跟学单细胞周更（二）

这个数据集是经过FACS分选的：

前面介绍一文搞定基本cellranger定量

单细胞分离方法：包括有限稀释法（Limiting dilution technique）显微操作法（micromanipulation）、流式细胞分选(FACS)、激光捕获显微分离(LCM)、微孔（microwell）、微流控（microfluidics）和微滴（droplet）

在读取数据集时，直接用read.csv读取csv文件，可见CreateSeuratObject函数中counts参数得到表达矩阵列表就可以

基本流程还是：

• 数据质控
• 数据标准化
• 识别高变基因
• 数据归一化
• 降维
• UMAP/tSNE可视化
• Marker鉴定细胞
• 检查各分组内基因表达情况
• 重新降维和细分亚群

从上一期推文开始我们开始接触到”重新降维和细分亚群“

这里是上皮细胞的细分：

刚开始只找了一些基础marker分不太开 因此又多找了一些marker 除了上述情况我在找乳腺上皮细胞的marker的时候看到之前单细胞天地发的 ” 乳腺上皮细胞单细胞亚群“ 的推文乳腺上皮细胞单细胞亚群 (qq.com)

看图也能发现初步定义的epi混合了几种一开始的cluster

这是一个很自然从粗定义到细分的过程，后面我们会频繁遇到

需要提醒一下的是：

我这里的epi对应的并不是原推文中的c(0,1,2)而是c(0,1,4)

因为原推文没有提供很多过程图，这在进行复现学习的时候需要格外注意

除了基本流程外，原推文还顺带看了一下harmony去除批次效应前后对比：

可以发现harmony前lung和primary还不是很好地混在一起

harmony后混的就比较均匀

关于是否需要harmony，什么时候需要harmony，harmony对单细胞表达分布的影响，我们将在下一期学习【flag】

这里需要注意是，Seurat对象在使用harmony去除批次效应前后，相同分辨率下UMAP降维分组的组数可能会发生变化

所以我个人感觉，看harmony前后的变化情况，单单看细胞在不同分组的数量变化并不好看，还是要看最后定义好的细胞亚型的分布情况

往期回顾

跟学单细胞周更(一)

单细胞多组学刻画EGCs特征

上下游，合体！

单细胞测序最好的教程（七）: 数据整合与批次效应校正