系统学习单细胞转录组测序scRNA-Seq(一)
大神一句话，菜鸟跑半年。我不是大神，但我可以缩短你走弯路的半年~
就像歌儿唱的那样，如果你不知道该往哪儿走，就留在这学点生信好不好~
这里有豆豆和花花的学习历程，从新手到进阶，生信路上有你有我！
刘小泽写于19.3.15
好了，终于可以学新知识了，单细胞测序是目前研究的热点，那么我重新回来探究一下，首先问自己几个问题
都是转录组测序，有什么不一样？
看到转录组我们都不陌生，有参无参也都做了许多了，但是对一个细胞测序，为什么呢？10X给出了一个说明
https://www.10xgenomics.com/solutions/single-cell/
传统的是测一群细胞(Bulk RNAseq)，然后我们定量是基于所有细胞内的基因平均表达量进行统计，这样得到的是组织之间的差异性，也就是说只能看到大体的趋势，但是对于继续深入研究还是存在比较大的背景噪音。对于癌症或者系统发育相关的研究，往往是想看到某些特殊的细胞发挥的作用，也是相当于一步步筛选。
单细胞更加精准，最终得到的是每个细胞型的表达量，从而可以帮助理解组织异质性，鉴定罕见的细胞类型，检测细胞组分的变化，例如在癌症异质性、胚胎发育、细胞对药物的反应、神经细胞分型、差异表达通路等方面都发挥重要作用
怎么去做单细胞研究？
我们常规的转录组测序，需要提取样本RNA、建库测序，但是对于细胞来讲，材料提取是个大问题，但是目前主要有两个获取细胞的方法：Smart-seq和Drop-seq
Smart-seq的特点就是测序细胞量少(因为一次通过一个细胞)，但是测序的reads数多；Drop-seq(10X 公司的方法)一次可以测许多细胞，但是测得reads数都不是很多
获得了样本，一般公司会直接给你表达矩阵，也就是一般的转录组测序利用featureCount获得的结果，自己需要先进行归一化(例如CPM)
当然，这仅仅是许多资料中的一个流程
For differential expression:
– SCDE: http://pklab.med.harvard.edu/scde/index.html
– SCA: https://github.com/RGLab/SingleCellAssay
– MAST: https://github.com/RGLab/MAST
– SAMseq: http://cran.r-project.org/web/packages/samr
For clustering etc.:
– Monocle: https://github.com/cole-trapnell-lab/monocle-release
– Rtsne: http://cran.r-project.org/web/packages/Rtsne
– Sincell: http://master.bioconductor.org/packages/devel/bioc/html/sincell.html
– scLVM: https://github.com/PMBio/scLVM
– BASiCS: https://github.com/catavallejos/BASiCS
– Pagoda: http://pklab.med.harvard.edu/scde
– Seurat toolkit: http://www.satijalab.org/seurat.html
– Sincera pipeline: https://research.cchmc.org/pbge/sincera.html
点击底部的“阅读原文”，获得更好的阅读体验哦😻
初学生信，很荣幸带你迈出第一步。
我们是生信星球，一个不拽术语、通俗易懂的生信知识平台。由于是2018年新号，竟然没有留言功能。需要帮助或提出意见请后台留言、联系微信或发送邮件到jieandze1314@gmail.com，每一条都会看到的哦~