导图社区 Day27 单细胞转录组
关于Day27 单细胞转录组的思维导图，本专业和有兴趣的朋友们不要错过，可以下载做复习。
关于Day30.2 Endnote攻略的思维导图，本专业和有兴趣的朋友们不要错过，可以下载做复习。
关于Day30 双疾病双表型的思维导图，本专业和有兴趣的朋友们不要错过，可以下载做复习。
关于Day29.2 CTD数据库的思维导图，本专业和有兴趣的朋友们不要错过，可以下载做复习。
社区模板帮助中心，点此进入>>
小儿常见病的辩证与护理
蛋白质
均衡饮食一周计划
消化系统常见病
耳鼻喉解剖与生理
糖尿病知识总结
细胞的基本功能
体格检查：一般检查
心裕济川传承谱
解热镇痛抗炎药
单细胞转录组
简介
对每个细胞的基因表达进行独立测定，从而揭示细胞间的异质性和多样性。
优势
揭示细胞异质性
发现新的细胞类型和亚群
精准的细胞状态分析
探索细胞间相互作用
挑战
数据量大和复杂
噪音和批次效应
样本处理
需要学习 Python 语言
需要熟悉Linux 系统
还需要承受高昂的服务器维护费用
结果
细胞异质性解析
新细胞类型发现
细胞发育和分化
信号通路解析
基因调控网络
疾病机制研究
药物研发
个性化医疗
步骤
数据预处理
CellRanger
统计展示
细胞捕获数
细胞基因检测中位数
有效数据率
测序饱和度
基因组 Mapping 率
分析展示
细胞过滤
UMI 数量与基因数量相关性分析
Top 基因分布
亚群分类和注释
t-SNE
UMAP
发现不同样本间的异质性
不同样本间不同细胞 cluster 占比柱状图
不同样本间不同细胞 cluster 占比饼图
circos 图
展示于样本/cluster 间基因特异性
寻找疾病 marker 标志物
热图
基因表达水平
表达 marker 基因的细胞亚群的分布
细胞亚群中表达 marker 基因的细胞数量
山峦图
反映基因的表达水平
峰密度表示该基因表达水平分布
Dot plot
Feature plot
更好地理解细胞群的表达模式、差异表达和特定基因的特征
小提琴图
反映亚群中各个细胞的 marker 基因表达量分布
衡量该基因作为某一个子群的 marker 基因的特异性
分析疾病机制和潜在靶点
亚群功能注释
样本整体功能比较
拟时序分化分析
描述了一个细胞当前状态和时间轨迹的起始状态之间最短路径的距离
TCR/BCR 分析
其他
细胞互作
细胞周期
功能富集
WGCNA
软件
Seurat
Monocle
Garnett
SingleR
Loupe Cell Browser
套路
泛癌单细胞
单细胞空间转录组
研究组织和细胞之间在组织空间中的基因表达变化
揭示
细胞类型之间的相互作用
组织结构的空间特异性
细胞状态的转换
组织切片制备
空间位置信息捕获
单细胞 RNA 测序
数据集获取
数据整合
空间位置信息
单细胞 RNA 测序数据
空间转录组数据分析
细胞类型鉴定
细胞群落结构分析
细胞与细胞之间的相互作用
细胞在组织中的空间分布
细胞的互作关系
成本较高
过程较复杂
分辨率受到限制
收获
细胞空间分布图谱
细胞-细胞相互作用
组织发育和重塑
疾病局部机制
药物分布和效应
生物标志物鉴定
t-SNE 图
PCA 和 t-SNE 有什么不同
算法原理
PCA寻找数据中的主成分
t-SNE将高维数据映射到低维空间
降维效果
PCA 主要关注保留数据中的方差，会忽略一些局部的聚类模式
t-SNE 关注的是保留数据点之间的局部相似性
可解释性
PCA 是线性的，它的结果比较容易解释
t-SNE 是非线性的，它的结果可能更难解释
计算复杂度
PCA 的计算相对较快，特别适用于处理大规模数据
t-SNE 的计算复杂度高，尤其在处理大规模数据时会比较耗时
应用
细胞类型的鉴定
细胞状态可视化
细胞亚群分析
转录组动态分析
