中科大生物信息学复习资料推荐

中科大瞿老师生物信息学复习参考：
复习资料及考题、A4纸链接：链接，点击进入https://download.csdn.net/download/qq_43337249/71503385?spm=1001.2014.3001.5503

1.QUIZ参考答案

2.整理的课题笔记

3.复习重点（整理）

比如：
（1）ATAC-SEQ 一定会考，技术原理，用了哪些酶，为什么能检测到开放位点，质控标准：3个
（2）又比如会判断哪个是Chip-seq的峰图

最后附上的是2020年的考题大概内容

以下是部分容易排版的内容：
QUIZ参考答案：

Which gene is the most highly mutated gene in cancer?
TP53
Which gene is the most highly mutated gene inCOAD/READ?
APC
Name three alignment tools.
Bowtie 2 Histat , Tophat BWA
What is the method for SNP calling that we introduced in this class?
.（BWA）-GATK
Name three advantages of this method.
做序列比对和SNP calling的算法中，表现优，现在成为金标。(1)灵敏度95% (2)特异度97% (3)准确度96%
第四课：
What is the main difference between DNA-seq and RNA-seq alignment?
RNA-seq has junction reads
What percentage of the genome is transcribed?
90%(基因组中约 90% 的基因是转录基因。这些转录基因中只有 1-2% 编码蛋白质；大多数转录为 ncRNA。)
Name three types of ncRNAs.
tRNA、rRNA 、snRNA、piRNA、siRNA and lncRNA
Name three RNA-seq alignment tools.
bowtie tophat 2 、 HISAT 或 STAR
What are the main functions of lncRNAs?

第6课：
第7课：

复习资料：

2020.12.29 第16周课单细胞测序 2
假时间轨迹：①monocle ②Velocyto ③Palantir （从1个时间点的数据模拟出成熟体系的过程）
1.monocle(基于表达量expression) 时间树，进行降纬分析，建立发育路径，
·利用真实数据进行验证软件功能是可靠的。
·monocle2 预测肺部上皮细胞分化命运：（可以预测与发育分支密切相关的基因集）利用免疫刺激树突细胞分化的基因knockout进行验证（基因是已知的）。
Go term分析：从基因集到基因集功能
Monocle的pros和cons:

2.Velocyto（基于splicing）`
·mRNA成熟度：验证实验SCP细胞向chromaffin cells的分化过程
·小鼠海马区：（细胞分群，进行细胞图谱构建）：不同的发育轨迹由不同的转录因子调控
Velocyto的pros和cons:
优点：①从RNA成熟度的角度出发预测发育的起点和终点；②对多分支路径的预测比较好；
缺点：①对测序质量有一定要求，最好是全长测 ②路径的预测是基于tSNE或者UMAP的降维结果，需要质量是较高的（细胞群的相连）
3.Palantir·基于熵增大原理：
发育潜能很大，但变化幅度（熵）是较小的，而分化后，发育潜能小，变化幅度熵是较大的。
适合于诸如研究胚胎细胞的分化 ·验证方法：早期人类造血干细胞
Palantir的pros和cons:
Pros: ①从发育可能性的熵值出发，估计发育起点和终点 ②仅需要表达量信息（需要很多样本）
Cons：①对原本就高无序性的样本，如肿瘤可能不适用 ②路径的展示方法比较依赖于降维方法
假时间轨迹:算法横向比较
判断指标：①分叉树的结构的正确性②分叉支点的正确性（细胞是否位于正确的结点上）③分叉的顺序④分化过程中重要的基因
合成数据进行评估

插值与降噪：①Magic ②Saver ③DCA ④WEDGE （原因：细胞分群的稀疏，只有5%-10%的数据能被捕捉）
单细胞数据分析中的科学问题：
①稀疏矩阵（采用插值与降噪解决） ②调控关系（scATAC-seq解决）
③RNA-蛋白表达差异（RNA被翻译的次数不同） ④空间转录组（采用整合分析解决）发育过程的空间位置信息
整合分析及原因
插值与降噪
1.MAGIC（细胞与细胞之间的关联，构建关联矩阵，关联度很高的基因表达量相互为依据）
（依赖对于邻居cell的确定）
2.SAVER（深度学习模型，负二项分布，利用偏移的负二项分布挪移以重新获取基因表达量）
（假设基因表达符合负二项分布，理论与实践是近似的）
3.DCA（使用深度学习回归表达量均值和离散度）
拟合分析
4.WEDGE（对表达量矩阵中的零元和非零元分别做不同权重的非负矩阵分解） qulab
非零元：基因表达量的确很低
零元：由于实验原因，噪音基因表达信息未get，进行非权重分解进行分群质量恢复的提高
用途：发现精细细胞亚型（）细胞层次降维

单细胞ATAC-seq分析：
前边提到的SIMIR 也可以用于验证表达基因片段的上游是否存在一些motif
scATAC-Seq技术的开发：由斯坦福大学Howard Chang 和Greenleaf实验室联合开发
科学问题：scATAC-seq数据过于稀疏（>95%丢失），细胞分群无法达到scATAC RNA-seq一样的精度
1.ChromVAR:group peaks by motifs
peak的开放位点上游的motif进行堆积富集
用途：①细胞分化路径的确立（造血干细胞 HSC的分群）②细胞聚类clustering ③假时间轨迹：细胞发育路径
ChromVAR优缺点：
优点：①从motif/TF分析容易定义每个亚群的功能 ②可以发现细胞发育的路径
缺点：①分群效果较差（将motif进行堆积，忽略了很多信息）②使用的motif都（必须）是已知的 ③只考虑开放位点上游调控的关系（忽略了开放位点下游网络）
2.Cicero(group peak by genes)
认为基因的开放性（转录起始位点）周围与附近的峰认为也与之相关，能得到顺式开放型（下游网络）
Cicero的优缺点
优点:①揭示基因转录区域附近的调控因子 ②从DNA开放程度预测RNA表达量
缺点：①分群效果较差 ②仅考虑近端的调控因子 ③仅考虑下游调控关系
3.cisTopic：group peaks by topics
topic（影响开放位点差异型的组合）降纬，能够凝练成细胞和topic的矩阵 - 集群
ARI越高，细胞分群可信度越高利用不同的表达topic（区分细胞亚群）
cisTopic优缺点：（一个topic可能包含了很多功能类型的细胞，因此）
优点：①细胞分群的效果较好 ②每个亚群的特征清晰
缺点：①每个特征（topic）的生物学功能比较模糊 ②每个topic内DNA开放片段之间的关联不清楚。
4.APEC：group peaks by pattern qulab
Peak的开放位点的Pattern - 细胞和 pattern group 矩阵
缺点：有批次效应
用途：对单细胞数分群存在优势构建单细胞发育路径（发育轨迹构建）

多组学整合：seurat novoSpaRc
1.seurat
Mutual 相互之间寻找neighbor 将不同的数据整合在一起用了cicero
空间转录组：将很少的scRNA RNA转录组信息投影到整体的空间转录组，在空间转录组得到更多的转录信息。
2.novoSpaRc
假设表达量模式相近的细胞在空间上也是相近的。

本文参考以下内容，引用：
https://blog.csdn.net/qq_43337249/article/details/121766883