module01
速答
module02
速答
module03
速答
module04
速答
05 轨迹推断与拟时序分析
聚类把细胞分成若干离散的 cluster，但发育、分化、应激响应这类现象更自然的描述是"细胞沿着一条连续路径逐渐变化"。轨迹推断（trajectory inference）的目标就是把单细胞数据里的连续结构显式地建模成图或曲线，然后给每个细胞一个在这条路径上的位置 —— 就是拟时序（pseudotime）。
06 细胞-细胞通讯分析
单细胞数据让我们能拿到组织里每种细胞各自在表达什么，但很多生物学问题的答案不在某一类细胞里，而在"A 类细胞的表达信号传到 B 类细胞上引发了什么"。细胞-细胞通讯分析（cell-cell communication，或 ligand-receptor analysis）就是从这个角度建模：根据每类细胞里配体（ligand）和受体（receptor）的表达水平，结合已知的 L-R 相互作用数据库，推测哪些细胞对之间在"说话"。
07 多模态数据分析
多模态单细胞技术在一个细胞里同时测两种信息：CITE-seq 同时测 RNA 和细胞表面蛋白，10x Multiome 同时测 RNA 和染色质可及性。相比纯 scRNA-seq，多模态数据的优势是可以相互验证和补充：RNA 层的聚类结果，往往能在蛋白层找到更清晰的 marker。
08 TCR/BCR 测序分析
T 细胞受体（TCR）和 B 细胞受体（BCR）单细胞测序把免疫学里最核心的问题——"同一个细胞是哪个克隆"——放到了分辨率最高的层面。10x Genomics 的 V(D)J 试剂盒能同时测出一个细胞的 GEX（基因表达）和 V(D)J（受体序列），后续分析的主线就是：把 V(D)J 结果和 GEX 对象绑起来，再在每个聚类里看克隆是否扩增、扩增来自哪些通路。
09 空间转录组学
空间转录组在 scRNA-seq 的基础上保留了一个关键维度：每条表达信号来自切片的哪个位置。不同技术的空间分辨率差别很大：10x Visium 把组织打在微珠芯片上，每个 spot 约 55 μm 包含数个细胞；Slide-seq、MERFISH、seqFISH+ 能做到单细胞或亚细胞分辨率，代价是数据量更大、分析工具更专。
10 scATAC-seq 分析
scATAC-seq 测的是单细胞层面的染色质可及性：哪些基因组区域在这个细胞里是"打开的"，通常对应启动子、增强子等顺式调控元件。和 scRNA-seq 的一个直接区别是稀疏得多——每个细胞只有几千到几万个 fragment，落在 peak 上的更少——所以工具链另成一套。