在感恩节官宣！（文末有惊喜哈）

前些天我们在你都不感谢我凭什么要求我帮你宣传：有奖征集了发文章的规范化致谢格式！

考虑到投稿参与评选的人不多，而且时间也到了，我们直接就公布一等奖吧，由生信技能树VIP交流群-会咋眼的鱼获得，奖金2000元！

以后大家就不至于纠结，写文章本来就很头疼了，祝愿大家都多多发paper，生物信息学虽然对大部分科研人员来说仅仅是一个工具，但是用好其实也不容易的！

单细胞，你也可以有CNS

如果是10X仪器的单细胞转录组数据走cellranger流程，我们在单细胞天地多次分享过流程笔记：

• 单细胞实战(一)数据下载

• 单细胞实战(二) cell ranger使用前注意事项

• 单细胞实战(三) Cell Ranger使用初探

• 单细胞实战(四) Cell Ranger流程概览

• 单细胞实战(五) 理解cellranger count的结果

如果是smart-seq2技术，首先走单细胞下游分析标准流程啊，就是那些R包的认知，包括 scater,monocle,Seurat,scran,M3Drop 需要熟练掌握它们的对象，：一些单细胞转录组R包的对象 ，分析流程也大同小异：

• step1: 创建对象

• step2: 质量控制

• step3: 表达量的标准化和归一化

• step4: 去除干扰因素(多个样本整合)

• step5: 判断重要的基因

• step6: 多种降维算法

• step7: 可视化降维结果

• step8: 多种聚类算法

• step9: 聚类后找每个细胞亚群的标志基因

• step10: 继续分类

完整文字版教程了

所以你其实可以不需要购买视频了，除非你对我的声音有特殊的爱好，或者其他我不知道的原因：

第一单元：文献背景及课程介绍

• （一）听说课程配笔记，学习无压力

• （二）单细胞转录组学习笔记-2

• （三）单细胞转录组上游分析之shell回顾

• （四）获取Github代码包以及准备工作

第二单元：常规转录组基础知识回顾

• （五）常说的表达矩阵，那得到之后呢？

• （六）由表达矩阵看内部异质性

• （七）重复平均表达量和变异系数相关性散点图

• （八）聚类算法之PCA与tSNE

• （九）统计细胞检测的基因数量

• （十）乳腺癌领域之PAM50分类

• （十一）生物学背景知识之细胞周期推断

• （十二）RPKM概念及计算方法

• （十三）差异分析及KEGG注释简介

第三单元：单细胞3大R包的学习

• （十四）学习scRNAseq这个R包

• （十五）利用scRNAseq包学习scater

• （十六）用Scater包分析文章数据

• （十七）用Seurat包分析文章数据（二）

• （十八）scRNA包学习Monocle2

• （十九）使用monocle2分析文章数据

第四单元：重复文章图表

• （二十）使用作者代码重复结果

第五单元：结合公共数据库

• （二十一）基因在任意癌症表达量相关性

• （二十二）评估任意基因集在癌症的表现

• （二十三）多个基因集相关性热图

学好表达芯片的公共数据库挖掘你很容易毕业升职加薪

GEO数据挖掘技巧，基本上该分享的都在B站和GitHub了，目录如下：

• 第一讲：GEO，表达芯片与R

• 第二讲：从GEO下载数据得到表达量矩阵

• 第三讲：对表达量矩阵用GSEA软件做分析

• 第四讲：根据分组信息做差异分析

• 第五讲：对差异基因结果做GO/KEGG超几何分布检验富集分析

• 第六讲：指定基因分组boxplot指定基因list画热图

• 第七讲：根据差异基因list获取string数据库的PPI网络数据

• 第八讲：PPI网络数据用R或者cytoscape画网络图

• 第九讲：网络图的子网络获取

• 第十讲：hug genes如何找

系列推文感兴趣的也可以去看看；

• 解读GEO数据存放规律及下载，一文就够

• 解读SRA数据库规律一文就够

• 从GEO数据库下载得到表达矩阵 一文就够

• GSEA分析一文就够（单机版+R语言版）

• 根据分组信息做差异分析- 这个一文不够的

• 差异分析得到的结果注释一文就够

一个R考题

刚才AIA的保险来我办公室宣传一款理财产品，举例20岁定投10W，35岁退保可以取18.4w，说这是15年内回报率较高的一款产品。

题目是：使用R语言，算出来这个产品的年化收益率！