单细胞转录组数据处理综述

很久以前无意中翻译过一篇单细胞的新闻，单细胞测序 

也关注过这方面进展，北大谢晓亮组又更新了他们的单细胞全基因组扩展方法 

正好我们博士阶段有一门课是写一个综述系统性的总结一个研究领域，我就很自然的选择了这个单细胞转录组的数据处理，也就是scRNA-seq

下面是博士课程的作业的答辩PPT，分享一下：

当然，更重要的是，点击下面的阅读原文是没有什么用，但是在本公众号后台回复单细胞，可以获取我整理这个综述的所有文献资料。

下面是300字为了凑数，你们懂得！

pseudotime分析是scRNA特有的，首次由 monocle提出，也有近30多种算法被开发出来了，其实应该是叫做trajectory inference分析，

该分析还有待完善，一些challenges需要解决。

Dimension reduction 也是 TI算法的前提，发育等过程并不意味着细胞所有基因都会发生表达变化，比如 hematopoietic 造血细胞的分化，就两个比较重要的过程，一个是当前细胞的cell cycle，另一个是分化到了什么程度。

建模算法： graph-based techniques(different path-finding algorithms ) ，和 time-series要么做了一定假设，要么需要额外信息。  Make assumption or require external information .  更优的算法的4个原则，自动估计参数，给出置信区间，尽量避免引入预先的假设和外部信息的依赖。