刚才某上海地区的粉丝突然发信“责问”我为什么没有发他们课题组成果的宣传稿，我表示“一脸懵逼”，想起来原来是前些天他也是这样“随意”委托过我，说课题组刚刚发了一篇nature communications，其它公众号bioart，测序中国等等都会跟进报道宣传，“希望”我们生信技能树也同步宣传。
我没有理会，本来就不熟，我们公众号的定位又不是学术成果宣传，一大堆的CNS正刊文章我都没有时间看，朋友圈动辄就是惊世骇俗的新闻，某上海医院连发3篇新英格兰，广州医科大学连发3篇cell，我都懒得看，更别说分享它们了！更何况我们现在主推的科研新宠：单细胞技术，平均一个月三十多篇高IF文章啊！！！
谁管nature communications？
关键是我们定位是生物信息学数据处理技术分享，其它一切形式的宣传都看心情！
是的，你没有看错，我就是看心情，哪管你多牛，你以为我的十万粉丝是天上掉馅饼获得的，是我连续6年（2000多天）笔耕不辍的一点一滴真情实感分享积累的。
学好单细胞，你也可以有CNS
如果是10X仪器的单细胞转录组数据走cellranger流程，我们在单细胞天地多次分享过流程笔记：
- 单细胞实战(一)数据下载
- 单细胞实战(二) cell ranger使用前注意事项
- 单细胞实战(三) Cell Ranger使用初探
- 单细胞实战(四) Cell Ranger流程概览
- 单细胞实战(五) 理解cellranger count的结果
如果是smart-seq2技术，首先走单细胞下游分析标准流程啊，就是那些R包的认知，包括 scater,monocle,Seurat,scran,M3Drop 需要熟练掌握它们的对象，：一些单细胞转录组R包的对象 ，分析流程也大同小异：
- step1: 创建对象
- step2: 质量控制
- step3: 表达量的标准化和归一化
- step4: 去除干扰因素(多个样本整合)
- step5: 判断重要的基因
- step6: 多种降维算法
- step7: 可视化降维结果
- step8: 多种聚类算法
- step9: 聚类后找每个细胞亚群的标志基因
- step10: 继续分类
完整文字版教程了
所以你其实可以不需要购买视频了，除非你对我的声音有特殊的爱好，或者其他我不知道的原因：
第一单元：文献背景及课程介绍
第二单元：常规转录组基础知识回顾
- （五）常说的表达矩阵，那得到之后呢？
- （六）由表达矩阵看内部异质性
- （七）重复平均表达量和变异系数相关性散点图
- （八）聚类算法之PCA与tSNE
- （九）统计细胞检测的基因数量
- （十）乳腺癌领域之PAM50分类
- （十一）生物学背景知识之细胞周期推断
- （十二）RPKM概念及计算方法
- （十三）差异分析及KEGG注释简介
第三单元：单细胞3大R包的学习
- （十四）学习scRNAseq这个R包
- （十五）利用scRNAseq包学习scater
- （十六）用Scater包分析文章数据
- （十七）用Seurat包分析文章数据（二）
- （十八）scRNA包学习Monocle2
- （十九）使用monocle2分析文章数据
第四单元：重复文章图表
第五单元：结合公共数据库
学好表达芯片的公共数据库挖掘你很容易毕业升职加薪
GEO数据挖掘技巧，基本上该分享的都在B站和GitHub了，目录如下：
- 第一讲：GEO，表达芯片与R
- 第二讲：从GEO下载数据得到表达量矩阵
- 第三讲：对表达量矩阵用GSEA软件做分析
- 第四讲：根据分组信息做差异分析
- 第五讲：对差异基因结果做GO/KEGG超几何分布检验富集分析
- 第六讲：指定基因分组boxplot指定基因list画热图
- 第七讲：根据差异基因list获取string数据库的PPI网络数据
- 第八讲：PPI网络数据用R或者cytoscape画网络图
- 第九讲：网络图的子网络获取
- 第十讲：hug genes如何找
系列推文感兴趣的也可以去看看；