科普|10x单细胞转录组基本分析内容

小编之前和大家介绍过单细胞转录组测序的一些相关知识和单细胞转录组测序之10x Genomics技术，本期小编主要和大家交流10x单细胞转录组基本分析内容。

1

测序数据质量评估

scRNA-seq可以在复杂的细胞群体中，灵敏地鉴别出异质性的细胞。但是建库过程引入的噪音和误差，会直接影响分析结果，因此要进行严格质控。

   Cell Ranger将样品的索引序列、细胞条码序列、UMI序列和RNA读长序列分别提取后，经FastQC可视化碱基测序质量值的分布情况。通过数据质控去除带接头的、重复的、低质量的Reads，得到可用于数据分析的Clean reads。

2

基因表达量确定

BAM文件中，带有有效Cell Barcode和UMI序列的Reads用于Gene表达量计算，且使用unique UMI进行计数。单个Cell中单个Gene的unique UMI数量即为表达量。

3

tSNE降维聚类分析

细胞亚群分类是10X ScRNA-seq数据分析的核心步骤，细胞分群结果一般要进行可视化展示。说到单细胞结果可视化，就不得不说到tSNE映射图。

一般情况下，先用某种算法（例如tSNE）将细胞间的关系用散点图进行展示，再根据某些指标将散点图中的点（代表细胞）涂上不同颜色。如下图所示，图中每一个点代表一个细胞，相同类型的细胞以相同的颜色区分。

tSNE降维聚类分析示例图^[1]

4

细胞亚群鉴定

分群的基本原理就是利用基因表达量的信息，计算各个细胞间表达模式的差异度，然后基于一定的标准将所有细胞归为多个亚群。即，对某一细胞群进一步进行聚类，找到同一细胞类型的不同亚型或不同状态。

细胞亚群鉴定示例图^[2]

5

Marker gene鉴定

Marker gene即能够代表某类细胞特征的基因，通过对Cell Ranger差异结果根据差异最显著进行排序，选择每个类差异最显著的一些基因作为该类的marker基因。即，单细胞分析聚类得到各个分类群后，可依赖marker gene来定义每一个类群。

Marker gene鉴定示例图^[3]

6

细胞分化轨迹分析

一个组织样本中往往同时含有处于不同分化阶段的同类细胞，从而让我们不需要多时间采样也能构建该类细胞分化过程的图谱。基于细胞分化轨迹分析，我们可以预测细胞的分化路径。但实际上，这些结果只是通过某个组织一瞬间的群体单细胞数据推导得到的。因此，细胞分化轨迹分析的结果又常常被称为拟（伪）时间（Pseudotime）分析。

细胞分化轨迹分析示例图^[4]

那么，10x单细胞转录组是不是只有这些分析呢？NO,NO,NO...想知道更多的分析内容吗？请等我们下期讲解哦~

延伸阅读

参考文献

1. Peng Yi-Rong,Shekhar Karthik,Yan Wenjun et al. Molecular Classification and Comparative Taxonomics of Foveal and Peripheral Cells in Primate Retina.[J] .Cell, 2019, 176: 1222-1237.e22.

2. Burl Rayanne B,Ramseyer Vanesa D,Rondini Elizabeth A et al. Deconstructing Adipogenesis Induced by β3-Adrenergic Receptor Activation with Single-Cell Expression Profiling.[J] .Cell Metab., 2018, 28: 300-309.e4.

3. Lambrechts Diether,Wauters Els,Boeckx Bram et al. Phenotype molding of stromal cells in the lung tumor microenvironment.[J] .Nat. Med., 2018, 24: 1277-1289.

4. Zhao Ting,Fu Yao,Zhu Jialiang et al. Single-Cell RNA-Seq Reveals Dynamic Early Embryonic-like Programs during Chemical Reprogramming.[J] .Cell Stem Cell, 2018, 23: 31-45.e7.