前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >2个分组的单细胞项目标准分析

2个分组的单细胞项目标准分析

作者头像
生信技能树
发布于 2021-11-23 07:20:00
发布于 2021-11-23 07:20:00
1.6K0
举报
文章被收录于专栏:生信技能树生信技能树

绝大部分还没有接触单细胞的小伙伴很容易被无良自媒体带节奏,误以为单细胞就等价于CNS级别文章,或者再差也是子刊级别。实际上新技术的红利窗口期非常短暂,从样品量数据量的要求一直在水涨船高!比如我们看看某公司2020第四季度单细胞文章合辑,如下所示:

能发 Nature Communications 这样的子刊已经是佼佼者啦!而且这还是一年前,现在,单细胞基本上已经是“烂大街”了,去外面开会交流不说自己有单细胞项目都不好意思!

而且确实目前做一个单细胞项目从经费上来说已经不再是下血本了,比如某公司推出来的2个分组的单细胞项目标准分析,一般来说每个分组是3个单细胞10x样品,也就是说6个单细胞样品从送样,建库,测序(100G)数据量,平均每个10x的单细胞转录组样品出8000个左右的细胞。再加上降维聚类分群,生物学命名,看2个分组的不同细胞亚群比例差异,看同一个细胞亚群在2个分组是否有表达量上下调以及通路变化。这一套,就10万块钱!

我相信你肯定是有自己想探索的生命科学领域问题,如果你不知道这样的2个分组的单细胞项目标准分析可以出哪些图表,得到哪些生物学问题,这里可以跟我们一起读一下2021年5月发表的文章,标题是:《Single-cell RNA-seq reveals the transcriptional landscape in ischemic stroke》,它比较好的展现了单细胞这个计算可以做什么。

标准的2个分组的单细胞项目

实验设计如下所示:

实验设计

目前都是10x方法的单细胞转录组,全部自动化出数据,就可以进行标准分析啦!6个单细胞样品从送样,建库,测序(100G)数据量,平均每个10x的单细胞转录组样品出8000个左右的细胞。再加上降维聚类分群,生物学命名,看2个分组的不同细胞亚群比例差异,看同一个细胞亚群在2个分组是否有表达量上下调以及通路变化。这一套,就10万块钱!

降维聚类分群

初始降维聚类分群得到的是各个亚群编号,然后需要根据背景知识看各个亚群各自高表达量基因去给它生物学名字!

比如这个文章,就是得到如下所示的单细胞亚群 :

  • vascular smooth muscle cells (SMC)
  • perivascular fibroblast-like cells (FB)
  • central nervous system (CNS)-associated macrophages (CAM)
  • monocyte-derived cells (MdC)
  • venous endothelial cells (vEC)
  • capillary endothelial cells (capEC)
  • arterial endothelial cells (aEC)
  • pericytes (PC)
  • choroid plexus capillary endothelial cells (CPC)
  • ependymocytes (EPC)
  • microglia (MG)
  • neutrophils (NEUT)
  • astro- cytes (ASC)
  • oligodendrocytes (OLG)
  • neural progeni- tor cells (NPC);lymphocytes(LYM)
  • red blood cell (RBC).

单细胞转录组数据分析的标准降维聚类分群,并且进行生物学注释后的结果。可以参考前面的例子:人人都能学会的单细胞聚类分群注释 ,我们演示了第一层次的分群。

如果你对单细胞数据分析还没有基础认知,可以看基础10讲:

细胞亚群比例差异

细胞亚群可以按照之前的编号去看细胞比例,也可以根据生物学名字看差异,各个细胞亚群也有各自的top基因列表和生物学功能富集列表。

这个文章的图表非常的粗糙,如果我们来展现各个单细胞亚群的细胞比例变化,会比它好看百倍!这里作者使用的gsva和gsea这样的策略,GSEA分析,我也多次讲解:

但实际上,绝大部分读者并没有去细看这个统计学原理,也不需要知道gsea分析的nes值如何计算,需要知道的是nes值的生物学意义。

而单细胞转录组数据的批量GSVA代码我在:借鉴escape包的一些可视化GSVA或者ssGSEA结果矩阵的方法 剧透过,其实跟 对单细胞表达矩阵做gsea分析的代码实现环节大同小异。无论是gsva还是gsea,本质上都是看某个生物学基因集的得分。

各自细胞亚群在2分组的表达量差异分析

前面的数据分成了十多个细胞亚群,就可以在2分组做十多次差异分析,每次分析都有上下调基因列表。多个列表就可以取交集:

这个图看起来平平无奇,其实背后的数据分析工作量还是有的!至少需要把每个单细胞亚群独立提取,然后进行重新鸡尾酒疗法并且根据生物学2分组进行差异分析,并且对多个差异分析的上下调基因进行交集展现。

细分亚群继续降维聚类分群和差异

比如本文就是进行了研究者自己感兴趣的4个单细胞亚群的细分研究 :

  • Figure 4. Single-cell transcriptome analysis of the microglia.
  • Figure 5. Single-cell trajectory analysis of monocyte/macrophage clusters.
  • Figure 6. Differential gene expression patterns in neutrophils clusters.

