BioSciTools单细胞转录组10X-Genomics SingleCell-RNASeq分析

• 1.Update Description

• 2.Algorithm New Apps

• 3.SingleCell New Apps

1.Update Description

BioSciTool v1.3.2
Website: https://bioscitools.github.io
Github: https://github.com/bioscitools/bioscitools.github.io

亲爱的BioSciTools用户:
高校开学已有些时间，此次BioSciTool更新带来基于10X Genomics测序CellRange输出结果的单细胞常规转录组(SingleCell RNA-Seq)数据分析程序。多个程序主要参考10X Genomics数据格式和Seurat数据分析流程，允许用户执行数据QC、细胞过滤、线粒体基因占比统计、Feature过滤、高变Feature鉴定、PCA分析及JackStraw对PCA的选择、细胞UMAP/TSNE聚类、所有Cluster的Marker基因选择，所有分析中输出可视化结果和对应的表格数据。更新程序如下：Algorithm分类中更新Heatmap、CircosHeatmap，SingleCell分类中更新FeatureQC, FeatureFilter, FeatureVariable, FeaturePCA, PCAJackStraw, CellUMAP, CellTSNE, MarkerViolin, MarkerUMAP, MarkerHeatmap, CellAnnotation。下面做简单介绍：

2.Algorithm New Apps

2.1 Heatmap
常规矩阵数据结构的热图可视化

2.2 CircosHeatmap
矩阵数据结构,以Circos环状热图可视化

3.SingleCell New Apps

3.1 FeatureQC
过滤低质量的通常具有很少的基因的细胞或空液滴，过滤细胞双倍体或多重体可能表现出异常高的基因计数。

3.2 FeatureFilter
低质量/垂死的细胞通常表现出广泛的线粒体污染，使用PercentageFeatureSet（）函数计算线粒体质量控制指标，使用所有以MT开头的基因作为一组线粒体基因，最终过滤过滤具有超过2500或少于200个独特特征的细胞，过滤线粒体计数>5%的细胞。

3.3 FeatureVariable
首先使用全局缩放归一化方法“LogNormalize”，该方法将每个单元的特征表达式测量值归一化为总表达式，将其乘以缩放因子（默认为10000），并对结果进行对数变换。然后鉴定高度可变特征的识别（特征选择）。

3.4 FeaturePCA
应用线性变换缩放作为PCA等降维技术之前的标准预处理步骤。对标准化后的数据执行PCA。默认情况下，仅使用先前确定的变量特征作为输入。

3.5 PCAJackStraw
基于JackStraw算法对PCA分析的所有或前20个PC执行计算评估，计算所得含有P-value，并可视化选择最符合条件的1-n个PC。

3.6 CellUMAP
细胞聚类后基于UMAP (Uniform Manifold Approximation and Projection)非线性降维使得细胞在图中聚簇。

3.7 CellTSNE
细胞聚类后基于TSNE (t-distributed Stochastic Neighbor Embedding)非线性降维使得细胞在图中聚簇。

3.8 MarkerViolin
基于所有细胞聚类筛选差异表达基因作为Marker基因，可以可视化多个Marker基因在多个细胞类群中的表达。

3.9 MarkerUMAP
基于所有细胞聚类筛选差异表达基因作为Marker基因，可以可视化多个Marker基因在多个细胞类群中的表达。

3.10 MarkerHeatmap
基于所有细胞聚类筛选差异表达基因作为Marker基因，可以可视化多个Marker基因在多个细胞类群中的表达。

3.11 CellAnnotation
根据细胞特征基因鉴定细胞类群，并注释所有细胞类群。

后续预告：单细胞空间组学相关的程序正在写，预计在下次更新中增加！