生信R、python包整理（尚未做语言区分）

作图

• circlize：画圈圈图
• ggpattern
• ggpubr:以ggplot2为基础，提供一些图的函数。参考：知乎 https://zhuanlan.zhihu.com/p/102653888 官网 http://rpkgs.datanovia.com/ggpubr/reference/index.html
• cowplot: 参考https://zhuanlan.zhihu.com/p/384189537
• ggraph:做网络图。官网：https://ggraph.data-imaginist.com/
• ggVennDiagram: Veen图，参考https://github.com/gaospecial/ggVennDiagram

数据tidy

• cqn包：conditional quantile normalization。
• gtsummary包：数据整理为表格 https://mp.weixin.qq.com/s/uLWEZKkSrqo0jieH9mTZgw

统计及机器学习

• correlation: 不同相关性计算方法包
• gvlma包：对线性回归分析假设条件进行验证。

降维

• RCA：https://github.com/prabhakarlab/RCAv2RCA (Reference Component Analysis) is a computational approach for robust cell type annotation of single cell RNA sequencing data (scRNAseq). It is developed by the Prabhakar lab at the Genome Institute of Singapore (GIS). The original version of RCA is published in Nature Genetics (doi: 10.1038/ng.3818, Li et al., 2017).

单细胞转录组相关

• Scrublet：识别双细胞
• DoubletFinder：识别双细胞
• CellTypist：免疫细胞自动注释
• 利用VIPER算法来定量单细胞蛋白的活性，Cell：Single-cell protein activity analysis identifies recurrence-associated renal tumor macrophages
• 使用VISION算法推断单细胞代谢活性
• Dynamo分析animating neural activity response predictions
• NicheNet：单细胞工具。假定受体与配体细胞后，根据配受体细胞内基因表达，确定受体细胞内某个基因可能被配体细胞调控的某个基因。
• scran包：单细胞细胞周期分析
• CytoTRACE进行拟时间分析，基因表达量随PC1轴的变化
• Diffusion Pseudotime Analysis diffusion component
• Monocle2 和Monocle3系统讲解【Nature】，TCSeq分析基因随时间的变化【PNAS】
• NMF鉴定不同的生物学功能【Cell】，不同cluster的异质性确定【Cancer Cell】
• 使用SCENIC进行转录调控网络分析和核心驱动基因鉴定
• AUCell | 分析单细胞测序数据中不同基因集(通路)的活性
• MAGIC 利用流形学习还原单细胞的基因表达
• scSTEM: 拟时序分析

空间转录组

• 空间转录组分析包：Seurat、Giotto、Scanpy、stLearn

基因组相关

• trackPlotR包：可视化bigwig文件

网络分析

• MEGENA包
• Rank-rank hypergeometric overlap RRHO：网络分析
• Mfuzz、 BioNet调控网络构建
• STRINGdb：STRING 数据库的R包，参考：https://zhuanlan.zhihu.com/p/532037554
• GeNets: 是个网站，参考 [https://mp.weixin.qq.com/s?__biz=MzIxMDExNDE0OQ==&mid=2247485632&idx=1&sn=1481e0b5187880356f9a44eadcf934c0&chksm=9768cbcaa01f42dc25108542ce390b1319438056878e8e3fa189c8b1db4ba6d3b289b2003808&scene=178&cur_album_id=1854295981555499012#rd]
• ：关键基因和hub基因（生物网络角度），参考：https://www.jianshu.com/p/e2acfee2ba5f

流程

• RNAseq123: edgeR与limma 分析RNA-seq的指南。

其他

• Pathview：整合表达谱数据，可视化KEGG通路
• RcisTarget包：给定基因集合，分析转录因子
• viper 包：MARINa算法，推断转录因子活性
• TSstudio：时间序列数据作图
• Caret包：机器学习接口整理包
• maSigPro包：bulk时序数据分析
• cit包：甲基化到转录组的因果推断
• rpart包：决策树