小胶质细胞细分

3大主流高级分析有一个即可

这个文章选择的是细胞通讯:Figure 7. Comparative cell-cell interactions in sham and MCAO mice.

其它高级分析,比如转录因子分析 ,主要是对计算机资源消耗会比较大,我也多次分享过细节教程:

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2021-11-15,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 生信技能树 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
原价15~20万的6个10x单细胞转录组套餐,现价10万
绝大部分还没有接触单细胞的小伙伴很容易被无良自媒体带节奏,误以为单细胞就等价于CNS级别文章,或者再差也是子刊级别。实际上新技术的红利窗口期非常短暂,从样品量数据量的要求一直在水涨船高!比如我们看看某公司2020第四季度单细胞文章合辑,如下所示:
生信技能树jimmy
2021/11/19
3.5K0
原价15~20万的6个10x单细胞转录组套餐,现价10万
肿瘤样品的单细胞需要提取上皮细胞继续细分
然后每个亚群进行第二层次细分亚群,甚至第三层次,第四次分群,结构清晰明了。我们以上皮细胞亚群的 细分来举例说明每个分析点的工作量:
生信技能树jimmy
2021/10/20
4.5K0
肿瘤样品的单细胞需要提取上皮细胞继续细分
各种肺上皮单细胞亚群的处理前后差异
可以看到是4个分组,野生型和突变型的两种小鼠,各种都是疾病模型与对照的两个样品,都没有生物学重复,所以四个分组就是四个样品啦。跟我们在2021的尾巴在《生信技能树》和《单细胞天地》等公众号推出来的10X单细胞转录组钜惠套餐,详见:2个分组的单细胞项目标准分析,原价15~20万的6个10x单细胞转录组套餐,现价10万,比较类似。
生信技能树jimmy
2022/03/14
8230
各种肺上皮单细胞亚群的处理前后差异
一个被低估的单细胞数据资源
是中山大学的科研团队在2020的尾巴在《Genome Biol 》期刊发表了一个文章:《Single-cell transcriptome profiling of an adult human cell atlas of 15 major organs》,是单人的15个器官的8万多个单细胞转录组数据和BCR和TCR数据资源。初步质控后是 91,393 cells ,去除了可能的cell doublets 后剩下84,363 cells。
生信技能树
2022/03/03
5430
一个被低估的单细胞数据资源
单细胞转录组研究的同时也可以加上传统bulk转录组
我注意到这个研究比较好的结合了传统bulk转录组数据和单细胞转录组数据,值得解读和推荐给大家。
生信技能树jimmy
2021/01/12
2.2K1
单细胞转录组研究的同时也可以加上传统bulk转录组
处理前后单细胞转录组数据的整合与否确实影响了分析结论
但是单细胞转录组有一个问题, 每个样品是独立的建库测序,理论上每个分组是3个单细胞10x样品都是独立的,这个时候除了有分组差异,还有样品差异,绝大部分情况下我们的样品差异是需要抹去的,但是不能影响我们想看的分组差异。所以我们推荐是harmony整合,但实际操作过程中,已经发表的文章都有自己的选择。
生信技能树
2023/02/27
3640
处理前后单细胞转录组数据的整合与否确实影响了分析结论
免疫治疗前后T细胞亚群比例变化真的重要吗?准确吗?
全部的7个癌症相关样品的10x单细胞转录组数据的整合后走单细胞标准流程,降维聚类分群,一般来说肿瘤样品的单细胞就应该是首先是按照如下所示的标记基因进行第一次分群 :
生信技能树jimmy
2021/10/20
1K0
免疫治疗前后T细胞亚群比例变化真的重要吗?准确吗?
单细胞转录组的3种常规数据分析思路
单细胞转录组早期有很多cns文章,但如今它已经是一个常规技术所以绝大部分实验设计就必然是“落入俗套”。那么这样的单细胞转录组项目也是有众所周知的常规数据分析策略啦,如果你不幸的继承了这样的“祖传”的单细胞转录组数据,也想简简单单发个文章而已,那么单细胞转录组的3种常规数据分析思路可能会对你有帮助啦。
生信技能树
2024/11/21
2110
单细胞转录组的3种常规数据分析思路
不应该让细胞数量成为你单细胞项目的限制
不应该是盲目追求细胞数量的增加,普通的单细胞数据分析其实并不受细胞数量的影响而有所不同。让我们看看同济大学最近发表的文章 Cell Death and Disease (2022)13:23 ; https://doi.org/10.1038/s41419-021-04477-y ,标题是:《Single-cell transcriptomic analysis reveals the critical molecular pattern of UV-induced cutaneous squamous cell carcinoma》
生信技能树
2022/03/03
7470
不应该让细胞数量成为你单细胞项目的限制
单细胞混样测序至少可以区分性别
一直在筹备专栏《100个单细胞转录组数据降维聚类分群图表复现》,挑选到一个很有意思的文章,是:《Single-Cell Transcriptional Profiling Reveals Cellular Diversity and Intercommunication in the Mouse Heart》,单细胞数据在:E-MTAB-6173.
