Sten Linnarsson大神的单细胞绘图堪称极致美学，在这里，小编选择了发表在nature上展示marker基因的绘图进行复现。

上一个单细胞课题做了一些关于CAF的工作，当时就参考了这一篇综述。细胞亚群的解读算是单细胞课题中耗时耗力的内容，非免疫细胞更是如此，因为非免疫细胞的文献比免疫细胞少多了。这一篇综述系统总结了2020年之前单细胞领域CAF的一些工作，值得仔细读读。我个人觉得CAF是TME里面比较有趣的一块内容，欢迎大家在公众号后台留言交流呀~如果需要文献原文和翻译，可在后台直接回复20210309摘要尽管近几十年来

单细胞转录组中常见的气泡图根据分组信息展开

本次推文带来其中一种方法的演示，来自大家已经非常熟悉的Seurat包所自带的单细胞注释方法，该方法首次于2018年发表在Nature Biotechnology，题为《Integrating single-cell transcriptomic data across different conditions, technologies, and species》。

「写在前面」Python作为一种高级编程语言，被广泛用于单细胞数据分析，有着以下的优势：「大量的生物信息学库：」 Python拥有大量的生物信息学库，如scikit-learn、scanpy[1]等，可以用于单细胞数据的预处理、聚类、可视化等。「可扩展性：」 Python的开放性和可扩展性使得它可以轻松集成其他的工具和库，例如Jupyter Notebook、PyTorch等，为单细胞研究提供了更

SingleR最早发表在2019年Nature Immunology杂志的一篇文章上，文章题目为"Reference-based analysis of lung single-cell sequencing reveals a transitional profibrotic macrophage"。截止至2023年3月10日，引用量已经达到了947。SingleR的基本原理是利用已知类型细胞的

Symphony 最早发表于 2021 年 Nature Communications 杂志上的一篇文章，文章题目为"Efficient and precise single-cell reference atlas mapping with Symphony"。发表该文章的曾于 2019 年在 Nature Methods 杂志上发表单细胞数据整合算法Harmony。