昨天我们介绍了2023年5月某院士团队发表在顶刊的文章：《Epithelial cells activate fibroblasts to promote esophageal cancer development》。详见：肿瘤相关成纤维单细胞亚群的iCAF和myCAF迷思，从大伙的留言可以看出来可能是误解了我的本意。我并没有批评把肿瘤相关成纤维（Cancer-Associated Fibroblasts，CAFs）区分成为了 iCAF和myCAF的命名方式。
众所周知，单细胞亚群的命名策略有三种： Continue reading
前面我们在推文：数据分析有错误并不可怕，造假才不可饶恕 提到了这个新鲜出炉（ 2023年12月5日）的cell期刊的文章单细胞转录组数据分析环节有一些值得探讨的地方，比如第一层次降维聚类分群后的亚群的生物学命名，就发现很多特异性高表达的基因并不主流，而且很多主流基因是缺失的。
更麻烦的是因为文献里面的两个分组每个组内都是3个样品而已，而文章大家结论缺依赖于这个单细胞水平的细胞比例变化。其实早期（2018-2021时候）单细胞转录组费用居高不下，所以绝大部分情况下大家做两个分组，每个组内也就是三五个样品而已。这样的话两个分组之间的不同单细胞亚群的比例差异其实往往是需要最后使用流式细胞等价格相对低廉的实验技术去扩大样品队列去验证一下。 Continue reading
早期的单细胞转录组课题只需要做到图谱解释程度即可，就是第一层次降维聚类分群后不停地细分亚群。甚至不需要有精细的课题设计，反正拿到了单细胞转录组表达量矩阵就可以跑代码，无所谓样品是否有分组。
后期单细胞领域卷起来了，纯粹的图谱肯定是没有新意啦，或者说海量的公共的单细胞转录组数据已经可以无限制任何人免费获取，这样的话大家要想分析出不一样的地方，就需要想办法给没有课题设计的项目找到分组信息！
比如之前是可能是多个同类型癌症病人的单细胞，但是癌症病人是有分子分型或者临床分期或者病理区分的，或者有预后信息，抽烟喝酒与否的生活习惯差异，就有了后续分析的可能性。如果完全都没有，其实还可以通过数据本身的特征给它分组，比如单细胞水平的肿瘤异质性就是其中一个很好的点。 Continue reading
因为单细胞分辨率的空间转录组测序—-Visium HD全球发布，我们也可以开始拿正眼瞧一下这个空间单细胞转录组技术啦！作为数据分析人员，我们其实关心的是它产出什么样的数据，然后下游数据分析分析（统计可视化），以及如何更好的配合生命科学领域研究者赋予它科研意义！ Continue reading
这个月的学徒要开始单细胞转录组结合空间单细胞的数据分析学习啦， 然后他挑选了一个文章是：《Delineating the dynamic evolution from preneoplasia to invasive lung adenocarcinoma by integrating single-cell RNA sequencing and spatial transcriptomics》 Continue reading
做单细胞转录组数据数据分析的第一步是载入表达量矩阵文件到R或者Python这样的编程环境里面，而我们主推的就是基于R语言的Seurat流程，它可以使用Read10X读取3个文件。
但是Read10X读取3个文件还得注意版本，而且必须保证3个文件名字完全一样，如果是最新版，应该是如下所示的： Continue reading
之前分享了：单细胞层面的表达量差异分析到底如何做，提到了pseudobulks方法，因为找各个单细胞亚群特异性高表达量基因（FindAllMarkers函数）以及两个亚群针对性差异分析（FindMarkers函数）都不符合需求，所以才有pseudobulks的流行。之前我们在《单细胞天地》公众号分享过一个文献 ，解读在：https://cloud.tencent.com/developer/article/1901064 Continue reading
编程语言软件环境主要指的是r语言软件本身以及配套的IDE软件，最近我的rsutdio这个ide人家一直提示我要更新，考虑到教学的需要，就彻底更新给大家看！ Continue reading
最近看到朋友圈好多人在转发这个《Top 10 Advances in Bioinformatics in 2023》，我看了看其实相当于是10个综述或者说是10个方向，并不是具体的某个发现或者某个技术。之前我们推送过《中国生物信息学十大进展》评选活动，该起始于2018，但是2023的还没有公布。我仍然是照例把这两个都 贴在文末，看看大家能不能预测一下刚刚过去的2023的可能会被评选出的《中国生物信息学十大进展》会有哪些。 Continue reading
很多小伙伴学习单细胞转录组数据靠的是10x公司提供的pbmc3k数据集，非常经典而且有配套的Seurat单细胞数据处理流程，全部的代码如下所示： Continue reading
