这可能是我见过的最草率的单细胞分群了
数学意义上的细胞分群，并不能作为最终结果哦！
最近看到一个单细胞转录组文章：Published in final edited form as: Conf Proc IEEE Eng Med Biol Soc. 2018 July ; 2018: 2378–2381. doi:10.1109/EMBC.2018.8512784.
Single-Cell Transcriptomics Reveals Heterogeneity and Drug Response of Human Colorectal Cancer Organoids
实验设计超级简单，就是：By using Drop-Seq, we captured ~1,500 tumor cells from organoids in normal condition with abundant sequencing reads detected.
然后走单细胞转录组上游分析流程，定量拿到表达量矩阵，然后 t-Distributed Stochastic Embedding (t-SNE) + Density-based spatial clustering of applications with noise (DBSCAN)
细胞聚类分群如下：
如果仔细去评价这个分群结果，比如每个亚群的标记基因的热图，小提琴图，散点图，气泡图，就会发现，这个完全是数学层面的分群。
单细胞基础10讲
01. 上游分析流程 02.课题多少个样品，测序数据量如何 03. 过滤不合格细胞和基因（数据质控很重要） 04. 过滤线粒体核糖体基因 05. 去除细胞效应和基因效应 单细胞转录组数据的降维聚类分群 单细胞转录组数据处理之细胞亚群注释 把拿到的亚群进行更细致的分群 单细胞转录组数据处理之细胞亚群比例比较
单细胞数据分析B站视频
如果你感兴趣单细胞转录组上游分析流程，定量拿到表达量矩阵，然后 t-Distributed Stochastic Embedding (t-SNE) + Density-based spatial clustering of applications with noise (DBSCAN)，可以考虑看B站免费教学视频。
全网第一个单细胞课程（免费基础课程）
免费学习地址在B站：https://www.bilibili.com/video/av38741055 ，欢迎提问弹幕交流！ 务必听课后完成结业考核20题：https://mp.weixin.qq.com/s/lpoHhZqi-_ASUaIfpnX96w 课程配套资料文档在：https://docs.qq.com/doc/DT2NwV0Fab3JBRUx0
技能树出品的第二个单细胞课程（进阶课程，仍然免费）
详情请自行阅读介绍 https://mp.weixin.qq.com/s/bLfO-8ri_SNUepGs4UwRQw 本课程长期答疑文档，https://docs.qq.com/doc/DT0FxbEpHYU5ZVlpu
因为课程涉及到知识点太多，所以我拆分成为了5个子课程，欢迎B站提问弹幕交流！全部链接是：
「生信技能树」单细胞进阶数据处理之文献导读，链接是：https://www.bilibili.com/video/BV17f4y1R7N8 「生信技能树」使用10X单细胞转录组数据探索免疫治疗，链接是：https://www.bilibili.com/video/BV1xD4y1S74P 「生信技能树」单细胞基因组数据拷贝数变异分析流程，链接是：https://www.bilibili.com/video/BV1Yf4y1R75R 「生信技能树」云服务器处理单细胞转录组数据，链接是：https://www.bilibili.com/video/BV154411Z7DU 「生信技能树」使用Smart-seq2单细胞转录组数据探索小鼠性腺发育，链接是：https://www.bilibili.com/video/BV1454y1q77Z
如果你对单细胞转录组研究感兴趣，但又不知道如何入门，也许你可以关注一下下面的课程
生信爆款入门-第7期（线上直播4周，马拉松式陪伴，带你入门）你的生物信息入门课
数据挖掘学习班第5期（线上直播3周，马拉松式陪伴，带你入门） 医学生/医生首选技能提高课
生信技能树的2019年终总结 你的生物信息成长宝藏
看完记得顺手点个“在看”哦！
长按扫码可关注