跟著運來兄搭建自己的生物信息小書房。趁年輕，讀幾本硬書，到老了慢慢反芻。
如果讓我推薦一本比較全面的單細胞數(shù)據(jù)分析教材，我想會是《Computational-method-for-single-cell-data-analysis》。在2019年剛出版沒多久的時候，就有趁著一次在中科院的生物信息會議之后，打印了這本書(僅作個人學習之用)。
本書談及單細胞數(shù)據(jù)分析深入淺出，一大特色是實操性很強，每一節(jié)都有代碼示例?，F(xiàn)在再翻看這本書，一個體會是：很多分析工具其實早就為我們做好了，不必為工具的不斷迭代而糾結。身處哪個時代，我們就用那個時代的工具來分析我們的數(shù)據(jù)。另一個體會是：雖然工具不斷迭代，但是生物學問題是不變的，比如如今我們還是會問：細胞類型和細胞狀態(tài)的區(qū)別到底是什么？連續(xù)中包含著離散嗎？
全書以單細胞數(shù)據(jù)質(zhì)控開始，以空間數(shù)據(jù)分析結束。完整介紹了單細胞數(shù)據(jù)分析的流程：
- 質(zhì)控
- 均一化
- 高變異基因
- 細胞類型鑒定
- 稀有細胞類型
- 小鼠細胞圖譜
- 通路分析
- 擬時序分析
- 基因共表達網(wǎng)絡
- 單細胞等位基因
- 單細胞可變剪切
- 單細胞表觀
- 單細胞抗體
- 空間轉(zhuǎn)錄組
借題發(fā)揮一下，這里分享一番讀者本人對單細胞數(shù)據(jù)分析中的數(shù)據(jù)質(zhì)控的基本看法。這一部分是大部分入門單細胞數(shù)據(jù)分析第一個要面臨的困惑：nFeature/mt 的閾值到底設置多少是合適的，5%，15%還是25%?單細胞的數(shù)據(jù)質(zhì)控到底有沒有一個統(tǒng)一的標準？
答案是還沒有。
為啥呢？
這就要回到單細胞這項技術解決的基本生物學問題上來：他回答的就是組織內(nèi)細胞的異質(zhì)性，什么叫異質(zhì)性？另一個名字叫：不一樣。
以線粒體基因的表達為例，一開始人們認為線粒體基因表達量高的細胞狀態(tài)不好，可能瀕臨死亡，這些細胞需要去除。隨著研究的深入，我們發(fā)現(xiàn)有些細胞類型線粒體基因表達量確實比一般的細胞高，比如神經(jīng)細胞。退一步講，瀕臨死亡的細胞就不值得被研究了嗎？一些腫瘤組織的線粒體基因確實較高呀，你按照5%的閾值去卡，10000個細胞還剩下200個。
再以細胞周期為例，在一些單細胞數(shù)據(jù)分析教程里演示了如何回歸掉細胞周期對分群的影響，得出的結論是：你看我對細胞周期進行了回歸，這樣細胞圖普就正常多了。然而，當我們研究的是腫瘤細胞的話，這樣的回歸是否有必要呢？腫瘤的一個特色就是細胞周期失控，一些細胞周期調(diào)控基因表達量很高。
另一方面，在數(shù)據(jù)分析的實踐中，我們從一個表達矩陣中刪除細胞、亞群、基因是一件很好操作的事情。但是如果在條件還不是那么明朗的情況下就貿(mào)然刪除掉某些細胞，再想把他們加回來就不好操作了：很多分析需要重新做。更重要的是：很多事，一旦錯過了，就不再。
所以單細胞數(shù)據(jù)質(zhì)控的一個基本原則是什么：
You cannot stop it if you cannot see it
特別在剛讀入數(shù)據(jù)的那個晚上，對手里的數(shù)據(jù)局勢還不是很明朗，不能以莫須有的名義刪除我們花了大貴價錢測來的細胞或者基因。說人話就是：在最開始的數(shù)據(jù)質(zhì)控中，我們可以把質(zhì)控條件設置的寬一些。然后再根據(jù)數(shù)據(jù)分布特征（如小提琴圖）或者基因通路來判斷某些亞群的去留?？偨Y起來就是：
- 具體問題具體分析
- 數(shù)據(jù)質(zhì)控有理有據(jù)
回到咱們這本書上來，印象最深的內(nèi)容有郭老師參與寫作的scMCA: A Tool to Define Mouse Cell Types Based
on Single-Cell Digital Expression這一章，介紹了小鼠細胞圖譜以及如何利用它來做細胞類型的鑒定，也是在那個時候開始follow這個團隊。
直到現(xiàn)在，我還在是不是翻看這本書，每有會意往往有得。
這幾年單細胞數(shù)據(jù)朝著多組學、高通量的方向發(fā)展，單細胞數(shù)據(jù)分析也沉淀一些經(jīng)典的分析工具，同時也出現(xiàn)一些新興的實踐。不變的是我們不斷對生物學問題的探索和追問，讓我們一起在這個快速發(fā)展的領域：荷道以躬，輿之以言。
