剑桥大学2018单细胞转录组分析实战教程

剑桥大学于2018年发布的单细胞转录组分析教程，是一份针对生物信息学专业人士和研究者的实用指南，旨在深入讲解单细胞RNA-seq的数据处理、分析和解读。该教程由Vladimir Kiselev、Tallulah Andrews、Jennifer Westoby、Davis McCarthy、Maren Büttner和Martin Hemberg等人编撰，涵盖了单细胞测序技术与R语言包在实际应用中的关键步骤。 课程大纲包括以下几个部分： 1. **课程介绍** - 视频教程：提供视频形式的教学内容，便于理解和实践。 - 注册与参与：学员可以通过注册获取课程资源，包括GitHub仓库和Docker镜像（RStudio环境）。 - 手动安装：对于无法使用Docker的用户，提供了手动安装指导。 - 许可证信息：明确课程的版权和使用许可。 - 预先知识：对参与者的基本技能要求，如编程基础（特别是R语言）、生物信息学基础知识等。 - 联系方式：提供课程作者和维护者的联系方式，以便咨询和交流。 2. **单细胞RNA-seq概述** - 介绍传统的bulk RNA-seq与单细胞测序技术的区别。 - 流程概览：从样本收集到数据分析的整体流程。 - 计算分析：强调了单细胞数据的复杂性以及计算挑战。 - 实验设计建议：针对实验平台选择给出建议。 3. **处理原始单细胞RNA-seq数据** - FastQC：数据质量初步检查。 - 读取修剪：去除低质量序列，提高后续分析的准确性。 - 文件格式：解释常用的文件格式，如FASTQ、 BAM等。 - 多重标记解码：针对多色或多平台实验的处理方法。 - 使用STAR进行序列比对：详细介绍星形图比对工具在单细胞数据中的应用。 - Kallisto和Pseudo-Alignment：介绍基于假想转录本的方法，如Kallisto，作为比对替代方案。 4. **构建表达矩阵** - 读取质量控制：对经过比对的读取进行质量评估。 - 读取映射：解释如何将读取与参考基因组或转录本集对应起来。 - 映射示例：通过实例展示读取到基因表达的转换过程。 - 映射质量控制：确保比对结果的准确性和完整性。 - UMI（Unique Molecular Identifiers）：介绍独特的分子标识符在减少噪音和计数误差中的作用。 5. **R/Bioconductor入门** - R语言介绍：强调其在生物信息学领域的广泛应用，包括数据处理、可视化和统计分析。 - Bioconductor库：展示了如何利用Bioconductor生态系统中的各种工具进行单细胞RNA-seq数据分析。 本教程以R语言为主线，详细介绍了单细胞转录组分析的核心步骤，从数据预处理到生物信息学分析，为研究者提供了一个全面且实用的指南，帮助他们解析复杂的单细胞基因表达数据。学习者在完成本教程后，将具备分析单细胞RNA-seq数据的专业技能，以应对现代生物学研究中的挑战。