当前位置：首页>python>Python生态也能搞定scRNA-seq分析全流程

Python生态也能搞定scRNA-seq分析全流程

2026-02-09 16:01:21

干货满满

我们此前已经充分证明了用Python分析单细胞数据的必要性：挑战用Python分析一百万个单细胞数据

还在 Python做scRNA-seq分析找思路吗？scRNA-seq全栈式教学（Python）课程现已制作完成！耗时4个月打磨出82h的纯享版教程，涵盖为132个精心录制的高清视频（总计119.90GB优质资源），全程聚焦Python环境下的scRNA-seq 分析、SCI论文场景量身定制。跟着课程学，你能实现从“代码看不懂、分析无从下手”，到“独立完成scRNA-seq全流程分析、从编程小白到文献复现达人” 的进阶；更能吃透Python的核心优势：依托其强大的生态体系，不仅能灵活扩展工具包，还能无缝衔接机器学习与可视化环节，让单细胞分析更高效、更贴合科研实际需求！各教学模块如下：

✅ 零基础友好：82小时「编程基础 + 分析工具 + 文章复现」循序渐进，直击scRNA-seq核心流程（基础分析→多样本整合→可视化→轨迹分析→细胞通讯→基因共表达网络→拷贝数变异分析→AI在单细胞中的应用）！

✅ 硬核实操：精通Scanpy、Plantir、PAGA、RNAvelocity、CellPhoneDB、pyscenic、infercnvpy、copykat、CellTypist、scVI等一线单细胞工具，掌握「代码编写 + 报错排查 + 思路设计」全技能！

✅ 专业护航：五年以上的单细胞教学经验，教程播放量超500万；专属课程群实时答疑，不怕学不会！

✅ 重磅权益：报名享3年课程指导、答疑、回放、直播复听，附赠 256GB内存、500GB硬盘、20线程服务器3个月使用。

✅ 海量资源：配套Python版scRNA-seq骨灰级分析手册 + 代码 + 测试文件（~50GB、490个文件）！

课程回放+全套资料已就位，新学员上车、老学员查漏补缺~

详情见下文

感兴趣的朋友可以联系客服微信[Biomamba_yunying]咨询报名详情。

本次课程视频

课程时长目录：

时长(时.分.秒)	专题名称
04.57.42	01 生物小白入门/单细胞概论
11.05.29	02 Linux入门课
08.27.01	03 Python入门课
09.42.44	04 scRNA-seq基础分析
09.11.57	05 scRNA-seq轨迹分析
09.12.44	06 scRNA-seq细胞通讯分析
03.48.26	07 scRNA-seq基因共表达网络分析
06.30.00	08 scRNA-seq拷贝数变异分析
09.19.27	09 文献复现
09.32.01	10 AI自动注释

