2026最新scRNA-seq分析流程

別怕學不會，只怕你不學

去年推出的限時回歸 ：2026.04~06，為期兩個月在（線上/線下均可參與），“手把手”的帶大家完成scRNA-seq數據分析學習。

教單細胞，我們是專業的！Biomamba的單細胞教程播放量已經48.8w+ 。 小伙伴們的發文致謝可見：。

https://www.bilibili.com/video/BV1S44y1b76Z/

交流中我們發現，由于缺少編程、單細胞、文章套路等基本知識，大家自學并不能完全自學掌握單細胞分析技能。因此，我們推出了全新的《scRNA-seq數據分析小白全程班》。2026.04~06，為期兩個月在（線上/線下均可參與，錯過直播也可以加入錄播/答疑+循環開課）“手把手”的帶大家完成scRNA-seq數據分析學習。拒絕生信快餐！課后歡迎大家隨時在群里對課程內容提問~。

參與此次課程你將獲得：

1、為期兩個月單細胞數據分析陪伴式教學。

2、加入《scRNA-seq數據分析小白全程班》群聊，三年內課程指導、答疑、回放、直播復聽，相信足夠覆蓋你的碩博生涯學習。

3、，256GB內存、500GB硬盤、20線程服務器3個月使用權。

4、scRNA-seq骨灰級分析手冊、代碼、測試文件（~300GB、1150個文件）。

通過兩個月的學習，你能夠繪制上百種單細胞圖表，以下為部分圖片集錦：

報名聯系客服微信[Biomamba_zhushou]：

內容計劃&大綱

學習資料一覽

通過這次全程學習，你將獲得并掌握以下學習手冊與資料：

R語言入門

同我們以前的課程一樣，我們給大家準備了學習手冊和學習資料，大家可聯系客服微信[Biomamba_zhushou]領?。?br/>

R語言教程目錄：

1 R介紹

1.1 R下載與安裝

1.1.1 RStudio

1.1.2 R幫助函數

1.1.3 用于管理R工作區的幫助函數

1.2 包

1.2.1 包的基本函數

1.2.2 包處理大型數據集的示例展示

2 創建數據集

2.1 理解數據類型

2.2 數據結構

2.2.1 向量(vector)

2.2.2 矩陣(matrix)

2.2.3 數組(array)

2.2.4 數據框(data)

2.2.5 因子(factor)

2.2.6 列表(list)

2.3 數據輸入

2.3.1 從帶分隔符的文本文件導入數據

2.3.2 導入Excel數據

3 基本數據管理

3.1 創建新變量

3.2 變量的重編碼(recoding)

3.3 變量的重命名

3.4.缺失值（NA）

3.5 類型判斷和轉換

3.6 數據排序

3.7 數據集的合并

3.8 選取變量

3.9 選取觀測值

3.10 subset()函數選擇觀測值或變量

3.11 剔除變量

3.12 dplyr包

3.13 使用管道操作符對語句進行串接

4 圖形初級(ggplot2)

4.1 使用ggplot2包創建圖形

4.1.1 函數ggplot2()

