刘小泽
刘小泽

来自刘小泽理解的一份诚意满满的单细胞教程

刘小泽写于19.9.13-23，去掉中间忙碌的几天，也差不多用了5天的时间认真学完，全是精华
动力来自偶然间看到的Bioconductor放出的单细胞数据分析教程 Read count data
https://bioconductor.org/packages/release/workflows/vignettes/simpleSingleCell/inst/doc/reads.html
官方更新于2019-05-03，作为跟着Bioconductor一步一步学习scRNA系列第二部
跟着Bioconductor一步一步学习scRNA（一）
这里对整个文章进行了分节，阅读起来更加系统和流畅~来自刘小泽（生信星球”豆豆“的满满诚意）

1 前言

依旧是我的传统：不‍♀️翻译 并结合自己的知识尝试加入自己的理解

这次的官方教程主要介绍使用简单数据集（Lun et al. 2017）来走scRNA的分析流程。这个数据集中包含2个96孔板416B 细胞（一种永生型小鼠骨髓祖细胞系），利用Smart-seq2建库。另外在文库制备过程中加入了ERCC。基因定量是将reads比对到外显子区域，同样每个spike-in转录本也比对到spike-in参考序列（一般会在构建基因组索引前就将ERCC序列加到基因组最后）。当然，这是上游分析的内容，这里我们不关心，实际情况中也并不是人人都要自己做上游分析。我们一般会拿到表达矩阵（这里我们会使用 E-MTAB-5522 这个数据集）

来自刘小泽理解的一份诚意满满的单细胞教程_第1张图片
图1

2 关于下载

官方利用了BiocFileCache 包进行下载，我们把下载的数据都存放在自定义的目录中（例如：raw_data ），这样以后再次使用就可以避免重新下载

BiocManager::install("BiocFileCache")
library(BiocFileCache)
# browseVignettes('BiocFileCache') 查看帮助文档
# 首先自定义一个存放数据的目录
bfc <- BiocFileCache("raw_data", ask = FALSE)
# file.path可以是本地路径或者网络链接（直接下载到BiocFileCache指定的目录）
lun.zip <- bfcrpath(bfc, 
                    file.path("https://www.ebi.ac.uk/arrayexpress/files",
                              "E-MTAB-5522/E-MTAB-5522.processed.1.zip"))
lun.sdrf <- bfcrpath(bfc, 
                     file.path("https://www.ebi.ac.uk/arrayexpress/files",
                               "E-MTAB-5522/E-MTAB-5522.sdrf.txt"))
unzip(lun.zip, exdir=tempdir())

3 数据的设置

3.1 加载表达矩阵

前面说到这个数据集包含了两个细胞板测序数据，结果就有两个文件。每个文件的行是内源基因或者spike-in转录本，每列表示细胞。

3.1.1 一个小问题：R读入数据后会改变列名

这个写了个推送，这里只列下结论:

  • R认为短横线-是无效的，所以如果读入的列名中包含了-，它会默认将其替换为. ，目的是确保能及时检验是否出现重复的列名
  • 如果原本数据中的列名包括-或者其他R不识别的字符，自己还想让读到R的数据与原数据保持一致，就需要使用check.names = FALSE 不让read.csv或者read.delim读入的数据框中列名的-变成. 
plate1 <- read.delim(file.path(tempdir(), "counts_Calero_20160113.tsv"), 
                     header=TRUE, row.names=1, check.names=FALSE)

plate1[1:2,1:2]
# Length SLX-9555.N701_S502.C89V9ANXX.s_1.r_1
# ENSMUSG00000102693   1070                                    0
# ENSMUSG00000064842    110                                    0

dim(plate1)
# [1] 46703    97

plate2 <- read.delim(file.path(tempdir(), "counts_Calero_20160325.tsv"), 
                     header=TRUE, row.names=1, check.names=FALSE)

其中第一列是基因长度，把这个信息提取出来，就可以去掉啦

gene.lengths <- plate1$Length # 提取基因长度
plate1 <- as.matrix(plate1[,-1]) 
plate2 <- as.matrix(plate2[,-1])

然后把两个细胞板的表达矩阵按列整合起来，但首先要检测它们的行名是否一致：

stopifnot(identical(rownames(plate1), rownames(plate2)))
all.counts <- cbind(plate1, plate2)

3.2 利用表达矩阵创建SCE对象

为了后续操作的流畅，这里将表达矩阵存储到一个SingleCellExperiment s对象中（scater、scran包使用的也是这个对象），这样可以添加许多行或列的注释信息

来自刘小泽理解的一份诚意满满的单细胞教程_第2张图片
图2 
suppressMessages(library(SingleCellExperiment))
sce <- SingleCellExperiment(list(counts=all.counts))
# 将基因长度信息添加在rowData中作为注释
rowData(sce)$GeneLength <- gene.lengths

sce
# class: SingleCellExperiment 
# dim: 46703 192 
# metadata(0):
#   assays(1): counts
# rownames(46703): ENSMUSG00000102693 ENSMUSG00000064842 ... SIRV7
# CBFB-MYH11-mcherry
# rowData names(1): GeneLength
# colnames(192): SLX-9555.N701_S502.C89V9ANXX.s_1.r_1
# SLX-9555.N701_S503.C89V9ANXX.s_1.r_1 ...
# SLX-11312.N712_S508.H5H5YBBXX.s_8.r_1
# SLX-11312.N712_S517.H5H5YBBXX.s_8.r_1
# colData names(0):
#   reducedDimNames(0):
#   spikeNames(0):

记得这个数据是包含ERCC的，所以要把这些外源的转录本提取出来，发现有92个ERCC，符合认知：

关于ERCC spike-in的小知识：
spike-in是已知浓度的外源RNA分子。在单细胞裂解液中加入spike-in后，再进行反转录。最广泛使用的spike-in是由External RNA Control Consortium （ERCC）提供的。目前使用的赛默飞公司提供的ERCC是包括92个不同长度和GC含量的细菌RNA序列，因此它和哺乳动物转录组不同，主要体现在转录本长度、核苷酸成分、polyA长度、没有内含子、没有二级结构。polyA尾大约15nt（一般保守的内源mRNA的polyA尾有250nt）。用它是为了更好地估计和消除单细胞测序文库的系统误差(除此以外，还有一种UMI在10X中常用)。ERCC应该在样本解离后、建库前完成添加。

# grepl返回逻辑值
isSpike(sce, "ERCC") <- grepl("^ERCC", rownames(sce))
summary(isSpike(sce, "ERCC"))
##    Mode   FALSE    TRUE 
## logical   46611      92

除了ERCC，这个数据集还有点奇怪，因为它还包含了其他的spike-in信息，也就是Spike-In RNA Variants (SIRV)。为了操作简便，我们这里只用ERCC就好，这7个SIRV就可以舍去

is.sirv <- grepl("^SIRV", rownames(sce))
summary(is.sirv)
##    Mode   FALSE    TRUE 
## logical   46696       7
sce <- sce[!is.sirv,]
来自作者的建议：

挑选ERCC，我们这里用的正则表达匹配：^ERCC ，但是要注意，人类基因组中也会有以ERCC开头的基因集，比如来自GeneCard的结果：

来自刘小泽理解的一份诚意满满的单细胞教程_第3张图片
图3

这样在挑选spike-in的时候，就可能会出错，因此在发布表达矩阵的时候，最好使用标准命名（Entrez、Ensembl），最好不要直接用Symbol命令

3.3 添加整合细胞注释信息

上面的操作是对基因的信息进行操作，接下来就是对细胞信息整合

3.3.1 首先保证注释信息与表达矩阵的细胞顺序一一对应

细胞的注释信息存储在sdrf.txt文件中，使用这个文件时需要注意：检查这个文件的行顺序是否与上面表达矩阵的列顺序一一对应（下面代码会有一个操作，保证二者顺序一致）。如果不一致，表达矩阵的细胞就会对应到错误的细胞注释信息。

# 依旧使用check.names读入细胞注释信息
metadata <- read.delim(lun.sdrf, check.names=FALSE, header=TRUE)
metadata[1:3,1:3]
# match的作用是返回前一个参数在后一个参数中的位置
m <- match(colnames(sce), metadata[["Source Name"]]) 
# 这样m就存储了一系列的位置，将表达矩阵的列和细胞注释信息的行顺序一一对应起来

stopifnot(all(!is.na(m))) # 检查是否完整（即包含所有的细胞）
metadata <- metadata[m,]
# 这样就保证了我们只取到和表达矩阵相关的细胞注释，其他无用信息可以去除
head(colnames(metadata))
## [1] "Source Name"                "Comment[ENA_SAMPLE]"       
## [3] "Comment[BioSD_SAMPLE]"      "Characteristics[organism]" 
## [5] "Characteristics[cell line]" "Characteristics[cell type]"

match函数：想按谁进行匹配，谁就放在第一个位置，比如最后想按表达矩阵细胞名进行匹配，让细胞注释细胞名”屈服于“表达矩阵细胞名的顺序，就要把表达矩阵细胞名放第一个
例如：B[match(A,B)] 就实现了B按照A排列

3.3.2 然后添加细胞注释信息到对象

例如这里可以将细胞来源（也就是对应细胞板信息）、细胞表型添加一下，要注意它们都是因子型变量：

# 先添加细胞来源
colData(sce)$Plate <- factor(metadata[["Factor Value[block]"]])
# 然后添加细胞表型
pheno <- metadata[["Factor Value[phenotype]"]]
levels(pheno) <- c("induced", "control")
colData(sce)$Oncogene <- pheno
# 最后看看新增的细胞表型数据
table(colData(sce)$Oncogene, colData(sce)$Plate)
##          
##           20160113 20160325
##   induced       48       48
##   control       48       48

3.4 添加整合基因注释信息

我们上游定量得到的基因一般都是Ensembl或Entrez的ID，这样保证了ID号的准确性和稳定性。但是，只看这样的ID我们还是不能知道这个是什么基因，因为常用的还是Symbol ID，像“TP53“、”BRCA1“等，因此就涉及到了另一个常用知识点：

3.4.1 基因ID转换

这里是小鼠数据，因此使用小鼠的注释包

第一种方法：mapIds(得到的是一个字符串)，并且得到的基因名和原来矩阵的基因名是一一对应的

library(org.Mm.eg.db)
symb <- mapIds(org.Mm.eg.db, keys=rownames(sce), keytype="ENSEMBL", column="SYMBOL")

# 看看数据类型
> head(symb)
ENSMUSG00000102693 ENSMUSG00000064842 ENSMUSG00000051951 ENSMUSG00000102851 
                NA                 NA             "Xkr4"                 NA 
ENSMUSG00000103377 ENSMUSG00000104017 
                NA                 NA 

# 检测一下它们的Ensembl ID是否一样
> identical(names(symb),rownames(sce))
[1] TRUE

rowData(sce)$SYMBOL <- symb
rowData(sce)$ENSEMBL <- rownames(sce)

第二种方法：select(得到的是一个数据框）,它得到的基因名顺序和原矩阵基因名顺序不同，需要再match

library(org.Mm.eg.db)
tmp <- select(org.Mm.eg.db, keys=rownames(sce), keytype="ENSEMBL", column="SYMBOL")

# 看看数据类型
> head(tmp)
             ENSEMBL SYMBOL
1 ENSMUSG00000102693   
2 ENSMUSG00000064842   
3 ENSMUSG00000051951   Xkr4
4 ENSMUSG00000102851   
5 ENSMUSG00000103377   
6 ENSMUSG00000104017   

# 检测一下它们的Ensembl ID是否一样
> identical(tmp$ENSEMBL,rownames(sce))
[1] FALSE

# 再match一下，按谁匹配谁放第一个
> identical(tmp$ENSEMBL[match(rownames(sce),tmp$ENSEMBL)],rownames(sce))
[1] TRUE
# 和第一种方法的比价，结果就一样啦
> identical(tmp$SYMBOL[match(rownames(sce),tmp$ENSEMBL)],as.character(symb))
[1] TRUE

# 于是第二种方法的结果就是
rowData(sce)$SYMBOL <- tmp$SYMBOL[match(rownames(sce),tmp$ENSEMBL)]
rowData(sce)$ENSEMBL <- rownames(sce)

综上两点，看来使用mapIds更加方便

好，最后看一下添加的基因信息：

> head(rowData(sce))
DataFrame with 6 rows and 3 columns
                   GeneLength            ENSEMBL      SYMBOL
                             
ENSMUSG00000102693       1070 ENSMUSG00000102693          NA
ENSMUSG00000064842        110 ENSMUSG00000064842          NA
ENSMUSG00000051951       6094 ENSMUSG00000051951        Xkr4
ENSMUSG00000102851        480 ENSMUSG00000102851          NA
ENSMUSG00000103377       2819 ENSMUSG00000103377          NA
ENSMUSG00000104017       2233 ENSMUSG00000104017          NA
3.4.2 整合行名（ID+Name）

