春节期间我们弄了一个公众号活动，并且坚持下来了，详见：春节期间单细胞转录组数据分析全免费，目前已经结束啦，处理了两百多个公共单细胞数据集。
其中有一些委托让我们哭笑不得，我们明明是写的很清楚，可以帮忙下载测序的fq文件进行定量，也可以读入定量后的表达量矩阵进行降维聚类分群，因为这些过程是有规范步骤和统一流程的，既然是免费数据分析活动大家不应该是指望我们在各种的单细胞数据里面投入海量的时间和精力吧。 更别说如下所示的一揽子需求： 
一揽子需求其实这个想法就有问题，CNS文章当然是值得学习，很多文章本来就是会公开全部的代码， 比如文章：Cerebrospinal fluid immune dysregulation during healthy brain aging and cognitive impairment. Cell 2022 Dec 22;185(26):5028-5039.e13. PMID: 36516855，主图质量很高，更值得一提的是全部的绘图代码都是公开的哦，在：Github: https://github.com/gatelabnw/csf_aging，只需要你会降维聚类分群，后续的各种可视化基本上就是复制粘贴调试代码的小活了： Fig1D-F_Fig4H_SuppFig1C_1G_celltype_annotation.R
Fig1G-H_linear_modeling.R
Fig2A-B_SuppFig2_loess.R
Fig2C_mast_agebin.R
Fig2D_nonclassical_mono_loess.R
Fig2F_2H_de-swan.R
Fig2G_de-swan_lm_comparison.R
Fig2I_APOE_APOC1_PLTP_loess_diagnosis.R
Fig2J_mast_diagnosis_advanced.R
Fig3A-E_cellchat.R
Fig3F_Fig4E_CXCL16_CXCR6_expression.R
Fig4A_levenshtein_network.R
Fig4B_ci_hc_connections.R
Fig4C-D_mast_diagnosis_clonality.R
Fig4F_SuppFig5G_CXCR6_supervised_celltypes.R
Fig4G_SuppFig5D_supervised_celltype_annotation.R
Fig4H_cd8tem_CXCR6.R
Fig4J_olink_quanterix_partial_correlation.R
Fig4K_somamer_partial_correlation.R
Fig5A_SuppFig7A_ad_risk_gene.R
SuppFig1E_soupx_visual.R
SuppFig1F-H_general_qc.R
SuppFig3A-B_mast_age_bin_sex.R
SuppFig4A-B_mast_diagnosis.R
SuppFig4C_treg_umap.R
SuppFig5B-C_CXCR4_CXCR6.R
SuppFig5F_supervised_mast_diagnosis.R
SuppFig6A-B_olink_somamer_cxcl16_over_diagnosis.R
我们其实缺的是生物信息学基础概念和基本操作，有了基础很容易吸收各种公开资料并且触类旁通，举一反三。 所以，大家可以再思考一下，真的是是缺CNS资料吗，缺各种高级NGS数据分析代码吗？还是说，压根就没有万丈高楼平地起的搭建自己的生物信息学知识体系和技能树呢？
|
