第二个数据--CEL-seq2, GSE85241 Muraro et al. (2016) 利用CEL-seq2技术并结合UMI、ERCC得到的 https://www.ncbi.nlm.nih.g...

三组不同数据的混合 我们可以从每个数据集（也就是每个批次）中挑选前1000个生物学差异最大的基因 还记得之前是如何得到每个数据集的HVGs吗？主要利用trendVar、decomposeVar，另外存...

单细胞RNA-seq很大的特点是数据量大，数据噪声高。因此在对一些特别小的类群进行分析，或者增加数据量降噪的情况下，我们往往需要将多个单细胞RNA-seq的数据集整合起来，这些数据集可能来自不同的研究...

在上一期的《单细胞轨迹分析知多少--拟时间分析比较》中我们介绍了45种单细胞轨迹推断分析软件方法在以下4个方面的比较： 准确性 可扩展性 稳定性 可用性 得出了几项重要结论： 轨迹推断（TI，traj...

在我们涉足单细胞数据分析不久之后就会发现，我们在和一套新的理念打交道。在这套理念中，对象是常见的，数据是多维的，往往是一张核心表及其附属。我们对一张表是熟悉的，Excel极大地普及了这种熟悉，但是如何...

除了整合差异相对较小的scRNA-seq数据集外，liger也能用于整合数据差异较大、甚至研究的对象完全不同的多组学。本文将以scRNA-seq和scATAC-seq为例，展示liger多组学整合的相...

在使用liger整合单细胞RNA-seq的文章中，我提到liger的数据结构和函数调用不及seurat那么方便和个性化，因此将两者的优势结合起来能够大大便利我们的单细胞数据分析。本文主要介绍以下两种方...

因为最近的课题需要用到单细胞多组学整合分析的方法，因此我学习了一下liger这个单细胞下游分析R包，觉得它的数学原理和整合方法都挺优美的，尽管软件包中有一大堆bug和不便之处。我将写一个liger单细...

本来是想出一期使用Monocle3进行单细胞RNA-seq数据分析的教程的，可是Monocle3我死活都装不上，不是依赖报错就是GitHub报错，所以无可奈何只能暂时先使用Monocle2，等后面Mo...

由于最近的课题需要使用单细胞数据，因此开始学习单细胞的一系列分析方法和流程，这里就记录一下使用seurat进行单细胞RNA-seq聚类分析的流程，包括一些降维的知识，函数的调用等等。降维算是一件不大不...