亚群注释

为什么要进行亚群注释呢？

答：了解每个claster的细胞类型。

亚群注释的三种方法？

答：

0. 找到每个claster的marker基因；自己找 FindMaekers()
1. 找到每个claster的保守的marker基因；FindConservedMarkers()
2. 根据已知细胞类型的marker基因，去找每个claster的marker基因。气泡图DotPlot(scRNA_harmony,feature=c("marker基因 "))

表达基因的寻找？

FindAllMarkers()函数

pct1和pct2

答：pct是percent百分比的简称，pct1表示APOC1在0 cluster的表达占比，假设0 cluster有1000个细胞，那么当pst1=0.788，则说明，0 cluster中有788个细胞有APOC1这个基因。若pct2=0.2156，则pct2表示除了0 cluster意外，其他cluster中APOC1基因的表达占比是0.216

什么是上调基因，什么是下调基因？

答：

特定类群的标志基因？

答：

气泡图的理解？

答：

颜色的深浅表示的是平均的表达度；

气泡的大小表示的是该基因在cluster内的表达百分比。

亚群注释软件

1. SingR

流程：

0. 加载refRdata，赋值给refdata；

1. 加载normalize之后的scRNA_harmony数据的data数据，赋值给testdata（其数据类型是稀疏矩阵dgcMatrix)

2. 加载scRNA_harmony数据的Cluster信息；

3. 使用SingleR进行亚群标注，其中method要选择cluster，assay.type.test数据的类型选择logcounts类型；

4. scRNA_harmony的meta.data里面是原始数据。将SingR的注释写入meta.data中

5. python使用annodata数据比较多；

6. 关于cluster注释的评价方法：

   0. 基于细胞得分的注释效果评价：使用plotScoreHeatMap（）可视化（横轴是labels，纵轴也是labels）查看。颜色越黄，代表cluster的注释越准确。

   0. 基于小提琴图； 0. 基于marker基因可视化展示；

2.Garnett软件进行亚群注释

0. Garnett使用人工定义的marker基因信息来选择细胞，然后再基于这些细胞，使用弹性网络回归的机器学习算法训练分类器，得到新的marker基因，最后再利用现存的marker基因和学习到的marker基因，共同对cluster进行注释。

1. Garnett制作训练分类器的流程：

   0. 制作符合Garnett格式的marker基因文件（marker file）；
   1. 使用单细胞数据创建monocle3的CDS数据对象（cds object）；
   2. 将marker file和cds object 输入到garnett中，对marker基因打分，根据评分优化marker file的信息；
   3. 然后再使用优化后的marker file和cds object 输入到Garnett分类器中，进行细胞分类；

   

2. marker file格式：

   0. 细胞类型字段以“>”号开头；
   1. 以"expressed:“开头的字段，代表了该细胞的marker基因

3. pbmc是什么？

   答：

4. cds对象是什么？

   答：