4.1.2 geom()函數

4.1.3 分組

4.1.4 標尺

4.1.5 刻面

4.1.6 標簽

4.1.7主題

4.2 ggplot2包的詳細信息

4.2.1 放置數據和映射選項

4.2.2 將圖形作為對象使用

4.2.3 保存圖形

Linux入門

同我們以前的課程一樣，我們給大家準備了學習手冊和學習資料，大家可聯系客服微信[Biomamba_zhushou]領取：

Linux教程目錄：

一、寫在前面

二 、服務器使用教程

三、Linux

3.1 什么是Linux系統

3.2 如何獲取Linux系統

3.3 命令行與基本命令

3.4 Linux的文件目錄系統

3.5 路徑查看與切換

3.6 通配符

3.7 刪除文件

3.8 復制和移動

3.9 用戶與組群概念

3.10 用戶管理

3.11 權限管理

3.12 快捷鍵

3.13 重定向

3.14 管道符

3.15 文件查找

3.16 軟鏈接與硬鏈接

3.17 文件壓縮和解壓縮

3.18 文本查看

3.19 文本瀏覽器

3.20 vim文本編輯器

3.21 文本處理

3.22 grep

3.23 sed

3.24 awk

3.25 shell腳本

3.26 if條件語句

3.27 循環

四、cellranger

4.1 軟件下載和安裝

4.2 數據準備

4.3 參數說明

4.4 執行cellranger分析

4.5 主要輸出文件

五、seeksoultools

5.1 軟件下載和安裝

5.2 數據準備

5.3 參數說明

5.4 執行seeksoultools分析

5.5 主要輸出文件

單細胞基礎分析

同我們以前的課程一樣，我們給大家準備了學習手冊和學習資料，大家可聯系客服微信[Biomamba_zhushou]領取：

教程圖片集錦：

單細胞基礎分析學習手冊

單細胞基礎分析教程目錄：

一、寫在前面

二、單細胞緒論

2.1 課程安排

2.2 視頻及測試文件

2.3 學習版服務器使用教程

三、各類型數據讀取

3.1 簡介

3.2 視頻及測試文件

3.3 環境準備

3.4 代碼

四、單樣本分析

4.1 R包安裝與加載

4.2 數據讀入并創建Seurat對象

4.3 質控數據及可視化

4.4 細胞分群

4.5 分群后的可視化

五、多樣本整合

5.1 單純的merge

5.2 anchor(CCA)

