单细胞测序技术的发展日新月异，新的分析工具也层出不穷。每个工具都有它的优势与不足，在没有权威工具和流程的单细胞生信江湖里，多掌握几种分析方法和工具，探索数据时常常会有意想不到的惊喜。往期专题单细胞转录组基础分析专题单细胞转录组高级分析专题看过我以前帖子的朋友应该对基于GSVA包的基因集评分方法有所了解，也可能在做SCENIC分析时接触了AUCell，他们之间有什么区别呢？最大的不同在于GSVA算法是多年前为表达谱芯片和bulkRNA测序数据开发的，并没有考虑到10X

单细胞测序技术的发展日新月异，新的分析工具也层出不穷。每个工具都有它的优势与不足，在没有权威工具和流程的单细胞生信江湖里，多掌握几种分析方法和工具，探索数据时常常会有意想不到的惊喜。往期专题单细胞转录组基础分析专题单细胞转录组高级分析专题CopyKAT简介CopyKAT是一个核心算法原理与inferCNV基本相同，但是作为后来者依然可以发表在Nat

单细胞测序技术的发展日新月异，新的分析工具也层出不穷。每个工具都有它的优势与不足，在没有权威工具和流程的单细胞生信江湖里，多掌握几种分析方法和工具，探索数据时常常会有意想不到的惊喜。往期专题单细胞转录组基础分析专题单细胞转录组高级分析专题metacell简介单细胞分析最基础且非常关键的一步是细胞聚类，我们期望把相同类型（cell

单细胞测序技术的发展日新月异，新的分析工具也层出不穷。每个工具都有它的优势与不足，在没有权威工具和流程的单细胞生信江湖里，多掌握几种分析方法和工具，探索数据时常常会有意想不到的惊喜。往期专题单细胞转录组基础分析专题单细胞转录组高级分析专题xCell简介Cell是开发SingleR包的团队2017年推出的一款推断bulkRNA样本中细胞类型比例的R包，目前在google学术查到它有598次引用。xCell的工作原理是用机器学习算法提取了64种免疫细胞和基质细胞的signature，待检测bulkRNA数据先用ssGSEA算法计算样本在每个细胞类型signature的富集分数，然后用特别设计的算法将样本中各种细胞类型的富集分数转换为细胞类型分数，最后对紧密相关的细胞类型分数进行补偿校正。xCell支持的64种细胞类型aDCClass-switched

我们的生信交流群里，每天都有人提出各种各样的单细胞分析问题，大部分问题都能得到热心朋友的耐心解答。微信群的交流虽然可以帮助大家解决一些难点，但是群里的沟通往往局限在几句话以内，生信初学者很难从群里前辈那里获得系统的指导。生信培训班的内容虽然全面，但是限于培训时间没法深入展开，大部分人学过之后遇到实际问题还是束手无策。

单细胞测序技术的发展日新月异，新的分析工具也层出不穷。每个工具都有它的优势与不足，在没有权威工具和流程的单细胞生信江湖里，多掌握几种分析方法和工具，探索数据时常常会有意想不到的惊喜。往期专题单细胞转录组基础分析专题单细胞转录组高级分析专题NMF算法简介NMF是什么？非负矩阵分解(Non-negative

单细胞测序技术的发展日新月异，新的分析工具也层出不穷。每个工具都有它的优势与不足，在没有权威工具和流程的单细胞生信江湖里，多掌握几种分析方法和工具，探索数据时常常会有意想不到的惊喜。往期专题单细胞转录组基础分析专题单细胞转录组高级分析专题背景知识Doublets及其形成的原因单细胞测序期望每个barcode标签下只有一个真实的细胞，但是实际数据中会有两个或多个细胞共用一个barcode的情况，业内称之为doublets或multiplets（后面统称为doublets）。Doublets形成的原因主要是高通量单细胞测序一般使用液滴微流控（droplet

单细胞测序技术的发展日新月异，新的分析工具也层出不穷。每个工具都有它的优势与不足，在没有权威工具和流程的单细胞生信江湖里，多掌握几种分析方法和工具，探索数据时常常会有意想不到的惊喜。往期专题单细胞转录组基础分析专题单细胞转录组高级分析专题Garnett简介分析原理Garnett使用人工定义的marker基因信息来选择细胞，然后基于这些细胞使用弹性网络回归（elastic-net

