#单细胞工具包[！[BioC-check](https://github.com/compbiomed/singleCellTK/actions/workflows/BioC-check.yaml/badge.svg？branch=master)](https://github.com/compbiomed/singleCellTK/actions/workflows/BioC-check.yaml)[！[R-CMD-检查](https://github.com/compbiomed/singleCellTK/actions/workflows/R-CMD-check.yaml/badge.svg？branch=master)](https://github.com/compbiomed/singleCellTK/actions/workflows/R-CMD-check.yaml)[！[codecov](https://codecov.io/gh/compbiomed/singleCellTK/branch/devel/graph/bode.svg)](https://codecov.io/gh/compbiomed/singleCellTK)*singleCellTK*R包中的单细胞工具包（SCTK）是一个分析平台，为几个流行的单细胞RNA-sequence（scRNAseq）数据预处理、质量控制、分析和可视化工具**提供**R接口。SCTK从各种scRNAseq预处理工具（如10x CellRanger、BUStools、Optimus、STARSolo等）导入原始或过滤计数。通过集成几个用R或Python编写的公开可用工具，SCTK可以用于执行广泛的质量控制，包括双重检测、环境RNA去除。SCTK将Seurat和Bioconductor/OSCA等流行工具的分析工作流集成到一个统一的框架中。可以使用全面的HTML报告对各种工作流的结果进行总结和轻松共享。最后，可以将数据导出到Seura或AnnData对象，以便与其他下游分析工作流无缝集成。##功能SCTK通过R控制台、命令行和图形用户界面（GUI）提供多种方法来分析scRNAseq数据，能够使用集成在工具包中的R&Python中的大量算法。-**交互式分析：**Shiny APP允许没有编程经验的用户使用GUI轻松分析其scRNAseq数据。试试看<网址：https://sctk.bu.edu/>.-**控制台分析：**可以在R控制台中使用多种工具和算法的包装函数执行scRNAseq数据的传统分析。-**报告：**使用RMarkdown开发的全面HTML报告允许用户记录、浏览和共享他们的分析。-**互操作性：**来自R和Python包的工具可以无缝集成在同一分析工作流中，而无需在不同数据对象和文件格式之间进行手动转换。-**工具数量：**SCTK提供了对同一平台内数量最多的工具的访问，简化了端到端分析工作流。已处理的工作流包括来自Seurat、Scanpy、Scater/Scran（Bioconductor）和Celda的工作流。##教程-[导入和QC:](https://camplab.net/sctk/current/articles/import_data.html)导入和质量控制工作流允许用户从多种格式导入数据，并执行全面的质量控制和筛选。-[“*点菜*”工作流：](https://camplab.net/sctk/current/articles/02_a_la_carte_workflow.html)“点菜式”工作流允许用户在分析工作流的每个步骤中从各种选项中进行选择，包括标准化、批量校正（可选）、降维、二维嵌入和聚类。-[修拉策划的工作流程：](https://camplib.net/sctk/current/articles/seurat_colled_workflow.html)这个精心策划的工作流概括了Seurat包（R）中的集群和集成步骤。-[粗略策划的工作流程：](https://camplab.net/sctk/current/articles/scanpy_curated_workflow.html)这个精心策划的工作流概括了Scanpy包（Python）中的集群步骤。-[Celda策划的工作流程：](https://camplab.net/sctk/current/articles/celda_curated_workflow.html)精心策划的Celda工作流程通过将基因聚类到共同表达模块、将细胞聚类到子群体并估计每个细胞群体中每个模块的数量来执行矩阵分解。##安装R包“singleCellTK”在[Bioconductor]上可用(https://bioconductor.org/packages/release/bioc/html/singleCellTK.html)可以使用以下命令安装：```第页如果（！require（“BiocManager”，悄悄地=TRUE））install.packages（“BiocManager”）BiocManager:：安装（“singleCellTK”）```有关如何从GitHub安装、安装Python依赖项以及故障排除的更多信息，请参见[Installation](https://camplab.net/sctk/current/articles/installation.html)第页。##引文如果您使用SCTK进行质量控制，请引用我们的《自然通讯》论文：>Rui Hong、Yusuke Koga、Shruthi Bandyadka、Anastasia Leshchyk、Yichen Wang、Vidya Akavoor、Xinyun Cao、Irzam Sarfraz、Zhe Wang、Salam Alabdullatif、Frederick Jansen、Masanao Yajima、W.Evan Johnson和Joshua D.Campbell，“单细胞RNA测序数据质量控制指标的综合生成、可视化和报告”*《自然通讯》*，第13卷，编号16882022，doi:10.1038/s41467-022-29212-9。如果您在Rconsole或交互式图形用户界面中使用SCTK进行分析，请引用我们的“模式”论文：>Yichen Wang、Irzam Sarfraz、Nida Pervaiz、Rui Hong、Yusuke Koga、Vidya Akavoor、Xinyun Cao、Salam Alabdullatif、Syed Ali Zaib、Zhe Wang、Frederick Jansen、Masanao Yajima、W Evan Johnson、Joshua D Campbell，“使用灵活工作流与SCTK2进行单细胞数据的交互分析”，*模式（N Y）*，8月3日；4（8）：1008142023，doi:10.1016/j.patter.2023.100814。##报告问题如果您在安装过程中遇到任何困难，或者发现工具包中存在错误，请随时打开[问题](https://github.com/compbiomed/singleCellTK/问题)在GitHub上。关于如何最好地分析scRNA-seq数据的问题可以在[讨论]中提出(https://github.com/compbiomed/singleCellTK/讨论)GitHub上的第页。
