這一個分析，我目前只在Nature Communications上面看到過兩篇文章，都是2020年發表的。腫瘤進化是單細胞里面做腫瘤內部異質性一個比較創新的角度，我參與的課題中也用到了這個分析。公眾號后台回復20210420獲取今天的數據和部分代碼。 1. 先來看一下 ...

最近Cell Systems雜志發表了一篇針對現有幾種檢測單細胞測序doublet的工具的評估文章，系統比較了常見的例如Scrublet、DoubletFinder等工具在檢測准確性、計算效率等方面的優劣，以及比較了使用不同方法去除doublet后對下游DE分析、軌跡分析的影響。 現有的檢測 ...

如果讀過一些單細胞的文獻，應該會經常看到一群名為"cycling cell"的亞群，T細胞、B細胞、上皮細胞等等在分亞群的時候，都可能碰到。實際上，這群細胞只是因為高表達一些與細胞周期相關的基因，才會被單獨聚成一群，里面可能包含多種細胞亞群的混合，只要它們處於細胞周期/增殖狀態 ...

前面已經講解了： 單細胞分析實錄(1): 認識Cell Hashing 單細胞分析實錄(2): 使用Cell Ranger得到表達矩陣 單細胞分析實錄(3): Cell Hashing數據拆分 單細胞分析實錄(4): doublet檢測 單細胞分析實錄(5): Seurat標准流程 單細胞 ...

這是一個新系列 差不多是一年以前，我定導后沒多久，接手了讀研后的第一個課題。合作方是醫院，和我對接的是一名博一的醫學生，最開始兩邊的老師很排斥常規的單細胞文章思路，即各大類細胞分群、注釋、描述，所以起初的幾個月都在摸索一條主線，再后來有主線了，要加實驗驗證，周期有點長。我這邊的分析基本做完 ...

前面我們已經學習了單細胞轉錄組分析的：使用Cell Ranger得到表達矩陣和doublet檢測，今天我們開始Seurat標准流程的學習。這一部分的內容，網上有很多帖子，基本上都是把Seurat官網PBMC的例子重復一遍，這回我換一個數據集，細胞類型更多，同時也會加入一些實際分析中很有用的技巧 ...

關於什么是“擬時序分析”，可以參考本期推送的另一篇推文。這一篇直接演示代碼 monocle2這個軟件用得太多了，很多文章都是monocle2的圖。因為只使用表達矩陣作為輸入，相比於其他軟件，已經很方便了。不過話說回來，我總感覺這種軌跡推斷像玄學，大半的結果是調整出來的/事先已知 ...

上一篇已經講解了Seurat標准流程，推文的最后，注意到了不同樣本之間的表達數據是存在批次效應的，就像下圖這樣，有些是可以聚到一起的亞群，卻出現了不同樣本分開/偏移的情況，比如第3群，這種就是批次效應 ...