生信马拉松 Day24 单细胞-2

1. dgMatrix是稀疏矩阵

2. 线粒体基因比例特别高的，往往细胞表达的nCount比较大，可以通过percent.mt过滤

3. 找top2000高边基因即寻找基因表达量中离散程度最大的，保留有用信息同时降低运行负担，默认就是top2000

4. 做pca之前做scaleData，scale把0都转换为不是0的数字，此时行内数字相同仍然可以进行行内比较，但不能进行基因间的比较，pca实际上和普通转录组的是一样的

5. scale和normalize不一样，无论如何翻译，先做normalize再scale，但如果下载的单细胞数据是log(TPM/10+1)之后的数据，就不能normalize，count才normalize

6. FindClusters参数resolution范围是0.1-1之间

7. 多簇取高变marker基因的适合，注意只能对得到的数据框gene列取差异基因，不能按行名取，因为为了行名避免重复，把重复gene名自动增加了数字修改

8. Seurat.Rmd是单细胞的标准流程，小洁老师常用的是自己整理的2.GSE218208文件夹的内容

9. SingleR需要数据库支持才能做分析，可以用小洁老师下载好的数据包在supp/single_ref/ref_xxxx.Rdata里，其中Imm和Mouse是小鼠的，其他是人的。singleR只支持这两个物种

注意：小洁老师的代码是基于Seurat 4 版本，用 5 版本代码（主要是Seurat文件里有layer）需要略修改

10. GSE117570是采用CCA方法整合多样本，小洁老师整理了做参考，另一个多样本整合方法是harmony，更常用

11. 单细胞分析标记一定要看看参考文献怎么说的

12. AUCell评分是打分的机制，给一组基因，其中基因表达量高或者比例大会导致各个簇评分有差别，pct.1是在本簇里的基因表达情况，pct.2是除本簇之外的基因表达的情况

注意AUCell分析中有一行FindMarkers是由于只有两组，多组时用FindAllMarkers

生信技能树，生信马拉松，小洁老师