一、核心作用 引入非线性：使神经网络可学习复杂模式控制输出范围：如Sigmoid将输出限制在(0,1)梯度传递：影响反向传播的稳定性二、常见类型及数学表达 Sigmoid σ ( x ) = 1 1 +...
爬虫基础学习day2
# 爬虫设计领域 工商：企查查、天眼查短视频：抖音、快手、西瓜 ---> 飞瓜电商：京东、淘宝、聚美优品、亚马逊 ---> 分析店铺经营决策标题、排名航空：抓取所有航空公司价格 ---> 去哪儿自媒体：采集自媒体数据进…...
图表类系列各种样式PPT模版分享
图标图表系列PPT模版，柱状图PPT模版，线状图PPT模版，折线图PPT模版，饼状图PPT模版，雷达图PPT模版，树状图PPT模版 图表类系列各种样式PPT模版分享：图表系列PPT模板https://pan.quark.cn/s/20d40aa…...
C++课设：简易日历程序（支持传统节假日 + 二十四节气 + 个人纪念日管理）
名人说：路漫漫其修远兮，吾将上下而求索。—— 屈原《离骚》 创作者：Code_流苏(CSDN)（一个喜欢古诗词和编程的Coder😊） 专栏介绍：《编程项目实战》 目录 一、为什么要开发一个日历程序？1. 深入理解时间算法2. 练习面向对象设计3. 学习数据结构应用二、核心算法深度解析…...
MySQL 主从同步异常处理
阅读原文：https://www.xiaozaoshu.top/articles/mysql-m-s-update-pk MySQL 做双主，遇到的这个错误： Could not execute Update_rows event on table ... Error_code: 1032是 MySQL 主从复制时的经典错误之一，通常表示ÿ…...