16.1 前言 单细胞RNA-seq为了解不同条件、组织类型、物种和个体之间细胞类型的变化提供了前所未有的信息。单细胞数据的差异基因表达分析几乎...

15.1 前言 除了基因表达模式的变化之外，细胞组成（例如细胞类型的比例）也会在不同条件下发生变化。例如，特定药物可以诱导细胞类型的转分化，这将...

14.1 前言 本篇是细胞注释章节的更详细的延续，该章节已经介绍了差异基因表达（DGE）作为用细胞类型注释簇的工具。在这里，我们重点关注更复杂的...

12.1 前言 单细胞数据集允许以高分辨率研究生物过程，例如早期发育。例如，虽然分析的是单个细胞而不是整个组织，但细胞表型的变化无法随着时间的推...

11.1 前言 单细胞测序分析提供生物组织的高分辨率测量。因此，此类技术可以帮助破译和理解细胞异质性和生物过程的动态。相应的研究包括量化细胞命运...

10.7 基于图的整合模型Graph-based integration 我们要介绍的下一个方法是BBKNNBatch-Balanced k-N...

10. 数据整合 10.1 总论 大多数scRNA-seq数据分析的一个核心挑战是批次效应。批次效应是测量的表达水平的变化，这是处理不同组或“批...

9.4 自动注释 9.4.1 总论 这一篇讨论的方法将是自动化的方法，而不是手动注释数据。与上一篇展示的方法不同，这些方法中的每一种都可以使您以...

9. 细胞注释Annotation 为了更好地理解数据并利用现有知识，弄清楚数据中每个细胞的“细胞身份”非常重要。根据已知（或有时未知）的细胞表...