单细胞测序技术的发展日新月异，新的分析工具也层出不穷。每个工具都有它的优势与不足，在没有权威工具和流程的单细胞生信江湖里，多掌握几种分析方法和工具，探索数据时常常会有意想不到的惊喜。本文平安夜发过一次，但是代码有错误，现勘误后重发。往期专题单细胞转录组基础分析专题单细胞转录组高级分析专题NicheNet简介分析原理大多数细胞通讯的分析方法主要依据公共数据库的配体-受体配对关系，以及配体、受体在细胞亚群的表达情况来推断细胞之间发生了哪些通讯关系，但是配体-受体相互作用如何导致受体细胞内下游靶基因表达变化的分析则很少有方法涉及。NicheNet不同于大多数研究细胞间通讯的方法，它着眼于配体对下游基因调控作用。NicheNet可以预测哪些配体影响另一个细胞中的表达，哪些靶基因受到配体的影响以及哪些信号传导可能参与其中。NicheNet可以促进对感兴趣的细胞间通信过程的功能理解，其分析原理如下：NicheNet工作流程图从公共数据库中收集配体-受体配对信息、信号通路、基因调控网络等数据，整合成配体主导的权重配体-靶基因调控模型。然后将可能受到细胞通讯影响的差异基因集输入先验模型，可以计算与这些基因相关的配体的相关性系数。最后挑选根据相关性系数排行靠前的配体，依据先验数据推测与之匹配的受体、靶基因及下游信号网络等信息。分析流程确定配体细胞和受体细胞；确定可能收到配体调控的基因集，可以是case-control的差异基因集，也可以是细胞的signature或其他基因集；确定一组潜在的配体，它们要在配体细胞中相对高表达（如10%以上的细胞表达），且可以结合受体细胞中的受体（通过先验数据判断）；执行NicheNet配体活性分析，其活性主要通过配体与受体细胞中的差异基因集的相关性进行判断；推测高活性配体调控的靶基因，以及与配体配对的受体。安装NicheNetNicheNet依赖的R包比较多，安装过程可能较长，但是我的安装过程比较顺利，中间没有任何报错。library(devtools)install_github("saeyslab/nichenetr")NicheNet分析实践数据来源本文的分析数据和代码来自NicheNet官方分析单细胞数据的教程，https://github.com/saeyslab/nichenetr/blob/master/vignettes/seurat_wrapper.md演示数据集源自Medaglia

单细胞测序技术的发展日新月异，新的分析工具也层出不穷。每个工具都有它的优势与不足，在没有权威工具和流程的单细胞生信江湖里，多掌握几种分析方法和工具，探索数据时常常会有意想不到的惊喜。往期专题单细胞转录组基础分析专题单细胞转录组高级分析专题monocle3简介monocel3的优势从UMAP图识别发育轨迹，可以继承Seurat的质控、批次校正和降维分析结果，实现“一张图”展现细胞的聚类、鉴定和轨迹分析结果。自动对UMAP图分区（partition），可以选择多个起点，轨迹分析算法的逻辑更符合生物学现实。除了轨迹分析的主要功能，monocle3差异分析方法也有其独到之处，可以做一些与seurat不好实现的分析。monocel3的安装先安装一些依赖包，大家安装前可以查看一下这些包是否已经安装过了。BiocManager::install(c('BiocGenerics',

单细胞测序技术的发展日新月异，新的分析工具也层出不穷。每个工具都有它的优势与不足，在没有权威工具和流程的单细胞生信江湖里，多掌握几种分析方法和工具，探索数据时常常会有意想不到的惊喜。往期专题单细胞转录组基础分析专题单细胞转录组高级分析专题速率分析的原理大家第一次听到RNA速率/速度，是不是感觉和我一样懵呢？再看文献提到的时间导数、微分方程和一大堆公式，是不是更搞不清作者在讲什么？我们常用的基因表达矩阵，如velocyto的作者在文献中所讲，反映的是细胞转录组的瞬间快照。其实在生命体中，每时每刻都发生着mRNA的转录、剪接和降解，它们当然都是有速度的，作者在文中用α、β和γ表示这些速度。不仅mRNA的转录、剪接和降解有速度，前体mRNA和成熟mRNA的丰度变化也有速度，作者所讲的RNA速度特指成熟mRNA的丰度变化速度。RNA速度可以通过前体mRNA和成熟mRNA的指标来估计，并且可以用来预测细胞未来数小时内的状态。在velocyto的动力学模型中，作者假定转录速度

单细胞测序技术的发展日新月异，新的分析工具也层出不穷。每个工具都有它的优势与不足，在没有权威工具和流程的单细胞生信江湖里，多掌握几种分析方法和工具，探索数据时常常会有意想不到的惊喜。往期专题单细胞转录组基础分析专题单细胞转录组高级分析专题重温seurat官方教程fastMNN简介MNN是Haghverdi等人提出的一种批次校正算法，由R语言的batchelor包实现。算法原理及性能评测的细节可参阅2018发表在Nature