上面的转Symbol name的操作确实很直观，但是毕竟不是所有的Ensembl ID都有Symbol name对应的。从上面的几行结果看到，没有Symbol 对应的就会被填成”NA“；另外如果出现重复的symbol，我们还要去重。这就用到scater包的一个功能：

uniquifyFeatureNames() make gene name unique and valid，如果有symbol name的，它会将Ensembl ID替换为symbol name，没有name的仍然使用ID；如果name相同、ID不同（即两个Ensembl ID对应同一个Symbol name），它会将ID与name组合保证特异性（详见?uniquifyFeatureNames）

library(scater)
# 参数很简单，第一个是ID，第二是names
rownames(sce) <- uniquifyFeatureNames(rowData(sce)$ENSEMBL, rowData(sce)$SYMBOL)

head(rownames(sce))
## [1] "ENSMUSG00000102693" "ENSMUSG00000064842" "Xkr4"              
## [4] "ENSMUSG00000102851" "ENSMUSG00000103377" "ENSMUSG00000104017"
3.4.3 添加基因所在染色体位置信息

利用这个包：TxDb.Mmusculus.UCSC.mm10.ensGene

可以参考：http://bioinfoblog.it/tag/txdb/

BiocManager::install('TxDb.Mmusculus.UCSC.mm10.ensGene')
library(TxDb.Mmusculus.UCSC.mm10.ensGene)
# TxDb storing transcript annotations（包括CDS、Exon、Transcript的start、end、chr-location、strand）
columns(TxDb.Mmusculus.UCSC.mm10.ensGene)
# 返回一个GRanges对象
head(transcripts(TxDb.Mmusculus.UCSC.mm10.ensGene,columns=c('CDSCHROM')))
# 补充：如果是想看org.db其中的内容
if(F){
  keytypes(org.Hs.eg.db)
  head(mappedkeys(org.Hs.egENSEMBL))
}

location <- mapIds(TxDb.Mmusculus.UCSC.mm10.ensGene, 
                   keys=rowData(sce)$ENSEMBL, 
                   column="CDSCHROM", keytype="GENEID")
rowData(sce)$CHR <- location
summary(location=="chrM")
##    Mode   FALSE    TRUE    NA's 
## logical   22428      13   24255

结果会发现有大量的NA，然后比对到线粒体的有13个

4 重要的细胞质控

4.1 首先得到一系列细胞质控指标

过滤低质量的细胞目的是保证计数的误差不会影响下游的分析，一般重点看这几个QC结果：

  • 文库大小（library size）：每个样本/文库中全部feature（包括内源基因、spike-in等）的表达量。如果一个细胞文库太小，说明RNA信息没有被有效地捕获出来（也就是在文库制备时没有有效地反转录、扩增）
  • 每个细胞中表达的feature数量：一个细胞中非0表达量的feature信息（内源基因、spike-in等）。如果一个细胞中有表达量的基因很少，整个基因覆盖度不高，还是说明很多转录本没有被有效捕获出来
  • 比对到spike-in转录本的reads比例：分母是每个细胞文库的大小，分子就是细胞其中spike-in的数量。如果这个值很高，间接说明内源基因占比很低，细胞质量不好。
  • 如果不使用spike-in的信息时，可以用线粒体基因来替代。高比例的线粒体基因同样也代表了细胞质量低（Islam et al. 2014; Ilicic et al. 2016）。原因如下：pre-mRNA在细胞核内完成一系列复杂加工后，成熟的mRNA被转运到细胞质中进行翻译。如果一个细胞破裂，大量的细胞质mRNA会外流，但是线粒体的体积比mRNA分子要大得多，因此最后剩下的线粒体mRNA也更多，最后经过反转录、扩增、比对到线粒体基因组的reads数也更多。【关于低质量细胞的影响，下面（4.3部分）还有介绍哦！】

对每个细胞利用scater包(McCarthy et al. 2017)的calculateQCMetrics()计算质控指标，结果会在行和列中增加metadata。

# 之前ERCC已经使用isSpike()添加到sce中，这里再将另一个影响因素Mt添加进来
mito <- which(rowData(sce)$CHR=="chrM")

sce <- calculateQCMetrics(sce, feature_controls=list(Mt=mito))
head(colnames(colData(sce)), 10)
##  [1] "Plate"                          "Oncogene"                      
##  [3] "is_cell_control"                "total_features_by_counts"      
##  [5] "log10_total_features_by_counts" "total_counts"                  
##  [7] "log10_total_counts"             "pct_counts_in_top_50_features" 
##  [9] "pct_counts_in_top_100_features" "pct_counts_in_top_200_features"
4.1.1 然后做个可视化

根据可视化结果来推断哪些细胞是低质量的，比如文库小、feature表达量低、高spike-in/Mt占比...

这样的细胞可能会影响下游分析，例如这群低质量细胞可能会独自聚成一类，然后影响我们对细胞亚群判断。因此可以先用scater的multiplot()作图

# 首先得到细胞类型和批次的组合信息
sce$PlateOnco <- paste0(sce$Oncogene, ".", sce$Plate)
multiplot(
    plotColData(sce, y="total_counts", x="PlateOnco"),
    plotColData(sce, y="total_features_by_counts", x="PlateOnco"),
    plotColData(sce, y="pct_counts_ERCC", x="PlateOnco"),
    plotColData(sce, y="pct_counts_Mt", x="PlateOnco"),
    cols=2)
来自刘小泽理解的一份诚意满满的单细胞教程_第4张图片
图4

除了对每个统计指标分别可视化，还可以看两两指标之间的关系：

par(mfrow=c(1,3))
plot(sce$total_features_by_counts, sce$total_counts/1e6, xlab="Number of expressed genes",
    ylab="Library size (millions)")
plot(sce$total_features_by_counts, sce$pct_counts_ERCC, xlab="Number of expressed genes",
    ylab="ERCC proportion (%)")
plot(sce$total_features_by_counts, sce$pct_counts_Mt, xlab="Number of expressed genes",
    ylab="Mitochondrial proportion (%)")
来自刘小泽理解的一份诚意满满的单细胞教程_第5张图片
图5

从上图就可以看到：

  • 文库越大，表达基因一般也越多
  • ERCC/MT越多，表达基因数量一般越少

4.2 为每个质控指标鉴定离群点

这个阈值的选择不要使用“一刀切”的模式，因为每种质控都有自己的范围，它们应该根据自己的特点去进行过滤。例如，不管细胞质量低不低，只要测序深，reads就多、有表达的feature数量也就多。还有，如果实验本身使用的spike-in RNA就多，那么最后得到的spike-in比例就高。我们过滤时就要先假设大部分细胞都是合格的，我们只需要剔除那些在QC结果中的离群点（Outliers）。

这些离群点的定义是根据绝对中位差（median absolute deviation，MAD），具体方法是：

Remove cells with log-library sizes that are more than 3 MADs below the median log-library size

看到使用了log归一化处理，它可以让非常大的值和非常小的值能够放在可以比较的范围之内。

下面过滤文库大小和有表达的feature数量（以低于中位数3倍MAD做为过滤条件）

# 一般也就是去掉低文库大小、低表达基因、高spike-in
libsize.drop <- isOutlier(sce$total_counts, nmads=3, type="lower", 
    log=TRUE, batch=sce$PlateOnco)

feature.drop <- isOutlier(sce$total_features_by_counts, nmads=3, type="lower", 
    log=TRUE, batch=sce$PlateOnco)

spike.drop <- isOutlier(sce$pct_counts_ERCC, nmads=3, type="higher",
    batch=sce$PlateOnco)

  • 其中batch参数是按照不同的批次（细胞类型+细胞板）分类统计离群点数量，毕竟看图4中不同批次组合得到的统计结果各不相同。另外，这里只用了spike-in作为过滤条件，这是因为线粒体本来在不同细胞中就有差别，而不一定是由于系统误差造成的，因此如果有spike-in就用它过滤就好。

  • 另外，isOutlier计算得到的阈值我们也能看到：

    > attr(libsize.drop, "thresholds")
       control.20160113 control.20160325 induced.20160113
lower           5.82883         5.622679         5.698215
higher              Inf              Inf              Inf
       induced.20160325
lower          5.664173
higher              Inf

> attr(spike.drop, "thresholds")
       control.20160113 control.20160325 induced.20160113
lower              -Inf             -Inf             -Inf
higher          8.99581         8.105749         15.50477
       induced.20160325
lower              -Inf
higher         12.71858

看下具体的过滤结果：

keep <- !(libsize.drop | feature.drop | spike.drop)
data.frame(ByLibSize=sum(libsize.drop), ByFeature=sum(feature.drop),
    BySpike=sum(spike.drop), Remaining=sum(keep))
##   ByLibSize ByFeature BySpike Remaining
## 1         5         4       6       183

一共过滤了15个细胞，这里还比较正常（如果发现总体中有超过10%的细胞被过滤掉，那么就要考虑一下具体原因了。不过我认为这是对smart-seq2这种细胞数量较少的方法来讲的，10X的中五千细胞过滤后剩下两三千也是常见的）

接着，将原始的对象保存为416B_preQC.rds（下面的4.3部分会使用到这个原始对象~当然，这是可选部分）
然后进行过滤

sce$PassQC <- keep
saveRDS(sce, file="416B_preQC.rds")
sce <- sce[,keep]
dim(sce)
## [1] 46696   183

4.3【可选】对低质量细胞进行质控的必要性

来自：https://bioconductor.org/packages/3.9/workflows/vignettes/simpleSingleCell/inst/doc/qc.html#assumptions-of-outlier-identification

4.3.1 低质量细胞的影响
  • 细胞破坏后，可能会导致线粒体或核RNAs占比升高（就是上面解释的大量细胞质中mRNA流失，而线粒体或核RNAs含量基本不变），很有可能会根据这个结果形成自己的一个个cluster
  • 低质量的细胞一般文库比较小，而差异分析之前一般对文库大小进行一个归一化。比如正常细胞文库大小是100，某个基因表达量是2；损伤细胞的文库大小是10，这个基因表达量还是2。归一化后，损伤细胞中的这个基因表达量计算结果明显会高于正常细胞，呈现一种“本来不优秀，但班里人少了，排名就上升”的状态
  • 细胞损伤可能会伴随RNA的流失，因此许多基因可能会被认为“下调”，尤其体现在细胞质核糖体RNA（另外还包括一些细胞质转录本）
  • 影响方差估计和PCA结果。真实情况下，可能一个基因在两个细胞中差异并不显著，但是由于其中一个细胞质量低，导致基因表达量在这两个细胞中差异明显；反映在PCA结果就是：前几个主成分会抓取细胞质量的差异，因为这种差异体现得更明显，而将真正的生物学因素放到了后面几个主成分中，因此得到的PCA结果其实也只是反映了细胞质量的差异，而非真正的生物学差异
4.3.2 需要注意的点
  • 如果一个细胞群体异质性较高，那么很有可能一些高质量细胞本身表达的数量就是比其他细胞少，但事实上它不是技术误差造成的。因此不能通过一个固定的阈值进行过滤，而要“因地制宜”，根据每群细胞各自的特性（比如各自的中位值），然后结合一定的统计指标（例如3倍的MAD）
  • 过滤的细胞会不会属于某一个具有生物意义的细胞类群，如果真的是，那么就会有相应的marker基因高表达。
4.3.3 初步看一下

先做一个散点图，重点看看有没有基因明显向舍弃细胞方向偏移：

# 计算丢弃和保留的细胞平均表达量(这里的平均表达量不是我们直接用apply+mean得出的结果，它计算了size factor
# calcAverage具体操作如下：The size-adjusted average count is defined by dividing each count by the size factor and taking the average across cells. All sizes factors are scaled so that the mean is 1 across all cells, to ensure that the averages are interpretable on the scale of the raw counts.

  library(SingleCellExperiment)
  sce.full.416b <- readRDS("416B_preQC.rds")
  
  library(scater)
  lost <- calcAverage(counts(sce.full.416b)[,!sce.full.416b$PassQC])
  kept <- calcAverage(counts(sce.full.416b)[,sce.full.416b$PassQC])
# 在上面得到的平均值中，将每个数都与平均值中（除0以外）最小的数进行比较，取最大的那个值作为最终的平均值
  capped.lost <- pmax(lost, min(lost[lost>0]))
  capped.kept <- pmax(kept, min(kept[kept>0]))
  
  plot(capped.lost, capped.kept, xlab="Average count (discarded)", 
       ylab="Average count (retained)", log="xy", pch=16)
  is.spike <- isSpike(sce.full.416b)
  points(capped.lost[is.spike], capped.kept[is.spike], col="red", pch=16)
  is.mito <- rowData(sce.full.416b)$is_feature_control_Mt
  points(capped.lost[is.mito], capped.kept[is.mito], col="dodgerblue", pch=16)
来自刘小泽理解的一份诚意满满的单细胞教程_第6张图片
图6

