通常大家会选择流式细胞仪（Flow Cytometry）这种技术，来纯化特定单细胞亚群。但是流式细胞筛选并不能保证百分百的效率哦，甚至说有时候都达不到50%，我们来使用几个案例说明一下：
首先看2018的cell杂志的文章：《Single-Cell Map of Diverse Immune Phenotypes in the Breast Tumor Microenvironment》
有两个流式细胞筛选操作，所以有两个单细胞转录组数据集： Continue reading
有很多小伙伴表示看到了我们的永久免费的生信进阶培训（线下）通知，但是不知道如何才算是有基础生物信息学数据分析能力是可以过来的，其实很简单的，就是可以独立完成下面的推文图表 ： Continue reading
前面我们视频号直播了一个表达量芯片数据处理，详见：这样去除表达量芯片的批次效应可能不妥，这个物信息学数据挖掘的标题是：《Novel ferroptosis gene biomarkers and immune infiltration profiles in diabetic kidney disease via bioinformatics》，直播回放的视频在： Continue reading
我看到了《肿瘤资讯》公众号发布了浙江省肿瘤医院泌尿外科副主任医师徐一鹏的《从模型出发看肿瘤药物研究》观点，里面提到了肿瘤细胞系，即Cell lines的两个缺点： Continue reading
六年前我组建过一个【生信文献200篇】活动，因为自己课题组背景偏好性导致大家一起读了很多肿瘤领域的类器官文献，如下所示： Continue reading
虽然早在2009年，荷兰Hubrecht研究所的Hans Clevers博士就证实 肠干细胞 能够形成类器官，开启了 类器官研究的时代。但是早期类器官并没有在肿瘤领域大放异彩，算起来单细胞也是2009年汤富酬博士开启的，但是也是在发育生物学领域“小步慢跑”。
我常见系统性梳理过 2014到2018期间的癌症领域的单细胞研究，可以说是少得可怜，都是broad研究所的基于smart-seq的，在脑瘤，黑色素瘤，头颈癌有CNS文章发表。同样的是这个时间段， 类器官也是在每个癌症领域都有了CNS文章，比如 ： Continue reading
前面的教程里面 能从源头解决数据分析的瑕疵吗 ，我们重现了普通单细胞转录组数据分析的从fastq文件开始的走cellranger的定量流程。使用的是kingfisher进行了一行代码下载数据，但是针对同一个文章的空间单细胞转录组数据就总是失败，既然没办法直接下载fastq文件，就只能说是曲线救国啦，先现在ncbi数据库里面的sra文件然后转为fastq文件即可。 Continue reading
看到了朋友圈好友转发了一个2024新鲜出炉的基于蛋白质组数据对阿兹海默症进行早期诊断的文章：《Alzheimer’s disease early diagnostic and staging biomarkers revealed by large-scale cerebrospinal fluid and serum proteomic profiling》，文章的摘要写的非常棒，很清晰，如下所示： Continue reading
我们粗浅的认为空间单细胞约等于10x技术，虽然说确实是有很多其它空间单细胞技术可以产出各式各样的数据。但是前期我们还是着重于介绍10x的空间单细胞文件格式详解 ，里面 提到的几个案例其实并不是所有的数据集都是可以分析的，因为作者提供的文件本身就是缺胳膊断腿的。 Continue reading
刷小红书看到了一个线上兼职数据分析项目合作的难堪撕逼故事，不知道是不是大数据猜透了我的喜好，反正就是隔三差五就看到类似的撕逼大戏。
而且不知道为什么这个小伙伴会如此爽快的预付了全部的3000元的数据分析劳务报酬，这样的话基本上就受制于接单的工程师的良心了！ Continue reading
最近很多生物信息学的小IP出来了，很多都是做了公众号才小半年，也不是日更频率的坚持吧，就开始接单甚至组建数据分析团队。
真的是很有意思，也不好说他们“急功近利”吧，但也确实有点“猴急”了，自己都还没有把ngs多组学流程吃透，也没有单细胞多组学项目经验，就学别人“空手套白狼”两头吃。真的是反面教材了： Continue reading
