16.1 前言 单细胞RNA-seq为了解不同条件、组织类型、物种和个体之间细胞类型的变化提供了前所未有的信息。单...[作者空间]
15.1 前言 除了基因表达模式的变化之外，细胞组成（例如细胞类型的比例）也会在不同条件下发生变化。例如，特定药物...[作者空间]
14.1 前言 本篇是细胞注释章节的更详细的延续，该章节已经介绍了差异基因表达（DGE）作为用细胞类型注释簇的工具...[作者空间]
12.1 前言 单细胞数据集允许以高分辨率研究生物过程，例如早期发育。例如，虽然分析的是单个细胞而不是整个组织，但...[作者空间]
11.1 前言 单细胞测序分析提供生物组织的高分辨率测量。因此，此类技术可以帮助破译和理解细胞异质性和生物过程的动...[作者空间]
10.7 基于图的整合模型Graph-based integration 我们要介绍的下一个方法是BBKNNBatch-Balanced k-Nearest Neighbor...[作者空间]
10. 数据整合 10.1 总论 大多数scRNA-seq数据分析的一个核心挑战是批次效应。批次效应是测量的表达水平的变化，这是处理不同组或“批次”中的细胞的结果。例如，如果...[作者空间]
9. 细胞注释Annotation 为了更好地理解数据并利用现有知识，弄清楚数据中每个细胞的“细胞身份”非常重要。根据已知（或有时未知）的细胞表型标记数据中的细胞群的过程称为...[作者空间]
8. 聚类Clustering 预处理和可视化使我们能够描述我们的scRNA-seq数据集并降低其维度。到目前为止，我们嵌入并可视化了细胞以了解数据集的基础属性。然而，它们的...[作者空间]
7. 降维Dimensionality Reduction 如前所述，scRNA-seq是一种高通量测序技术，可生成高维度细胞和基因数量的数据集。并非所有基因都具有信息性，并...[作者空间]
6. 特征选择Feature selection 6.1 前言 我们现在有了标准化的数据表示，它仍然保留了生物异质性，但减少了基因表达中的技术采样效应。单细胞RNA-seq数...[作者空间]
5. 归一化Normalization 5.1 前言 到目前为止，我们从数据集中删除了低质量细胞、环境RNA污染和双联体，并且数据以“细胞 x 基因”数字矩阵的形式呈现，作为...[作者空间]
4. 质控Quality Control 4.1 前言 选择适合数据且不会过度校正或消除生物效应的预处理方法至关重要。由于新的测序技术以及捕获的细胞、测量的基因和识别的细胞群...[作者空间]
学习生信代码的朋友可以直接跳转到下面2.7 实战案例，有完整和详尽的代码和分析流程。 2. 原始数据处理 在本篇中，我们将介绍单细胞RNA测序(scRNA-seq)数据的“预...[作者空间]
最近准备把单细胞RNA-seq生信分析的全部流程都完整详细的介绍一边，会很基础全面，所以内容很多，会拆分成很多期，目标是让不同学科背景的同学，看这一份宝典，就能真的完全学会单...[作者空间]
