学习使用各种单细胞R包来处理数据
号外：中秋节广州3天入门课程报名马上截止：（中秋节一起来学习！）全国巡讲第16站-广州（生信入门课加量不加价）
单细胞R包如过江之卿，这里只考讲解5个R包，分别是: scater,monocle,Seurat,scran,M3Drop ，需要督促或者提醒大家赶紧学完基础课程！全网第一个单细胞课程（基础）满一千份销量就停止发售 我明天会出配套习题！
根据大家对NGS数据处理上游分析的掌握或需求，自行选择是否学习linux，但是需要完全理解我们的单细胞转录组表达矩阵是如何得到的，以及其生物学意义，每个基因比对到的reads数量的counts矩阵，以及去除了每个细胞测序数据量（文库大小）差异后的 rpm 矩阵，以及去除了基因长度效应的 rpkm矩阵，以及最近比较流行的 tpm 矩阵。基础知识教学视频，都是免费在b站给到大家的：
表达矩阵是单细胞转录组课程的开始！
主要数据分析要点分类
完整工具，分析要点的表单见：https://omictools.com/single-cell-rna-seq-category 我还在生信技能树写过推文介绍如何爬去工具列表，并且制作成为思维导图！
normalization
Linnorm,NODES, SAMstrt, SCnorm, scran, DESeq and TMM
feature Selection
Detecting highly variable genes
correlated gene pairs
cell cycle phase
tissue specific gene signatures
Dimension Reduction
MDS,PCA,t-SNE
clustering
K-means clustering
Mixture models
Hierarchical clustering
DEG analysis methods
monocle,MAST,SCDE, BASiCS, NODES, SAMstrt, Seurat and DESeq2
Pseudotime
Monocle / Monocle 2 / Census
Wanderlust / Cycler / Wishbone
SCUBA
Slingshot
由于课程时间限制，以及我们所介绍的文章的数据限制，这里只能挑选最出名的3个R包来介绍， 它们这些R包或多或少涵盖了上面提到的部分分析内容。
值得注意的是：这里并不是说其它R包就不重要， 其实我在单细胞天地公众号也介绍过不少实用R包，请自行搜索学习，比如 SC3, pcaReduce,SINCERA,M3Drop
学习下面的R包，需要掌握一些对象：一些单细胞转录组R包的对象
关于测试数据
这里我们选择的是scRNAseq R包中的数据集
这个包内置的是 Pollen et al. 2014 数据集，人类单细胞细胞，分成4类，分别是 pluripotent stem cells 分化而成的 neural progenitor cells (“NPC”) ，还有 “GW16” and “GW21” ，“GW21+3” 这3种孕期细胞。
首先我写了一个探索这个数据集的教程：study_scRNAseq.html，链接：http://bio-info-trainee.com/tmp/scRNA/study_scRNAseq.html
关于seurat
学习seurat用法，当然是以官网为主，不过看英文笔记有挑战，简略带领大家一起学习咯：https://satijalab.org/seurat/get_started.html 主要学习：https://satijalab.org/seurat/pbmc3k_tutorial.html
我这里主要演示使用 seurat包来处理 scRNAseq 这个R包内置的是 Pollen et al. 2014 单细胞转录组数据集 。
教程见：study_seurat.html
counts矩阵进来后被包装为对象，方便操作。然后一定要经过
NormalizeData和ScaleData的操作函数
FindVariableGenes可以挑选适合进行下游分析的基因集。函数
RunPCA和RunTSNE进行降维函数
FindClusters直接就分群了，非常方便 函数FindAllMarkers可以对分群后各个亚群找标志基因。函数
FeaturePlot可以展示不同基因在所有细胞的表达量函数
VlnPlot可以展示不同基因在不同分群的表达量差异情况 函数DoHeatmap可以选定基因集后绘制热图
关于scater
学习scater用法，当然是以官网为主，不过看英文笔记有挑战，简略带领大家一起学习咯：https://bioconductor.org/packages/release/bioc/html/scater.html
值得提醒的是 2017年 11 月 这个 scater 包经过了重大变革，所以如果大家看到比较旧的教程需要注意一下，通常是无法成功的。
其GitHub的教程：http://hemberg-lab.github.io/scRNA.seq.course/
我这里主要演示使用 scater 包来处理 scRNAseq 这个R包内置的是 Pollen et al. 2014 单细胞转录组数据集 。
教程见：study_scater.html
关于monocle
学习monocle用法，当然是以官网为主，不过看英文笔记有挑战，简略带领大家一起学习咯：http://cole-trapnell-lab.github.io/monocle-release/monocle3/
我这里主要演示使用 monocle 包来处理 scRNAseq 这个R包内置的是 Pollen et al. 2014 单细胞转录组数据集 。
教程见：study_monocle.html
最后把学习的4个R包应用到文章的数据
扩展阅读
首先需要了解bioconductor：https://bioconductor.github.io/BiocWorkshops/
然后需要了解scRNA课程：https://hemberg-lab.github.io/scRNA.seq.course/index.html
另外一个还在持续制作中的课程：https://osca.bioconductor.org/
本文有大量链接，阅读原文去查看就都可以跳转啦！
号外：中秋节广州3天入门课程报名马上截止：（中秋节一起来学习！）全国巡讲第16站-广州（生信入门课加量不加价）