单细胞GSEA富集分析可以对不同比较组之间相同的细胞类型进行分析，也可以对不同的细胞类型进行分析。
相关分析有不同的方法：主要包括Pearson参数相关检验，Spearman和Kendall基于秩的相关分析。
此外，应用于单细胞甲基化分析方法的技术，如PBAT，也可以类似地应用于NOME-seq，NOMe-seq可以根据核糖体的存在与否，利用GpC甲基转移酶的染色质可及性差异，确认双硫酸盐转化的DNA中开放染色质和CpG甲基化。
早期的单细胞捕获方法包括显微移液法、显微操作法和激光捕获显微切割法[26-27]。与目前常用的几种方法相比，这些方法通量低，技术上具有挑战性，需要费时费力，但在需要分析的细胞数量较少（如稀有细胞）时仍可使用。
专家经验谈:如何开展单细胞qPCR分析(三)
专家经验谈：如何开展单细胞qPCR分析（一）Q5：您如何定量单细胞qPCR结果？Mikael Kubista（TATAA生物中心）单细胞表达谱数据的分析包括三个步骤：normalization、scaling和clustering。
先来了解一下什么是Ct值？阈值循环数Thresholdcycle（Ct）也写作Cq值，荧光信号达到荧光阈值时PCR循环数。仪器软件通常将第3-15个循环的荧光值设为基线（baseline）。阈值（threshold）一般是基线的标准偏差的10倍。
接下来，我们对整合后的数据进行scaling归一化，PCA和UMAP/t-SNE降维可视化。如图所示，我们可以看到批次校正后整合的数据可以很好按细胞类型的混合到一起，而不存在明显的样本间的批次。
玩转单细胞高级分析|单细胞inferCNV分析篇
inferCNV的使用需要三个文件：基因在染色体上的位置信息文件，细胞类型文件，以及单细胞表达矩阵文件。基因在染色体上的位置信息文件第一列为gene symbol名称，第二列是染色体号，后两列是基因的始末位置，制表符分隔。
年中国人民 *** 总医院等单位的研究人员在 Immunity 发表了利用单细胞测序研究人类早期T淋巴细胞生成和胸腺 *** 生成的文章。
关于单细胞CNV分析，目前主流的分析软件为inferCNV和后起的“新秀”copyCAT，本篇就从这两个软件着手，体现CNV分析在单细胞研究中的重要作用。
对于肿瘤的单细胞样本，在做完细胞质控和细胞类型鉴定之后，可以进入CNV分析。在统计学上，CopyKAT将贝叶斯方法与层次聚类相结合，计算单个细胞的基因组拷贝数分布，并从高通量单细胞转录组数据中定义 *** 子结构。
InferCNV是broad出品的一款对单细胞转录组测序数据推断CNV的工具包。这里我们对其自带的数据运行该工具包看一下效果。
单细胞分析
单细胞富集分析可以揭示细胞的发育机制、解析细胞异质性、探索组间细胞富集差异，从而挖掘疾病潜在的治疗靶点。揭示细胞亚型的发育机制 在发育研究中，可以通过富集分析对亚型细胞进一步分析，阐述其分化机制。
单细胞制备的主要挑战包括起始样品的脆性、物理应力、缓冲液的选择、细胞解离的持续时间和单细胞的产量[18]。
文章分为四大块，首先探讨了多模态单细胞分析方法，其次研究了不同实验不同数据整合分析，然后讨论了单细胞空间测序数据整合分析方法，最后给出了整合分析方法的前景与必要性。 最初的单细胞分析方法主要关注细胞某状态下的某类分子水平。
官网上有推荐的根据细胞数来选择分辨率，将该参数设置在0.4-2之间，对于3K左右的单细胞数据集通常会得到良好的结果。对于较大的数据集，最佳分辨率通常会增加。针对具体的情况，判断标准可能偏主观一些。