韩国的生物信息学服务公司提供的单细胞数据分析也无非这些

无意中检索到一个公司：ROKIT Genomics，根据其主页信息的公司地址看出来是韩国首尔，专注于提供单细胞数据分析服务器，见：https://www.rokitgenomics.com/service.html

Genomics aims to facilitate the personalized and precision medicine.

提供也是目前商业上主流的单细胞转录组建库服务:

10x和BD

数据分析方面，首先是常规的降维聚类分群以及各个亚群特异性基因的种展现方式，见以前我们做的投票：可视化单细胞亚群的标记基因的5个方法，下面的5个基础函数相信大家都是已经烂熟于心了：

• VlnPlot(pbmc, features = c("MS4A1", "CD79A"))
• FeaturePlot(pbmc, features = c("MS4A1", "CD79A"))
• RidgePlot(pbmc, features = c("MS4A1", "CD79A"), ncol = 1)
• DotPlot(pbmc, features = unique(features)) + RotatedAxis()
• DoHeatmap(subset(pbmc, downsample = 100), features = features, size = 3)

下面就是标准出图:

降维聚类分群

单细胞转录组数据分析的标准降维聚类分群，并且进行生物学注释后的结果。可以参考前面的例子：人人都能学会的单细胞聚类分群注释 ，我们演示了第一层次的分群。

高级分析就出现了一个拟时序：

如果你没有足够的计算资源，有一个简单版本的转录因子分析，就是 dorothea 这个R包，本质上是计算 Viper 得分，代码如下所示:

## We compute Viper Scores 
 
# 0.安装R包 ----
# devtools::install_github('caleblareau/BuenColors')
# utils::install.packages(pkgs = "ggstatsplot")
# InstallData("pbmc3k") 

# 1.加载R包和测试数据 ----
rm(list = ls())
library(SeuratData) #加载seurat数据集  
getOption('timeout')
options(timeout = 10000)
data("pbmc3k")  
sce <- pbmc3k.final  
library(Seurat)
# 一个seurat对象
library(dorothea)
library(tidyverse)
# 获取包自带数据库
## We read Dorothea Regulons for Human:
dorothea_regulon_human <- get(data("dorothea_hs", package = "dorothea"))

## We obtain the regulons based on interactions with confidence level A, B and C
regulon <- dorothea_regulon_human %>%
    dplyr::filter(confidence %in% c("A","B","C"))

sce <- run_viper(sce, regulon,
                  options = list(method = "scale", minsize = 4, 
                                 eset.filter = FALSE, cores = 1,  
                                 verbose = FALSE))

R包，DoRothEA on http://bioconductor.org/ and https://github.com/saezlab/dorothea. 有详细的文档介绍如何选择TF activity per cell population，根据 previously computed VIPER scores on DoRothEA’s regulons.

写在文末

我在《生信技能树》，《生信菜鸟团》，《单细胞天地》的大量推文教程里面共享的代码都是复制粘贴即可使用的， 有任何疑问欢迎留言讨论，也可以发邮件给我，详细描述你遇到的困难的前因后果给我，我的邮箱地址是 jmzeng1314@163.com

如果你确实觉得我的教程对你的科研课题有帮助，让你茅塞顿开，或者说你的课题大量使用我的技能，烦请日后在发表自己的成果的时候，加上一个简短的致谢，如下所示：

We thank Dr.Jianming Zeng(University of Macau), and all the members of his bioinformatics team, biotrainee, for generously sharing their experience and codes.

十年后我环游世界各地的高校以及科研院所（当然包括中国大陆）的时候，如果有这样的情谊，我会优先见你。