从头开始 学习数据集 单细胞分析 GSE184854 单细胞分群策略 单细胞分析策略 单细胞命名策略 亚群分析 亚群命名

以GSE184854_scRNA-seq_mouse_lung_ccr2为例子

1.根据标准流程 读入矩阵 去双细胞

2.以resolution分辨率为3 （细胞数为2w），划分亚群。（这里更推荐使用较小的分辨率，比如分辨率为2，先把大体上细胞类型鉴别出来，之后，再详细的优化，调整分辨率）。通过Disease.markers <- FindAllMarkers(All, min.pct = 0.25, logfc.threshold = 0.55, only.pos = T)查看每个亚群的marker基因，进而比较容易鉴别出细胞类型。
假如分成30群，
对每一群进行分析 查看其marker属于哪一类或者哪一亚类细胞。

开始可以先从整体上划分细胞：上皮类 髓系 淋巴系。或者上皮类 b细胞 t、nk细胞 成纤维细胞 单核-巨噬细胞 中性粒细胞 比如依靠Csf1r+ Cd68+来取出单核-巨噬细胞

在以上大群的基础上取出小群，进行详细分析。分析时候，给subset_Data设置不同的分辨率，看每一群的情况。 假如取出 单核-巨噬细胞 进行分析，目的是得到不同的巨噬细胞亚群。 1 先取出单核-巨噬细胞，然后标准步骤，降维，按照0.2分辨率进行聚类。
2.查看上述所得亚群的marker基因，给每个亚群命名。（这个时候，有的群是有比较明确的marker的，还有一些混杂的群，甚至可能出现上皮类、b细胞、成纤维细胞等等。记录这些亚群的位置，及其所属的细胞门类）
3.对步骤1的结果，进行放大分辨率，根据情况，取0.3甚至0.4的分辨率，重新查看、记录分群位置，并且与步骤2的结果进行对比。
4.重复上述三个步骤，最后，确定某个分辨率，取出自己想要分析的细胞。

**经验就是：**一定要查看不同分辨率下得到的结果，然后分别给不同分辨率下的亚群进行命名，最后并且对比着看，确定自己想要的分群结果。

分辨率太大的话，会导致出现非常多的没有意义的亚群；但是分辨率太小的话，就会让不同的细胞类型聚集到一个cluster，这样才取出某个群来详细分析的话，就会出现很多混杂细胞。