视频回放链接: https://pan.baidu.com/s/1e9f-EaAqd3JaCZx0J4-sXw

提取码可联系客服微信[Biomamba_yunying]获取~

所见即所得

通过这次全程学习，你将获得并掌握以下学习手册与资料：

Linux基础课学习手册

同我们以前的课程一样，我们给大家准备了学习手册和学习资料，大家可联系客服微信[Biomamba_yunying]领取：

Python基础课学习手册

同我们以前的课程一样，我们给大家准备了学习手册和学习资料，大家可联系客服微信[Biomamba_yunying]领取：

单细胞-基础分析学习资料

同我们以前的课程一样，我们给大家准备了学习手册和学习资料，大家可联系客服微信[Biomamba_yunying]领取：

教程图片集锦：

教程目录：

零、欢迎关注

一、准备工作

1.1 jupyter安装

1.2 python库安装

1.3 结果导出

二、不同类型单细胞数据提取

2.1 10x标准三个文件格式

2.2 单个表达矩阵

2.3 h5ad文件

三、认识adata

3.1 X数据槽

3.2 Layers数据槽

3.3 obs数据槽

3.4 vars数据槽

3.5 obsm多维注释信息

3.6 obsp配对数据的存储与操作

3.7 非结构化数据的存储

四、单样本分析

4.1 数据下载

4.2 加载库

4.3 数据读入和对象创建

4.4 数据质控与可视化

4.5 细胞分群

4.6 差异计算

4.7 细胞注释

4.8 分群后的可视化

五、多样本分析

5.1 数据读入和对象创建

5.2 数据质控及可视化

5.3 细胞分群

5.4 批次效应

5.4.1 不去批次

5.4.2 BBKNN去批次

5.4.3 ingest去批次

5.4.4 harmony去批次

六、细胞注释

6.1 手动注释

6.2 常见marker数据库

6.3 自动注释

6.3.1 库加载

6.3.2 数据读入

6.3.3 自动注释

七、分类变量处理

八、差异分析

8.1 数据读入

8.2 两组之间差异计算

8.3 批量差异分析

8.4 差异基因可视化

8.5 提取基因表达量，用matplotlib 绘制箱线图

九、富集分析

9.1 数据准备

9.2 GO富集分析

9.3 KEGG富集分析

9.4 GSEA富集分析

十、细胞比例统计

10.1 数据准备

10.2 饼图

10.3 甜甜圈图

10.4 柱形图

10.5 堆积柱状图

10.6 箱线图

十一、可视化

11.1 降维展示

11.2 marker基因展示

11.2.1 气泡图

11.2.2 小提琴图

11.2.3 矩阵图

11.2.4 热图

11.2.5 track图

11.2.6 拼图

11.3 diff基因展示

11.3.1 气泡图

11.3.2 小提琴图

11.3.3 矩阵图

11.3.4 热图

11.3.5 track图

11.4 聚类及相关性

十二、软件版本

十三、单细胞教程全收录

十四、欢迎致谢

测试文件，总大小364.01MB

单细胞-进阶分析-轨迹分析学习资料

同我们以前的课程一样，我们给大家准备了学习手册和学习资料，大家可联系客服微信[Biomamba_yunying]领取：

教程图片集锦：

教程目录：

零、欢迎关注

一、前言

1.1 定义

1.2 拟时序分析作用

1.3 不同拟时序软件的比较

1.3.1 总体评价结果

1.3.2 准确性

1.3.3 可扩展性

1.3.4 稳定性

1.3.5 软件、文档和手稿方面的可用性

二、准备工作

2.1 环境准备

2.2 库准备

三、palantir

3.1 文献解读

3.1.1 摘要

3.1.2 结果

3.1.3 小结

3.2 数据读入

3.3 预处理

3.4 可视化

3.5 运行Palantir

3.5.1 获取细胞坐标

3.5.2 定义分化起点和终点

3.5.3 拟时间推断

3.6 下游分析

3.6.1 细胞分化概率统计

3.6.2 展示不同细胞分支

3.6.3 基因随轨迹变化趋势分析

3.6.4 基因表达模式聚类

3.7 联合scanpy分析

3.7.1 表达模式聚类结合富集分析

(1) 差异基因鉴定

(2) 表达模式聚类

(3) 富集分析

3.7.2 降维图

3.7.3 小提琴图

3.7.4 细胞比例展示

3.7.5 密度分布图

四、PAGA

4.1 文献解读

4.1.1 摘要

4.1.2 结果

4.1.3 小结

4.2 pbmc3k数据实操

4.2.1 数据读入

4.2.2 数据预处理

4.2.3 运行PAGA

4.2.4 可视化

4.2.5 重新定义发育起点

4.3 人骨髓数据实操

4.3.1 数据读入

4.3.2 数据预处理

4.3.3 运行PAGA

4.3.4 可视化

4.3.5 重新定义发育起点

4.4 联合scanpy分析

4.4.1 拟时间降维图

4.4.2 小提琴图

4.4.3 细胞比例展示

4.4.4 密度分布图

4.5 小鼠髓系数据实操

