cellranger从头说(2).singleR操作说明：singleR(3).seurat操作说明：seurat官网；seurat官方教程：seurat教程(4).多组学单细胞教程：OSCA(5).单细胞课程：scrnaseq-courseSingleCellWorkshop2020NBIS

参考CathyMAUGIS-RABUSSEAUAndrews,T.S.andHemberg,M.(2018).Identifyingcellpopulationswithscrnaseq.Molecularaspectsofmedicine,59:114–122.Brennecke,P.,Anders,S.,Kim,J.K.,Kołodziejczyk,A.A.,Zhang,X.,Proserpi

cloud.tencent.com/developer/article/1697249#https://bioconductor.org/packages/release/data/experiment/vignettes/scRNAseq

言归正传，今天分享的是CCPlotR包，用于基于scRNAseq数据推断细胞间相互作用的可视化。

最近对单细胞转录组很感兴趣，就跑了一跑~以下就是单细胞转录组的上游分析过程。如有不对，请大家多多指点。1.cellranger-3.1.0下载官网地址：https://support.10xgenomics.com/single-cell-gene-expression/software/downloads/latest大家可以自行观看，里面有链接，我就直接粘贴过来了#创建工作目录cd~/proj

FastQfastq是scRNASeq中最常见的原始数据格式。

我们这一篇进行分析合集包括三个部分（均是我之前所写）10X空间转录组数据分析重点梳理时空CNV分析导论10X空间转录组之免疫组库分析第一部分：10X空间转录组数据分析重点梳理空间转录组学(ST)技术正迅速成为单细胞RNA测序(scRNAseq

文章利用scRNAseq数据和blukRNA-seq数据鉴定到3个细胞分化亚型并构建胃癌患者预后风险打分模型，基于该模型将患者分为高风险组和低风险组。

文章标题：《Single-cellatlasoflineagestates,tumormicroenvironmentandsubtypespecificexpressionprogramsingastriccancer》DOI:10.1158/2159-8290.CD-21-0683数据集组织形式快照：step1利用Seurat包整合数据#!condaenvR4library(Seurat)li

scRNAseq免疫细胞注释：免疫细胞注释-1：T细胞免疫细胞注释-2：髓系细胞免疫细胞注释-3：B细胞由于不同髓系细胞在不同组织器官的差别很大，这一篇主要聚焦在外周血及正常和病变心脏组织中的髓系细胞髓系细胞包括

流程学习之DNA-Seqvariantcalling(Germline：SNP+INDEL)-GATK4流程学习之RNA-Seqvariantcalling(SNP+INDEL)-补：Mutect2+scRNAseq

流程学习之DNA-Seqvariantcalling(Germline：SNP+INDEL)-GATK4流程学习之RNA-Seqvariantcalling(SNP+INDEL)-补：Mutect2+scRNAseq

练习需要的数据在这里下载：https://github.com/NBISweden/excelerate-scRNAseq/blob/master/session-trajectories/session-trajectories.md

这篇文章是单细胞转录组（scRNAseq）和TCRseq联合分析的一个综述，介绍了目前关于这两种数据联合分析的最新进展(2022年)。

scRNAseq数据的模型，常

scRNAseq免疫细胞注释：免疫细胞注释-1：T细胞免疫细胞注释-2：髓系细胞免疫细胞注释-3：B细胞PBMC中淋巴细胞约占70～90％，在PBMC中占多数的淋巴细胞中，约70～85％为CD3＋T细胞

NMF算法简介非负矩阵分解(Non-negativeMatrixFactorization,NMF)的思想可以描述为，对于任意给定的一个非负矩阵V，NMF算法能够找到一个非负矩阵W和一个非负矩阵H，使得非负矩阵V≈W*H成立，从而将一个非负的矩阵分解为左右两个非负矩阵的乘积。利用矩阵分解来解决实际问题的分析方法很多，如PCA(主成分分析)、ICA(独立成分分析)、SVD(奇异值分解)等。在这些方法