单细胞测序技术的发展日新月异，新的分析工具也层出不穷。每个工具都有它的优势与不足，在没有权威工具和流程的单细胞生信江湖里，多掌握几种分析方法和工具，探索数据时常常会有意想不到的惊喜。往期专题单细胞转录组基础分析专题单细胞转录组高级分析专题LIGER简介LIGER能够跨个体、物种和方法(基因表达、表观遗传或空间数据)识别共有的细胞类型，以及数据集特有的特征，提供对不同单细胞数据集的统一分析。LIGER原理接触生信的朋友对PCA都有一定了解，它可以用一个低维矩阵（行比较少的矩阵）表示高维矩阵（行比较多的矩阵）的大部分信息。类似的降维方法还有一些，比如奇异值分解（SVD）、非负矩阵分解（NMD）等，liger所用的方法是NMD的改良版——综合非负矩阵分解（iNMD）。具体的算法实现咱们不必苛求理解掌握，知道以下几点即可：单细胞基因表达矩阵经过iNMD分解后，可以得到三个矩阵：因子(行)

生信会客厅交流群里有几个朋友问我：MSigDBS数据库只有人的基因集gmt文件可供下载，小鼠的GSEA&GSVA分析如何做？解决问题的根本是做同源基因转换，代码能力强的朋友很容易实现，在线转换的网站也是有的。今天我给大家介绍一个R包——msigdbr，可以更轻松地帮大家得到部分非人物种的gmt文件或基因集列表。演示数据演示数据来自GSE109774中的一个小鼠心脏子数据集，整理好的seurat对象文件scRNAmm.RDS，我已上传到百度云。链接：https://pan.baidu.com/s/1kWrL56O1EkAHPAY3RC4E2g提取码：29pjGSEA分析准备gsea输入文件##R语言准备gsea输入文件library(Seurat)library(tidyverse)dir.create("GSEA")

单细胞测序技术的发展日新月异，新的分析工具也层出不穷。每个工具都有它的优势与不足，在没有权威工具和流程的单细胞生信江湖里，多掌握几种分析方法和工具，探索数据时常常会有意想不到的惊喜。往期专题单细胞转录组基础分析专题单细胞转录组高级分析专题Harmony原理Harmony需要输入低维空间的坐标值（embedding），一般使用PCA的降维结果。Harmony导入PCA的降维数据后，会采用soft

上期专题我们介绍了单细胞转录组数据的基础分析，然而那些分析只是揭开了组织异质性的面纱，还有更多的生命奥秘隐藏在数据中等待我们发掘。本专题将介绍一些单细胞转录组的高级分析内容：多样本批次校正、转录因子分析、细胞通讯分析、基因集变异分析和更全面的基因集富集分析。不足之处请大家批评指正，欢迎添加Kinesin微信交流探讨！（扫描文末二维码）往期相关文章单细胞转录组基础分析专题单细胞转录组高级分析一：多样本合并与批次校正单细胞转录组高级分析二：转录调控网络分析单细胞转录组高级分析三：细胞通讯分析单细胞转录组高级分析四：scRNA数据推断CNV单细胞转录组高级分析五：GSEA与GSVA分析单细胞转录组高级分析六：TCGA生存分析单细胞转录组高级分析七：整合scATAC数据10X

上期专题我们介绍了单细胞转录组数据的基础分析，然而那些分析只是揭开了组织异质性的面纱，还有更多的生命奥秘隐藏在数据中等待我们发掘。本专题将介绍一些单细胞转录组的高级分析内容：多样本批次校正、转录因子分析、细胞通讯分析、基因集变异分析和更全面的基因集富集分析。不足之处请大家批评指正，欢迎添加Kinesin微信交流探讨！（扫描文末二维码）往期相关文章单细胞转录组基础分析专题单细胞转录组高级分析一：多样本合并与批次校正单细胞转录组高级分析二：转录调控网络分析单细胞转录组高级分析三：细胞通讯分析单细胞转录组高级分析四：scRNA数据推断CNV单细胞转录组高级分析五：GSEA与GSVA分析单细胞转录组高级分析六：TCGA生存分析scATAC简介ATAC-seq的原理高级生物中DNA以层层折叠的形式压缩在染色体中，这种状态下的DNA通常不能复制、转录或结合其他调控因子。我们知道细胞内时刻都有转录调控作用发生，那是怎么实现的呢？细胞会通过组蛋白修饰“解压”部分染色质（通常占总体的2-3%）让DNA暴露出来，这样各种转录调控因子就可以结合上来发挥作用了，这种开放的DNA区域也叫做染色质可及性（chromatin