5.3 harmony 速度快、內存少

六、細胞類型注釋

6.1 準備工作

6.2 方法一:查數據庫

6.3 方法二：通過singleR進行注釋

6.4 方法三:自定義singleR的注釋

6.5 Seurat內置的TransferData

七、亞群分析

7.1 測試數據

7.2 Seurat::FindSubCluster(）

7.3 取子集重新聚類分群

八、組間差異分析

8.1 讀入并檢查數據

8.2 差異分析

8.3 解放生產力 通過循環自動計算差異基因

8.4 可視化方法

8.5 提取表達量，用ggplot2 DIY一個箱線圖

九、基因集富集與評分

9.1 富集分析

9.2 基因集評分

十、本教程用到的環境

十一、單細胞教程全收錄

十二、歡迎致謝

測試文件，總大小5.44GB

單細胞進階可視化

同我們以前的課程一樣，我們給大家準備了學習手冊和學習資料，大家可聯系客服微信[Biomamba_zhushou]領?。?/p>

教程圖片集錦：

單細胞進階可視化學習手冊

單細胞進階可視化教程目錄：

一、寫在前面

二、沉浸式統計細胞比例

2.1 準備工作

2.2 餅圖

2.3 甜甜圈圖

2.4 堆積柱狀圖

2.5 箱線圖

三、改造單細胞圖形-DimPlot

3.1 準備工作

3.2 調整DimPlot參數

3.3 ggplot2直接中的DIY

3.4 3D降維圖與動圖

3.5 一些造好的輪子

四、改造單細胞圖形-VlnPlot

4.1 準備工作

4.2 調整VlnPlot參數

4.3 ggplot2直接中的DIY

4.4 ggplot2改造

五、改造單細胞圖形-FeaturePlot

5.1 準備工作

5.2 調整FeaturePlot參數

5.3 ggplot2直接中的DIY

六、改造單細胞圖形-DotPlot

6.1 準備工作

6.2 DotPlot參數

6.3 DotPlot及其自帶參數美化

6.4 DotPlot聯合ggplot2美化

6.5 ggplot2復現DotPlot

七、改造單細胞圖形-DoHeatmap

7.1 加載數據

7.2 DoHeatmap參數

7.3 DoHeatmap及其自帶參數美化

7.4 ggplot2復現DoHeatmap

7.5 pheatmap復現DoHeatmap

7.6 complexheatmap復現DoHeatmap

7.7 拓展：基因表達均值熱圖

八、本教程用到的環境

九、單細胞教程全收錄

十、歡迎致謝

測試文件，總大小67.68MB

單細胞進階質控：RNA污染與雙細胞去除

同我們以前的課程一樣，我們給大家準備了學習手冊和學習資料，大家可聯系客服微信[Biomamba_zhushou]領?。?/p>

教程圖片集錦：

單細胞去污染學習手冊

單細胞去污染教程目錄：

一、寫在前面

二、準備工作

2.1 編程基礎

2.2 硬件基礎

三、SoupX

3.1 文獻解讀

3.2 包的安裝和導入

3.3 數據下載

3.4 數據讀取

3.5 向SoupChannel對象中添加額外的元數據

3.6 估計污染比例

3.7 矯正表達矩陣

3.8 PBMC8K實戰

四、DecontX

4.1 文獻解讀

4.2 包的安裝和導入

4.3 數據讀取

4.4 方案一：只輸入一個過濾后的細胞矩陣

4.5 方案二：提供raw/droplet矩陣

五、CellBender

5.1 文獻解讀

5.2 安裝

5.3 數據測試

5.4 CellBender 運行輸出文件說明

5.5 降維分群

六、結果比對

6.1 細胞數目對比

6.2 交集細胞對比

6.3 細胞類型偏好性對比

6.4 去污染后基因表達對比

七、總結

八、本教程用到的環境

九、單細胞教程全收錄

十、歡迎致謝

雙細胞過濾手冊

雙細胞過濾教程目錄：

一、概論

1.1簡介

1.2doublet計算工具的benchmark

1.3小結

二、DoubletFinder流程

2.1簡介

2.2實操

2.2.1環境準備

2.2.2輸入數據

2.2.3pN-pK計算

2.2.4同源doublets預測

2.2.5比例評估

2.2.6取出singlet

三、scds流程

3.1 包的安裝和加載

3.1.1安裝

3.1.2可能遇到的報錯

3.1.3加載包

3.2 實操

3.2.1數據讀取

3.2.2doublets score計算

3.2.3整理并查看doublets score分布情況

3.2.4刪除doublets

3.2.5scds的其它內置算法

四、版本信息

五、參考文獻

六、單細胞教程全收錄

七、歡迎致謝

測試文件，總大小5.75GB

單細胞進階分析——軌跡分析

同我們以前的課程一樣，我們給大家準備了學習手冊和學習資料，大家可聯系客服微信[Biomamba_zhushou]領取：

教程圖片集錦：

軌跡分析學習手冊

軌跡分析教程目錄：

一、寫在前面

二、可視化集錦

三、緒論

1. 定義

2. 擬時序分析作用

3. 不同 擬時序軟件的比較

3.1 總體評價結果

3.2 準確性

3.3 可擴展性

3.4 穩定性

3.5 軟件、文檔和手稿方面的可用性

四、monocle2

1. 簡介

2. 安裝monocle2

3. monocle2對象的格式

4. 初探 monocle2

4.1 預處理、質控

4.2 細胞降維、分群、鑒定

5. monocle2實戰

5.1 半監督式 擬時序

5.2 非 監督式的

6. 下游探索

6.1 DimPlot和FeaturePlot

6.2 VlnPlot

6.3 ggplot2繪圖

6.4 細胞比例探索

6.5 基因表達量的探索

五、monocle3

1 . 簡介

2 . monocle3和 monocle2的主要區別

2.1 monocle3的主要功能

2.2 先談缺點

2.3 再看看優點

3. 安裝monocle3

3.1 R語言中的安裝

3.2 通過conda安裝

4. 初探monocle3

4.1 monocle3對象的構建

4.2 預處理、質控

4.3 細胞降維、分群、鑒定

4.4 取子集以及亞群分析

5. monocle3實戰

5.1 預處理數據

5.2 擬時序分析

6. 下游探索

6.1 DimPlot和FeaturePlot

6.2 VlnPlot

6.3 ggplot2繪圖

6.4 細胞比例探索

6.5 基因表達量的探索

六、slingshot

1. 簡介

2. 官方教學解讀

2.1 介紹

2.2 上游分析

2.3 下游分析

2.4 功能詳細解說

3. 外部數據實操

3.1 單細胞數據下載：GSE163973

3.2 測試數據預處理

3.3 細胞聚類

3.4 關鍵細胞

3.5 擬時序分析

3.6 探究分化過程中的基因表達

4. 下游探索

4.1 DimPlot和FeaturePlot

4.2 VlnPlot

4.3 ggplot2繪圖

4.4 細胞比例探索

4.5 基因表達量的探索

七、velocyto

1. RNAvelocity原文解讀 1.1 摘要 1.2 結果 1.3 小結 2. 數據下載 2.1 bam文件 2.2 repeatmask文件 2.3 gtf文件 3. 軟件安裝 4. 生成loom文件 5. RNA速率分析實戰 5.1 安裝R包 5.2 加載R包 5.3 處理測試數據 5.4 統計spliced和unspliced區域 5.5 RNA速率推斷

