关于正常组织的体细胞突变研究，Wellcome Trust Sanger研究所的 Peter J. Campbell博士 在这个领域钻研了很久:
2018年NC的一篇日本人群队列文章：Germline pathogenic variants of 11 breast cancer genes in 7,051 Japanese patients and 11,241 controls 只关心了11个基因，文章关于Pathogenic germline variants的分析方法非常值得学习。
Therefore, to maintain consistency of variant annotation across the 11 hereditary breast cancer genes, we decided to use the American College of Medical Genetics and Genomics and the Association for Molecular Pathology (ACMG/AMP) guidelines3 to assess all 11 genes analyzed in this study. Continue reading
2009年Hans Clevers研究组开创了类器官（organoids）研究时代，2014年纪念Sloan-Kattering癌症中心的Yu Chen研究组将类器官引入肿瘤，自此肿瘤类器官CNS文章频频。
本次我们分享肝癌的类器官研究，因为有两个研究比较近，具有相似性，这里就一起介绍：
首先是2017年12月;Human primary liver cancer–derived organoid cultures for disease modeling and drug screening 发表在《Nature Medicine》的文章，介绍了一款人类原发性肝癌微模型（organoids ），可用于特定类型肝癌的体外药物筛选。研究人员将这种培养系统扩展到以下三种最常见PLC亚型类器官：肝细胞癌（HCC）、胆管癌（CC）以及合并HCC/CC（CHC）的肿瘤。PLC衍生的类器官可用于生物标记物鉴定以及药物筛选测试，例如，将ERK抑制剂SCH772984筛选为PLC的潜在治疗药物。
然后是2018年6月的：Organoid Models of Human Liver Cancers Derived from Tumor Needle Biopsies Continue reading
留位
本次分享的文献发表了一个网页数据库，把其它数据库（GEO, ArrayExpress, DDBJ, ENCODE等等）的表观数据（主要是ChIP-seq and DNase-seq）整合，主要是6个模式生物的数据，包括(human, mouse, rat, fruit fly, nematode, and budding yeast), 最后形成了：ChIP-Atlas (http://chip-atlas.org) Continue reading
在人类癌症研究领域，基因工程小鼠模型，也就是genetically engineered mouse models (GEMMs) 和肿瘤细胞系一样，是家喻户晓的实验材料。尽管非常多的研究表明，小鼠模型得到的癌症相关基因和通路都是在人类里面可以看到的，但也有不少研究指出来了小鼠和人类的本质差异，现在就让我们来看看这样的研究吧。 Continue reading
说到WGCNA分析，分享一个好玩的故事， https://www.ncbi.nlm.nih.gov/pubmed/31382519 我3年前的WGCNA的教程， 有人拿去发文章了 , 是不是很有趣，https://github.com/jmzeng1314/my_WGCNA，而且不止发一篇，还有一个，https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6639467/ 同样的数据集和代码
文章发表于2017年11月，是 A novel microglial subset plays a key role in myelinogenesis in developing brain
数据公布在GEO，还提供了表达矩阵：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE78809
cat GSE78809_series_matrix.txt|grep ftp|tail -1|tr '\t' '\n'|tail -n +2|xargs wget -c
可以直接下载表达矩阵去走下游分析，也可以从 https://www.ncbi.nlm.nih.gov/sra?term=SRP071039 测序原始数据开始。 Continue reading
2018年2月的一篇PNAS文章：Global changes of H3K27me3 domains and Polycomb group protein distribution in the absence of recruiters Spps or Pho 的作者来我们学校面试助理教授，有幸听他完整讲述他们课题组的工作。
这篇文章只有两个共一的作者，一个负责全部的实验环节，一个负责全部的数据分析环节，所以作者的确是有真才实学的，佩服！ Continue reading
2018年发表于science杂志，文章是：Single-cell transcriptomes from human kidneys reveal the cellular identity of renal tumors. 一句话描述：
We studied 72,501 single-cell transcriptomes of human renal tumors and normal tissue from fetal, pediatric, and adult kidneys. Continue reading
本次分享的文献发表于2018年11月30日，在Science 杂志，“Single-cell Multi-omics Sequencing and Analyses of Human Colorectal Cancer”， 该研究在国际上首次从单细胞分辨率、多组学水平深入解析了人类结直肠癌在发生和转移过程中，基因组拷贝数变异、DNA甲基化异常及基因表达改变的特点及相互关系。 Continue reading
帮同学处理一下他从公司拿到的差异分析结果，当然，给我的是Excel表格，老规矩，导出csv然后读入R，然后准备顺手画个火山图，做个GO/KEGG富集分析。下意识的看了看数据结构，然后顺手按照基因名排序了一下，哈哈哈~ Continue reading
可视化是一门很深的学问，详解：https://mubu.com/doc/3L0wkgGUVg 这里仅仅是出题30个，引导大家进入该领域！
这里仅仅是针对一个数据集，就是r包airway并且通过assay函数拿到其表达矩阵。 Continue reading
统计学是一门很深的学问，这里仅仅是出题帮助大家熟练使用R语言来学习统计学知识，具体知识点需要更深入阅读书籍或者教程：
单细胞转录组技术在发育生物学领域应用的最为成熟和广泛，单细胞领域大拿汤富酬就是在发育生物学方向颇有建树。本次要分享的两篇文章：2018, Cell Reports 和 2019, Cell Reports是同一个研究团队的成果，2018的研究是是取Tg(Nr5a1-GFP) 雄性小鼠的睾丸在 5个发育时间点 (E10.5, E11.5, E12.5, E13.5, and E16.5) 进行单细胞转录组测序，2019的研究是Tg(Nr5a1-GFP) 转基因小鼠的性腺在6个发育时间点 (E10.5, E11.5, E12.5, E13.5, E16.5, and post-natal day 6 [P6])。 Continue reading
为了分析不同类型、组织起源肿瘤的共性、差异以及新课题。TCGA于2012年10月26日-27日在圣克鲁兹，加州举行的会议中发起了泛癌计划。参考：https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6000284/ 为此我也录制了系列视频教程在：TCGA知识图谱视频教程（B站和YouTube直达）
发表于 PLoS Genet. 2018 Sep 的研究，Pan-cancer inference of intra-tumor heterogeneity reveals associations with different forms of genomic instability. 系统性的探索了32种癌症的接近6000个肿瘤病人数据的肿瘤内部异质性情况，值得注意的是作者这里使用PhyloWGS算法的结果来代表肿瘤内部异质性，所有的生物学意义的结论都是基于这个假设。 Continue reading
为了分析不同类型、组织起源肿瘤的共性、差异以及新课题。TCGA于2012年10月26日-27日在圣克鲁兹，加州举行的会议中发起了泛癌计划。参考：https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6000284/ 为此我也录制了系列视频教程在：TCGA知识图谱视频教程（B站和YouTube直达） Continue reading
统计学上分布有很多，在R中基本都有描述。因能力有限，我们就挑选几个常用的、比较重要的简单介绍一下每种分布的定义，公式，以及在Ｒ中的展示。 Continue reading