寒假期间安排了一些小伙伴练习单细胞，其中一个文献是：《A comprehensive single-cell map of T cell exhaustion-associated immune environ- ments in human breast cancer》，它配套的数据在 E-MTAB-10607 可以看到，但是小伙伴在降维聚类分群的时候实在是没办法达到原文的漂亮的结果：
文献里面提到了是标准的商业化的10x技术的单细胞转录组，After standard data pre-processing, 119,000 high-quality cell measurements remained in the dataset Continue reading
前面我们推荐了方法学：使用singleR基于自建数据库来自动化注释单细胞转录组亚群，广受好评，然后马上就有小伙伴留言说这个功能跟Seurat的TransferData函数类似，我就马不停蹄的尝试了一下： Continue reading
学员在交流群反馈在处理一个2020的文章里面的GSE155513和GSE155512这两个单细胞转录组数据集遇到了两个物种数据集整合失败问题。
这两个数据集分别是人和鼠的SMC异质性探索的，文献标题是：《Single-Cell Genomics Reveals a Novel Cell State During Smooth Muscle Cell Phenotypic Switching and Potential Therapeutic Targets for Atherosclerosis in Mouse and Human》，可以看到GSE155513和GSE155512这两个单细胞转录组表达量矩阵是可以很好的整合： Continue reading
微信交流群有小伙伴反馈了最近处理的一个单细胞转录组数据集，发现明明是8个10x技术的单细胞，对应2024的文章：《A single-cell atlas of the aging mouse ovary》，但是文章就使用了不到1.5万个细胞： Continue reading
前两天我们介绍了：揭秘上海市生物信息学会，广大粉丝们看到了之后希望我们可以顺理成章的把目前中国大陆的全部的生物信息学协会都介绍一次，而且可以同时宣传一些这些协会即将举办的会议。
然后就看到了这个月底（2024年4月27日）的广东省生物信息学会的会年会，正好推广一波： Continue reading
前面我们介绍的单细胞亚群主要是肿瘤微环境里面的3大亚群，就是上皮细胞和免疫细胞，以及间质细胞。而且绝大部分文章都是抓住免疫细胞亚群进行细分，包括淋巴系（T,B,NK细胞）和髓系（单核，树突，巨噬，粒细胞）的两大类作为第二次细分亚群。但是也有不少文章是抓住stromal 里面的 fibro 和endo进行细分，并且编造生物学故事的。
但并不是所有人都是研究肿瘤的，也有一些其它领域的单细胞亚群值得整理和分享，比如软骨相关的单细胞亚群。目前主要是在腰椎间盘和骨关节相关的疾病研究看到它。而且腰椎间盘和骨关节中的细胞异质性相当丰富，它们由多种不同的细胞亚群组成，这些细胞亚群在椎间盘和骨关节的发育、功能以及疾病的发生发展中发挥着重要作用。 Continue reading
前面我们分享了流式细胞这个技术在单细胞转录组课题的应用，详见：流式细胞筛选能保证多大程度的细胞亚群纯度呢，也就是说其实它并不能保证我们百分百获取的都是目标单细胞亚群从而对它进行细致的 探索。比如这个新鲜出炉的文章：《Intratumoral CD38+CD19+B cells associate with poor clinical outcomes and immunosuppression in patients with pancreatic ductal adenocarcinoma》，就是在做单细胞转录组的时候有：The sorted CD45+CD19+ B cells 的富集操作： Continue reading
一般来说，GEO数据库的文件是没有必要高速下载的，因为里面存放的都是表达量矩阵等，文件非常小，通过浏览器点击下载的方式就算是网络很慢，等等也会成功。
但是如果要下载成百上千个文件，最好是使用代码批量下载，而且现在单细胞技术的大行其道，使得表达量矩阵文件本身也会很巨大，比如：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE253013 ，可以看到如下所示9.3 Gb文件 ： Continue reading
前两天在公众号推了一下我们持续了五年多的《明码标价》服务，列表见：