课程简介

随着高通量测序技术的发展，如今我们已能够从单细胞水平获取全基因组转录组数据（scRNA-seq）。与传统bulk RNA-seq或单细胞qPCR相比，scRNA-seq的最大优势在于其细胞分辨率和全基因组覆盖范围，使其能够解决其他方法难以触及的生物学问题。然而，scRNA-seq数据的分析需要全新的计算和统计方法，传统bulk RNA-seq的分析假设已不再适用。

剑桥大学通过其生物信息学培训单元开设了本课程，旨在帮助研究人员掌握scRNA-seq数据分析的核心方法与工具。本页面为课程的公开材料，适用于任何对单细胞转录组计算分析感兴趣的学习者。

课程特色

• 系统全面：涵盖scRNA-seq分析的关键步骤，从数据预处理到高级分析。
• 基于R语言：课程主要使用R语言实现的分析工具，强调运行效率和实用性。
• 可复现性：提供完整的Docker镜像，包含所有所需软件包和数据，无需额外安装即可复现全部分析流程。
• 持续更新：课程每年开设两次，材料在每次授课前都会更新，紧跟单细胞领域快速发展的工具和方法。
• 开源共享：所有课程材料采用GPL-3许可证，允许自由使用、修改和传播。

课程内容概览

本课程将系统讲解以下核心内容：

• scRNA-seq实验设计基础
• 数据质量控制与过滤
• 标准化与批次效应校正
• 降维与可视化（PCA、t-SNE、UMAP）
• 细胞聚类与亚群鉴定
• 差异表达基因分析
• 细胞类型注释
• 轨迹推断与发育分析
• 整合分析（多批次、多模态数据）

学习前提

• 具备基本的Unix命令行操作能力
• 熟悉R脚本语言
• 了解bulk RNA-seq数据分析的基本流程和工具

课程资源

• 课程主页：https://www.singlecellcourse.org/index.html
• GitHub仓库：包含所有代码和材料
• Docker镜像：一键启动完整分析环境
• 数据文件：可通过脚本或网页下载

推荐人群

• 生物信息学研究人员
• 从事单细胞转录组研究的实验生物学家
• 希望系统学习scRNA-seq数据分析的学生和博士后

课程引用与联系

如将本课程材料用于教学，请注明出处。如有任何问题或建议，可联系课程负责人Alexander Predeus、Hugo Tavares或Vladimir Kiselev。