图中表示了舍弃的细胞和保留的细胞中基因平均表达量。每个点是一个基因，红色是spike-in，蓝色是线粒体基因

看到：整体方向还是偏向于y轴，虽然也有个别的点是偏向右下方的，下面就看看最偏右下方的那些点到底是不是marker基因？

4.3.4 认真再检查一下

方法就是：计算retain和discard两组细胞的基因表达量差异倍数（ log-fold changes）。
核心就是：利用了edgeR的predFC函数，因为我们并不关心这两组之间的差异，这是想看看哪些基因在discard组更高表达一些。于是用这个函数分别根据每个组的表达量，再设置一个design实验设计矩阵就可以。没有正常做差异分析那么严格

library(edgeR)
#!! 重点在于DGEList中group的设置：数小的是control，也就是logFC的分母(自己也可以将group调换一下试试，结果看看是不是相反的)
y <- cbind(lost, kept)
y <- DGEList(y, group=c(2,1))
design <- model.matrix(~group, data=y$samples)
predlfc <- predFC(y, design)[,2]
info <- data.frame(logFC=predlfc, Lost=lost, Kept=kept, 
                   row.names=rownames(sce.full.416b))
head(info[order(info$logFC, decreasing=TRUE),], 20)

# edgeR实验设计矩阵长这样：
> design
     (Intercept) group2
lost           1      1
kept           1      0
attr(,"assign")
[1] 0 1
attr(,"contrasts")
attr(,"contrasts")$group
[1] "contr.treatment"

结果就得到了：

##                       logFC      Lost        Kept
## ENSMUSG00000104647 6.844237  7.515034 0.000000000
## Nmur1              6.500909  5.909533 0.000000000
## Retn               6.250501 10.333172 0.196931018
## Fut9               6.096356  4.696897 0.010132032
## ENSMUSG00000102352 6.077614  9.393793 0.206637368
## ENSMUSG00000102379 6.029758  4.244690 0.000000000
## 1700101I11Rik      5.828821  4.483094 0.039199404
## Gm4952             5.698380  6.580862 0.172999108
## ENSMUSG00000106680 5.670156  3.389236 0.005234611
## ENSMUSG00000107955 5.554616  5.268508 0.132532601
## Gramd1c            5.446975  4.435342 0.103783669
## Jph3               5.361082  4.696897 0.139188080
## ENSMUSG00000092418 5.324462  3.395752 0.056931488
## 1700029I15Rik      5.316226  8.199510 0.394588776
## Pih1h3b            5.307439  2.546814 0.000000000
## ENSMUSG00000097176 5.275459  2.541927 0.003772842
## Olfr456            5.093383  2.186536 0.000000000
## ENSMUSG00000103731 5.017303  3.315016 0.107148909
## Klhdc8b            4.933215 19.861036 1.635081878
## ENSMUSG00000082449 4.881422  1.878759 0.000000000

挑出来top20在discard中相对高表达的基因，但其中并没有marker基因，这就足够了。不用关心logFC的实际数值，眼前的高可能是因为细胞破损后，计算得到的线粒体基因、细胞质核糖体基因或者核RNA占比升高，计算出来的的表达量也升高，因而比正常的细胞要高，不过这是一种“虚假繁荣”的假象而已。

4.3.5 如何避免丢失一些细胞类型

最直接的方法就是修改（上面4.2中isOutlier函数的nmads=参数） ，另外如果我们知道哪些细胞属于什么细胞类型，也可以提前定义出来避免过滤掉。最粗暴的还是不进行任何的细胞过滤，这样虽然确保了不会丢失，但同时增加了无用细胞的占比。因此，要不要过滤、怎么过滤还是要取决于个人的安排。

不得不说，得到的细胞质量和细胞类型还真有一定的关系。如果某种细胞就是在细胞提取阶段不配合，导致后来检测到这群细胞都有损伤，最好还是在保证实验设计的前提下去掉它们=》“牺牲小我保存大我”

4.3.6 其他一些质控方法

  • 使用固定的阈值：比如设置文库大小阈值为100000，表达基因数量4000。但是这些都需要具有实际的经验，最好还是不要乱设置这些值，因为很有可能会由于自己的随意发挥，而抛弃了一些珍贵的细胞类型

  • 看基于质控结果进行PCA分析的离群点： 前期会对每个细胞统计总reads数、总基因数等6个指标，然后用这些指标进行PCA。具体runPCA的设置如下图：

    来自刘小泽理解的一份诚意满满的单细胞教程_第7张图片
    图7

    如果PCA的结果有离群点，就说明在这些指标中（不论太大或太小）某些细胞是“脱离群众的”。举个例子：

    sce.tmp <- runPCA(sce.full.416b, use_coldata=TRUE, detect_outliers=TRUE)
## 
## FALSE  TRUE 
##   187     5

  • 另外还可以参考2019年出的cellity包

4.3.7 一个“太随意”的错误案例

例如：在没有任何先验知识情况下，我们直接对一个单细胞对象中一个统计指标（total_counts）设置一个阈值（1000）进行过滤：

wrong.keep <- sce.pbmc$total_counts >= 1000

lost <- calcAverage(counts(sce.pbmc)[,!wrong.keep])
kept <- calcAverage(counts(sce.pbmc)[,wrong.keep])
# 然后同上面一样做一个散点图
# Avoid loss of points where either average is zero.
capped.lost <- pmax(lost, min(lost[lost>0]))
capped.kept <- pmax(kept, min(kept[kept>0]))

plot(capped.lost, capped.kept, xlab="Average count (discarded)", 
    ylab="Average count (retained)", log="xy", pch=16)
platelet <- c("PF4", "PPBP", "SDPR")
points(capped.lost[platelet], capped.kept[platelet], col="orange", pch=16)

很明显，这个图有点向下偏，也就是说有一些基因在discard组中表达量更多。然后测试了3个血小板相关的基因（橘黄色），发现它们确实在discard组中表达量更高，说明其中有部分血小板细胞被丢掉了

来自刘小泽理解的一份诚意满满的单细胞教程_第8张图片
图8

接着用logFC再检验一下：

coefs <- predFC(cbind(lost, kept), design=cbind(1, c(1, 0)))[,2]
info <- data.frame(logFC=coefs, Lost=lost, Kept=kept, 
    row.names=rownames(sce.pbmc))
head(info[order(info$logFC, decreasing=TRUE),], 20)
##              logFC      Lost       Kept
## PF4       6.615671 4.2289086 0.17421441
## PPBP      6.495522 4.8409530 0.27144834
## HIST1H2AC 6.291680 3.1195253 0.14435051
## GNG11     6.162314 2.5132359 0.10103056
## SDPR      5.950336 2.1430640 0.09754273
## TUBB1     5.610679 1.6478079 0.08989034
## CLU       5.462238 1.3202347 0.05559122
## ACRBP     5.325560 1.1933566 0.05436568
## NRGN      5.118699 1.3155255 0.12992550
## RGS18     5.009974 1.6512487 0.25377562
## MAP3K7CL  4.898185 0.9950268 0.08957073
## SPARC     4.646432 0.6559761 0.02487467
## MMD       4.616159 0.7450948 0.06367575
## PGRMC1    4.503524 0.7335820 0.08248177
## CMTM5     4.166574 0.4469937 0.01643304
## TSC22D1   4.120268 0.5128047 0.05920195
## HRAT92    4.116163 0.4214188 0.01144488
## GP9       4.091146 0.4610813 0.03703803
## CTSA      3.986470 0.8294337 0.27097756
## MARCH2    3.966528 0.5655020 0.12228759

发现，血小板几个相关基因的确在discard组中更高，说明之前按照sce.pbmc$total_counts >= 1000的过滤是错误的。而不检查有没有先验知识的话，后面分群我们也得不到这部分细胞

5 细胞周期分类

这里根据Scialdone et al. (2015) 提供的预测方法，简而言之就是利用一个做好的训练数据集和已知表达矩阵基因表达量变化进行分类。在训练数据集中，已经计算好了两两基因的差异（基因对，pair of genes），并且将属于不同细胞周期（它规定了3种量化水平：G1、S、G2M）且存在差异的基因对作为一个marker pair。然后就在已知表达矩阵中对每个细胞测试这些marker pairs与训练数据集中的相似程度，每个细胞最后都得到了在G1、S、G2/M水平的分值，最后根据分值将细胞归类。

来自刘小泽理解的一份诚意满满的单细胞教程_第9张图片
图9

主要利用了scran包中的cyclone函数

cyclone函数主要需要三个元素：一个是sce单细胞对象，一个是pairs参数，还有就是gene.names参数。第一个已准备好，第二个参数的意思可以看帮助文档，第三个参数要求是Ensembl ID

来自刘小泽理解的一份诚意满满的单细胞教程_第10张图片
图10 
# scran包安装好后，会在exdata文件夹中找到附件文件
library(org.Mm.eg.db)
# syste,.file会列出文件所在的路径，下图就是exdata文件夹下的文件，看到除了小鼠还有人的相关的RDS数据。这个RDS其实和平常看到的Rdata差不多，只不过Rdata是针对多个对象，Rds是针对一个对象进行存储和读取
mm.pairs <- readRDS(system.file("exdata", "mouse_cycle_markers.rds", 
                                package="scran"))

# 举个例子
> head(mm.pairs$G1)
               first             second
1 ENSMUSG00000000001 ENSMUSG00000001785
2 ENSMUSG00000000001 ENSMUSG00000005470
3 ENSMUSG00000000001 ENSMUSG00000012443
4 ENSMUSG00000000001 ENSMUSG00000015120
5 ENSMUSG00000000001 ENSMUSG00000022033
6 ENSMUSG00000000001 ENSMUSG00000023015

注意：这里小鼠的训练数据集是利用胚胎干细胞数据得到的，但对于其他细胞类型也是准确的 (Scialdone et al. 2015)，可能是由于细胞周期相关转录的保守性 (Bertoli, Skotheim, and Bruin 2013; Conboy et al. 2007)。

具体的使用就很简单：

system.time(assignments <- cyclone(sce, mm.pairs, 
                       gene.names=rowData(sce)$ENSEMBL))
##   user  system elapsed 
##  21.740   0.376  26.856 
save(sce,assignments,file = '416B_cell_cycle.Rdata')

这个结果并不是说某个细胞一定就处于哪个细胞周期，它也是根据大样本量背景进行概率估计，然后计算一个分值，分值越高，说明某个细胞更有可能属于哪个细胞周期，给我们一定的参考。

例如，看一下G1和G2/M的分值情况，其中每个点代表一个细胞：

plot(assignments$score$G1, assignments$score$G2M, 
    xlab="G1 score", ylab="G2/M score", pch=16)
来自刘小泽理解的一份诚意满满的单细胞教程_第11张图片
图11

计算完细胞分值，就该划分细胞类型了

具体规则是：如果一个细胞在G1中得分大于0.5，并且它高于G2/M的得分，那么这个细胞就被划分到G1期；如果细胞在G2/M中得分大于0.5，并且高于G1的得分，那么它就划为G2/M期；如果细胞的G1、G2/M得分都不大于0.5，那么它就划为S期。于是上面的结果就可以被划分成：

来自刘小泽理解的一份诚意满满的单细胞教程_第12张图片
图12

这里只是说明一下原理， 其实函数已经为我们划分好，存到了结果中：

sce$phases <- assignments$phases
table(sce$phases)
## 
##  G1 G2M   S 
##  98  62  23

作者的建议

  • 为了去掉细胞周期带来的影响，我们一般只要某一群特定周期的细胞（一般是G1期）进行下游分析。当然如果其他时期的细胞数量不会造成明显的影响，我们也可以带着它们，到下游分析时直接将assignments$phases作为一个批次效应因素考虑即可，这样既避免了其他周期细胞的干扰，又能避免丢失部分信息。
  • 训练数据集虽然说对多种细胞类型都支持，如果本身的数据与训练数据相差太大（比如使用了不同的方法得到的数据），那么我们可以根据自己的数据去DIY一个分类器。使用sandbag函数即可，同样如果研究其他的物种没有给定的分类器，我们就可以这样操作
  • 在使用cyclone之前不要过滤低丰度转录本。即使一个基因在任何一个细胞都不表达，但在周期推断环节这个基因名还是有作用的。因为这一步做的是一个基因对比较，所以它依然可以提供信息。

6 基因层面检查

6.1 检查高表达基因

目的是看看实验设计如何，是否在文库制备、比对环节出了问题

先看下高表达基因（例如top50）的ID。通常来讲，其中应该存在许多连续表达的转录本，比如核糖体或线粒体相关。如果出现了与实验预期不相符的基因，就应该关注一下。例如存在许多的ERCC转录本，就说明在文库制备中添加了太多的spike-in RNA，如果核糖体基因缺失或出现了一些假基因，那么可能在比对过程中选择了不太好的比对结果。

# 这个代码可以借鉴，调整字体大小的参数
fontsize <- theme(axis.text=element_text(size=12), axis.title=element_text(size=16))
plotHighestExprs(sce, n=50) + fontsize
来自刘小泽理解的一份诚意满满的单细胞教程_第13张图片
图13

6.2 过滤低丰度基因

定义

低丰度基因就是表达量为0或接近0，在下游分析中基本起不到什么统计作用的基因。在假设检验中，它们不能提供足够的证据去推翻原假设，但同时它们的存在会增加多重检验校正的计算量。另外还有一个弊端，可能用英文的解释比较好理解：The discreteness of the counts may also interfere with statistical procedures, e.g., by compromising the accuracy of continuous approximations。因此下游分析之前，一般是要先去除低丰度基因。