八、環境版本信息

九、參考

十、單細胞教程全收錄

十一、歡迎致謝

測試文件，總大小2.77GB

單細胞進階分析——細胞通訊分析

同我們以前的課程一樣，我們給大家準備了學習手冊和學習資料，大家可聯系客服微信[Biomamba_zhushou]領取：

教程圖片集錦：

細胞通訊分析學習手冊

細胞通訊分析教程目錄：

一、寫在前面

二、可視化集錦

三、緒論

3.1 定義

3.2 不同細胞通訊軟件的比較

（1）互作預測過程

（2）主要研究成果

3.3 實驗追蹤細胞間相互作用

3.4 總結

四、cellchat

4.1 簡介

4.2 安裝并加載R包

4.3 下載、讀取、創建cellchat對象

4.4 載入數據庫并開始計算

4.5 可視化

4.6 進階可視化

4.7 配受體展示

4.8 通路展示

4.9 多個細胞通訊通路氣泡圖可視化

4.10 多組別細胞通訊

（1）準備工作

（2）可視化

五、nichenetr

5.1 準備工作

（1）安裝并加載R包

（2）表達矩陣獲取

（3）下載先驗模型

5.2 細胞通訊分析

（1）定義sender與receiver

（2）定義一組感興趣的基因集

（3）獲取配受體基因表達矩陣

（4）配體活性分析

（5）推斷受體以及配體潛在調控靶基因與配體的調控活性

（6）sender中配體的組間差異log fold change值

（7）可視化拼盤

5.3 差異細胞通訊分析

（1）準備工作

（2）定義niches

（3）計算niches的差異基因

（4）定義感興趣的基因組

（5）計算配體活性并推斷配受體對

（6）計算配體、受體、target的表達量

（7）通過受體表達量評估配受體對互作強度

（8）計算配受體對權重

（9）差異可視化

六、cellcall

6.1 軟件安裝和加載

6.2 數據準備

6.3 創建cellchat對象

6.4 推斷細胞-細胞通訊得分

6.5 通路活動分析

6.6 可視化

（1）圈圖

（2）熱圖

（3）桑葚圖

（4）TF富集分析圖

（5）山脊圖

6.7 結果保存

七、icellnet

7.1 軟件安裝和加載

7.2 數據準備

7.3 數據預處理

7.4 在感興趣的集群上應用icellnet管道

7.5 計算細胞通訊分數

7.6 結果可視化

（1）熱圖

（2）柱形圖

7.7 在TME內識別ccRCC2特定的通信信道

（1）計算ccRCC2的特定相互作用

（2）可視化

7.8 結果保持

八、環境版本信息

九、參考

十、單細胞教程全收錄

十一、歡迎致謝

測試文件，總大小6.05GB

單細胞進階分析——基因表達網絡分析

同我們以前的課程一樣，我們給大家準備了學習手冊和學習資料，大家可聯系客服微信[Biomamba_zhushou]領?。?br/>

教程圖片集錦：

基因表達網絡分析學習手冊

基因表達網絡分析教程目錄

一、寫在前面

二、可視化集錦

三、緒論

3.1 研究背景

3.2 主要結果

（1）合成網絡數據集

（2）精選模型數據

（3）實驗性的單細胞RNA-Seq數據集

3.3 小結

四、簡單的共表達網絡分析

4.1 加載R包

4.2 計算相關性

五、SCENIC

5.1 軟件安裝

5.2 加載R包

5.3 官方手冊

5.4 測試數據

（1）直接讀取loom文件

（2）創建loom文件

5.5 RcisTarget數據庫

（1）文件獲取

（2）RcisTarget數據庫文件初始化

5.6 分析流程

（1）初步設置

（2）共表達網絡(Co-expression network)計算

（3）構建基因調控網絡(Gene regulatory network, GRN)

