单细胞数据分析入门教程汇总

最近发现公众号不少看官是单细胞测序领域新手，来咨询有没有「系统」学习单细胞数据分析的教程。我的回答是，我暂时没看到全网真正系统、全面的教程；但是好的教程确实有不少。

我的入门资源是一个非常棒的老教程：https://hemberg-lab.github.io/scRNA.seq.course。这是剑桥大学一门生信training课程的配套资料; 也感谢公众号读者推荐了另一个资源：https://nbisweden.github.io/workshop-scRNAseq/

比如国内头部生信公众号生信技能树、生信菜鸟团估计有最全的数据分析教程，涉及到各种零星的方面。当然，我这篇推文主要想总结一下目前市面上「单细胞数据分析的视频教程资源」。

关于单细胞分析流程的概览，我个人非常喜欢 Fabian Theis（scanpy 通讯作者，scanpy 与 seurat 在单细胞分析领域齐名） 2019 年在 Molecular systems biology 发表的一篇综述文章："Current best practices in single‐cell RNA‐seq analysis: a tutorial"，非常全面的总结了单细胞全流程分析的十大方面，包括：

感兴趣的也可以参考我的 B 站视频：https://www.bilibili.com/video/BV1m34y1i7Vf

双细胞分析算是单细胞测序分析的标准流程了现在，根据使用经验和 Xi et al, Cell Reports, 2021 的综合比较，推荐使用 DoubletFinder 和 DoubletDetection。双细胞检测工具在不同数据集上适用不同算法，我个人使用主要根据对数据的理解来选择最优的工具。

这方面的教程非常多，主要包括十大方面的前七个方面，从数据下机处理到分群注释，我整理了以下不错的教程：

R 语言 Seurat 流程：

python scanpy 流程：

单细胞绘图教程：

这方面暂时没关注到非常全面的视频解析教程，已经有两篇 benchmarking 文章全面比较了多样本整合分析算法性能。分别是 Tran et al, Genome biology, 2020 和 luecken et al, nature methods, 2022。

后面scvi系列很多深度学习系列的整合分析工具出来了，但是我没有用过。个人经验发现，Seurat整合容易过拟合，一般harmony整合通过细致调参可以拿到非常好的结果。

细胞比例分析是单细胞分析中很重要的一个基础分析，目前暂时没看到很系统的教程，有时间小编可以整理一下。但是，很多值得学习的文献，我贴在下面供大家学习。

案例 1，张泽民老师 2018 年 nature medicine, Fig.1d

案例 2，Jonas Schulte-Schrepping et al, Cell, 2020. Fig.1d & Fig.2E

案例 3，Aaron J. Wilk et al, nature medicine, 2020, Fig.1d

当然，假时间分析有一篇非常经典的 benchmarking 文章，比较了 45 种假时间算法的性能，大家可以参考选择。我个人常用的假时间分析工具还包括几个基于 python 的算法：PAGA, Palantir(2019, nature biotechnology), scvelo(2020, nature biotechnology)

这方面包括 DEGs, Enrichment, GRN。

空间转录组数据分析我目前已经推出了五期视频教程：

其他优质视频教程：