众所周知，单细胞水平的研究目前主要集中在发育，免疫和癌症方向，但是哪一个细分领域的CNS文章更多呢？感兴趣的朋友可以通过文本挖掘追踪最新文献，进行统计。刚才看到单细胞天地群朋友分享了2019的两篇文章，分别是七月nature的海鞘，和九月science的线虫，都是发育方向的。
从单细胞转录组数据分析的角度来说，大部分图表均可复现，但是生物学背景这一块就很头疼了，太多的专有名词。 Continue reading →

看过单细胞水平的癌症研究的朋友都应该是对下面这幅图不陌生：

可以很清晰的看到，多个病人的单细胞可以分成恶性的上皮细胞和非恶性的肿瘤微环境，微环境的那些细胞可以聚集成为很多类，而且每个类别的细胞都是来源于不同病人的。
但是呢，对于那些肿瘤恶性细胞，也是聚集为很多类别，但基本上每个类别都是一个单独的病人来源。 Continue reading →

VIM作为一款老牌编辑器，其功能强大、高度可定制，可以说是经久不衰，可以搜索到非常多的教程，如下：

到底如何退出VIM编辑器

其中，如何退出VIM编辑器，也成为了一个老大难问题，让无数新手敬而远之，而且还需要专门写教程，针对如何退出编辑器。 Continue reading →

我一直强调过，所谓的单细胞数据分析，其实就5个R包，分别是: 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 分析流程过一遍 Continue reading →

最近收到网友求助，问：

尝试一篇文献的表达差异分析和热图重现，主要参考您Github中GEO-master/GSE42872_main的代码，但我跑出的差异分析列表logFC与文献给出的列表数据不符，尝试了很多次，不清楚是什么原因?

本来我一般是不理会这样的求助的， 毕竟代码都给了，还不会用，总不能怪我了，冥冥中鬼使神差的回复了： Continue reading →

在全网最系统的表达芯片数据处理教程我没有做过多芯片注释的讲解，不过后期推文倒是很多。

实际上，很多时候，策略是没有标准的， 比如最近处理大名鼎鼎的hgu133plus2芯片： Continue reading →

很久以前我们介绍过Sushi这个R包可以绘制基因组区域reads覆盖情况，这次我们介绍另外一个功能更强大的R包 Gviz，全称是Plotting data and annotation information along genomic coordinates 正式发表与期刊 Source Code Biol Med. 2016; 文章链接是 doi: 10.1186/s13029-016-0052-z Continue reading →

相信逢年过节，大家就会看到各式各样的朋友圈笑话，比如：

• 寒暑假笑话：作业12元， 暑假作业14元 打同学1.3m-1.6m的18元，1.6m-1.9m的不接 ，打女老师25元，男30元，校长40元，体育老师价格面谈
• 七夕笑话：陪吃饭10块,陪聊10块,陪喝酒10块,陪哭10块,陪逛街10块,陪看月亮10块,陪压马路10块,注：合法经营，诚信为本，免费送拥抱，以上看心情再议价，提前预约哦！
• 还有过年出租自己的笑话，就不贴出来了。 Continue reading →

小技巧分享。

模拟数据

就模拟一个基因表达矩阵吧，列是基因，有10个基因，然后行是样本，这10个基因在100个样本的表达量。 Continue reading →

做生命科学研究，尤其是医学相关课题的，很少能脱离开基因工程小鼠，也就是genetically engeenierd mouse modesl (GEMMs)

最近发现一个很有趣的现象，比如发表于 Science 05 Oct 2018 ， 文章是：Reprogramming normal human epithelial tissues to a common, lethal neuroendocrine cancer lineage 的研究人员通过对基因工程小鼠，发现只要改变 5 个基因（这 5 个基因统称为 PARCB ）的活性，就能让上皮健康细胞发生癌变，并发展成为小细胞癌。 Continue reading →

现在10x已经是单细胞转录组领域商业首选，单个样本的结果很难满足大家的胃口，所以一次性做多个样本就成为了主流，让我们来看看多个样本数据如何整合吧。
比如发表在 Nat Med. 2018 Aug; 题目是：Phenotype molding of stromal cells in the lung tumor microenvironment. 共选取5例病人的共19个样本，通过10×genomics单细胞转录组测序探索基质细胞的亚群分类、基因功能（信号通路）、关键marker基因和临床预后。 Continue reading →

大家学习到的通常是两个组的样本进行差异分析，然后走标准分析流程，火山图，热图，GO/KEGG数据库注释等等。但真实情况下，通常是有多个分组，这个时候就会有多种策略可供选择了。
比如拿某一组的样本与剩余其它组所有样本进行比较，这样的差异分析策略还是蛮流行的！ Continue reading →

最近安排团队学习者帮忙系统性整理单细胞肿瘤研究的3大应用方向的文献，发现里面包含一个
单细胞数据在GSE108679，大家可以下载去玩一玩，其数据分析的全部描述如下：
Continue reading →

还记得几年前前准备单细胞课程作业，查遍全网基本上找不到中文资料，甚至英文文献都少得可怜，虽然那个时候单细胞就已经显现出热点的趋势，大多数CNS之作，但是在癌症领域仅仅是6个癌症类型有单细胞转录组技术应用的研究，不像现在，大量的CNS犹如雨后春笋般冒出来。
这些年陆陆续续阅读了近百篇该领域的CNS文献，所以大概总结了单细胞转录组技术肿瘤研究3大应用方向 Continue reading →

记得上半年参加某个单细胞会议，深圳某医院科研负责人(院长吧)豪气的说，大家尽管来我们医院，保底50万年薪，而且咱们这里单细胞平台全部搭建好了，以后只做单细胞，所有之前使用bulk转录组的实验统统换成单细胞。 Continue reading →

单细胞基础视频课程结束了，不知道大家学的怎么样，看起来线下学徒和实习生都学的挺好的，还有详细的笔记分享，考虑到大部分人是没有机会线下接受指导，有必要出一份考题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 Continue reading →

最近看到文章里面出现了单细胞转录组测序的tSNE图，如下：

看到如此巨大的细胞数量，本来以为是10X，结果仔细看文章，作者利用CyTOF技术对HCC的免疫微环境异质性进行了分析，约四百万个免疫细胞呈现出40种聚类。 Continue reading →

上个月听了jimmy老师的巡讲后，开始学习GEO数据挖掘，看了相关视频后，想实战一把，于是看了jimmy老师去年开始分享的GEO数据挖掘帖子，没想到第一期就碰到个钉子，还好自己解决了，以下是分享。 Continue reading →

最近在bioRxiv 预印本发现了一篇人类肺部器官单细胞研究，来自于斯坦福大学团队，发表在Aug. 27, 2019; doi: http://dx.doi.org/10.1101/742320 有约7万个单细胞数据，找到了58个细胞亚群，其中大部分是前人研究发现过的，但是有14个新亚群。 Continue reading →

大家看我在生信技能树发布的各个NGS组学的视频教程， 基本都是随手找到一篇文章，就去查询其原始数据，通常是在NCBI的SRA，然后使用prefetch下载sra文件，有的时候还好使用aspera进行加速。 Continue reading →