看到了一个使用了国产单细胞仪器的文章，标题是：《Single-cell transcriptomics reveal the heterogeneity and dynamic of cancer stem-like cells during breast tumor progression》，感兴趣的小伙伴可以自己去下载文献pdf慢慢学习，是开源的。他这单个单细胞数据里面的不同细胞亚群质量控制参数是不一样，算是侧面回答了很多粉丝的疑问：
首先，可以很清楚的看到中间的一大坨细胞的各个指标，包括检测到的基因数量，和文库大小都非常突出 ：
各个指标
从降维聚类分群后的生物学注释图表也可以看到中间的一大坨细胞就是上皮细胞，而外围主要是T和B以及髓系免疫细胞 ：
外围主要是T和B以及髓系免疫细胞
也就是说 上皮细胞比免疫细胞有更多的检测到的基因，细胞文库大小 ：
所以作者给出来的过滤参数不一样：
- 上皮细胞是：“total counts: > 5,000; number of genes: >2,000; the proportion of mitochondrial gene counts: <8%”.
- 免疫细胞是：“total counts: >1000; number of genes: >500; the proportion of mitochondrial gene counts: <8%”.
当然了，这个文章里面的乳腺癌生物学背景知识也值得大家学习：
乳腺癌生物学背景知识
这样的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。如果你对单细胞数据分析还没有基础认知，可以看基础10讲：
- 01. 上游分析流程
- 02.课题多少个样品，测序数据量如何
- 03. 过滤不合格细胞和基因（数据质控很重要）
- 04. 过滤线粒体核糖体基因
- 05. 去除细胞效应和基因效应
- 06.单细胞转录组数据的降维聚类分群
- 07.单细胞转录组数据处理之细胞亚群注释
- 08.把拿到的亚群进行更细致的分群
- 09.单细胞转录组数据处理之细胞亚群比例比较
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：
代码语言：javascript复制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。