作者认为“最佳的过滤方法”是：并非简单采用一次过滤应用于整个分析，而是每一步根据需要去过滤。他的理由是

A more aggressive filter is usually required to remove discreteness (e.g., for normalization) compared to that required for removing underpowered tests. For hypothesis testing, the filter statistic should also be independent of the test statistic under the null hypothesis (Bourgon, Gentleman, and Huber 2010)

利用平均表达量进行过滤

有许多指标可以定义低丰度，其中最常用的就是平均表达量，利用calcAverage函数，同时它还会根据各个文库大小进行一个校正（默认设置use_size_factors=TRUE）

# 这里就只是简单统计一个平均值
ave.counts <- calcAverage(sce, use_size_factors=FALSE)
# 一个很有用的操作，就是如何在坐标轴上显示下标，看xlab如何设置的就知道了
hist(log10(ave.counts), breaks=100, main="", col="grey80", 
    xlab=expression(Log[10]~"average count"))
来自刘小泽理解的一份诚意满满的单细胞教程_第14张图片
图14

图中会观察到一个“山峰”在一片“高原”上拔地而起，这个“高原”就是大量的低丰度基因，我们过滤的话一般去掉平均表达量在1以下的，也就是图中横坐标0左边的区域

demo.keep <- ave.counts >= 1
filtered.sce <- sce[demo.keep,]
summary(demo.keep)
##    Mode   FALSE    TRUE 
## logical   33490   13206
# 可以看到去掉了3w多基因，可以考虑换一种方式，想办法多留一些基因
利用每个基因在多少细胞中表达进行过滤

这个指标和上面平均表达量是紧密相关的，因为一个基因在许多细胞中都表达，也意味着它的平均表达量不会太低，就像下面这张图中表示的一样。

num.cells <- nexprs(sce, byrow=TRUE)
smoothScatter(log10(ave.counts), num.cells, ylab="Number of cells", 
    xlab=expression(Log[10]~"average count"))
来自刘小泽理解的一份诚意满满的单细胞教程_第15张图片
图15

如果发现某个基因在很少细胞中表达，一般对这个基因是不感兴趣的，因为它很有可能是由于扩增偏差产生的“假表达量”。不过更严谨考虑，这个基因也可能就只是存在于某个罕见的细胞群体，而这个群体本身数量就很少。

这里选择宽松的过滤条件：一个基因至少在一个细胞中有表达，这个基因就留下

to.keep <- num.cells > 0
sce <- sce[to.keep,]
summary(to.keep)
##    Mode   FALSE    TRUE 
## logical   22833   23863
# 这样剩下2w多个基因

7 对细胞文库差异进行normalization

再次借助https://github.com/satijalab/seurat/issues/950的一个回答：

  • Normalization "normalizes" within the cell for the difference in sequenicng depth / mRNA thruput
  • Scaling "normalizes" across the sample for differences in range of variation of expression of genes

关于它们的中文翻译实在是错综复杂，记不清楚就简单记，反正没有正确答案，自己知道这一步做了什么最重要。normalization一般是对文库处理，目的消除一些技术差异；scale一般对基因表达量处理（典型的z-score：表达量减均值再除以标准差），目的是后续分析不受极值影响（比如做热图我们不关心哪个基因表达量最多，而关心哪个基因在样本间最有差异，虽然这个基因不一定表达量很高。比如A基因在样本1中表达量为900，在样本B中表达量为901；而B基因在样本1中表达量为10，在样本B中表达量为50。我们更关心B基因。但直接作图，往往会因为A基因的绝对表达量很高，而将B基因在图中掩盖掉。scale这个操作就是帮我们”拨开云雾见青天“）

7.1 去卷积方法（deconvolution）根据内源基因计算size factor

表达量的差异除了生物学因素外，还会受到细胞捕获效率、测序深度的影响(Stegle, Teichmann, and Marioni 2015)。在进行下游定量分析之前，需要利用归一化去掉这些“无关因素”产生的细胞差异。

假设大部分基因在细胞间并非差异表达，统计思想是：any systematic difference in count size across the non-DE majority of genes between two cells is assumed to represent bias and is removed by scaling.

更具体说就是计算“size factors” （represent the extent to which counts should be scaled in each library）

size factor的计算方法有多种，例如常规转录组中DESeq2的estimateSizeFactorsFromMatrix 、edgeR的calcNormFactors 。但是这里单细胞数据又和常规转录组不同，它存在了太多的低丰度甚至是0表达（从上面的过滤结果也能感知），一个细胞一个细胞单独进行处理应该是误差较大。

于是开发了一种基于去卷积的新方法：先将许多细胞的counts混合起来，来增加总体的counts值，提高了后续计算size factor的准确度 (Lun, Bach, and Marioni 2016)。计算得到的混合size factor（Pool-based size factors），再“去卷积”，将pool size factor还原给每个细胞的factor。

说起来复杂，操作简单：

sce <- computeSumFactors(sce)
summary(sizeFactors(sce))
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##  0.3464  0.7117  0.9098  1.0000  1.1396  3.5695
如何知道计算的size factor准确性好不好呢？

做一个散点图，看看size factor与lib size的关系

plot(sce$total_counts/1e6, sizeFactors(sce), log="xy",
    xlab="Library size (millions)", ylab="Size factor",
    col=c("red", "black")[sce$Oncogene], pch=16)
# 右下角添加图例，对数据中两种细胞类型进行了区分
legend("bottomright", col=c("red", "black"), pch=16, cex=1.2,
    legend=levels(sce$Oncogene))
来自刘小泽理解的一份诚意满满的单细胞教程_第16张图片
图16

图中可以看到，size factor与文库大小相关性很好，说明大部分文库大小差异都是由于技术因素（捕获效率、测序深度）造成的。

【问：为何size factor不考虑生物因素？
答：因为这个名词创造之前，就已经做了无差异基因的假设条件，它只体现一些技术误差导致的差异，所以只有存在技术误差时，lib size才和size factor的相关趋势接近直线】

另外，从这个图中，看到红点（原癌基因诱导细胞）比黑点（对照组）的size factor要小，这从生物学角度也能解释通：黑点红点总体lib size一样，红点诱导后基因表达量升高（即生物学因素导致的文库变化升高），那么红点非生物学因素导致的文库变化就要降低

作者的观点

  • 虽然去卷积法对高频次的0表达量处理效果不错，但如果太多的0表达量最后还是会失败。如果计算的size factor为负数，这很明显没有意义。因此computeSumFactors函数在计算size factor前，会自动去先按平均表达量去除低丰度转录本，一般会以min.mean=1作为过滤条件
  • 在标准化之前，细胞应该经常查看一下质控结果，保证去掉那些只有很少基因表达的细胞。否则，computeSumFactors就会由于低质量细胞产生负数。因为size factor的计算涉及到了混合细胞的操作，最后操作的是pool library，因此每个细胞都有太多的0，最后校正也很难去掉它们
  • computeSumFactors()函数有一个参数sizes，它指定每个混池使用多少细胞计算size factor。每个混池使用的细胞数量越多，越准确，但也会消耗计算时间和内存。一般来讲，一个混池至少要用20个以上细胞才能保证有足够的非0表达量去计算。
  • 对于高度异质性的数据集来说，因为要保证”没有差异基因“这个原假设。所以可以先利用quickCluster()做一个粗略的聚类，然后将结果通过clusters参数传递给computeSumFactors()再计算

7.2 根据spike-in转录本计算size factor

根据内源基因count结果计算的size factor是不适用于spike-in的，原因如下：

一般单细胞实验都不是定量实验（也就是说，我们事先不能规定好所有的细胞文库大小都是一样的），我们常常得到的数据是：包含更多转录本的细胞具有更大的文库，因此计算的size factor也更大，目的就是消除这个文库差异的影响。
这一点也很好理解，但是基于这个事实，我们人工在不同细胞中加入的spike-in转录本浓度却是一样的，在小文库细胞中某个ERCC表达量是100，换到另一个大文库细胞中，这个ERCC的表达量也只是近似，不会呈现数量级的差别。再用原来的方法对一个稳定的表达量进行校正，结果会”矫枉过正“。

另外，即使使用了定量的实验，每个细胞的cDNA文库大小都是不变的，那么其中如果内源基因表达量升高，那么势必会导致外源spike-in表达量下降，它们的变化趋势不同，因此利用内源基因计算的size factor也不能直接利用到spike-in身上。

虽然原来方法不适用，但内源基因们都校正过了，spike-in也不能不校正。于是有一个单独为它开发的方法：假设所有的spike-in转录本表达无差异（当然这个假设是符合客观事实的）。 For each cell, the spike-in-specific size factor is defined as the total count across all transcripts in the spike-in set

利用一个函数：

sce <- computeSpikeFactors(sce, type="ERCC", general.use=FALSE)

利用参数general.use=FALSE 将结果单独存放在sce对象中，保证了计算的size factor只对ERCC使用，而对内源基因生效

7.3 将size factor应用到normalization这一步

函数很简单：

sce <- normalize(sce)

它做的事情就是：每个细胞中基因的表达量除以这个细胞计算的size factor，其中内源基因除以computeSumFactors()得到的factor，spike-in除以computeSpikeFactors()得到的factor。然后做个log2( +1)处理，降低数据的维度又不破坏数据原始结构（也就是说，原来大的数log完了还是大，但是在坐标轴上的数字就能减小，更方便展示数据全貌）

最后计算结果保存在：logcounts中，可以用logcounts(sce)调用表达矩阵

8 模拟基因表达中的技术噪音

我们在表达矩阵中观察到的基因表达量变化，一方面是由于真实的生物差异（也是我们关心的），另一方面可能就是技术噪音（我们并不关心）。为了区分这两种可能因素，需要从每个基因表达量差异提取出技术层面因素，构建一个模型方便观察。

方法就是：利用人工添加的定量的外源RNA（spike-in RNA），它是不存在第一种因素（真实生物差异）的，所以它们的变化可以直接反映技术噪音，然后将整体的内源基因平均表达量变化与spike-in进行拟合。

  • 先利用trendVar函数=》fit a mean-dependent trend to the variances of the log-expression values for the spike-in transcripts。它接受的数据是：normalized log-expression values, where each column corresponds to a cell and each row corresponds to a spike-in transcript

    另外设置一个参数block= 来封闭某些已知的技术差异（比如我们已知的两个细胞板批次），进而探索更真实的技术噪音。这个函数根据基因的平均表达量

  • 上面利用spike-in对所有基因得到了拟合值，它可以被认为是技术误差导致的方差，然后利用decomposeVar() 从总体方差中减去技术方差，得到的就是生物因素导致的方差

var.fit <- trendVar(sce, parametric=TRUE, block=sce$Plate,
    loess.args=list(span=0.3))
var.out <- decomposeVar(sce, var.fit)

> head(var.out,2)
DataFrame with 2 rows and 6 columns
                                  mean              total
                                       
ENSMUSG00000103377 0.00807160215879455 0.0119218654846046
ENSMUSG00000103147  0.0346526071354525 0.0722196159042111
                                   bio               tech
                                       
ENSMUSG00000103377 -0.0238255786081426 0.0357474440927472
ENSMUSG00000103147 -0.0812680860365811  0.153487701940792
                             p.value       FDR
                            
ENSMUSG00000103377                 1         1
ENSMUSG00000103147 0.999999999992144         1

作图检查一下，在下图中，每个点都是一个基因，画出了它们的表达量均值、技术因素方差、总体方差。

  • 红点就是利用一个个spike-in RNA的表达量均值和方差画的
  • 蓝色线条就是根据spike-in的表达量，利用trendVar得到的拟合曲线，可以理解成技术因素的方差随着表达量的变化；
  • 黑色点是内源基因的总方差随表达量的变化，真正的生物因素导致的方差可以用黑点的纵坐标减去对应蓝线上的纵坐标，也就是蓝线上方的点都代表了真实的生物因素导致的差异。注意到蓝线以下还有点，难不成它们的生物因素差异为负？ 还真的是，看上面的head(var.out,2)结果，在bio这一列中真的存在负值，这个实际上是没有意义的，负值的产生一般是因为表达这个基因的细胞数量太少，结果估算不准确
  • 除此以外，看到当表达量均值（横坐标）从0开始上升时，方差也在线性上升；当表达量高到一定程度，说明这种基因在细胞中分布就比较均衡（属于少数”表达量土豪级别并且实现了共同富裕“），因此取样估算过程的误差也降低【可以试想一下管家基因】
plot(var.out$mean, var.out$total, pch=16, cex=0.6, xlab="Mean log-expression", 
    ylab="Variance of log-expression")
curve(var.fit$trend(x), col="dodgerblue", lwd=2, add=TRUE)
cur.spike <- isSpike(sce)
points(var.out$mean[cur.spike], var.out$total[cur.spike], col="red", pch=16)
来自刘小泽理解的一份诚意满满的单细胞教程_第17张图片
图17

上面decomposeVar（）计算的生物因素方差，我们更希望是这样一种情况：某个基因在这一小撮细胞中表达量低，在另外一撮细胞中表达量高。而不是：这个基因在某一两个细胞中表达超高，其他细胞都差不多并且比较低（这种情况实际上依然不能说明基因差异表达，只能说明受离群点的影响）

