R中单细胞RNA-seq数据分析教程 (1)
## 引言
本系列开启R中单细胞RNA-seq数据分析[教程](https://github.com/quadbio/scRNAseq_analysis_vignette "Source")，持续更新，欢迎关注，转发！
## 简介
当您拿到样本的单细胞RNA测序数据后，下一步就是进行准确的数据分析。 目前已经有很多工具和分析平台被开发出来，专门用于处理单细胞RNA测序(scRNA-seq)数据。这些工具中，有R语言中的Seurat（由Rahul Satija实验室开发），以及Python中的scanpy（由Fabian Theis实验室开发）。这些工具提供了丰富的功能和参数，能够满足大部分常见的scRNA-seq数据分析需求。但需要注意的是，这些分析工具并不能覆盖所有可能的分析类型。因此，了解其他分析工具也是非常有必要的。
本教程面向初学者，主要介绍如何在R语言中使用Seurat来分析scRNA-seq数据。除此之外，还会介绍一些其他的工具，比如presto、destiny、Harmony、simspec等，这些工具提供了一些Seurat中没有的功能。在最新的更新中，还提供了一些高级分析方法的简单示例，比如RNA速度分析。
## 数据集
本教程假定您已经完成了测序数据的预处理工作，包括碱基识别、序列比对和计数。10x Genomics提供了一个名为(https://support.10xgenomics.com/single-cell-gene-expression/software/pipelines/latest/what-is-cell-ranger)的分析流程，专门用于处理通过10x Genomics Chromium单细胞基因表达解决方案得到的数据。在Cell Ranger流程结束时，您会得到一个计数矩阵。如果您的单细胞RNA测序数据是通过其他技术产生的（比如使用Smart-Seq2的基于孔板的实验等），Cell Ranger流程可能就不适用了，您需要寻找其他方法来生成计数矩阵。
在本教程中，提供了两个数据集（DS1和DS2），它们都是利用10x Genomics技术生成，并且已经通过Cell Ranger进行了预处理。这两个数据集都是公开可用的人类大脑类器官单细胞RNA测序数据，也是这篇[论文](https://www.nature.com/articles/s41586-019-1654-9)中展示数据的一部分。本教程的第一部分，涵盖了大部分通用分析流程，是基于DS1数据集进行的；第二部分，专注于数据整合和批次效应校正，则是基于DS1和DS2两个数据集。
页:
[1]