主要观点总结
本文介绍了对胃癌单细胞数据集GSE163558的分析过程，包括降维聚类分群、过滤基因和过滤细胞的区别，以及识别单细胞亚群的方法。作者通过对上皮细胞进行细分亚群，并区分了髓系免疫细胞（包括巨噬细胞和中性粒细胞）以及B细胞和NK细胞等。文章还提到了使用harmony算法去除个体差异的注意事项，以及如何确定单细胞亚群的命名和功能。
关键观点总结
关键观点1: 单细胞数据集GSE163558的分析
介绍了对胃癌单细胞数据集GSE163558的解读，包括降维聚类分群的结果和对应的文献中的单细胞亚群及其基因和细胞数量。
关键观点2: 单细胞亚群的区分
作者通过代码演示了如何提取上皮细胞，进行新的降维聚类分群，并观察到某些亚群如淋巴系和髓系免疫细胞的干扰。
关键观点3: 单细胞亚群的命名和确定
通过查看每个细分亚群的top基因和功能，确定了这些单细胞亚群的名字。作者还提供了手动命名单细胞亚群的代码。
关键观点4: 功能注释和图表生成
作者通过一系列代码进行了功能注释，包括GO和KEGG注释，并生成了很多图表来展示结果。
文章预览
针对这个这个胃癌单细胞数据集GSE163558，我做了解读，详见 ： 单细胞转录组降维聚类分群过滤基因和过滤细胞的区别 。而且前面已经是完成了降维聚类分群，在 学习单细胞亚群命名的层次结构 演示了一个降维聚类分群结果，就有了 2-harmony/sce.all_int.rds 文件，以及对应的 phe.Rdata 注释信息。 在文献里面的单细胞亚群以及其对应的基因和细胞数量分别是： > print (cell_groups) Group Count Genes 1 Epithelial 1743 EPCAM, KRT19, CLDN4 2 Stromal 1288 PECAM1, CLO1A2, VWF 3 Proliferative 1089 MKI67, STMN1, PCNA 4 T 24448 CD3D, CD3E, CD2 5 B 7708 CD79A, IGHG1, MS4A1 6 NK 1173 KLRD1, GNLY, KLRF1 7 Myeloid 5519 CSF1R, CSF3R, CD68 也就是说， 我把髓系免疫细胞
………………………………
