我们公众号一直在给朋友（研究单位课题组或者公司都有）做宣传，有需要实习生，工程师的，博士后的，是时候给我们生信技能树自己宣传一波了：
详细介绍链接：https://mp.weixin.qq.com/s/7oC0NnHk34DqG7eHqITzUQ Continue reading →

以前下载TCGA数据，喜欢使用UCSC的XENA数据库， 全部数据在：https://xenabrowser.net/datapages/ 这个时候有两个数据源，需要区分开来;

• GDC TCGA Breast Cancer (BRCA)&removeHub=https%3A%2F%2Fxena.treehouse.gi.ucsc.edu%3A443) (18 datasets) 09-15-2017
• TCGA Breast Cancer (BRCA)&removeHub=https%3A%2F%2Fxena.treehouse.gi.ucsc.edu%3A443) (30 datasets) 2016-04-27 Continue reading →

看到发表在19 July 2019的文章Strand-specific miR-28-3p and miR-28-5p have differential effects on nasopharyngeal cancer cells proliferation, apoptosis, migration and invasion，全文提供实验验证了miR-28-3p and miR-28-5p的生物学功能不一样。 Continue reading →

有同学提问，遇到下面的报错，但是网上其他朋友都可以顺利运行，为什么单单是她报错呢？

我觉得这并不是一个好的提问方式，所以用这个例子，来演示如何是一个好的提问。 Continue reading →

有学员看了我们的甲基化芯片教程(大概是两年前)，想跟着代码来跑自己的数据，但是卡在安装R包上面，就是一个很简单的注释包(IlluminaHumanMethylation450k.db)，注释我们甲基化芯片设计的探针到对应的基因组坐标。 Continue reading →

链接：https://mp.weixin.qq.com/s/Z2H_3FaTmfBbD9q3Q7DVdQ Continue reading →

你知道吗？每个月都有一百万单细胞被测序！

Google Data显示，7月份的单细胞研究细胞数是1,099,630。利用单细胞测序技术解析一个物种的单细胞图谱、动态变化过程，是当前研究热点之一。 超高通量单细胞多组学将是未来几年的技术开发和应用热点之一。

Continue reading →

众所周知，单细胞水平的研究目前主要集中在发育，免疫和癌症方向，但是哪一个细分领域的CNS文章更多呢？感兴趣的朋友可以通过文本挖掘追踪最新文献，进行统计。刚才看到单细胞天地群朋友分享了2019的两篇文章，分别是七月nature的海鞘，和九月science的线虫，都是发育方向的。
从单细胞转录组数据分析的角度来说，大部分图表均可复现，但是生物学背景这一块就很头疼了，太多的专有名词。 Continue reading →

看过单细胞水平的癌症研究的朋友都应该是对下面这幅图不陌生：

可以很清晰的看到，多个病人的单细胞可以分成恶性的上皮细胞和非恶性的肿瘤微环境，微环境的那些细胞可以聚集成为很多类，而且每个类别的细胞都是来源于不同病人的。
但是呢，对于那些肿瘤恶性细胞，也是聚集为很多类别，但基本上每个类别都是一个单独的病人来源。 Continue reading →

VIM作为一款老牌编辑器，其功能强大、高度可定制，可以说是经久不衰，可以搜索到非常多的教程，如下：

到底如何退出VIM编辑器

其中，如何退出VIM编辑器，也成为了一个老大难问题，让无数新手敬而远之，而且还需要专门写教程，针对如何退出编辑器。 Continue reading →

我一直强调过，所谓的单细胞数据分析，其实就5个R包，分别是: 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 分析流程过一遍 Continue reading →

最近收到网友求助，问：

尝试一篇文献的表达差异分析和热图重现，主要参考您Github中GEO-master/GSE42872_main的代码，但我跑出的差异分析列表logFC与文献给出的列表数据不符，尝试了很多次，不清楚是什么原因?

本来我一般是不理会这样的求助的， 毕竟代码都给了，还不会用，总不能怪我了，冥冥中鬼使神差的回复了： Continue reading →

在全网最系统的表达芯片数据处理教程我没有做过多芯片注释的讲解，不过后期推文倒是很多。

实际上，很多时候，策略是没有标准的， 比如最近处理大名鼎鼎的hgu133plus2芯片： Continue reading →

很久以前我们介绍过Sushi这个R包可以绘制基因组区域reads覆盖情况，这次我们介绍另外一个功能更强大的R包 Gviz，全称是Plotting data and annotation information along genomic coordinates 正式发表与期刊 Source Code Biol Med. 2016; 文章链接是 doi: 10.1186/s13029-016-0052-z Continue reading →

相信逢年过节，大家就会看到各式各样的朋友圈笑话，比如：

• 寒暑假笑话：作业12元， 暑假作业14元 打同学1.3m-1.6m的18元，1.6m-1.9m的不接 ，打女老师25元，男30元，校长40元，体育老师价格面谈
• 七夕笑话：陪吃饭10块,陪聊10块,陪喝酒10块,陪哭10块,陪逛街10块,陪看月亮10块,陪压马路10块,注：合法经营，诚信为本，免费送拥抱，以上看心情再议价，提前预约哦！
• 还有过年出租自己的笑话，就不贴出来了。 Continue reading →

小技巧分享。

模拟数据

就模拟一个基因表达矩阵吧，列是基因，有10个基因，然后行是样本，这10个基因在100个样本的表达量。 Continue reading →

做生命科学研究，尤其是医学相关课题的，很少能脱离开基因工程小鼠，也就是genetically engeenierd mouse modesl (GEMMs)

最近发现一个很有趣的现象，比如发表于 Science 05 Oct 2018 ， 文章是：Reprogramming normal human epithelial tissues to a common, lethal neuroendocrine cancer lineage 的研究人员通过对基因工程小鼠，发现只要改变 5 个基因（这 5 个基因统称为 PARCB ）的活性，就能让上皮健康细胞发生癌变，并发展成为小细胞癌。 Continue reading →

现在10x已经是单细胞转录组领域商业首选，单个样本的结果很难满足大家的胃口，所以一次性做多个样本就成为了主流，让我们来看看多个样本数据如何整合吧。
比如发表在 Nat Med. 2018 Aug; 题目是：Phenotype molding of stromal cells in the lung tumor microenvironment. 共选取5例病人的共19个样本，通过10×genomics单细胞转录组测序探索基质细胞的亚群分类、基因功能（信号通路）、关键marker基因和临床预后。 Continue reading →

大家学习到的通常是两个组的样本进行差异分析，然后走标准分析流程，火山图，热图，GO/KEGG数据库注释等等。但真实情况下，通常是有多个分组，这个时候就会有多种策略可供选择了。
比如拿某一组的样本与剩余其它组所有样本进行比较，这样的差异分析策略还是蛮流行的！ Continue reading →

最近安排团队学习者帮忙系统性整理单细胞肿瘤研究的3大应用方向的文献，发现里面包含一个
单细胞数据在GSE108679，大家可以下载去玩一玩，其数据分析的全部描述如下：
Continue reading →