因此，为了证明上面的结果真的是考虑了所有细胞中基因表达量水平后，得到的生物因素方差结果，选择生物方差前10的基因做个小提琴图，看看到底是由于离群点还是真的是一撮一撮细胞导致的差异

chosen.genes <- order(var.out$bio, decreasing=TRUE)[1:10]
plotExpression(sce, features=rownames(var.out)[chosen.genes]) + fontsize
来自刘小泽理解的一份诚意满满的单细胞教程_第18张图片
图18

（图中点是一个一个的细胞，纵坐标是这个基因在细胞中的normalized log-expression）

作者建议

  • 使用少量的spike-in来拟合技术噪音是很复杂的，另外它们的表达量也并不均一，如果要继续优化这个拟合过程，可以参考：https://bioconductor.org/packages/3.9/simpleSingleCell/vignettes/var.html#details-of-trend-fitting-parameters
  • 如果实验中不使用spike-in，可以使用参数use.spikes=FALSE 来拟合，参考：https://bioconductor.org/packages/3.9/workflows/vignettes/simpleSingleCell/inst/doc/var.html#32_when_spike-ins_are_unavailable

9 移除批次效应

前面提到，这个数据包括了两个细胞板信息，在实验过程中，这两个细胞板会存在一些小的不可控的技术差异，这就产生了”批次效应“。这种没有生物学意义的差异我们是不感兴趣的，可以用limma的removeBatchEffect()函数去除。这个函数既可以去掉不感兴趣的因素（在参数batch中指定），又可以保留原来感兴趣的生物学因素（用参数design指定）。

函数的帮助文档对这个参数的定义是这样的：The design matrix is used to describe comparisons between the samples, for example treatment effects, which should not be removed.

library(limma)
# -----修改原来的实验比较分组--------
# 谁在前表示谁作为对照
sce$Oncogene <- relevel(sce$Oncogene,ref = 'control')
# -----检查好分组信息后去除批次--------
assay(sce, "corrected") <- removeBatchEffect(
  logcounts(sce), 
  design=model.matrix(~sce$Oncogene), 
  batch=sce$Plate
  )

assayNames(sce)
## [1] "counts"    "logcounts" "corrected"

去除批次效应对下游的降维、聚类改善效果最为明显。当每个批次中的细胞组成类型已知或者不同批次都是同一种类型细胞只是处理方式不同，这种情况用removeBatchEffect()效果不错；但是大部分的scRNA数据中，每个批次的细胞类型我们可能不会那么确定，不同批次的细胞类型也可能不相同，这种真实复杂的情况下，更推荐使用mnnCorrect()

10 PCA去除表达量中的技术噪音

之前（在第8步）进行了模拟基因表达中的技术噪音，现在就可以利用PCA去除表达量的技术噪音。可以看到，从上到下分析，我们的一个重要目的就是：去掉一切和生物学因素无关的噪音、差异

我们知道PCA目的是降维，那么到底它降低的是什么维度？是什么降低的？

试想，我们得到的单细胞数据一般都有成百上千个细胞样本，这一个细胞都有自己的一个维度，把它们放在一起就是一个高维空间，高维空间中的每一个点就代表一个细胞，点和点之间的离散分布就表示了细胞间全部的差异（包括生物因素差异和技术因素差异）。PCA对这个空间利用坐标轴指定主成分，主成分越靠前，包含的差异成分越丰富。因此我们喜欢使用前两个主成分来做二维PCA图甚至使用三个主成分来做3D PCA plot。

我们认为，技术因素差异和生物因素差异相比，生物差异更能代表大部分的总体差异，而这大部分的总体差异又是体现在前几个PCs。不过，技术因素差异也会单独影响每个基因，虽然它们产生的差异不如生物因素多，但还是有，只不过会体现在后面的主成分中。为了去除这部分技术噪音，可以用denoisePCA() 去除后面几个PCs，那么去掉几个合适？这个函数的算法是：去掉成分中的方差之和 等于 前面模拟结果var.out中全部技术因素的方差之和

sce <- denoisePCA(sce, technical=var.out, assay.type="corrected")
dim(reducedDim(sce, "PCA")) 
## [1] 183  24

最后一共得到了24个主成分，使用这个函数，可以更多地去除其中的技术因素成分，而保留的PCs更多展现生物因素成分差异，可以提高后面聚类的准确性

作者建议

  • denoisePCA() 函数只使用var.out中生物因素方差为正的基因，也就是说，它们的总体技术方差不会高于总体方差
  • 其中的参数technical可以直接使用函数var.fit$trend 去自行计算，例如下面的代码
  • 这里没有对基因丰度进行过滤，是为了保证与一些罕见细胞群体相关的PCs也能被检测到。因为低丰度基因一般在细胞中的方差也比较小，因此它对总体差异的贡献不会太大，它的PC不会太靠前，所以我们不去除它们也并无大碍
  • 另外还可以根据过滤后的PCs得到对应的低维度表达矩阵lowrank ，比如下面的代码就是得到了过滤后的24个主成分包含的基因表达矩阵
sce2 <- denoisePCA(sce, technical=var.fit$trend, 
    assay.type="corrected", value="lowrank") 
assayNames(sce2)
## [1] "counts"    "logcounts" "corrected" "lowrank"

# 对比一下：这是过滤技术因素主成分以后的表达矩阵
> assay(sce2, "lowrank")[1:3,1:3]
                   SLX-9555.N701_S502.C89V9ANXX.s_1.r_1
ENSMUSG00000103377                         -0.070549323
ENSMUSG00000103147                          0.071665873
ENSMUSG00000103161                          0.007761405
                   SLX-9555.N701_S503.C89V9ANXX.s_1.r_1
ENSMUSG00000103377                         -0.030665490
ENSMUSG00000103147                          0.139113948
ENSMUSG00000103161                          0.002681669
                   SLX-9555.N701_S504.C89V9ANXX.s_1.r_1
ENSMUSG00000103377                          0.002395618
ENSMUSG00000103147                          0.026324826
ENSMUSG00000103161                          0.002692717

# 这是过滤技术因素主成分以前的表达矩阵
> assay(sce2, "corrected")[1:3,1:3]
                   SLX-9555.N701_S502.C89V9ANXX.s_1.r_1
ENSMUSG00000103377                         -0.008158873
ENSMUSG00000103147                          0.034282013
ENSMUSG00000103161                          0.005195027
                   SLX-9555.N701_S503.C89V9ANXX.s_1.r_1
ENSMUSG00000103377                         -0.008158873
ENSMUSG00000103147                          0.034282013
ENSMUSG00000103161                          0.005195027
                   SLX-9555.N701_S504.C89V9ANXX.s_1.r_1
ENSMUSG00000103377                         -0.008158873
ENSMUSG00000103147                          0.034282013
ENSMUSG00000103161                          0.005195027

11 在低维空间可视化

11.1 利用PCA

对前三个主成分进行两两比较，看看细胞之间的联系

具有相似表达谱的细胞距离会更近（可以理解成每个细胞中都是一万多基因表达，这些基因有的表达高有的表达少，这种高低交错的形态就是表达谱。如果两个细胞都有相似的这种高低交错形态，那么它们可能就具有相似的基因表达特性，于是更有可能是同一类细胞。PCA就是衡量每个细胞中这一万多个基因的表达特性，来对这些细胞进行”种群划分“）

首先根据细胞生物学分类（control和treat）画PCA
plotReducedDim(sce, use_dimred="PCA", ncomponents=3, 
    colour_by="Oncogene") + fontsize
来自刘小泽理解的一份诚意满满的单细胞教程_第19张图片
图19

图中可以看到，PC1+PC2的效果是最好的（左侧中部图）

然后根据plate信息画PCA

目的是看看之前的去除批次做的效果如何，如果结果还是和上图一样能分开，那么就表示plate差异依然很大，足够撼动真实的生物学差异

plotReducedDim(sce, use_dimred="PCA", ncomponents=3, 
    colour_by="Plate") + fontsize
来自刘小泽理解的一份诚意满满的单细胞教程_第20张图片
图20

还是看最具代表性的PC1+PC2：不同plate的细胞分不开，说明之前removeBatchEffect()是成功的

注意：

plotReducedDim()会使用之前利用denoisePCA()得到的结果，而且可以一次画多个主成分两两比较，视觉效果更直观。

作者建议

  • 每个作图函数，都能根据细胞类型去调整点的颜色和大小，一般会设置：size_by=和shape_by=
  • 虽然还有许多主成分，但它们包含的信息量远不如前几个主成分

11.2 利用tSNE

另一个常用的降维算法就是t-stochastic neighbour embedding (t-SNE)，是基于在邻域图上随机游走的概率分布。它比PCA的强大之处在于，如果细胞群体很多，tSNE依然可以很好地将细胞按一定规则区分。这是因为tSNE能在高维空间中直接捕获细胞非线性关系，而PCA必须在线性的坐标轴上去展示它们。不过tSNE的计算量会更大，而且参数设置更复杂，一方面针对tSNE每次映射的坐标都不同，要设置随机种子，方便别人重复；另一方面需要设置perplexity参数，它会影响最后显示的细胞分类情况，perplexity的含义是：the number of close neighbors each point has

下面会利用PCA降维结果继续使用多个perplexity值进行tSNE可视化

set.seed(100)
out5 <- plotTSNE(sce, run_args=list(use_dimred="PCA", perplexity=5),
    colour_by="Oncogene") + fontsize + ggtitle("Perplexity = 5")

set.seed(100)
out10 <- plotTSNE(sce, run_args=list(use_dimred="PCA", perplexity=10),
    colour_by="Oncogene") + fontsize + ggtitle("Perplexity = 10")

set.seed(100)
out20 <- plotTSNE(sce, run_args=list(use_dimred="PCA", perplexity=20),
    colour_by="Oncogene") + fontsize + ggtitle("Perplexity = 20")

multiplot(out5, out10, out20, cols=3)
来自刘小泽理解的一份诚意满满的单细胞教程_第21张图片
图21

因为tSNE是一个随机的算法，所以我们要多试验几遍，确保结果具有代表性（相当于多做几次实验重复，增加可靠性）；最终的脚本要使用set.seed()保证可重复性；不同的perplexity 会影响细胞在低维空间的分布

从上面图中，如果认为perplexity=20效果还不错，因此下面继续跑runTSNE时就可以设置perplexity=20

set.seed(100)
sce <- runTSNE(sce, use_dimred="PCA", perplexity=20)
reducedDimNames(sce)
## [1] "PCA"  "TSNE"

除此以外，还有许多降维的方法：例如multidimensional scaling、 diffusion maps，当然不同算法各有自己的适用范围，比如 diffusion maps（plotDiffusionMap） 会将细胞放在一个连续的轨迹上，这在推断分化过程方面是很有效的

作者建议

  • 如何解释tSNE图？可以参考https://distill.pub/2016/misread-tsne/ 其中映射到二维坐标上的cluster之间的距离其实没什么意义，还有cluster的大小（也就是其中点的分布稀疏程度，而不是指其中包含点的多少。对于同等数量的点，分布分散一点形成的cluster就大）也是没什么具体意义。它只是一种二维空间再现高维空间的手段

  • perplexity的值一般设为5-50，可以看一下上面链接中给出的测试图：当这个值不在5-50范围时，点聚成的形状就很奇怪

    来自刘小泽理解的一份诚意满满的单细胞教程_第22张图片
    图22

  • 另外画tsne图时一般要重复很多次，因为重复次数越多，画出的图形状越稳定，上图中使用了5000次重复，下图如果仅仅使用120次重复，结果会是：

    来自刘小泽理解的一份诚意满满的单细胞教程_第23张图片
    图23

  • tsne图中的点距离并没有意义，用两张图就能说明：
    第一张：本来绿色的点和其他两种是有距离的，但是当设置的perplexity增大发现，图中它们距离是差不多相等的。Wait！那如果设成50不就可以了吗？

    来自刘小泽理解的一份诚意满满的单细胞教程_第24张图片
    图24

    从这个图中看好像是的，但是...