生信技能树
2021/07/06
9020
都2023了你的普通单细胞转录组还想发高分就只能是稀有疾病了
这个Molecular Cancer期刊大家应该是不陌生了,是BMC(隶属于Springer Nature)旗下 ,2002年在英国创刊;2021年的期刊影响因子为41.444,在肿瘤学排名7/245,生化与分子生物学排名3/296。
生信技能树jimmy
2022/11/24
6880
都2023了你的普通单细胞转录组还想发高分就只能是稀有疾病了
什么,你想要的单细胞亚群比例太少了?
本专辑将会系统性介绍单细胞图谱研究的标准数据分析思路,前面提到了:肿瘤样品的单细胞需要提取上皮细胞继续细分,眼尖的小伙伴们发现了一个问题, 就是它这个肝癌数据集里面的fibroblasts等细胞亚群占比非常少,如果真的要每个细胞亚群都继续细分, 对比例少的细胞分析起来会有误差。 我们再回顾一下这个发表于2020的文章,标题 是:《Single-cell transcriptomic architecture and intercellular crosstalk of human intrahepatic
生信技能树jimmy
2021/10/20
1K0
什么,你想要的单细胞亚群比例太少了?
单个样品测序了近2万个单细胞怎么办
理论上细胞数量太多,造成的麻烦就是双细胞比例提高,但是真实情况下往往是一切其它指标都很差,比如:
生信技能树jimmy
2022/04/18
1.5K0
单个样品测序了近2万个单细胞怎么办
一大波神经元单细胞亚群相关的标志基因
前些天我提到了一个很无聊的R包,名字是:scRNAstat ,它可以4行代码进行单细胞转录组的降维聚类分群,其实完全没有技术含量, 就是把 Seurat 流程的一些步骤包装成为了4个函数: basic_qc (查看数据质量) basic_filter (进行一定程度的过滤) basic_workflow (降维聚类分群) basic_markers(检查各个亚群的标记基因) 而且以PNAS杂志的一个关于AD的单细胞的数据集, https://www.ncbi.nlm.nih.gov/geo/query/ac
生信技能树jimmy
2021/12/02
9390
一大波神经元单细胞亚群相关的标志基因
春节期间单细胞转录组数据分析全免费
因为我自己能力限制,单细胞多组学,单细胞表观,单细胞免疫组库,空间单细胞这些比较新颖的技术在2023年8月份之前我是不可能去整理它们数据分析流程,所以如果不是普通的单细胞转录组数据,请绕行哈, 放过我吧。
生信技能树
2023/02/27
4950
春节期间单细胞转录组数据分析全免费
史上最大子宫内膜异位症单细胞图谱
可以看到跟肿瘤相关的单细胞转录组的表达量矩阵后的第一层次降维聚类分群没有区别,也是:
生信技能树
2023/02/27
5430
史上最大子宫内膜异位症单细胞图谱
这近100种单细胞亚群的2348个标记基因好用吗
这样的单细胞转录组数据分析的标准降维聚类分群,并且进行生物学注释后的结果。可以参考前面的例子:人人都能学会的单细胞聚类分群注释 ,我们演示了第一层次的分群。如果你对单细胞数据分析还没有基础认知,可以看基础10讲:
生信技能树jimmy
2023/08/31
4750
这近100种单细胞亚群的2348个标记基因好用吗
单细胞数据挖掘比公共数据集原始文献发表更早是一种什么样的体验
如果你搜索它可以发现这个GSE130000数据集其实早在2020年8月21日 就公开了,而且我们的学徒还拿它练习过 : GSE130000 - GEO Accession viewer 2020年8月21日 — Series GSE130000 ; Summary, To understand the recurrence of ovarian cancer, we profiled 13369 single cells from 8 ovarian cancer samples, 进入GSE13000
生信技能树
2022/03/03
7130
单细胞数据挖掘比公共数据集原始文献发表更早是一种什么样的体验
单细胞转录组实验设计如何定位到目标基因(两分组,仅4个单细胞样品)
这种设计可以在有限的资源下最大化地利用单细胞转录组技术的优势,同时保持实验的可行性和成本效益。随着技术的进步和成本的降低,未来可能会有更多的实验室采用更大规模的单细胞转录组实验设计。所以,如果是因为条件限制,导致大家拿到了这样的单细胞数据,你会有什么很好的办法让它一定成为一个文章吗?
生信技能树
2024/11/21
3100
单细胞转录组实验设计如何定位到目标基因(两分组,仅4个单细胞样品)
癌症研究中单细胞数据分析的5个难点
最近看到了一个比较清晰明了的综述,适合癌症领域研究者初次接触单细胞技术前阅读,标题是:《Single-cell transcriptomics in cancer: computational challenges and opportunities》,该综述并没有过多描述单细胞数据分析的方方面面,也不是罗列降维聚类分群等步骤的各个不同软件算法:
生信技能树
2022/12/16
9320
癌症研究中单细胞数据分析的5个难点
推荐阅读
相关推荐
原价15~20万的6个10x单细胞转录组套餐,现价10万
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档