五、RNAvelocity

5.1 文献解读

5.1.1 摘要

5.1.2 结果

5.1.3 小结

5.2 数据下载

5.2.1 bam文件

5.2.2 repeatmask文件

5.2.3 gtf文件

5.3 loom文件准备

5.4 RNA速率分析

5.4.1 导入loom文件

5.4.2 导入细胞降维坐标和分群文件

5.4.3 轨迹推断

(1) 数据过滤和归一化

(2) 计算表达均值和方差

(3) 计算RNA速率

(4) 构建RNA速率图

(5) 在UMAP降维空间可视RNA速率方向

(6) 在UMAP降维空间以流场形式展示RNA速率方向

5.5 下游数据挖掘

5.5.1 关注基因可视化

5.5.2 鉴定重要基因

5.5.3 细胞周期分析

5.5.4 RNA速率的置信度

5.5.5 潜在时间(latent time)分析

5.5.6 Cluster-specific top-likelihood 基因

六、软件版本

七、单细胞教程全收录

八、欢迎致谢

测试文件，总大小18.55GB

单细胞-进阶分析-细胞通讯分析学习资料

同我们以前的课程一样，我们给大家准备了学习手册和学习资料，大家可联系客服微信[Biomamba_yunying]领取：

教程图片集锦：

教程目录：

零、欢迎关注

一、前言

1.1 定义

1.2 互作预测过程

1.3 不同细胞软件的比较

1.3.1 基于规则的工具

1.3.2 基于数据的工具

1.3.3 混合模型

1.3.4 其他分支

1.3.5 实验追踪细胞间相互作用

二、CellPhoneDB文献解读

2.1 摘要

2.2 数据库概述

2.3 分析方法概述

2.4 实际应用

2.5 小结

三、准备工作

3.1 环境准备

3.2 库准备

四、cellphonedb

4.1 下载数据库

4.2 构建数据库

4.3 输入数据详情

4.4 计算方法介绍

4.4.1 cpdb_analysis_method.call

4.4.2 cpdb_statistical_analysis_method.call

4.4.3 cdpb_degs_analysis_method.call

4.5 示例代码

4.6 示例数据-方法1

4.6.1 输入文件

4.6.2 互作对预测

4.6.3 结果解读

4.6.4 思考？

4.7 示例数据-方法2

4.7.1 输入文件

4.7.2 互作对预测

4.7.3 结果解读

4.7.4 探索CellphoneDB结果

4.7.5 可视化

4.8 示例数据-方法3

4.8.1 输入文件

4.8.2 互作对预测

4.8.3 结果解读

4.8.4 探索CellphoneDB结果

4.8.5 可视化

4.9 人纤维化皮肤病单细胞数据实操

4.9.1 输入文件

4.9.2 准备文件

4.9.3 互作对预测

4.9.4 结果解读

4.9.5 探索CellphoneDB结果

4.9.6 可视化

五、软件版本

六、单细胞教程全收录

七、欢迎致谢

测试文件，总大小15.01GB

单细胞-进阶分析-共表达网络分析学习资料

同我们以前的课程一样，我们给大家准备了学习手册和学习资料，大家可联系客服微信[Biomamba_yunying]领取：

教程图片集锦：

教程目录：

零、欢迎关注

一、前言

1.1 研究背景

1.2 主要结果

1.3 小结

二、准备工作

2.1 环境准备

2.2 库准备

三、基于表达相关性

3.1 数据准备

3.2 相关性计算

3.3 图形可视化

四、基于Kmeans聚类

4.1 数据准备

4.2 模块划分

4.3 图形可视化

五、基于pyscenic

5.1 文献解读

5.1.1 SCENIC工作流程

5.1.2 在小鼠脑组织的应用

5.1.3 在复杂癌症中的应用

5.1.4 在黑色素瘤中的应用

5.1.5 小结

5.2 数据库下载

5.3 loom文件准备

5.4 运行pyscenic

5.5 下游分析

5.5.1 基因aucell降维

5.5.2 vlnplot

5.5.3 umap

5.5.4 dotplot

六、软件版本

七、单细胞教程全收录

八、欢迎致谢

测试文件，总大小2.22GB

单细胞-进阶分析-拷贝数变异分析学习资料

同我们以前的课程一样，我们给大家准备了学习手册和学习资料，大家可联系客服微信[Biomamba_yunying]领取：

教程图片集锦：

教程目录：

零、欢迎关注

一、前言

1.1 研究背景

1.2 主要结果

1.3 小结

二、准备工作

2.1 环境准备

2.2 库准备

三、infercnvpy

3.1 数据下载

3.2 参数详解

3.3 运行infercnvpy

3.4 计算每个细胞的cnv分数

3.5 可视化

四、通过CNV谱进行聚类并识别肿瘤细胞

4.1 cnv聚类分群

4.2 cnv展示umap

4.3 scanpy展示cnv结果

4.4 肿瘤细胞分类

4.5 肿瘤和正常细胞分开绘制热图

五、内嵌copykat

5.1 数据读入

5.2 参数详解

