公开课-单细胞数据基础分析

因为钉钉群名额有限，先到先得！废话不多说，赶紧下载钉钉软件搜索 “单细胞2021公开课”群的钉钉群号：35936686，加入吧！

本次公开课带领大家入门基础10X单细胞转录组数据分析，参考教程为Seurat包的官方教程：https://satijalab.org/seurat/articles/pbmc3k_tutorial.html

它需要10X单细胞转录组数据的cellranger结果文件，我们也是在单细胞天地公众号详细介绍了cellranger全部使用细节及流程，大家可以自行前往学习，如下：

• 更新版本见：cellranger更新到4啦（全新使用教程）

因为这个cellranger上游数据分析流程对服务器要求比较高，而且10x的原始测序fastq文件也是接近100G文件，运行过程对技术资源消耗比较大，我们公开课没办法承担这个成本。所以大家直接下载其官方示例提供的 https://cf.10xgenomics.com/samples/cell/pbmc3k/pbmc3k_filtered_gene_bc_matrices.tar.gz 结果文件即可，后续跟课都是在自己的电脑里面操作，主要是统计可视化。

基本流程如下：

代码在：https://satijalab.org/seurat/articles/essential_commands.html

Seurat Standard Worflow

pbmc.counts <- Read10X(data.dir = "~/Downloads/pbmc3k/filtered_gene_bc_matrices/hg19/")
pbmc <- CreateSeuratObject(counts = pbmc.counts)
pbmc <- NormalizeData(object = pbmc)
pbmc <- FindVariableFeatures(object = pbmc)
pbmc <- ScaleData(object = pbmc)
pbmc <- RunPCA(object = pbmc)
pbmc <- FindNeighbors(object = pbmc)
pbmc <- FindClusters(object = pbmc)
pbmc <- RunTSNE(object = pbmc)
DimPlot(object = pbmc, reduction = "tsne")

虽然是seurat官方文档代码讲解，但是呢，本次课程的亮点与官网又有一点不一样。由于每天都会看见很多人在群里问，如何提取各种值，那么本次公开课会带领大家详细解剖Seurat对象，让大家不再迷茫于如何提取count值，normalized值，scaled值等内容！

其实Seurat对象也没有那么神秘，类似于下面的这样的SingleCellExperiment对象的结构！

 对象结构

图来源：http://bioconductor.org/books/release/OSCA/data-infrastructure.html

每个对象都有一个独特的设计理念，跟我一起探索seurat对象吧！

如果想要有更好的听课体验，需要提前看一下单细胞数据分析的基础10讲：

本次公开课时间为：5月5号晚上八点，不见不散！话不多说，赶紧下载钉钉软件搜索 “单细胞2021公开课”群的钉钉群号：35936686，加入吧！无需集赞，不玩虚的！

文末友情推荐