写在前面

单细胞测序让我们能够在前所未有的精度水平下研究基因表达，该技术同时衍生了众多单细胞数据分析方法。目前单细胞数据分析方法繁多，如何从这些方法中挑选适用于用户自己的单细胞数据分析方法，成为了大家的关注点。基于此，本次推荐一份单细胞数据分析教程《Current best practices in single-cell RNA-seq analysis: a tutorial》（图1），虽然它发表于2019年，但是思路仍然值得借鉴。

图1 单细胞数据分析教程论文

01

—

内容

本教程详细的介绍了典型单细胞数据分析的步骤，这些步骤包括数据预处理（质控、归一化、数据矫正、特征选择和降维）、细胞和基因水平的下游分析。基于独立比较研究，推荐每个步骤的最优方法，并且以工作流程的形式整合最优推荐方法。为了帮助用户理解这波操作，作者还提供了一个案例分析（图2， https://www.github.com/theislab/single-cell-tutorial）。

图2 案例分析

02

—

典型单细胞数据分析流程

假设你手头上有一些单细胞测序数据，你想分析这份数据并且想从中得到一些信息。如图3所示，你可以参考这个典型的分析流程。该份流程主要就是数据预处理（质控、归一化、数据矫正、特征选择和降维）和下游分析（聚类分析、伪轨迹分析、差异表达分析、基因动力学、亚稳态分析、成分分析等）。你想做哪个，对应查看教程的方法和建议即可。

图3典型单细胞数据分析流程

这里特别强调一下下游分析，该教程将下游分析主要分为细胞和基因水平。细胞水平的下游分析，研究对象主要是单细胞。围绕单细胞开展聚类分析、伪轨迹分析、成分分析、亚稳态分析、聚类注释和基因表达动力学。基因水平的下游分析，研究对象主要是基因。围绕基因开展差异表达分析、基因集分析和基因调控网络构建。对于细胞水平的下游分析，该教程忽略了细胞之间的通讯分析。另外，对于基因水平的下游分析，该教程忽略了基因模块分析。

图4 细胞和基因水平的下游分析

后话

该教程可以作为典型单细胞数据分析的参考资料，哪里不懂查阅哪里。如果你要非典型单细胞数据分析，这个就要自己花更多的时间和精力才行。

参考文献与链接：

[1] Luecken MD, Theis FJ. Current best practices in single-cell RNA-seq analysis: a tutorial. Mol Syst Biol. 2019;15(6):e8746. doi:10.15252/msb.20188746

[2] https://www.github.com/theislab/single-cell-tutorial

更多背景知识如下：

1. 因果推理综述推荐一篇

2. 生物学家的机器学习指南

3. 基础模型的机遇与风险

号外，为了便于交流，我们为miRNA介导的ceRNA研究在Frontiers in Molecular Biosciences杂志（ 2020_IF = 5.246）整了个专刊，主题为“Computational Identification of ceRNA Regulation”。投稿链接：https://www.frontiersin.org/research-topics/24340/。

文献下载链接：

Current best practices in single-cell RNA-seq analysis-a tutorial.pdf