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/