单细胞测序的应用领域非常多，比如CNV检测，ATAC-seq等, 其中引起广泛关注的，就是单细胞在转录组学的应用，即single cell RNA sequencing, 简称scRNA-seq，下面我们从实验设计到数据分析介绍整个单细胞设计流程：
1.实验设计
1）尽可能的避免引起批次效应和混淆生物学因素
2）UMIs标记的使用（定量标准，对照）：如使用相对长的UMI等
3）Spike-ins（分子标记，定量标准，对照）使用
4）细胞数量 VS 读取深度的考量
2.原始数据处理、质控
1）Read QC 和 Trimming：常用软件 FASTQC, cutadapt
2）Mapping： 常用的有STAR ， Salmon ， kallisto
3）定量：i、小的数据集，不含UMIs建议使用 featureCounts ；ii、大的数据集不含UMIs建议 Salmon, kallisto ；iii、UMIs数据集建议 UMI-tools + featureCounts
3.表达矩阵处理
1）Cell QC，使用 scater 等
2）数据标准化使用 scran
3）批次效应处理（如果存在），可以使用如： RUVs 、 mnnCorrect 、 ComBat 等
4.生物学意义探索
1）特征选择， M3Drop
2）聚类和Marker基因鉴定，≤5000 cells : SC3；>5000 cells : Seurat
3）Pseudotime（ 拟时序分析：拟时序是一种测量方式，表示的是一个细胞在某种转变过程中的“进展”，进展越少越接近原始细胞状态，进展越多越接近终点细胞状态）：i、不同时间点： TSCAN ；ii、小数据集/未知数量的分支： Monocle2 ；iii、大型连续数据集： destiny
4）差异表达分析，此处可选择的工具有很多了，如： edgeR 、 MAST 、 scde 等等。
参考资料：
1.https://scrnaseq-course.cog.sanger.ac.uk/website/index.html
2.https://www.10xgenomics.com/cn/resources/support-documentation/
