一台配好环境的服务器，能给你带来什么？

生信分析是一个说简单也简单，说复杂也复杂的东西。在这个信息爆炸的时代，AI的快速普及大大降低了学习编程的难度，但是身为初学者，在互联网上获取大量信息的同时，也会遇到各种各样的bug，如何解决这种bug，在借助AI的过程中，有的可以解决，有的却无法解决，在疲惫中耽误了大量的时间。

会不会有一台服务器，可以为我配好所有的环境，甚至是将一些常见的代码配上数据，可以让我作为参照呢？

当然，我们最新推的服务器就可以完美的实现该闭环，首先介绍一下此服务器，名额有限，一台机器只能开10个账户，适合初学者快速入门，学习生信！

目前我们做了13个文件，每一个文件夹都是一个功能，当然后面还会更新，如果你有想做的，可以私信告诉我们，我们会单独配置该环境。

第一个功能：单细胞常规读取质控过滤亚群注释富集

01.scRNA.R为运行的脚本；

data的文件夹为上传的10x的数据，这个需要根据自己的数据进行更改；

datalist.RData和sce.RData为保存的seurat对象，后面会用到；

results文件夹为生成的部分图片和结果文件；

首先，我们来详细介绍一下，01的运行。这里只需要修改工作路径

同时将10x的数据放在data的文件夹下面，直接运行即可，接下来只需要根据具体的质控结果，选择合适的阈值即可。

通过tsne/Umap的图展示不同样本的分布情况，如果这时候发现存在批次，可以直接进入03的文件夹，将03的代码复制在后面进行去批次

03的文件夹是什么样的呢？

直接打开.R的脚本运行，这里需要注意的是选择去批次的方法，当然你也可以选择其他的，可以自己补充，选择什么方法去批次并不是固定的，我们在做的时候，需要注意一点，哪种效果好，用哪个。

去批次的效果的好坏，可以用下面的可视化进行评估

在运行的过程中把去批次的代码复制在01的脚本之后即可

这时候开始进行聚类分析，其实就是筛选高变基因将亚群进行分群，我们需要从文献中挑选不同细胞的marker基因，用特定的基因进行注释

这里需要注意的是，如果你遇到了双细胞就需要考虑是不是可以去双细胞，或者选择在前面过滤的时候阈值是否可以更加严格一些。什么是双细胞？

打个比方，一个细胞亚群同时表达B细胞的marker和T细胞的marker，并且难以分开，这时候这个细胞亚群我们一般就认为是双细胞，如何去除呢？

两种方法，一种是在前面过滤的时候将阈值范围设置小一些，一种是选择02的文件夹代码去双细胞。

直接打开代码进行运行，在01的脚本中，找到完成过滤之后的datalist的对象，直接运行后面的语句即可

接下来重新进行去批次，降维聚类分析。

到这一步，就是完成01-03的文件夹功能模块，是不是按照操作很简单，关键是有匹配的代码和数据，让你不用在网上继续复制代码，彻底告别一路红色的报警！

二、高级分析开始了

第一个细胞通讯分析，这里提供了两种方法，cellchat和cellphonedb。

用到的数据其实很简单，就是01中完成亚群注释后的seurat的对象

cellphonedb是python编译的一个第三方软件，很简单，这里我们是可以直接在Rstudio界面直接调用，函数我都已经封装好了，环境也都配好了，我使用的是v4.0.0的数据库进行分析

第二个功能：细胞轨迹分析，这里我们没有用monocle2进行分析，用的是monocle3进行的，需要自己指定root根的位置

直接运行06的文件夹即可，用到的数据也是01中完成亚群注释后的seurat的对象

第三个功能：转录因子预测，这里提供了两个版本，一个R版本的（比较慢），一个是python版本的




第四个功能，cnv的预测


第五个功能：功能分析，主要分成了scFEA,ReactomeGSA和scMetabolism

第六个文件夹：差异分析


第七个功能：scTenifoldpy虚拟敲除基因（后来加的）


你是不是还在担心对python代码不熟，只会用R语言，那么就让我来给你把python进行封装，让所有的功能在Rstudio界面即可完成，环境我配好了，你只需要换上你的数据，真的不来试试吗？

模块化的功能，会让你真正摆脱代码带给你的痛苦，夜深人静时，不在孤独与bug共度良宵，这样一台配好环境的服务器，你真的不想来试试吗？