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 和 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:
10X scRNA免疫治疗学习笔记1-前言 10X scRNA免疫治疗学习笔记-2-配置Seurat的R语言环境 10X scRNA免疫治疗学习笔记-3-Seurat标准流程 10X scRNA免疫治疗学习笔记-4-细胞亚群的生物学命名 10X scRNA免疫治疗学习笔记-5-差异分析及可视化 10X scRNA免疫治疗学习笔记-6-marker基因的表达量可视化 10X scRNA免疫治疗学习笔记-7-条条道路通罗马—单细胞分群分析
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