代码分享|| 又一篇NG自带超高颜值绘图的scRNA+scATAC组学以及联合分析的文献！代码整理成了Rdm格式！

主要观点总结

本文分享了一篇关于scRNA-Seq与scATAC-Seq组学联合分析的文献资源。文章涵盖了上游分析的bash代码和下游每一张Figure的复现代码，并展示了清晰的代码和高质量配图。文章主要研究了健康和疾病中大脑的基因调控景观，通过多组学单核方法对晚期阿尔茨海默病进行研究，揭示了细胞异质性和疾病相关的候选顺式调控元件。文章还介绍了神经胶质群体的轨迹分析和共表达网络分析策略。

关键观点总结

关键观点1: 文献资源涵盖了scRNA-Seq与scATAC-Seq组学联合分析的内容，包括上游和下游的复现代码。

文献提供了丰富的代码资源，便于读者进行学习和实践。

关键观点2: 文章重点研究了阿尔茨海默病的基因调控景观和细胞异质性。

文章通过多组学方法揭示了疾病相关的候选顺式调控元件和神经胶质群体的轨迹变化。

关键观点3: 文章展示了高质量配图。

配图颜值高，有助于读者更好地理解文章内容。

关键观点4: 文章介绍了共表达网络分析策略的应用。

通过scWGCNA策略对AD转录组进行系统级分析，为理解疾病机制提供了新的视角。

关键观点5: 文献推荐用于生物信息学的学习和研究的资源。

作者推荐了一些生物信息学的入门和进阶课程，以及相关服务器和工具，有助于读者提升科研能力。

文章预览

本次分享的文献 同样是一篇极好的学习scRNA-Seq与scATAC-Seq组学以及联合分析的文献资源！ 同样囊括了上游分析的bash代码和下游每一张Figure的复现代码，代码也非常清晰，简直不要太棒！ 最重要的是配图颜值超高！配图颜值超高！配图颜值超高！ 下面来欣赏学习一下吧！！！ Zenodo代码： https://zenodo.org/records/4681643 或github上： https://github.com/swaruplab/Single-nuclei-epigenomic-and-transcriptomic-landscape-in-Alzheimer-disease 部分代码截图展示： image-20240606221253724 image-20240606221308107 数据保存在：All the multi-omics raw and processed data are available here: https://www.synapse.org/#!Synapse:syn22079621/ 原始数据： GSE174367 此外还可以通过网页访问： http://swaruplab.bio.uci.edu/singlenucleiAD/ 文章主要内容 在健康和疾病中，大脑的基因调控景观是高度动态的，协调着跨越不同细胞类型的一系列生物过程。 ………………………………