通过整合，该方法在scRNAseq表达谱匹配的基础上创建一组新的空间转录组数据，并可投射scRNAseq的注释(e.g.细胞类型、模块）到不同的空间区域。使用Tangram可以做什么？

1.写在前面作为现在最火的scRNAseq分析包，Seurat当之无愧。本期开始我们介绍一下Seurat包的用法，先从基础质控和过滤开始吧。

1写在前面在scRNAseq数据中，不同细胞处在不同细胞周期，如果不进行异质性校正的话，会对结果有很大的影响。

TCGAbiolinks的整理表达数据和临床数据没有废话直接干##加载包rm(list=ls())options(stringsAsFactors=F)gc()library(TCGAbiolinks)library(scRNAseq

scRNAseq免疫细胞注释：免疫细胞注释-1：T细胞免疫细胞注释-2：髓系细胞免疫细胞注释-3：B细胞1.B细胞分群B淋巴细胞是免疫系统的重要组成成分，主要功能是介导体液免疫应答，依靠终末分化细胞——

单细胞绘图系列：Seurat绘图函数总结使用ggplot2优化Seurat绘图scRNAseq灵活的点图绘制：FlexDotPlot富集分析结果雷达图DoHeatmap的优化+ComplexHeatmap

单细胞绘图系列：Seurat绘图函数总结使用ggplot2优化Seurat绘图scRNAseq灵活的点图绘制：FlexDotPlot富集分析结果雷达图DoHeatmap的优化+ComplexHeatmap

在看文献Single-cellRNAsequencingofbloodantigen-presentingcellsinsevereCOVID-19revealsmulti-processdefectsinantiviralimmunity的时候看到一个没用过的转录因子预测方法DoRothEA。Fig.6b,Heatmapoftop50highlyvariableTFactivitiesamong

单细胞绘图系列：Seurat绘图函数总结使用ggplot2优化Seurat绘图scRNAseq灵活的点图绘制：FlexDotPlot在读文献Resolvingtheintertwiningofinflammationandfibrosisinhumanheartfailureatsingle-celllevel

单细胞绘图系列：Seurat绘图函数总结使用ggplot2优化Seurat绘图scRNAseq灵活的点图绘制：FlexDotPlot富集分析结果雷达图DoHeatmap的优化+ComplexHeatmap

10x平台的双细胞率（符合泊松分布1）：根据Poisson分布，单个液滴包含超过一个细胞（doublets或multiplets）的频率随着上机细胞的浓度而改变。通常如果上样细胞浓度较高，doublets/multiplets的频率也会增加。因此，单细胞实验中的doublets事件限制了实验时的细胞通量。1.DoubletFinder概述官网：https://github.com/ddiez/Do

单细胞绘图系列：Seurat绘图函数总结使用ggplot2优化Seurat绘图scRNAseq灵活的点图绘制：FlexDotPlot富集分析结果雷达图DoHeatmap的优化+ComplexHeatmap

单细胞绘图系列：Seurat绘图函数总结使用ggplot2优化Seurat绘图scRNAseq灵活的点图绘制：FlexDotPlot富集分析结果雷达图DoHeatmap的优化+ComplexHeatmap

单细胞绘图系列：Seurat绘图函数总结使用ggplot2优化Seurat绘图scRNAseq灵活的点图绘制：FlexDotPlot富集分析结果雷达图1.使用DoHeatmap绘制Seurat自带热图library

单细胞绘图系列：Seurat绘图函数总结使用ggplot2优化Seurat绘图在读NatMed一篇文献Asingle-cellatlasoftheperipheralimmuneresponseinpatientswithsevereCOVID-19的时候发现这篇文献里所有的点图都是带聚类的（如下），看了一下method说是使用FlexDotPlot做的，觉得挺有意思，于是来学习一下这个R包。1.

