前言

今天与大家分享学习的是《Analysis of single cell RNA-seq data》这本书，这本书着重介绍了单细胞RNA-seq的下游分析，注重介绍R包的使用，和单细胞RNA-seq的分析的一般流程

本书一共分为12个章节：
前五章是基本的铺垫

1. 介绍资源，Github等公共资源

2. 介绍single cell RNA-seq技术

3.介绍单细胞数据的前期处理

4.讲述了比对的大致原理

5.介绍R基本语法
后七章则是介绍single cell RNA-seq分析的流程：

6.教我们如何下载数据，怎么在R里面读取数据，这里以Smartseq和10X的单细胞数据为例

7.告诉我们处理表达矩阵

8.常规的生物学分析

9.介绍了Seurat包的用法

10.单细胞测序的流程

11.Exercises

12.资源
所以，鉴于这本书有部分内容比较基础，所以就不再赘述了

学习笔记（一）：

1.前期准备：

课程视频链接： http://training.csx.cam.ac.uk/bioinformatics/search

Github：https://github.com/hemberg-lab/scRNA.seq.course

2.single cell RNA-seq简介：

这方面我不适合了解，目前市面上的单细胞测序建库的方式有：

开发单细胞测序的目的是检查每个细胞转录本的差异，而不是对组织检查转录本的差异，这样一来就更加精确，可以对细胞进行追溯

基本的艰苦流程如此图：

其中关键是对细胞分选以及后期对不同细胞的分类

而生物信息上的分析有一些平台可以辅助我们：
1.Falco，在cloud上
2.SCONE：single-cell RNA-seq data 质检和标准化的包
3.Seurat，R包
4.ASAP：(Automated Single-cell Analysis Pipeline，一个网络平台

而关于单细胞RNA-seq的局限主要来自：
1.扩增，每个cell分得的reads
2.细胞基因的特异性表达，以区分不同类的细胞

分析的流程图：