今天我们来介绍下数据预处理 ，示例数据 an mESC dataset (Kolodziejczyk et al., 2015)
Identifying cell-containing droplets/microwells
这里在介绍先单细胞中barcode的概念：正如“包裹过程”那幅图所示，我们控制条件，每次输入同一种类型的cell进入管道，此时输入的珠子上带有相同的barcode；那我们改变条件，让另一种细胞既然管道，此时输入的珠子带有另一种barcode。
以此类推，那么最终相同细胞类型的细胞带有相同的barcode，那么这个barcode就可以作为区分细胞类型的依据
我们知道单细胞测序比较重要的是如何将完整的细胞给分选出来
简单来说就是每个cell吸附在一个珠子内（该cell必须是完整的），但是由于实验的问题，有些珠子内的细胞不完整，那么这个细胞的RNA量就会很少，对后续建库测序会产生很大的影响
那么我们可以在R里面利用barcode来区分细胞类型，以观察每种类型的细胞的数据量，以及计算每个细胞的数据量
STAR
STAR是个序列比对软件，怎么使用，可以参阅一下他们的说明书，STAR是 Pseudo-Alignment的工具，
其mapping原理是采用k-mers的方式而不是将reads直接mapping到参考基因祖上；因为利用k-mers的方法比对速度更快，并且出错率更小
k-mers：比方说 ATCCCGGGTTAT，第一个7-mers为ATCCCGG
那么一条reads可以分成6个更短的7-mers：
这样处理以后在比对到参考基因组，这样就会快一些，且比方说这个reads的第一个base错了，对于7-mers来说，也只有第一个7-mers是错的
而下面这幅图说明了一条read比对到多个isoform的情况，t1，t2，t3表示不同的isoforms
CRAN\Github\Bioconductor
我们简单介绍一下如何在R上装包：
#CRAN
install.package("包名")
#Github
install.packages("devtools")
require("devtools")
devtools::install_github("tallulandrews/M3D", ref="nbumi")
#Bioconductor
source("https://bioconductor.org/biocLite.R") biocLite("edgeR")
其中在Github中下载，我们需要用devtools的内置函数才能安装，函数内加文件夹和文件即可
而在Bioconductor下载则是source()加网址，用bioLite()加包名即可
而目前在R中分析single cell RNA-seq 的包有 SingleCellExperiment ， scater，Seurat这三个
其中SingleCellExperiment我在之前的推送中讲解过
而scater的分析流程如下：
