这种明显错误的单细胞数据分析结果也能发文章吗？

生信技能树

发布于 2025-03-17 16:53:59

6000

代码可运行

运行总次数：0

代码可运行

今天看的这篇文章，于2023年10月25号发表在scientific reports 杂志上，标题为《Construction and validation of a novel prognostic model of neutrophil‑related genes signature of lung adenocarcinoma》，其中单细胞部分的分析使用的公共数据集：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE131907，提取了其中11个 primary LUAD 样本进行分析。

这是曾老板在群里发布的第三个数据集，一起来看看：

【写作任务3】，找出里面的错误。 We selected 11 primary LUAD samples from the single-cell dataset GSE131907 for subsequent analysis. To identify marker genes for neutrophils, we used the “SingleR” package the CellMarker database https://doi.org/10.1038/s41598-023-45289-8

数据集 GSE131907的背景

这个数据集非常有名，来自2020年发在NC杂志上的文章《Single-cell RNA sequencing demonstrates the molecular and cellular reprogramming of metastatic lung adenocarcinoma》，总共有44个病人，取了58个样本，共20w左右的细胞，涵盖了非常多的组织样本类型：

Note：primary sites (tLung and tL/B), pleural fluids (PE), lymph node (mLN), and brain metastases (mBrain), as well as normal tissues from lungs (nLung) and lymph nodes (nLN)

GSE131907

去GEO下载：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE131907

GSE131907_Lung_Cancer_cell_annotation.txt.gz
GSE131907_Lung_Cancer_raw_UMI_matrix.txt.gz

简单读取一下：

###
### Create: Jianming Zeng
### Date:  2023-12-31  
### Email: jmzeng1314@163.com
### Blog: http://www.bio-info-trainee.com/
### Forum:  http://www.biotrainee.com/thread-1376-1-1.html
### CAFS/SUSTC/Eli Lilly/University of Macau
### Update Log: 2023-12-31   First version 
### Update Log: 2024-12-09   by juan zhang (492482942@qq.com)
### 
rm(list=ls())
options(stringsAsFactors = F)
library(ggsci)
library(dplyr) 
library(future)
library(Seurat)
library(clustree)
library(cowplot)
library(data.table)
library(ggplot2)
library(patchwork)
library(stringr)
library(qs)
library(Matrix)
getwd()

# 创建目录
getwd()
gse <- "GSE131907"
dir.create(gse)

# 方式三：
if(T) {
###### step1: 导入数据 ######   
  ct <- data.table::fread("GSE131907/GSE131907_Lung_Cancer_raw_UMI_matrix.txt.gz",data.table = F)
  ct[1:5, 1:5]
  dim(ct)
  rownames(ct) <- ct[,1]
  ct <- ct[,-1]
  ct[1:5, 1:5]

  phe <- data.table::fread('GSE131907/GSE131907_Lung_Cancer_cell_annotation.txt.gz',data.table = F)
  head(phe)
  table(phe$Sample)
  rownames(phe) <- phe[,1]
  phe <- phe[,-1]
  identical(rownames(phe),colnames(ct))

# 创建对象
  sce.all <- CreateSeuratObject(counts = ct, meta.data = phe, min.cells = 3)
  sce.all
}

# 查看特征
as.data.frame(sce.all@assays$RNA$counts[1:10, 1:2])
head(sce.all@meta.data, 10)
table(sce.all$orig.ident) 
table(sce.all$Sample_Origin)
sce.all$orig.ident <- sce.all$Sample
table( sce.all$Sample, sce.all$Sample_Origin)

library(qs)
qsave(sce.all, file="GSE131907/sce.all.qs")

# 提取其中 tLung: 11 primary LUAD samples
sce.all <- subset(sce.all, Sample_Origin=="tLung")
sce.all

就可以走后面的标准分析了，很容易就可以将其中的髓系细胞分离出来：

髓系注释分群

文章《Construction and validation of a novel prognostic model of neutrophil‑related genes signature of lung adenocarcinoma》中对这11个样本先分了免疫和非免疫，然后使用singleR包注释免疫细胞，免疫细胞分为6大类，又将其中的单核、巨噬、DC提取出来作为髓系再细分。

下面重点来了，髓系注释的结果很奇怪呀！

如果背诵过不同细胞亚群的marker基因应该一眼就可以看出来，标记DC2的那一群都是mast细胞的特征基因：

TPSB2：是一种蛋白编码基因，它编码的蛋白是类胰蛋白酶β-2（tryptase beta-2），也被称为tryptase II，是一种蛋白水解酶，
TPSAB1（Tryptase Alpha/Beta 1）：基因编码的蛋白是类胰蛋白酶α/β 1，属于胰蛋白酶样丝氨酸蛋白酶家族。
CPA3（Carboxypeptidase A3）：是一种由CPA3基因编码的酶，属于羧肽酶A家族的锌金属蛋白酶，属于肥大细胞特异蛋白酶，可以在脉络丛肥大细胞中表达。
CTSG：可以标记肥大细胞和粒细胞

再来看看，单核与巨噬细胞的注释结果也有问题：

2023年5月发表在 nature reviews immunology （2023 年 IF=100+）杂志上的经典综述：《Tissue-specific macrophages: how they develop and choreograph tissue biolog》，总结描述了巨噬细胞的起源、发育过程、功能和多样性和起源。

单核细胞一般在血液中循环，随后进入各个组织分化为巨噬细胞。定居在组织中的单核细胞因其具有组织特异性而被赋予特定名称。在组织中，更倾向于注释为各种巨噬细胞：CD68/CD163 这种非常典型的都没有标注出来。