5.3 运行copycat

5.4 计算每个细胞的cnv分数

5.5 可视化

5.6 通过cnv谱进行聚类并识别肿瘤细胞

5.7 肿瘤和正常细胞分开绘制热图

六、对比R版本的infercnv

七、如何获取基因在染色体上的位置

八、软件版本

九、单细胞教程全收录

十、欢迎致谢

测试文件，总大小3.14GB

单细胞-文献复现学习资料

同我们以前的课程一样，我们给大家准备了学习手册和学习资料，大家可联系客服微信[Biomamba_yunying]领取：

原文集锦：

复现图片集锦：

教程目录：

零、欢迎关注

一、文献解读

1.1 背景介绍

1.2 主要内容

1.3 总结讨论：

二、数据下载

三、数据整理

四、细胞注释

4.1 降维图

4.2 小提琴图

五、降维展示

六、细胞比例统计

6.1 整体统计

6.2 免疫细胞

6.3 非免疫细胞

七、上皮细胞肿瘤细胞鉴定

7.1 数据准备

7.2 参数详解

7.3 运行infercnvpy

7.4 计算每个细胞的cnv分数

7.5 可视化

7.6 通过CNV谱进行聚类并识别肿瘤细胞

7.6.1 cnv聚类分群

7.6.2 cnv展示UMAP

7.6.3 scanpy展示cnv结果

7.6.4 肿瘤细胞分类

7.6.5 单独绘制肿瘤细胞

八、上皮细胞轨迹分析

8.1 降维分群

8.2 预处理

8.3 可视化

8.4 运行Palantir

8.4.1 获取细胞坐标

8.4.2 定义分化起点和终点

8.4.3 拟时间推断

九、上皮细胞EMT评分

十、CD8T轨迹分析

10.1 T细胞注释

10.2 CD8 T细胞注释

10.3 预处理

10.4 可视化

10.5 运行Palantir

10.5.1 获取细胞坐标

10.5.2 定义分化起点和终点

10.5.3 拟时间推断

十一、上皮细胞互作分析

11.1 数据预处理

11.2 互作对预测

11.3 结果解读

11.4 探索cellphonedb结果

11.5 可视化

十二、软件版本

十三、单细胞教程全收录

十四、欢迎致谢

测试文件，总大小3.57GB

单细胞-AI自动注释学习资料

同我们以前的课程一样，我们给大家准备了学习手册和学习资料，大家可联系客服微信[Biomamba_yunying]领取：

教程图片集锦：

教程目录：

零、欢迎关注

一、准备工作

1.1 环境准备

1.2 加载库

二、CellTypist

2.1 下载测试数据

2.2 CellTypist内置模型注释

2.2.1 模型下载

2.2.2 模型选择

2.2.3 参数解读

2.2.4 开始预测

2.2.5 结果查看

2.2.6 一致性比较

2.3 自定义模型进行注释

2.3.1 准备训练集和查询集

2.3.2 参数解读

2.3.3 模型训练

2.3.4 开始预测

2.3.5 结果查看

2.3.6 结果一致性比较

2.3.7 查看模型驱动基因

2.4 CellTypist进行多标签分类

2.4.1 数据下载

2.4.2 内置模型+best match模式

2.4.3 内置模型+prob match模式

2.4.4 自定义模型+prob match模式

2.4.5 检查模型驱动基因

2.5 大规模跨数据集应用

2.5.1 数据下载

2.5.2 数据预处理

2.5.3 训练集的特征选择

2.5.4 开始预测

2.5.5 结果一致性比较

三、scVI

3.1 基础设置

3.2 功能介绍

3.3 滤泡性淋巴瘤细胞

3.3.1 数据下载

3.3.2 模型预测

3.3.3 结果查看

3.3.4 一致性比较

3.4 HGSC数据

3.4.1 数据下载

3.4.2 模型预测

3.4.3 结果查看

3.4.4 一致性比较

3.5 scANVI种子标记

3.5.1 数据下载

3.5.2 根据marker注释部分细胞

3.5.3 模型预测

3.5.4 一致性比较

四、去双细胞

4.1 数据预处理

4.2 SOLO

4.3 scrublet

五、去污染

5.1 数据预处理

5.2 SCAR

5.3 kneeplot

六、软件版本

七、单细胞教程全收录

八、欢迎致谢

测试文件，总大小6.59GB

如何联系我们

留一个领取资料、开箱即用的单细胞分析镜像的微信号[Biomamba_yunying]，方便各位随时交流。同时我们也构建了交流群矩阵，欢迎大家入群讨论。

大家可以阅读完这几篇之后添加

给生信入门初学者的小贴士

没有检索，就没有发言权

已有生信基地联系方式的同学无需重复添加

您点的每个赞和在看，我都认真当成了喜欢

本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：wyl860211@qq.com 。

Python生态也能搞定scRNA-seq分析全流程

最新文章

热门文章

随机文章

Python生态也能搞定scRNA-seq分析全流程

[python办公自动化]创建文件夹

Python pandas模块详细介绍

最新文章

热门文章

随机文章