单细胞转录组数据分析流程的每一个步骤都值得一个综述

四年前我做了一个单细胞课程，就是对scRNAseq包里面的数据示例的一些处理。

不过那个时候的R包的很多函数代码现在都过时了，现在没有学习的价值了哈，但是思路是可取的， 比如我把单细胞转录组数据分析流程分成如下10个步骤：

• 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

最近看到了发表于December 2020，在杂志的综述文章：《Benchmarking Computational Doublet-Detection Methods for Single-Cell RNA Sequencing Data》，链接是 https://www.sciencedirect.com/science/article/abs/pii/S2405471220304592。

再比如 单细胞亚群鉴定：2019年Abdelaal等人在 Genome Biology发表的文献 《A comparison of automatic cell identification methods for single-cell RNA sequencing data》链接是 https://genomebiology.biomedcentral.com/articles/10.1186/s13059-019-1795-z

让我想起来了，单细胞转录组数据分析的每个步骤理论上都应该是有一个综述的，欢迎大家留言分享自己珍藏已久的单细胞数据处理方面的综述。我们会详细整理成为列表再奉献给所有的粉丝哈！

参考前面的例子：人人都能学会的单细胞聚类分群注释  ，自己梳理单细胞数据分析的方方面面哦！