    如果增加原本点的个数，依然是绿色与其他两种有原始距离，使用perplexity=50，结果依然得不出相似的结论，说明perplexity不是一个固定的值，它会根据分析点的数量而变化，得到的结果也不能反应原始数据结构

    来自刘小泽理解的一份诚意满满的单细胞教程_第25张图片
    图25

  • tSNE能做的，只是将原本聚在一起的，现在依旧聚在一起，并且有时会给你一些数据形状

    来自刘小泽理解的一份诚意满满的单细胞教程_第26张图片
    图26

  • tSNE使用很流行的一个原因就是：它很灵活，经常能帮助寻找到数据的结构（像线性方法PCA就不可以），不过想要找点的距离远近就不要看tSNE了

12 自己进行细胞聚类

12.1 降维结果+层次聚类=》分群

目标：利用去除技术噪音的PCA结果进行细胞聚类，推断细胞亚群。

前面去除技术噪音中使用了denoisePCA函数，最后保留了24个主成分，存储在reducedDim(sce, "PCA")中，其中行是细胞，列是主成分（从PC1到PC24）。

思路就是：先提取PCA结果中细胞与主成分PC1、PC2的坐标，然后根据细胞在空间上的欧式距离进行层次聚类（对行进行操作，也就是这里的细胞），并且使用Ward标准去降低每个cluster内的总体方差，保证了每个cluster中的细胞都含有相似的基因表达模式

# 三步走：取PCA结果=》计算细胞欧式距离=》降低cluster内差异
pcs <- reducedDim(sce, "PCA")
my.dist <- dist(pcs)
my.tree <- hclust(my.dist, method="ward.D2")

接着利用dynamic tree cut的方法得到cluster的数量，在复杂的聚类数中相比cutree更有优势 (Langfelder, Zhang, and Horvath 2008) 。但是函数计算的毕竟是统计角度的cluster，我们还需要人工干预帮忙校正一下。比如设置：cutHeight、minClusterSize 。

library(dynamicTreeCut)
my.clusters <- unname(cutreeDynamic(my.tree, distM=as.matrix(my.dist), 
    minClusterSize=10, verbose=0))
# minClusterSize默认值是20，这里设置小一点是避免一些偏远的小群体错误地凑在一起

然后，利用得到的细胞分群结果与已知的分类因子进行结合，首先看得cluster与批次之间的关系：

table(my.clusters, sce$Plate)
##            
## my.clusters 20160113 20160325
##           1       41       39
##           2       19       20
##           3       16       11
##           4       10       14
##           5        5        8

发现其中每个cluster基本都包含两个批次，并且数量都差不多，表明这里的聚类结果不受批次效应影响。

再看cluster与生物差异之间的关系：

table(my.clusters, sce$Oncogene)
##            
## my.clusters induced control
##           1      80       0
##           2       0      39
##           3       0      27
##           4       0      24
##           5      13       0

发现其中的cluster在处理和对照之间存在很大差异，更加验证了是由于生物因素导致的分群

得到cluster后，用tsne结果进行映射
sce$cluster <- factor(my.clusters)
plotTSNE(sce, colour_by="cluster") + fontsize
来自刘小泽理解的一份诚意满满的单细胞教程_第27张图片
图27
检查分群结果

一般来说，分群结果分的越开，说明效果越好。如果感觉用肉眼观察tsne图不容易判断的话，还有一种方法可以帮助我们判断，学名叫”silhouette width“（轮廓图）。先上代码和图：

library(cluster)
clust.col <- scater:::.get_palette("tableau10medium") # hidden scater colours
sil <- silhouette(my.clusters, dist = my.dist)
sil.cols <- clust.col[ifelse(sil[,3] > 0, sil[,1], sil[,2])]
sil.cols <- sil.cols[order(-sil[,1], sil[,3])]
plot(sil, main = paste(length(unique(my.clusters)), "clusters"), 
    border=sil.cols, col=sil.cols, do.col.sort=FALSE)
来自刘小泽理解的一份诚意满满的单细胞教程_第28张图片
图28
  • 这个图是对上面得到的各个cluster中的细胞做的barplot，每个cluster是一种颜色。
  • 如果一个细胞的横坐标width值为正并且它越大，表示相比于其他clusters的细胞，这个细胞和它所在cluster中的其他细胞更接近；如果width为负，就表示这个cluster的这个细胞和其他cluster的细胞更接近，也就是说分群效果不好
  • 利用这个图，我们就能调整之前的参数，来调整分群效果，不过也不需要太过纠结完美的分群结果
  • 从图中可以看到，大多数细胞的width数值比较小，表明cluster之间的分离效果一般。很有可能是”过度分群“，比如原来都属于treat组的cluster又继续分成了小cluster，那么它们之间分离效果肯定要差。
作者建议
  • 聚类也可以用quickCluster函数，关于它的利弊：more robust to noise and normalization errors, but is also less sensitive to subtle changes in the expression profiles

12.2 每个cluster检测marker基因

得到了不同的cluster，就可以利用findMarkers()去为每个cluster寻找marker基因。

它的方法是：两两cluster之间对每个基因的log表达量进行 Welch t-tests (Soneson and Robinson 2018)。这样就能找到每个cluster中的差异表达基因（前提是掩盖掉非生物因素，例如批次信息）。得到的top 差异基因能更好地作为marker基因候选，原因就是：既然它们是最具有差异代表性的，那么利用它们就能区分不同cluster的细胞，也就实现了marker的目的。【当然，还有许多细胞类型自己特有的基因，也是作为marker的候选者】

markers <- findMarkers(sce, my.clusters, block=sce$Plate)

每个cluster与其他cluster的两两比较结果会整合到每个cluster的差异基因结果数据框中

例如：看一下第1个cluster的top10差异基因

marker.set <- markers[["1"]]
head(marker.set, 10)

## DataFrame with 10 rows and 7 columns
##              Top              p.value                  FDR           logFC.2
##                                         
## Aurkb          1 6.65863261824492e-75 1.58362259559721e-70 -7.37163350569914
## Tk1            1 6.41442387689833e-64 3.81385607660686e-60 -4.92754579848056
## Myh11          1 4.95086465211539e-49 9.81220116843835e-46  4.42159318376489
## Cdca8          1 2.22334940769686e-46  3.5251945975503e-43 -6.84273526334783
## Ccna2          2 1.16841222330534e-68 1.38941739534356e-64  -7.3079756458424
## Rrm2           2 1.48873842020081e-56 5.05809512109088e-53 -5.52120322191947
## Cks1b          2 3.83636139889977e-39 2.40105745131667e-36  -6.6792118199827
## Pirb           2 1.83893803490065e-34 6.15992440620318e-32  5.25803749166673
## Pimreg         3 7.41004737119548e-68 5.87443855430467e-64 -7.30454210816126
## Pclaf          3  8.9651722100101e-51 2.13218690670669e-47 -5.60087985621813
##                  logFC.3            logFC.4            logFC.5
##                                    
## Aurkb  -6.72799345321135  -1.95039440976238  -6.91128802096519
## Tk1    -7.74065113926215  -3.53749565362853  -4.63516273649457
## Myh11   4.30812918035861   4.45235717737968    1.0413149433198
## Cdca8  -4.88595092732349  -2.43821402084038  -7.12791471326961
## Ccna2   -6.9676852052539  -2.46589325823089  -7.12692721843331
## Rrm2   -7.94685699818751  -3.19173143688883  -5.42878091964762
## Cks1b  -5.92137181826573  -4.37146346518812    -6.214592473138
## Pirb    5.18195596569259   5.87631057587633 0.0704964218555272
## Pimreg -5.91099762335684 -0.874660676141792  -7.01798853404623
## Pclaf  -7.56997893312346  -2.36631043435985  -5.16956927698937

可以将全部cluster的marker基因保存起来

write.table(marker.set, file="416B_marker_1.tsv", sep="\t", 
    quote=FALSE, col.names=NA)

最后热图对cluster1的marker基因可视化

top.markers <- rownames(marker.set)[marker.set$Top <= 10]
plotHeatmap(sce, features=top.markers, columns=order(sce$cluster), 
            colour_columns_by=c("cluster", "Plate", "Oncogene"),
            cluster_cols=FALSE, center=TRUE, symmetric=TRUE, 
            zlim=c(-5, 5),
            show_colnames = F)
来自刘小泽理解的一份诚意满满的单细胞教程_第29张图片
图29

从图中粗略地看一看：cluster1包含了处理组（oncogene-induced）细胞，另外第5群也是处理组细胞。如果生物背景足够的话，也能推断出这些细胞与某些DE基因之间的联系。

「需要注意的地方」

当然，不是所有的marker基因都在所选cluster都是上调或下调的，它不仅仅是差异基因这么简单。如果只选差异基因，这样会过滤掉很多重要的marker基因。

例如，在CD4+-only, CD8+-only, double-positive and double-negative T cells混合的细胞群体中，重要的细胞marker基因Cd4或Cd8 都不会被检测到，因为这两个基因会在其中两个类型的细胞群体中都存在（比如Cd4 会存在于CD4+-only和 double-positive两种细胞类型中）

这里强烈建议挑选一些已经验证过的细胞marker基因，比如

  • CellMarker数据库（http://biocc.hrbmu.edu.cn/CellMarker/）：整理了100,000+发表的文献，包含人的158个组织 (亚组织)的467个细胞类型的13,605个Marker基因，和鼠的81个组织 (亚组织)的389个细胞类型的9, 148个Marker基因
  • PanglaoDB（https://panglaodb.se/）：小鼠的170种组织954个样本近400W细胞和来自人的68种组织279个样本100w+细胞
  • 小鼠Mouse Cell Atlas（http://bis.zju.edu.cn/MCA/）
  • signatureDB（https://pldaniels.com/signaturedb/）

最好再加上一些定量实验，比如fluorescent in situ hybridisation or quantitative PCR，确定细胞亚群真实存在，而不仅仅是因为我们分析得到是这样

作者建议
  • 如果只想提取cluster中的上调表达基因，就可以在findMarkers中指定参数direction="up" 。应用在高度异质性群体中，可以更快速判断不同的cluster
  • findMarkers除了将一个cluster与其他各个cluster两两比较之外，还能对某个cluster和其他全部clusters进行差异分析，设置参数pval.type="all" ；如果再和direction="up"连用，就可以用来鉴定每个cluster中特异的marker基因。但是如果存在”过度聚类“的情况，原本一个cluster分成了两个，那么这个特异的marker基因就不会存在。
  • 另外，这里的p值不能简单理解为显著性。具体原因在:https://bioconductor.org/packages/3.9/simpleSingleCell/vignettes/de.html#misinterpretation-of-de-$p$-values

结语

基础分析到此结束

那么高级分析都有哪些呢？这里举一些例子：

  • pseudotime拟时序分析（比如探索分化过程）： monocle (Trapnell et al. 2014) or TSCAN (Ji and Ji 2016)
  • cell-state hierarchies：sincell (Julia, Telenti, and Rausell 2015)
  • oscillatory behaviour：Oscope (Leng et al. 2015)
  • 高变化基因（HVGs）的GSEA分析：结合异质性鉴定生物学通路或代谢途径：scde (Fan et al. 2016)

心得体会

理解这长长的英文文档不是件容易事，但是作者写的很简单易懂，辅助之前的知识，再一次添加了一些知识。

在此，和你分享，一起进步~

欢迎关注我们的公众号～_～　　
我们是两个农转生信的小硕，打造生信星球，想让它成为一个不拽术语、通俗易懂的生信知识平台。需要帮助或提出意见请后台留言或发送邮件到[email protected]

来自刘小泽理解的一份诚意满满的单细胞教程_第30张图片
Welcome to our bioinfoplanet!

你可能感兴趣的:(来自刘小泽理解的一份诚意满满的单细胞教程)