虽然我们一再强调：假如你不喜欢最新版的Seurat包的单细胞理念，大家完全是可以选择降级这个Seurat。主要是因为很多初学者拿到了大量的基于V4版本Seurat的教程会手足无措，其实很容易迁移。所以我们也在学员们的催促下转向了Seurat的V5版本，详见：从零开始配置R编程语言软件环境，而且是在视频号有直播回放，详见： Continue reading
批改了一个学员的表达量芯片作业题，发现她复现的文章很有意思，里面是3个数据集的各自的差异分析但是他们的基因交集是少得可怜， 如下所示； Continue reading
前面我们通过生存分析聚焦到了恶性增殖的亚群，详见：关键单细胞亚群辅助判定之生存分析，而且也介绍了其实生存分析后可以做一个 最简单的统计学之取交集。 Continue reading
前面我们分享了：时间序列转录组多次差异分析以及时序分析，这里面的开头是三分组的转录组测序数据，但是后面代码演示的时候是不同时间点处理的肿瘤细胞系表达量芯片数据。
因为代码是收费的，所以需要简单的回复一下读者的提问，就是大家感兴趣这个代码到底该如何移植到转录组测序数据分析，而且读者给出来了一个案例，就是2020的文章《Transcriptomic profiling across the nonalcoholic fatty liver disease spectrum reveals gene signatures for steatohepatitis and fibrosis》，它对应的数据集是：GSE135251，在其页面可以看到是216 snap frozen liver biopsies, comprising 206 NAFLD cases with different fibrosis stages and 10 controls were studied.
关心的是：non-alcoholic fatty liver disease (NAFLD) 的疾病进展，详见：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE135251 Continue reading
从零开始开始学习一个编程语言，我们肯定是首先得安装好它，比如前面我们讲解了Python的安装，它多个版本的差异以及管理，详见：Python初体验之弄清楚版本差异和如何安装管理，然后给出来了两个Python编辑器，就是PyCharm或者JupyterLab，任选其一都可以打开你的Python从零开始之旅。
接下来就需要给大家推荐一些在线资料啦，尤其是配套b站视频和书籍，还有配合我们生物信息学实践的Python练习题！ Continue reading
我们前些天的推文：简单绘制一个3D效果的饼图吧，对比了R语言和Python的可视化效果，成功的吸引了不少小伙伴入坑Python编程语言，而且它确实是在单细胞数据处理领域占比有超越R的趋势，所以有必要开辟一个Python专辑啦。我们就简单的把任意一本Python书籍的第一章先给大家介绍一下吧：如下所示： Continue reading
我们前些天的推文：简单绘制一个3D效果的饼图吧，对比了R语言和Python的可视化效果，成功的吸引了不少小伙伴入坑Python编程语言，而且它确实是在单细胞数据处理领域占比有超越R的趋势，所以有必要开辟一个Python专辑啦。 Continue reading
我们前些天的推文：简单绘制一个3D效果的饼图吧，对比了R语言和Python的可视化效果，成功的吸引了不少小伙伴入坑Python编程语言，而且它确实是在单细胞数据处理领域占比有超越R的趋势，所以有必要开辟一个Python专辑啦。然后呢，开始学习一个编程语言，我们肯定是首先得安装好它，比如前面我们讲解了Python的安装，它多个版本的差异以及管理，详见：Python初体验之弄清楚版本差异和如何安装管理。 Continue reading
我们前些天的推文：简单绘制一个3D效果的饼图吧，对比了R语言和Python的可视化效果，成功的吸引了不少小伙伴入坑Python编程语言，而且它确实是在单细胞数据处理领域占比有超越R的趋势，所以有必要开辟一个Python专辑啦。然后呢，开始学习一个编程语言，我们肯定是首先得安装好它，比如前面我们讲解了Python的安装，它多个版本的差异以及管理，详见：Python初体验之弄清楚版本差异和如何安装管理。
如果是在R编程语言，我们会推荐大家写rmarkdown，交互式动态呈现每次代码以及它的运行结果，一步到位输出HTML或者PDF格式的数据分析报表，非常方便。在Python编程语言里面，能实现类似的功能的就是Jupter的Notebook。 Continue reading
终于遇到了大家“喜闻乐见”的 Matrix 包问题，就是 as_cholmod_sparse ，大家如果经常是使用r语言跑单细胞转录组就大概率会遇到，其实解决方案我们早就摸索好了也发给大家了： Continue reading