跟着Theis Lab学单细胞: 01. 写在前面

"最好的学习时机是十年前，其次是现在。"

大家好呀！我是Miana，一个在读 Bio PhD。最近我决定开启一个新的系列 - 《跟着Theis Lab学单细胞》，这个系列将是对 Theis Lab 的 Single-Cell Best Practices（单细胞最佳实践）教程的中文翻译和整理。

🎯一点碎碎念

---

说起为什么要做这个系列，还得从我自己的经历说起。我最初接触单细胞分析时选择了R语言和Seurat，因为有R的基础，而且ggplot能输出很漂亮的可视化结果。但随着分析的数据量越来越大，R的计算速度和内存占用逐渐成为了瓶颈，即使在服务器上也常常遇到限制。另一个困扰是，最近很多新的分析工具都是基于Python开发的，在R和Python之间频繁转换数据格式既麻烦又容易出错。

不过，我始终认为熟悉不同分析系统都是有价值的 - R生态（特别是Seurat）的可视化和易用性，以及Python生态（特别是scanpy）的计算效率和扩展性，都很值得学习。正是这些经历让我意识到，需要一个系统性的、与时俱进的教程。

在寻找学习资料的过程中，我发现优质的中文教程太少了。虽然也有一些零散的博客文章和视频教程，但往往只是介绍某个具体的分析步骤，缺乏系统性。而英文资料又常常有些晦涩难懂，特别是对刚入门的同学来说。

直到我遇见了 Theis Lab 的这份教程，强大的编写团队、深入浅出的风格和广泛全面的主题让我眼前一亮。这也是我想要和大家分享这份教程的初衷。

🤔为什么选择这个教程？

---

如果你也在钻研单细胞领域，可能会发现网上的教程要么过于简单，要么过于专业，很难找到一个既系统又易懂的学习资料。而 Single-Cell Best Practices 恰恰完美地填补了这个空缺：

1.最新最全的专业指南：这份教程始于2023年，由单细胞领域的顶尖实验室持续更新维护。从基础概念到高级分析，从数据预处理到下游解读，事无巨细地涵盖了单细胞分析的方方面面。

2.基于Python生态系统：教程主要基于scanpy包进行讲解。在AI和大数据时代，Python的优势越发明显：

•强大的数据处理能力

•丰富的机器学习工具

•活跃的开源社区

•完善的可视化生态

3.持续更新的知识库：与单篇技术文章相比，这个系列将保持稳定更新，及时跟进领域最新发展。我会定期检查原教程的更新，确保大家能获取到最新的知识。

📚内容规划

---

本系列将完整覆盖原教程的所有章节，包括但不限于：

•单细胞测序基础知识

•数据质控与预处理

•数据整合与批次效应

•降维与聚类分析

•轨迹推断

•差异分析

•...

我会在保持专业准确性的同时，尽量用通俗易懂的语言，并适当加入一些实际案例和补充知识，帮助大家更好地理解这些内容。

📅更新计划

---

为了保证内容质量，同时也照顾到自己的学习和工作节奏，我计划：

•每周更新1-2篇文章

•优先翻译和整理基础重要的章节

•视反馈情况适当调整更新频率和内容深度

🔗资源获取

原版教程：

同时，在每一篇教程中我们也会附上暗号以方便大家获取当期教程的英文原文PDF、代码以及数据集。

本期福利：

后台回复single-cell获取:

•本书前作：Current best practices in single-cell RNA-seq analysis: a tutorial

•Bioconductor单细胞教程(基于SingleCellExperiment):Orchestrating Single-Cell Analysis with Bioconductor

•本书推荐Python基础教程：Automate the Boring Stuff with Python

•本书推荐R基础教程：R for Data Science, 2e

⚖️版权声明

本系列文章是对 Theis Lab 的 Single-Cell Best Practices 的中文翻译和整理工作。原教程遵循 Apache 2.0 许可证。在此特别声明：

•原创内容版权归原作者所有

•翻译内容仅供学习交流使用

•如果您发现任何不准确的地方，欢迎指出

💌写在最后

欢迎点赞、收藏、在看，如果有问题或者建议也欢迎在评论区留言讨论～

---

#生物信息学 #单细胞测序 #教程 #Python #Scanpy