（4）runSCENIC_3_scoreCells()分解步驟

（5）二元矩陣及可視化

（6）對regulon活性進行聚類分群、降維分析

5.7 下游探索工作

（1）交互式的探索

（2）在tSNE中繪制TF的表達水平

（3）探究regulon，靶基因，motif的關系

（4）用熱圖探究細胞與regulon的關系

（5）調控網絡的繪制

六、hdWGCNA

6.1 數據準備

（1）加載R包

6.2 數據讀入

6.3 為 WGCNA 設置 Seurat 對象

6.4 創建metacells

6.5 構建共表達網絡

（1）設置表達矩陣

（2）設置軟閾值

6.6 可視化

（1）模塊特征圖

（2）雷達圖

（3）相關性熱圖

（4）DotPlot

（5）VlnPlot

（6）網絡圖

（7）UMAP圖

（8）module與表型數據相關性分析

（9）Enrichment analysis基因集（module）富集分析

（10）模塊之間的差異分析

七、SCORPION

7.1 安裝R包

7.2 加載R包

7.3 示例數據展示

7.4 小鼠腸上皮單細胞數據

（1）安裝R包

（2）數據準備

（3）scorpion分析

7.5 人類胚胎干細胞

（1）定義QC質控函數

（2）導入單細胞數據

（3）單細胞數據處理

（4）單細胞分群展示

（5）8C-like細胞鑒定

（6）8C-like和其他亞群差異基因鑒定

（7）導入TF和PPT網絡

（8）scorpion分析

7.6 結果可視化和解讀

（1）導入Hnf4α和Hnf4γ分析結果

（2）Hnf4a密度圖

（3）Hnf4a差異值分布

（4）Hnf4g密度圖

（5）Hnf4g差異值分布

（6）Hnf4a線性回歸與靶基因富集分析

（7）Hnf4g線性回歸與靶基因富集分析

（8）加載DUX4分析結果

（9）轉錄因子調控分布散點圖

（10）DUX4密度圖

（11）DUX4差異值分布

（12）DUX4線性回歸與靶基因富集分析

八、參考

九、環境版本信息

十、單細胞教程全收錄

十一、歡迎致謝

測試文件，總大小12.53GB

單細胞進階分析——拷貝數變異分析

同我們以前的課程一樣，我們給大家準備了學習手冊和學習資料，大家可聯系客服微信[Biomamba_zhushou]領?。?br/>

教程圖片集錦：

拷貝數變異分析學習手冊

拷貝數變異分析教程目錄：

一、寫在前面

二、可視化集錦

三、緒論

3.1 定義

3.2 主要研究成果

（1）區分腫瘤細胞與正常細胞

（2）推斷的拷貝數變異（CNA）譜的準確性

（3）亞克隆結構推斷準確性的評估

（4）計算效率

3.3 小結

四、infercnv

4.1 簡介

4.2 安裝

4.3 輸入文件

4.4 infercnv workflow

4.5 infercnv實戰

（1）數據概況

（2）infercnv流程

（3）熱圖優化

（4）小提琴圖

五、copykat

5.1 copykat介紹

（1）簡介

（2）copykat工作流程描述

（3）性能評估

（4）實體腫瘤中腫瘤細胞和正常細胞的分類

（5）應用于其他scRNA-seq技術

（6）推斷乳腺腫瘤的克隆亞結構

（7）小結

5.2 copykat流程

（1）安裝

（2）counts矩陣預處理

（3）常用參數

（4）copykat

（5）整理數據

（6）繪制熱圖

5.3 copykat實戰

（1）數據概況

（2） copykat

（3）整理數據

（4）熱圖繪制

（5）探究一下拷貝數變異與原來亞群之間的關系

（6）CNA score小提琴圖

六、SCEVAN

6.1 安裝R包

6.2 加載R包

6.3 單樣本分析

（1）加載數據

（2）執行分析

（3）結果查看

6.4 多樣本分析