上期专题我们介绍了单细胞转录组数据的基础分析，然而那些分析只是揭开了组织异质性的面纱，还有更多的生命奥秘隐藏在数据中等待我们发掘。本专题将介绍一些单细胞转录组的高级分析内容：多样本批次校正、转录因子分析、细胞通讯分析、基因集变异分析和更全面的基因集富集分析。不足之处请大家批评指正，欢迎添加Kinesin微信交流探讨！（扫描文末二维码）往期相关文章单细胞转录组基础分析专题单细胞转录组高级分析一：多样本合并与批次校正单细胞转录组高级分析二：转录调控网络分析单细胞转录组高级分析三：细胞通讯分析单细胞转录组高级分析四：scRNA数据推断CNV单细胞转录组高级分析五：GSEA与GSVA分析前言通过scRNA分析得到新的marker基因，gene

上期专题我们介绍了单细胞转录组数据的基础分析，然而那些分析只是揭开了组织异质性的面纱，还有更多的生命奥秘隐藏在数据中等待我们发掘。本专题将介绍一些单细胞转录组的高级分析内容：多样本批次校正、SCENIC转录调控网络分析、CellPhoneDB细胞通讯分析、inferCNV肿瘤拷贝数变异分析、GSEA/GSVA分析和其他高级分析内容。不足之处请大家批评指正，欢迎添加Kinesin微信交流探讨！（扫描文末二维码）往期相关文章单细胞转录组基础分析专题单细胞转录组高级分析一：多样本合并与批次校正单细胞转录组高级分析二：转录调控网络分析单细胞转录组高级分析三：细胞通讯分析单细胞转录组高级分析四：scRNA数据推断CNVGSEA与GSVA简介基因集的概念GSEA全称Gene

上期专题我们介绍了单细胞转录组数据的基础分析，然而那些分析只是揭开了组织异质性的面纱，还有更多的生命奥秘隐藏在数据中等待我们发掘。本专题将介绍一些单细胞转录组的高级分析内容：多样本批次校正、转录因子分析、细胞通讯分析、基因集变异分析和更全面的基因集富集分析。不足之处请大家批评指正，欢迎添加Kinesin微信交流探讨！（扫描文末二维码）单细胞转录组基础分析专题单细胞转录组基础分析一：分析环境搭建单细胞转录组基础分析二：数据质控与标准化单细胞转录组基础分析三：降维与聚类单细胞转录组基础分析四：细胞类型鉴定单细胞转录组基础分析五：细胞再聚类单细胞转录组基础分析六：伪时间分析单细胞转录组基础分析七：差异基因富集分析单细胞转录组基础分析八：可视化工具总结inferCNV简介inferCNV是大名鼎鼎的broad研究所开发的，可以使用单细胞转录组数据分析肿瘤细胞CNV。相关文章2014年就发表在了Science上，之后算法不断优化，分析结果也多次刊登在CNS文章上。大家不必担心分析可靠性的问题，反正我是相信品牌的力量😊分析原理We

上期专题我们介绍了单细胞转录组数据的基础分析，然而那些分析只是揭开了组织异质性的面纱，还有更多的生命奥秘隐藏在数据中等待我们发掘。本专题将介绍一些单细胞转录组的高级分析内容：多样本批次校正、转录因子分析、细胞通讯分析、基因集变异分析和更全面的基因集富集分析。不足之处请大家批评指正，欢迎添加Kinesin微信交流探讨！（扫描文末二维码）单细胞转录组基础分析专题单细胞转录组基础分析一：分析环境搭建单细胞转录组基础分析二：数据质控与标准化单细胞转录组基础分析三：降维与聚类单细胞转录组基础分析四：细胞类型鉴定单细胞转录组基础分析五：细胞再聚类单细胞转录组基础分析六：伪时间分析单细胞转录组基础分析七：差异基因富集分析单细胞转录组基础分析八：可视化工具总结细胞通讯分析原理细胞通讯研究领域涵盖的内容很广，如上图所示包括通讯方式、功能、信号分子以及各种途径的机制。细胞之间通讯的介质有很多，例如钙离子、脂质、多肽、蛋白、外泌体以及电信号等。利用单细胞转录组数据分析的细胞通讯，仅限于蛋白质配体-受体复合物介导的细胞间通讯。其分析的基础是基因表达数据和配体-受体数据库信息，例如转录组数据表明A、B细胞分别表达了基因α和β，通过数据库查询α和β是配体-受体关系，则认为A-B通过α-β途径进行了通讯。细胞通讯分析工具目前利用单细胞转录组数据分析细胞通讯的工具有CellPhoneDB，celltalker和iTALK。CellPhoneDB相关的文章2018年发表在Nature上，升级后又发了一篇Nature