  • 斤斤计较的婚姻到底有多难？ 白心之岂必有为
    很多人私聊我会问到在哪个人群当中斤斤计较的人最多？我都会回答他，一般婚姻出现问题的斤斤计较的人士会非常多，以我多年经验，在婚姻落的一塌糊涂的人当中，斤斤计较的人数占比在20～30%以上，也就是说10个婚姻出现问题的斤斤计较的人有2-3个有多不减。在婚姻出问题当中，有大量的心理不平衡的、尖酸刻薄的怨妇。在婚姻中仅斤斤计较有两种类型：第一种是物质上的，另一种是精神上的。在物质与精神上抠门已经严重的影响
  • 情绪觉察日记第37天 露露_e800
    今天是家庭关系规划师的第二阶最后一天，慧萍老师帮我做了个案，帮我处理了埋在心底好多年的一份恐惧，并给了我深深的力量！这几天出来学习，爸妈过来婆家帮我带小孩，妈妈出于爱帮我收拾东西，并跟我先生和婆婆产生矛盾，妈妈觉得他们没有照顾好我…。今晚回家见到妈妈，我很欣赏她并赞扬她，妈妈说今晚要跟我睡我说好，当我们俩躺在床上准备睡觉的时候，我握着妈妈的手对她说:妈妈这几天辛苦你了，你看你多利害把我们的家收拾得
  • 芦花鞋一四 许叶晗
    又是在一个寒冷的夏日里，青铜和葵花决定今天一起去卖芦花鞋，奶奶亲手给他们做了一碗热乎乎的粥对他们说:“就靠你们两挣生活费了这碗粥赶紧趁热喝了吧！”于是青铜和葵花喝完了奶奶给她们做的粥，就准备去镇上卖卢花鞋，这回青铜和葵花穿着新的芦花鞋来到了镇上。青铜这回看到了很多人都在卖，用手势表达对葵花说:“这回有好多人在抢我们生意呢！我们必须得吆喝起来。”葵花点了点头。可是谁知他们也大声的叫，卖芦花喽！卖芦花
  • QQ群采集助手，精准引流必备神器 2401_87347160 其他经验分享
    功能概述微信群查找与筛选工具是一款专为微信用户设计的辅助工具，它通过关键词搜索功能，帮助用户快速找到相关的微信群，并提供筛选是否需要验证的群组的功能。主要功能关键词搜索：用户可以输入关键词，工具将自动查找包含该关键词的微信群。筛选功能：工具提供筛选机制，用户可以选择是否只显示需要验证或不需要验证的群组。精准引流：通过上述功能，用户可以更精准地找到目标群组，进行有效的引流操作。3.设备需求该工具可以
  • 关于沟通这件事，项目经理不需要每次都面对面进行 流程大师兄
    很多项目经理都会遇到这样的问题，项目中由于事情太多，根本没有足够的时间去召开会议，那在这种情况下如何去有效地管理项目中的利益相关者？当然，不建议电子邮件也不需要开会的话，建议可以采取下面几种方式来形成有效的沟通，这几种方式可以帮助你努力的通过各种办法来保持和各方面的联系。项目经理首先要问自己几个问题，项目中哪些利益相关者是必须要进行沟通的？可以列出项目中所有的利益相关者清单，同时也整理出项目中哪些
  • 机器学习与深度学习间关系与区别 ℒℴѵℯ心·动ꦿ໊ོ꫞ 人工智能学习深度学习python
    一、机器学习概述定义机器学习（MachineLearning,ML）是一种通过数据驱动的方法，利用统计学和计算算法来训练模型，使计算机能够从数据中学习并自动进行预测或决策。机器学习通过分析大量数据样本，识别其中的模式和规律，从而对新的数据进行判断。其核心在于通过训练过程，让模型不断优化和提升其预测准确性。主要类型1.监督学习（SupervisedLearning）监督学习是指在训练数据集中包含输入
  • 铭刻于星（四十二） 随风至
    69夜晚，绍敏同学做完功课后，看了眼房外，没听到动静才敢从书包的夹层里拿出那个心形纸团。折痕压得很深，都有些旧了，想来是已经写好很久了。绍敏同学慢慢地、轻轻地捏开折叠处，待到全部拆开后，又反复抚平纸张，然后仔细地一字字默看。只是开头的三个字是第一次看到，让她心漏跳了几拍。“亲爱的绍敏：从四年级的时候，我就喜欢你了，但是我一直不敢说，怕影响你学习。六年级的时候听说有人跟你表白，你接受了，我很难过，但
  • 底层逆袭到底有多难，不甘平凡的你准备好了吗？让吴起给你说说 造命者说
    底层逆袭到底有多难，不甘平凡的你准备好了吗？让吴起给你说说我叫吴起，生于公元前440年的战国初期，正是群雄并起、天下纷争不断的时候。后人说我是军事家、政治家、改革家，是兵家代表人物。评价我一生历仕鲁、魏、楚三国，通晓兵家、法家、儒家三家思想，在内政军事上都有极高的成就。周安王二十一年（公元前381年），因变法得罪守旧贵族，被人乱箭射死。我出生在卫国一个“家累万金”的富有家庭，从年轻时候起就不甘平凡
  • 2020-01-25 晴岚85
    郑海燕坚持分享590天2020.1.24在生活中只存在两个问题。一个问题是：你知道想要达成的目标是什么，但却不知道如何才能达成；另一个问题是：你不知道你的目标是什么。前一个是行动的问题，后一个是结果的问题。通过制定具体的下一步行动，可以解决不知道如何开始行动的问题。而通过去想象结果，对结果做预估，可以解决找不着目标的问题。对于所有吸引我们注意力，想要完成的任务，你可以先想象一下，预期的结果究竟是什
  • 随笔 | 仙一般的灵气 海思沧海
    仙岛今天，我看了你全部，似乎已经进入你的世界我不知道，这是否是梦幻，还是你仙一般的灵气吸引了我也许每一个人都要有一份属于自己的追求，这样才能够符合人生的梦想，生活才能够充满着阳光与快乐我不知道，我为什么会这样的感叹，是在感叹自己的人生，还是感叹自己一直没有孜孜不倦的追求只感觉虚度了光阴，每天活在自己的梦中，活在一个不真实的世界是在逃避自己，还是在逃避周围的一切有时候我嘲笑自己，嘲笑自己如此的虚无，
  • 想家 爆米花机
    也许不同于大家对家乡的思念，我对家乡甚至是疯狂的不舍。还未踏出车站就感觉到幸福，我享受这里的夕阳、这里的浓烈柴火味、这里每一口家常菜。我是宅女，我贪恋家的安逸。刚刚踏出大学校门，初出茅庐，无法适应每年只能国庆和春节回家。我焦虑、失眠、无端发脾气，是无法适应工作的节奏，是无法接受我将一步步离开家乡的事实。我不想承认自己胸无大志，选择再次踏上征程。图片发自App
  • 【iOS】MVC设计模式 Magnetic_h iosmvc设计模式objective-c学习ui
    MVC前言如何设计一个程序的结构，这是一门专门的学问，叫做"架构模式"（architecturalpattern），属于编程的方法论。MVC模式就是架构模式的一种。它是Apple官方推荐的App开发架构，也是一般开发者最先遇到、最经典的架构。MVC各层controller层Controller/ViewController/VC（控制器）负责协调Model和View，处理大部分逻辑它将数据从Mod
  • OC语言多界面传值五大方式 Magnetic_h iosui学习objective-c开发语言
    前言在完成暑假仿写项目时，遇到了许多需要用到多界面传值的地方，这篇博客来总结一下比较常用的五种多界面传值的方式。属性传值属性传值一般用前一个界面向后一个界面传值，简单地说就是通过访问后一个视图控制器的属性来为它赋值，通过这个属性来做到从前一个界面向后一个界面传值。首先在后一个界面中定义属性@interfaceBViewController:UIViewController@propertyNSSt
  • 一百九十四章. 自相矛盾 巨木擎天
    唉！就这么一夜，林子感觉就像过了很多天似的，先是回了阳间家里，遇到了那么多不可思议的事情儿。特别是小伙伴们，第二次与自己见面时，僵硬的表情和恐怖的气氛，让自己如坐针毡，打从心眼里难受！还有东子，他现在还好吗？有没有被人欺负？护城河里的小鱼小虾们，还都在吗？水不会真的干枯了吧？那对相亲相爱漂亮的太平鸟儿，还好吧！春天了，到了做窝、下蛋、喂养小鸟宝宝的时候了，希望它们都能够平安啊！虽然没有看见家人，也
  • UI学习——cell的复用和自定义cell Magnetic_h ui学习
    目录cell的复用手动（非注册）自动（注册）自定义cellcell的复用在iOS开发中，单元格复用是一种提高表格（UITableView）和集合视图（UICollectionView）滚动性能的技术。当一个UITableViewCell或UICollectionViewCell首次需要显示时，如果没有可复用的单元格，则视图会创建一个新的单元格。一旦这个单元格滚动出屏幕，它就不会被销毁。相反，它被添
  • element实现动态路由+面包屑 软件技术NINI vue案例vue.js前端
    el-breadcrumb是ElementUI组件库中的一个面包屑导航组件，它用于显示当前页面的路径，帮助用户快速理解和导航到应用的各个部分。在Vue.js项目中，如果你已经安装了ElementUI，就可以很方便地使用el-breadcrumb组件。以下是一个基本的使用示例：安装ElementUI（如果你还没有安装的话）:你可以通过npm或yarn来安装ElementUI。bash复制代码npmi
  • 10月|愿你的青春不负梦想-读书笔记-01 Tracy的小书斋
    本书的作者是俞敏洪，大家都很熟悉他了吧。俞敏洪老师是我行业的领头羊吧，也是我事业上的偶像。本日摘录他书中第一章中的金句：『一个人如果什么目标都没有，就会浑浑噩噩，感觉生命中缺少能量。能给我们能量的，是对未来的期待。第一件事，我始终为了进步而努力。与其追寻全世界的骏马，不如种植丰美的草原，到时骏马自然会来。第二件事，我始终有阶段性的目标。什么东西能给我能量？答案是对未来的期待。』读到这里的时候，我便
  • C语言宏函数 南林yan C语言c语言
    一、什么是宏函数？通过宏定义的函数是宏函数。如下，编译器在预处理阶段会将Add(x,y)替换为((x)*(y))#defineAdd(x,y)((x)*(y))#defineAdd(x,y)((x)*(y))intmain(){inta=10;intb=20;intd=10;intc=Add(a+d,b)*2;cout<
  • 地推话术，如何应对地推过程中家长的拒绝 校师学
    相信校长们在做地推的时候经常遇到这种情况：市场专员反馈家长不接单，咨询师反馈难以邀约这些家长上门，校区地推疲软，招生难。为什么？仅从地推层面分析，一方面因为家长受到的信息轰炸越来越多，对信息越来越“免疫”；而另一方面地推人员的专业能力和营销话术没有提高，无法应对家长的拒绝，对有意向的家长也不知如何跟进，眼睁睁看着家长走远；对于家长的疑问，更不知道如何有技巧地回答，机会白白流失。由于回答没技巧和专业
  • 谢谢你们，爱你们！ 鹿游儿
    昨天家人去泡温泉，二个孩子也带着去，出发前一晚，匆匆下班，赶回家和孩子一起收拾。饭后，我拿出笔和本子（上次去澳门时做手帐的本子）写下了1\2\3\4\5\6\7\8\9,让后让小壹去思考，带什么出发去旅游呢？她在对应的数字旁边画上了，泳衣、泳圈、肖恩、内衣内裤、tapuy、拖鞋……画完后，就让她自己对着这个本子，将要带的，一一带上，没想到这次带的书还是这本《便便工厂》(晚上姑婆发照片过来，妹妹累得
  • C语言如何定义宏函数？ 小九格物 c语言
    在C语言中，宏函数是通过预处理器定义的，它在编译之前替换代码中的宏调用。宏函数可以模拟函数的行为，但它们不是真正的函数，因为它们在编译时不会进行类型检查，也不会分配存储空间。宏函数的定义通常使用#define指令，后面跟着宏的名称和参数列表，以及宏展开后的代码。宏函数的定义方式：1.基本宏函数：这是最简单的宏函数形式，它直接定义一个表达式。#defineSQUARE(x)((x)*(x))2.带参
  • 微服务下功能权限与数据权限的设计与实现 nbsaas-boot 微服务java架构
    在微服务架构下，系统的功能权限和数据权限控制显得尤为重要。随着系统规模的扩大和微服务数量的增加，如何保证不同用户和服务之间的访问权限准确、细粒度地控制，成为设计安全策略的关键。本文将讨论如何在微服务体系中设计和实现功能权限与数据权限控制。1.功能权限与数据权限的定义功能权限：指用户或系统角色对特定功能的访问权限。通常是某个用户角色能否执行某个操作，比如查看订单、创建订单、修改用户资料等。数据权限：
  • 理解Gunicorn：Python WSGI服务器的基石 范范0825 ipythonlinux运维
    理解Gunicorn：PythonWSGI服务器的基石介绍Gunicorn，全称GreenUnicorn，是一个为PythonWSGI（WebServerGatewayInterface）应用设计的高效、轻量级HTTP服务器。作为PythonWeb应用部署的常用工具，Gunicorn以其高性能和易用性著称。本文将介绍Gunicorn的基本概念、安装和配置，帮助初学者快速上手。1.什么是Gunico
  • 小丽成长记（四十三） 玲玲54321
    小丽发现，即使她好不容易调整好自己的心态下一秒总会有不确定的伤脑筋的事出现，一个接一个的问题，人生就没有停下的时候，小问题不断出现。不过她今天看的书，她接受了人生就是不确定的，厉害的人就是不断创造确定性，在Ta的领域比别人多的确定性就能让自己脱颖而出，显示价值从而获得的比别人多的利益。正是这样的原因，因为从前修炼自己太少，使得她现在在人生道路上打怪起来困难重重，她似乎永远摆脱不了那种无力感，有种习
  • 学点心理知识，呵护孩子健康 静候花开_7090
    昨天听了华中师范大学教育管理学系副教授张玲老师的《哪里才是学生心理健康的最后庇护所，超越教育与技术的思考》的讲座。今天又重新学习了一遍，收获匪浅。张玲博士也注意到了当今社会上的孩子由于心理问题导致的自残、自杀及伤害他人等恶性事件。她向我们普及了一个重要的命题，她说心理健康的一些基本命题，我们与我们通常的一些教育命题是不同的，她还举了几个例子，让我们明白我们原来以为的健康并非心理学上的健康。比如如果
  • 2021年12月19日，春蕾教育集团团建活动感受——黄晓丹 黄错错加油
    感受:1.从陌生到熟悉的过程。游戏环节让我们在轻松的氛围中得到了锻炼，也增长了不少知识。2.游戏过程中，我们贡献的是个人力量，展现的是团队的力量。它磨合的往往不止是工作的熟悉，更是观念上契合度的贴近。3.这和工作是一样的道理。在各自的岗位上，每个人摆正自己的位置、各司其职充分发挥才能，并团结一致劲往一处使，才能实现最大的成功。新知:1.团队精神需要不断地创新。过去，人们把创新看作是冒风险，现在人们
  • Cell Insight | 单细胞测序技术又一新发现，可用于HIV-1和Mtb共感染个体诊断 尐尐呅
    结核病是艾滋病合并其他疾病中导致患者死亡的主要原因。其中结核病由结核分枝杆菌（Mycobacteriumtuberculosis,Mtb）感染引起，获得性免疫缺陷综合症（艾滋病）由人免疫缺陷病毒（Humanimmunodeficiencyvirustype1,HIV-1）感染引起。国家感染性疾病临床医学研究中心/深圳市第三人民医院张国良团队携手深圳华大生命科学研究院吴靓团队，共同研究得出单细胞测序
  • c++ 的iostream 和 c++的stdio的区别和联系 黄卷青灯77 c++算法开发语言iostreamstdio
    在C++中，iostream和C语言的stdio.h都是用于处理输入输出的库，但它们在设计、用法和功能上有许多不同。以下是两者的区别和联系：区别1.编程风格iostream（C++风格）：C++标准库中的输入输出流类库，支持面向对象的输入输出操作。典型用法是cin（输入）和cout（输出），使用>操作符来处理数据。更加类型安全，支持用户自定义类型的输入输出。#includeintmain(){in
  • 瑶池防线 谜影梦蝶
    冥华虽然逃过了影梦的军队，但他是一个忠臣，他选择上报战况。败给影梦后成逃兵，高层亡尔还活着，七重天失守......随便一条，即可处死冥华。冥华自然是知道以仙界高层的习性此信一发自己必死无疑，但他还选择上报实情，因为责任。同样此信送到仙宫后，知道此事的人，大多数人都认定冥华要完了，所以上到仙界高层，下到扫大街的，包括冥华自己，全都准备好迎接冥华之死。如果仙界现在还属于两方之争的话，冥华必死无疑。然而