（1）加載數據

（2）執行分析

（3）結果查看

6.5 聯合Seurat對象

（1）創建Seurat對象

（2）將拷貝數變異結果加入Seurat對象

（3）降維分群

（4）可視化

七、numbat

7.1安裝R包

7.2加載R包

7.3 數據下載

7.4 等位基因數據準備

（1）運行參數解釋

（2）示例腳本

（3）可能出現的報錯

（4）執行分析

7.5 運行numbat

（1）運行參數解釋

（2）運行numbat

7.6 結果解讀

（1）拷貝數景觀和單細胞系統發育

（2）在系統發育上完善亞克隆

（3）共識拷貝數區段

（4）pseudobulks水平拷貝數變異

（5）進化樹

八、環境版本信息

九、參考

十、單細胞教程全收錄

十一、歡迎致謝

測試文件，總大小35.46GB

文獻復現

復現圖片集錦

學習手冊以html文件格式提供，可在瀏覽器中打開并翻閱學習

教程目錄：

一、文獻解讀

1.0 復現集錦

(1)原文集錦

(2)代碼復現集錦

1.1 背景介紹

1.2 主要內容

(1)scRNA-seq揭示正常瘢痕和纖維性皮膚病真皮組織的細胞異質

(2)瘢痕疙瘩和正常瘢痕中成纖維細胞形成不同的細胞亞群

(3)纖維化皮膚病中間充質成纖維細胞特征的鑒定

(4)成纖維細胞亞群中的配體-受體相互作用分析

(5)間充質成纖維細胞通過POSTN促進瘢痕中膠原蛋白表達

(6)sC4成纖維細胞比sC1成纖維細胞更像間充質細胞

(7)間充質成纖維細胞在硬皮病中增加

1.3 總結討論

二、準備工作

2.1 硬件準備

2.2 單細胞基礎

三、數據下載、處理和可視化

1. 數據下載

2. 讀取數據（10X標準數據）（barcodes、features、matrix）

3. 數據整合

4. Seurat標準流程(harmony去批次)

5. 細胞注釋

6. 細胞周期計算

7. 數據可視化

（1）分樣本細胞比例柱形圖

（2）分樣本細胞比例?；鶊D

（3）UMAP降維圖

（4）Marker小提琴圖

（5）Marker FeaturePlot

（6）Marker DotPlot

（7）Marker熱圖

8. 成纖維細胞亞群

（1）亞群細分

（2）分樣本細胞比例柱形圖

（3）亞群分樣本降維圖

（4）基因差異表達提琴圖

（5）細分注釋

（6）注釋后Marker展示

（7）Mesenchymal_Fib組間差異分析

（8）Mesenchymal_Fib差異基因富集分析

9. 間充質成纖維細胞在纖維化皮膚疾病中的特性

（1）分樣本基因表達FeaturePlot

（2）分組基因表達箱線圖

（3）亞群間差異基因熱圖

（4）Mesenchymal_Fib相對其他FIB亞群上調差異基因富集

（5）marker基因堆疊小提琴圖

10. 細胞通訊分析

（1）亞群標簽映射回細胞大類

（2）Normal組細胞通訊

（3）Keloid組細胞通訊

（4）細胞通訊熱圖

11. 擬時序分析

12. Mesenchymal_Fib兩個亞群間差異和富集

文末下載鏈接中包含的內容：

測試文件約12.17GB，大家注意按需下載！

報名費用

兩個月滿滿的課程只要￥4999，相信比小學生補課班還便宜。支持對公，目前可參與！也歡迎看看我們的價值觀：

線下學習環境

地點：南京市江寧區，詳細地址咨詢客服微信[Biomamba_zhushou]

往期活動現場：

除了知識之外，現場還能夠給大家提供：

茶水吧、咖啡機、零食柜

各類飲料、零食小吃

如何聯系我們

留一個領取、 服務器的微信號[Biomamba_zhushou]，方便各位隨時交流。同時我們也構建了，歡迎大家入群討論。

大家可以閱讀完這幾篇之后添加

已有生信基地聯系方式的同學無需重復添加

您點的每個贊和在看，我都認真當成了喜歡