查看原文
其他

同样的单细胞研究,为什么发表的文章杂志等级差别那么大

新冠疫情期间,关于COVID-19病毒感染病人的单细胞研究很多,我看到《单细胞天地》解读了:COVID-19病人支气管免疫细胞单细胞测序分析,文章信息如下:

  • 题目:Single-cell landscape of bronchoalveolar immune cells in patients with COVID-19
  • 投稿日期:2020年2月24日
  • 接收日期:2020年4月23日
  • 发表日期:2020年5月12日
  • 杂志:Nature Medicine
  • 文章在:https://www.nature.com/articles/s41591-020-0901-9
  •  

让我想起来了另外一个COVID-19病毒感染病人的单细胞研究,发表在Cell Discov. 2020 May ,标题是:Immune Cell Profiling of COVID-19 Patients in the Recovery Stage by Single-Cell Sequencing,差不多是同一时间发表的哦!

毕竟Cell Discov杂志和 Nature Medicine差别还是蛮大的,不知道是不是研究者特别想把研究写在祖国大地上。

文章实验设计

很清晰的实验设计,如下:

  • 15个人
    • 5个early recovery stage (ERS)
    • 5个late recovery stage (LRS)
    • 5个heathy controls (HCs)
  • 单细胞数量
    • 10个COVID-19 病人,共计 (70,858 PBMCs)
    • 5个正常人,共计 (57,238 cells)

第一次分群

使用 t-distributed stochastic neighbor embedding (t-SNE) 方法降维

  • 全部15个人的 128,096 scRNA-seq profiles
    • 36,442 myeloid cells,
    • 64,247 NK and T cells,
    • 10,177 B cells
  • 标记基因是:
    • CD14, CD1C, and FCGR3A for myeloid cells;
    • CD3E, CD4, CD8A, and NCAM1 for NK and T cells;
    • CD19 for B cells

第二次分群

使用 Uniform manifold approximation and projection (UMAP) 方法降维

  • 36,442 myeloid cells 分成6群
    • Classical CD14++ monocytes (M1),
    • non-classical CD16++ (FCGR3A) CD14−/+ monocytes (M2),
    • intermediate CD14++ CD16+ monocytes (M3),
    • CD1C+ cDC2 (M4),
    • CLEC9A+ cDC1 (M5),
    • pDC (CLEC4C+CD123+) (M6)
  • 64,247 NK and T cells 分成10群
    • naïve CD8+ T cells (T5), which expressed high levels of CCR7, LEF1, and TCF7, similar to naïve CD4+ T cells;
    • effector memory CD8+T cells (T6, CD8 Tm), which expressed high levels of GZMK;
    • cytotoxic CD8+ lymphocytes (CD8+ CTL) (T7), which expressed high levels of GZMB, GNLY, and PRF1. Proliferating T cells (T8, Tprol) were TYMS+MKI67+ cells.
    • naïve CD4+ T cells (T1), which expressed high levels ofCCR7, LEF1, and TCF7;
    • central memory CD4+ T cells (T2, CD4 Tcm), which expressed high levels of CCR7, but more AQP3 andCD69 compared to naïve CD4+ T cells;
    • effector memory CD4+ T cells (T3, CD4 Tem), which expressed high levels of CCR6, CXCR6, CCL5, and PRDM1;
    • regulatory T cells (T4, Treg), which expressed FOXP3.
    • C56−CD16+ NK cells (NK2), which expressed high levels of CD16 and low levels of CD56.
    • CD56+CD16− NK cells (NK1), which expressed high levels of CD56 and low levels of CD16;
    • NK cells highly expressed NCAM1, KLRF1, KLRC1, andKLRD1; then, we sub-divided the NK cells into
    • CD4+ T cells expressed CD3E and CD4; then, we sub-divided these cells into four clusters:
    • CD8+ T cells expressed CD8A and CD8B and were sub-divided into three clusters:
  • 10,177 B cells 分成 4群
    • naïve B cells (B1) expressing CD19, CD20 (MS4A1), IGHD, IGHM, IL4R, and TCL1A;
    • memory B cells (B2) expressing CD27, CD38, andIGHG;
    • immature B cells (B3) only expressing CD19 and CD20 (MS4A1);
    • plasma cells (B4) expressing high levels ofXBP1 and MZB1

分析层面的细节,都展现在分群以及细胞亚群的定义上面了。

主要分析

文章的图表很清晰,都是显而易见的分析,读起来很友好反正:

  • 3群细胞(myeloid, NK and T, and B cells),在3组人(five HCs, five ERS patients, and five LRS patients.)的比例
  • myeloid的6个亚群,NK和T细胞的10亚群,以及4个B细胞亚群在3组人的比例情况
  • Classical CD14++ monocytes (M1) 的差异分析,全套(火山图,热图,GO/KEGG数据库注释)
  • CD4+ T cells 的差异分析,全套(火山图,热图,GO/KEGG数据库注释)
  • Memory B cells and plasma cells (MPB) 的差异分析,全套(火山图,热图,GO/KEGG数据库注释)

也有一点点高级分析,包括sc-BCR, and sc-TCR 数据分析

  • 主要是 (IgA+IgG+IgE) to (IgD+IgM) 比例情况

以及 Cell-to-cell communication ,这些分析可以在:单细胞转录组数据的个性化分析汇总全部找到。

都是10X测序了

课题设计可以看我们以前的教程:

还有:使用seurat3的merge功能整合8个10X单细胞转录组样本seurat3的merge功能和cellranger的aggr整合多个10X单细胞转录组对比

技术细节可以看:

文末友情推荐

要想真正入门生物信息学建议务必购买全套书籍,一点一滴攻克计算机基础知识,书单在:什么,生信入门全套书籍仅需160 。如果大家没有时间自行慢慢摸索着学习,可以考虑我们生信技能树官方举办的学习班:

如果你没有服务器的话,做NGS数据分析实战可能会有点勉强,建议考虑:每天不足一块钱,定制生信云送给你

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存