大多参考曾老师的内容，整理学习路线

阅读：

Current best practices in single‐cell RNA‐seq analysis: a tutorial | Molecular Systems Biology (embopress.org)

1. 上游：

1. scRNA-seq技术：Droplet-based、Plate-based with UMIs、Plate-based with reads、sci-RNA-seq、Seq-Well

2. 测序质控：碱基质量、序列质量、比对质量、基因质量、细胞文库质量

3. cell ranger：类似于STAR

3. 去除无关基因

4. 表达矩阵的样本间标准化、样本内归一化及其他转化

2. 下游

五大R包：scater、monocle、seurat、scran、M3Drop

Pagoda2也可了解

1. 降维后聚类，以及可视化（tSNE、umap等无监督聚类）

2. 亚群命名以及可视化：seurat的FindAllMarkers、COSG、singleR、SingCellR，后与cellMarker 2.0网站的细胞特征基因集，也或根据最新文献收集，或toppGene、msigDB等聚类网站，要注意多层次聚类。

识别恶性肿瘤细胞：inferCNV、SCEVAN

3. 单细胞共表达：scGENA（核心代码仍然是WGCNA、imputation再单细胞中比较有意思）、GSEA、WGCNA、Coseq、CEMiTool、petal、CoXpress、Cop

4. 胞间通讯（CellChat、CellphoneDB、iTALK、NicheNet）

5. 转录因子调控：SCENIC，转录因子集https://mp.weixin.qq.com/s/kDWkD5G3MHWpvnaCxrK7vQ

6. 多样本合并还要考虑去批次

7. 其他层次的组学如表观的ATAC、序列的VDJ、变异信息的GSVA、临床信息的生存分析（km）