  • 爬山后遗症 璃绛
    爬山，攀登，一步一步走向制高点，是一种挑战。成功抵达是一种无法言语的快乐，在山顶吹吹风，看看风景，这是从未有过的体验。然而，爬山一时爽，下山腿打颤，颠簸的路，一路向下走，腿部力量不够，走起来抖到不行，停不下来了！第二天必定腿疼，浑身酸痛，坐立难安！
  • web前段跨域nginx代理配置 刘正强 nginxcmsWeb
    nginx代理配置可参考server部分 server {         listen       80;         server_name  localhost;
  • spring学习笔记 caoyong spring
    一、概述     a>、核心技术 : IOC与AOP b>、开发为什么需要面向接口而不是实现     接口降低一个组件与整个系统的藕合程度，当该组件不满足系统需求时，可以很容易的将该组件从系统中替换掉，而不会对整个系统产生大的影响 c>、面向接口编口编程的难点在于如何对接口进行初始化,(使用工厂设计模式)
  • Eclipse打开workspace提示工作空间不可用 0624chenhong eclipse
    做项目的时候，难免会用到整个团队的代码，或者上一任同事创建的workspace， 1.电脑切换账号后，Eclipse打开时，会提示Eclipse对应的目录锁定，无法访问，根据提示，找到对应目录，G:\eclipse\configuration\org.eclipse.osgi\.manager，其中文件.fileTableLock提示被锁定。 解决办法，删掉.fileTableLock文件，重
  • Javascript 面向对面写法的必要性？ 一炮送你回车库 JavaScript
    现在Javascript面向对象的方式来写页面很流行，什么纯javascript的mvc框架都出来了：ember 这是javascript层的mvc框架哦,不是j2ee的mvc框架   我想说的是，javascript本来就不是一门面向对象的语言，用它写出来的面向对象的程序，本身就有些别扭，很多人提到js的面向对象首先提的是：复用性。那么我请问你写的js里有多少是可以复用的，用fu
  • js array对象的迭代方法 换个号韩国红果果 array
    1.forEach 该方法接受一个函数作为参数， 对数组中的每个元素 使用该函数  return 语句失效 function square(num) { print(num, num * num); } var nums = [1,2,3,4,5,6,7,8,9,10]; nums.forEach(square); 2.every 该方法接受一个返回值为布尔类型
  • 对Hibernate缓存机制的理解 归来朝歌 session一级缓存对象持久化
    在hibernate中session一级缓存机制中，有这么一种情况： 问题描述：我需要new一个对象，对它的几个字段赋值，但是有一些属性并没有进行赋值，然后调用 session.save()方法，在提交事务后，会出现这样的情况： 1：在数据库中有默认属性的字段的值为空 2：既然是持久化对象，为什么在最后对象拿不到默认属性的值？ 通过调试后解决方案如下： 对于问题一，如你在数据库里设置了
  • WebService调用错误合集 darkranger webservice
     Java.Lang.NoClassDefFoundError: Org/Apache/Commons/Discovery/Tools/DiscoverSingleton 调用接口出错， 一个简单的WebService import org.apache.axis.client.Call;import org.apache.axis.client.Service; 首先必不可
  • JSP和Servlet的中文乱码处理 aijuans Java Web
    JSP和Servlet的中文乱码处理 前几天学习了JSP和Servlet中有关中文乱码的一些问题，写成了博客，今天进行更新一下。应该是可以解决日常的乱码问题了。现在作以下总结希望对需要的人有所帮助。我也是刚学，所以有不足之处希望谅解。 一、表单提交时出现乱码： 在进行表单提交的时候，经常提交一些中文，自然就避免不了出现中文乱码的情况，对于表单来说有两种提交方式：get和post提交方式。所以
  • 面试经典六问 atongyeye 工作面试
    题记：因为我不善沟通，所以在面试中经常碰壁，看了网上太多面试宝典，基本上不太靠谱。只好自己总结，并试着根据最近工作情况完成个人答案。以备不时之需。 以下是人事了解应聘者情况的最典型的六个问题： 1 简单自我介绍 关于这个问题，主要为了弄清两件事，一是了解应聘者的背景，二是应聘者将这些背景信息组织成合适语言的能力。 我的回答：(针对技术面试回答，如果是人事面试，可以就掌
  • contentResolver.query()参数详解 百合不是茶 androidquery()详解
    收藏csdn的博客,介绍的比较详细,新手值得一看 1.获取联系人姓名 一个简单的例子，这个函数获取设备上所有的联系人ID和联系人NAME。 [java]  view plain copy   public void fetchAllContacts() {      
  • ora-00054:resource busy and acquire with nowait specified解决方法 bijian1013 oracle数据库killnowait
            当某个数据库用户在数据库中插入、更新、删除一个表的数据，或者增加一个表的主键时或者表的索引时，常常会出现ora-00054:resource busy and acquire with nowait specified这样的错误。主要是因为有事务正在执行（或者事务已经被锁），所有导致执行不成功。 1.下面的语句
  • web 开发乱码 征客丶 springWeb
    以下前端都是 utf-8 字符集编码 一、后台接收 1.1、 get 请求乱码 get 请求中，请求参数在请求头中； 乱码解决方法： a、通过在web 服务器中配置编码格式：tomcat 中，在 Connector 中添加URIEncoding="UTF-8"； 1.2、post 请求乱码 post 请求中，请求参数分两部份， 1.2.1、url？参数，
  • 【Spark十六】： Spark SQL第二部分数据源和注册表的几种方式 bit1129 spark
    Spark SQL数据源和表的Schema case class apply schema parquet json JSON数据源 准备源数据 {"name":"Jack", "age": 12, "addr":{"city":"beijing&
  • JVM学习之:调优总结 -Xms -Xmx -Xmn -Xss BlueSkator -Xss-Xmn-Xms-Xmx
      堆大小设置JVM 中最大堆大小有三方面限制：相关操作系统的数据模型（32-bt还是64-bit）限制；系统的可用虚拟内存限制；系统的可用物理内存限制。32位系统下，一般限制在1.5G~2G；64为操作系统对内存无限制。我在Windows Server 2003 系统，3.5G物理内存，JDK5.0下测试，最大可设置为1478m。典型设置： java -Xmx355
  • jqGrid 各种参数 详解(转帖) BreakingBad jqGrid
      jqGrid 各种参数 详解 分类：  源代码分享  个人随笔请勿参考  解决开发问题 2012-05-09 20:29   84282人阅读   评论(22)   收藏   举报 jquery 服务器 parameters function ajax string  
  • 读《研磨设计模式》-代码笔记-代理模式-Proxy bylijinnan java设计模式
    声明： 本文只为方便我个人查阅和理解，详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/ import java.lang.reflect.InvocationHandler; import java.lang.reflect.Method; import java.lang.reflect.Proxy; /* * 下面
  • 应用升级iOS8中遇到的一些问题 chenhbc ios8升级iOS8
    1、很奇怪的问题，登录界面，有一个判断，如果不存在某个值，则跳转到设置界面，ios8之前的系统都可以正常跳转，iOS8中代码已经执行到下一个界面了，但界面并没有跳转过去，而且这个值如果设置过的话，也是可以正常跳转过去的，这个问题纠结了两天多，之前的判断我是在 -(void)viewWillAppear:(BOOL)animated  中写的，最终的解决办法是把判断写在 -(void
  • 工作流与自组织的关系？ comsci 设计模式工作
      目前的工作流系统中的节点及其相互之间的连接是事先根据管理的实际需要而绘制好的，这种固定的模式在实际的运用中会受到很多限制，特别是节点之间的依存关系是固定的，节点的处理不考虑到流程整体的运行情况，细节和整体间的关系是脱节的，那么我们提出一个新的观点，一个流程是否可以通过节点的自组织运动来自动生成呢？这种流程有什么实际意义呢？   这里有篇论文，摘要是：“针对网格中的服务
  • Oracle11.2新特性之INSERT提示IGNORE_ROW_ON_DUPKEY_INDEX daizj oracle
    insert提示IGNORE_ROW_ON_DUPKEY_INDEX 转自：http://space.itpub.net/18922393/viewspace-752123 在 insert into tablea ...select * from tableb中，如果存在唯一约束，会导致整个insert操作失败。使用IGNORE_ROW_ON_DUPKEY_INDEX提示，会忽略唯一
  • 二叉树:堆 dieslrae 二叉树
        这里说的堆其实是一个完全二叉树,每个节点都不小于自己的子节点,不要跟jvm的堆搞混了.由于是完全二叉树,可以用数组来构建.用数组构建树的规则很简单:     一个节点的父节点下标为: (当前下标 - 1)/2     一个节点的左节点下标为: 当前下标 * 2 + 1   &
  • C语言学习八结构体 dcj3sjt126com c
    为什么需要结构体，看代码 # include <stdio.h> struct Student //定义一个学生类型，里面有age, score, sex, 然后可以定义这个类型的变量 { int age; float score; char sex; } int main(void) { struct Student st = {80, 66.6,
  • centos安装golang dcj3sjt126com centos
    #在国内镜像下载二进制包 wget -c  http://www.golangtc.com/static/go/go1.4.1.linux-amd64.tar.gz tar -C /usr/local -xzf go1.4.1.linux-amd64.tar.gz   #把golang的bin目录加入全局环境变量 cat >>/etc/profile<
  • 10.性能优化-监控-MySQL慢查询 frank1234 性能优化MySQL慢查询
    1.记录慢查询配置 show variables where variable_name like 'slow%' ; --查看默认日志路径 查询结果：--不用的机器可能不同 slow_query_log_file=/var/lib/mysql/centos-slow.log 修改mysqld配置文件：/usr /my.cnf[一般在/etc/my.cnf，本机在/user/my.cn
  • Java父类取得子类类名 happyqing javathis父类子类类名
      在继承关系中，不管父类还是子类，这些类里面的this都代表了最终new出来的那个类的实例对象，所以在父类中你可以用this获取到子类的信息！   package com.urthinker.module.test; import org.junit.Test; abstract class BaseDao<T> { public void
  • Spring3.2新注解@ControllerAdvice jinnianshilongnian @Controller
    @ControllerAdvice，是spring3.2提供的新注解，从名字上可以看出大体意思是控制器增强。让我们先看看@ControllerAdvice的实现：   @Target(ElementType.TYPE) @Retention(RetentionPolicy.RUNTIME) @Documented @Component public @interface Co
  • Java spring mvc多数据源配置 liuxihope spring
    转自：http://www.itpub.net/thread-1906608-1-1.html 1、首先配置两个数据库 <bean id="dataSourceA" class="org.apache.commons.dbcp.BasicDataSource" destroy-method="close&quo
  • 第12章 Ajax（下） onestopweb Ajax
    index.html <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> <html xmlns="http://www.w3.org/
  • BW / Universe Mappings blueoxygen BO
      BW Element OLAP Universe Element Cube  Dimension Class Charateristic A class with dimension and detail objects (Detail objects for key and desription) Hi
  • Java开发熟手该当心的11个错误 tomcat_oracle java多线程工作单元测试
    #1、不在属性文件或XML文件中外化配置属性。比如，没有把批处理使用的线程数设置成可在属性文件中配置。你的批处理程序无论在DEV环境中，还是UAT（用户验收 测试）环境中，都可以顺畅无阻地运行，但是一旦部署在PROD 上，把它作为多线程程序处理更大的数据集时，就会抛出IOException，原因可能是JDBC驱动版本不同，也可能是#2中讨论的问题。如果线程数目 可以在属性文件中配置，那么使它成为
  • 推行国产操作系统的优劣 yananay windowslinux国产操作系统
    最近刮起了一股风，就是去“国外货”。从应用程序开始，到基础的系统，数据库，现在已经刮到操作系统了。原因就是“棱镜计划”，使我们终于认识到了国外货的危害，开始重视起了信息安全。操作系统是计算机的灵魂。既然是灵魂，为了信息安全，那我们就自然要使用和推行国货。可是，一味地推行，是否就一定正确呢？ 先说说信息安全。其实从很早以来大家就在讨论信息安全。很多年以前，就据传某世界级的网络设备制造商生产的交
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他