上期专题我们介绍了单细胞转录组数据的基础分析，然而那些分析只是揭开了组织异质性的面纱，还有更多的生命奥秘隐藏在数据中等待我们发掘。本专题将介绍一些单细胞转录组的高级分析内容：多样本批次校正、转录因子分析、细胞通讯分析、基因集变异分析和更全面的基因集富集分析。不足之处请大家批评指正，欢迎添加Kinesin微信交流探讨！（扫描文末二维码）单细胞转录组基础分析专题单细胞转录组基础分析一：分析环境搭建单细胞转录组基础分析二：数据质控与标准化单细胞转录组基础分析三：降维与聚类单细胞转录组基础分析四：细胞类型鉴定单细胞转录组基础分析五：细胞再聚类单细胞转录组基础分析六：伪时间分析单细胞转录组基础分析七：差异基因富集分析单细胞转录组基础分析八：可视化工具总结SCENIC简介组织内细胞异质性的基础是细胞转录状态的差异，转录状态的特异性又是由转录因子主导的基因调控网络（GRNs）决定并维持稳定的。因此分析单细胞的GRNs有助于深入挖掘细胞异质性背后的生物学意义，并为疾病的诊断、治疗以及发育分化的研究提供有价值的线索。然而单细胞转录组数据具有背景噪音高、基因检出率低和表达矩阵稀疏性的特点，给传统统计学和生物信息学方法推断高质量的GRNs带来了挑战。Single-cell

上期专题我们介绍了单细胞转录组数据的基础分析，然而那些分析只是揭开了组织异质性的面纱，还有更多的生命奥秘隐藏在数据中等待我们发掘。本专题将介绍一些单细胞转录组的高级分析内容：多样本批次校正、转录因子分析、细胞通讯分析、基因集变异分析和更全面的基因集富集分析。不足之处请大家批评指正，欢迎添加Kinesin微信交流探讨！（扫描文末二维码）单细胞转录组基础分析专题单细胞转录组基础分析一：分析环境搭建单细胞转录组基础分析二：数据质控与标准化单细胞转录组基础分析三：降维与聚类单细胞转录组基础分析四：细胞类型鉴定单细胞转录组基础分析五：细胞再聚类单细胞转录组基础分析六：伪时间分析单细胞转录组基础分析七：差异基因富集分析单细胞转录组基础分析八：可视化工具总结前言实际的科研项目中不可能只有一个样本，多样本的单细胞数据如何合并在一起，是否需要校正批次效应呢？先上一张图说明多样本scRNA数据的批次效应：左边的图简单地把多个单细胞的数据合并在一起，不考虑去除批次效应，样本之间有明显的分离现象。右边的图是使用算法校正批次效应，不同的样本基本融和在一起了。scRNA数据校正批次效应的算法有很多：MNN,

单细胞测序技术是近年最大的生命科学突破之一，相关文章频繁发表于各大顶级期刊，然而单细胞数据的分析依然是大家普遍面临的障碍。本专题将针对10X

单细胞测序技术是近年最大的生命科学突破之一，相关文章频繁发表于各大顶级期刊，然而单细胞数据的分析依然是大家普遍面临的障碍。本专题将针对10X

单细胞测序技术是近年最大的生命科学突破之一，相关文章频繁发表于各大顶级期刊，然而单细胞数据的分析依然是大家普遍面临的障碍。本专题将针对10X

单细胞测序技术是近年最大的生命科学突破之一，相关文章频繁发表于各大顶级期刊，然而单细胞数据的分析依然是大家普遍面临的障碍。本专题将针对10X

单细胞测序技术是近年最大的生命科学突破之一，相关文章频繁发表于各大顶级期刊，然而单细胞数据的分析依然是大家普遍面临的障碍。本专题将针对10X

单细胞测序技术是近年最大的生命科学突破之一，相关文章频繁发表于各大顶级期刊，然而单细胞数据的分析依然是大家普遍面临的障碍。本专题将针对10X

单细胞测序技术是近年最大的生命科学突破之一，相关文章频繁发表于各大顶级期刊，然而单细胞数据的分析依然是大家普遍面临的障碍。本专题将针对10X

F)BiocManager::install(c("org.Hs.eg.db","org.Mm.eg.db","org.Rn.eg.db"),ask