XmHDexCtjyw&list=PLjiXAZO27elC_xnk7gVNM85I2IQl5BEJN&index=11练习地址：https://github.com/NBISweden/excelerate-scRNAseq

视频链接：https://www.youtube.com/watch?v=rOm6UIPhHnc&list=PLjiXAZO27elC_xnk7gVNM85I2IQl5BEJN&index=2大纲：1.背景基因转录不是连续平稳且波动较小的过程，而是表现出发生时间极不规律、信使RNA产量波动极大的特征。转录爆发本质上是编码和传递调控信号的方式。因此同一种细胞在不同时间的mRNA和蛋白水平存在很大差异

文章代码见：https://github.com/MelissaSaichi/Covid_scRNAseq.主要发现：1.plasmacytoidDCs促凋亡通路上调2.pDCs和CLEC9a+DC分别有

Introduction心脏中非心肌细胞的种类和功能该研究通过scRNAseq和scATACseq分

因为单细胞分析就像一个大乐团，需要各个流程的协同配合单细胞交响乐1-常用的数据结构SingleCellExperiment单细胞交响乐2-scRNAseq从实验到下游简介单细胞交响乐3-细胞质控单细胞交响乐

因为单细胞分析就像一个大乐团，需要各个流程的协同配合单细胞交响乐1-常用的数据结构SingleCellExperiment单细胞交响乐2-scRNAseq从实验到下游简介单细胞交响乐3-细胞质控单细胞交响乐

因为单细胞分析就像一个大乐团，需要各个流程的协同配合单细胞交响乐1-常用的数据结构SingleCellExperiment单细胞交响乐2-scRNAseq从实验到下游简介单细胞交响乐3-细胞质控单细胞交响乐

因为单细胞分析就像一个大乐团，需要各个流程的协同配合单细胞交响乐1-常用的数据结构SingleCellExperiment单细胞交响乐2-scRNAseq从实验到下游简介单细胞交响乐3-细胞质控单细胞交响乐

因为单细胞分析就像一个大乐团，需要各个流程的协同配合单细胞交响乐1-常用的数据结构SingleCellExperiment单细胞交响乐2-scRNAseq从实验到下游简介单细胞交响乐3-细胞质控单细胞交响乐

因为单细胞分析就像一个大乐团，需要各个流程的协同配合单细胞交响乐1-常用的数据结构SingleCellExperiment单细胞交响乐2-scRNAseq从实验到下游简介单细胞交响乐3-细胞质控单细胞交响乐

因为单细胞分析就像一个大乐团，需要各个流程的协同配合单细胞交响乐1-常用的数据结构SingleCellExperiment单细胞交响乐2-scRNAseq从实验到下游简介单细胞交响乐3-细胞质控单细胞交响乐

因为单细胞分析就像一个大乐团，需要各个流程的协同配合单细胞交响乐1-常用的数据结构SingleCellExperiment单细胞交响乐2-scRNAseq从实验到下游简介单细胞交响乐3-scRNA的细胞质控

因为单细胞分析就像一个大乐团，需要各个流程的协同配合单细胞交响乐1-常用的数据结构SingleCellExperiment单细胞交响乐2-scRNAseq从实验到下游简介单细胞交响乐3-细胞质控单细胞交响乐

因为单细胞分析就像一个大乐团，需要各个流程的协同配合单细胞交响乐1-常用的数据结构SingleCellExperiment单细胞交响乐2-scRNAseq从实验到下游简介单细胞交响乐3-细胞质控单细胞交响乐

SCENIC:SingleCellrEgulatoryNetworkInferenceandClustering目前支持分析的物种：人、鼠、果蝇input的要求：scRNAseq的表达矩阵列对应样本id

因为单细胞分析就像一个大乐团，需要各个流程的协同配合单细胞交响乐1-常用的数据结构SingleCellExperiment单细胞交响乐2-scRNAseq从实验到下游简介单细胞交响乐3-细胞质控单细胞交响乐

因为单细胞分析就像一个大乐团，需要各个流程的协同配合单细胞交响乐1-常用的数据结构SingleCellExperiment单细胞交响乐2-scRNAseq从实验到下游简介单细胞交响乐3-细胞质控单细胞交响乐

https://github.com/jmzeng1314/scRNA_smart_seq2/blob/master/scRNA/study_scRNAseq.html要使用scRNAseq这个R包，首先要对它进行了解