我们非常强调进入一个领域需要读综述来获取基本认知，尤其是单细胞，我们在《单细胞天地》公众号给大家精选了2017-2020的4篇综述：
2017年7月的 Identifying cell populations with scRNASeq
｜ https://www.ncbi.nlm.nih.gov/pubmed/28712804
2018年2月的 Single-cell RNA sequencing: Technical advancements and biological applications
｜ https://www.ncbi.nlm.nih.gov/pubmed/28754496
2019年9月的 Current best practices in single-cell RNA-seq analysis: a tutorial
｜ https://www.ncbi.nlm.nih.gov/pubmed/31217225
2020年3月的 Tools for the analysis of high-dimensional single-cell RNA sequencing data
｜ https://www.ncbi.nlm.nih.gov/pubmed/32221477
大家可以自行前往《单细胞天地》公众号寻找其对应的中文翻译整理版本，现在是2021了，所以再加一个综述：《Critical downstream analysis steps for single-cell RNA sequencing data》，Briefings in Bioinformatics, , https://doi.org/10.1093/bib/bbab105
- PIPELINE FOR ANALYSING scRNA-seq TECHNOLOGY
- QUALITY CONTROL AND DIFFERENTIAL GENE EXPRESSION ANALYSIS
- CLUSTERING
- TRAJECTORY INFERENCE
- CELL-TYPE ANNOTATION
- INTEGRATING DATASETS
主要是这个综述罗列了大量的工具， Table 1. Clustering methods for single-cell RNA sequencing data
还有
- Table 2. Trajectory inference methods for single-cell RNA sequencing data
- Table 3. Cell-type annotation methods for single-cell RNA sequencing data
- Table 4. Popular data resources for cell-type annotation
- Table 5. Integrating datasets methods for single-cell RNA sequencing data
挺容易看懂的，今年入坑单细胞的，可以优先看看这个！其实这样的基础认知，也可以看基础10讲：
- 01. 上游分析流程
- 02.课题多少个样品，测序数据量如何
- 03. 过滤不合格细胞和基因（数据质控很重要）
- 04. 过滤线粒体核糖体基因
- 05. 去除细胞效应和基因效应
- 06.单细胞转录组数据的降维聚类分群
- 07.单细胞转录组数据处理之细胞亚群注释
- 08.把拿到的亚群进行更细致的分群
- 09.单细胞转录组数据处理之细胞亚群比例比较
最基础的往往是降维聚类分群，参考前面的例子：人人都能学会的单细胞聚类分群注释