单细胞RNA测序（single-cell RNA-seq，简称scRNA-seq）

单细胞转录组分析以单个细胞为特定研究对象，提取 mRNA 进行逆转录、放大和高通量测序分析，能揭示该细胞内 整体水平的基因表达状态和基因结构信息，准确反映细胞间的异质性，深入理解其基因型和表型之间的相互关系，在发育生 物学、基础医学、临床诊断和药物开发等领域都发挥重要作用

存在的挑战：前期准备

 technical noise---ERCC spike-in

https://www.nature.com/nmeth/journal/v10/n11/pdf/nmeth.2645.pdf

 amplification bias---UMI, cell barcode https://www.nature.com/nmeth/journal/v11/n2/pdf/nmeth.2772.pdf

rational sequencing depth--- rarefaction curve 

随着测序深度的增加，看检测到的基因数是否饱和

http://www.nature.com/nmeth/journal/v11/n1/full/nmeth.2694.html 

分析过程：对于scRNA-seq的分析，大部分都是可以参考bulk测序（比对，计数，标准化， 差异分析，聚类等），但是由于scRNA-seq衡量的是单个细胞间的差异关系，所以在选择统计方法的时候需要注意。

http://www.nature.com/nrg/journal/v16/n3/full/nrg3833.html

QC， normalization：FastQC， RPKM，TPM，或者单纯地reads counts后续用DESEQ2等方法

    oseurat：一个针对scRNA-seq的R包，其中可以利用PCA，ICA、t- sne    来做聚类。

 http://satijalab.org/seurat/

可以去看这个网站，有很详细的分析教程，非常推荐。其中那个10X genomics的数据，曾经有幸和该公司接触过，是一个集测序和分析为一体的服务，它的那一套PBMC的数据，合格的细胞达到了将近3000个（后续进展我没再关注过了，可能有更新），并且结合了UMI，cell barcode这些策略，如果拿来练手的话，灰常的推荐。Satija也针对这个数据做了一系列的分析（上面那个链接可以找到详细的教程---代码，不能更友好）。

bactch effect：这个呢，由于成本原因，样本重复数都不会太大，所以这个我之前做的时候没有很好的方法。期待大家的共同努力啊~~~

应用

 identification of cell type and cellular state

differential expression and transcript isoforms

identifying highly variable genes

 regulatory networks and their robustness

stochasticity of transcription

PS：推荐几个人吧

Stephen R Quake: https://quakelab.stanford.edu/

Ido Amit: https://www.weizmann.ac.il/immunology/AmitLab/front

Sarah Techmann: www.sanger.ac.uk/science/groups/teichmann-group 

Aviv Regev: https://www.broadinstitute.org/regev-lab

欢迎关注