2023-06-09 scRNA-seq分析个人分析记录贴

前言

scRNA-seq越来越成为一种常规测序内容，最近正好分析一些scRNA-seq的数据，把分析过程记录下来，便于后续再次使用。
对于走过的坑也进行记录，后续便于解决问题。
本贴涉及的脚本运行环境包括linux及windows，软件涉及conda、R、python和docker。
本贴持续更新，随时更新记录新的分析方法和内容。
有什么宝贵建议，请留言交流，不胜感激！

目录

1 软件安装及环境搭建
本文依赖的软件如下：
Linux: Anaconda (搭建分析环境，安装相应的软件)
Windows: RStudio（运行R便于演示和修改）、Spyder（运行python便于演示和修改）、Docker（R包dyno依赖Docker）
R (version 4.3.0)及Rtools43 for Windows
Cell Ranger v7.0

相应的python模块和R包安装在正文中展示。

2 测序数据质控（fastp）
3 测序数据比对 (cellranger)
4 数据过滤
5 数据标准化（normalization）
6 细胞周期回归分析（cell cycle scoring and regression）
7 数据归一化（scale）
8 降维及聚类分析（PCA，UMAP及tSNE）
9 去除doublets (DoubletFinder)
10 找cluster Biomarkers
11 鉴定细胞类型(cell type)
12 伪时间分析（Pseudotime）
13 速率分析（RNA velocity）

正文

1 软件安装及环境搭建

数据分析开始前，先搭建分析环境并把该安装的软件安装完成。
本文在linux系统上基于conda进行环境搭建和软件安装。

#下载conda（版本可能随时变，请查阅官网）
wget https://repo.anaconda.com/archive/Anaconda3-2023.03-1-Linux-x86_64.sh

#安装conda
bash ./Anaconda3-2023.03-1-Linux-x86_64.sh

#创建分析环境
conda create -n scRNAseq r-base=4.3.0 python=3.10 fastp 

#激活分析环境
conda activate scRNAseq