Required content ##############################################################################################################################################################################
- Compiled standalone software and/or source code
Detailed codes for all analyses are available at GitHub: (https://github.com/Coolgenome/GastricCancer/).
- A small (simulated or real) dataset to demo the software/code
The cell expression matrix and metadata can be downloaded at the NCBI Gene Expression Omnibus (GEO, https://www.ncbi.nlm.nih.gov/geo/) under accession number GSE239676 (will be released upon acceptance of the manuscript). The scRNA-seq data included in this study can be visualized on our interactive online data portal, the Single Cell Research Portal, at https://singlecell.mdanderson.org/GastricCancer/.
##############################################################################################################################################################################
- System requirements ##############################################################################################################################################################################
- All software dependencies and operating systems (including version numbers)
All statistical analysis was performed in the R statistical environment (version 4.0.0). The raw scRNA-seq data were pre-processed (demultiplex cellular barcodes, read alignment, and generation of gene count matrix) using Cell Ranger Single Cell Software Suite (version 3.1.0) provided by 10x Genomics. The version of used tools is shown below:
R: version 4.0.0 Cell Ranger Single Cell Software Suite: version 3.1.0 R package Seurat: version 4.0.0 R package DoubletFinder: version 1.0 R package Harmony: version 1.0 R package k-BET: version 1.0 R package ROGUE: version 1.0 R package inferCNV: version 1.0 R package AUCell: version 1.24.0 R package stats: version 3.6.2 Cell Rangerfor vdj pipeline: version 3.0.2 R package scRepertoire: version 1.12.0 R package STARTRAC: version 1.0 GLIPH: version 2 IgBLAST: v1.17.1 Shazam: v1.1.0 R package Monocle: version 2.0 and 3.0 R package CytoTRACE: version 1.0
- Any required non-standard hardware
No non-standard hardware is required.
##############################################################################################################################################################################
- Installation guide ##############################################################################################################################################################################
- Instructions
Detailed codes for all analyses are available at GitHub: (https://github.com/Coolgenome/GastricCancer/).
- Typical install time on a "normal" desktop computer
The installation time is under 10 minutes.
##############################################################################################################################################################################
- Demo ##############################################################################################################################################################################
- Instructions to run on data
Detailed code for all analyses is available on GitHub: (https://github.com/Coolgenome/GastricCancer/). Users can execute these codes directly on the data within the R environment.
- Expected output
The expected output is a figure (in PDF format).
- Expected run time for demo on a "normal" desktop computer
The runtime is less than 10 minutes.
##############################################################################################################################################################################
- Instructions for use ##############################################################################################################################################################################
- How to run the software on your data
Detailed code for all analyses is available on GitHub: (https://github.com/Coolgenome/GastricCancer/). Users can execute these codes directly on the data within the R environment.
##############################################################################################################################################################################