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…...
【HarmonyOS 5.0】DevEco Testing：鸿蒙应用质量保障的终极武器
——全方位测试解决方案与代码实战 一、工具定位与核心能力 DevEco Testing是HarmonyOS官方推出的一体化测试平台，覆盖应用全生命周期测试需求，主要提供五大核心能力： 测试类型检测目标关键指标功能体验基…...
django filter 统计数量 按属性去重
在Django中，如果你想要根据某个属性对查询集进行去重并统计数量，你可以使用values()方法配合annotate()方法来实现。这里有两种常见的方法来完成这个需求： 方法1：使用annotate()和Count 假设你有一个模型Item，并且你想…...
MODBUS TCP转CANopen 技术赋能高效协同作业
在现代工业自动化领域，MODBUS TCP和CANopen两种通讯协议因其稳定性和高效性被广泛应用于各种设备和系统中。而随着科技的不断进步，这两种通讯协议也正在被逐步融合，形成了一种新型的通讯方式——开疆智能MODBUS TCP转CANopen网关KJ-TCPC-CANP…...
CSS设置元素的宽度根据其内容自动调整
width: fit-content 是 CSS 中的一个属性值，用于设置元素的宽度根据其内容自动调整，确保宽度刚好容纳内容而不会超出。 效果对比 默认情况（width: auto）： 块级元素（如 <div>）会占满父容器…...
使用Spring AI和MCP协议构建图片搜索服务
目录 使用Spring AI和MCP协议构建图片搜索服务 引言 技术栈概览 项目架构设计 架构图 服务端开发 1. 创建Spring Boot项目 2. 实现图片搜索工具 3. 配置传输模式 Stdio模式（本地调用） SSE模式（远程调用） 4. 注册工具提…...
Java数值运算常见陷阱与规避方法
整数除法中的舍入问题 问题现象 当开发者预期进行浮点除法却误用整数除法时，会出现小数部分被截断的情况。典型错误模式如下： void process(int value) {double half = value / 2; // 整数除法导致截断// 使用half变量 }此时...
redis和redission的区别
Redis 和 Redisson 是两个密切相关但又本质不同的技术，它们扮演着完全不同的角色： Redis: 内存数据库/数据结构存储 本质： 它是一个开源的、高性能的、基于内存的 键值存储数据库。它也可以将数据持久化到磁盘。 核心功能： 提供丰…...
热烈祝贺埃文科技正式加入可信数据空间发展联盟
2025年4月29日，在福州举办的第八届数字中国建设峰会“可信数据空间分论坛”上，可信数据空间发展联盟正式宣告成立。国家数据局党组书记、局长刘烈宏出席并致辞，强调该联盟是推进全国一体化数据市场建设的关键抓手。 郑州埃文科技有限公司&am…...
Pydantic + Function Calling的结合
1、Pydantic Pydantic 是一个 Python 库，用于数据验证和设置管理，通过 Python 类型注解强制执行数据类型。它广泛用于 API 开发（如 FastAPI）、配置管理和数据解析，核心功能包括： 数据验证：通过…...
Selenium 查找页面元素的方式
Selenium 查找页面元素的方式 Selenium 提供了多种方法来查找网页中的元素，以下是主要的定位方式： 基本定位方式 通过ID定位 driver.find_element(By.ID, "element_id")通过Name定位 driver.find_element(By.NAME, "element_name"…...