查看原文
其他

单细胞转录组探索CRC的异质性

生信技能树 单细胞天地 2022-06-07

呐,等你关注都等出蜘蛛网了~


不知不觉在单细胞转录组领域做知识分析也快两年了,很幸运聚集了五个小伙伴携手共进,我们承诺不间断更新5个月,把我们这两年的学习成果全部掏出来给大家,包括5个栏目:

  1. 文献速递(简短介绍,扩充知识面)

  2. 文献详解(图文并茂带来大家系统性学习)

  3. R与Bioconductor的技巧(书籍翻译,妙招共享)

  4. scRNAseq的GitHub的书籍翻译(原汁原味的名校教程)

  5. 全网第一个单细胞转录组视频教程学习笔记分享

希望大家能有所收获!



现在你看到的是文献速递


文章信息


文章题目是:Reference component analysis of single-cell transcriptomes elucidates cellular heterogeneity in human colorectal tumors. 发表于 2017 年5月的Nature杂志。PMID: 28319088




 


单细胞转录组分析

单细胞转录组,使用的是GPL11154Illumina HiSeq 2000 (Homo sapiens) ,数据都上传到了:GSE81861 ;BioProject:PRJNA323703;SRA:ERP016958

既有病人的单细胞转录组数据,同时也有细胞系的数据做验证。

  • 1,591 single cells from 11 colorectal cancer patients,包括 969肿瘤部位细胞以及 622 癌旁细胞。严格过滤后只剩下:375 tumor cells and 215 normal mucosa cells

  • 630 single cells from 7 cell lines,过滤后剩下561个

    • 83 A549 cells,

    • 65 H1437 cells,

    • 55 HCT116 cells,

    • 23 IMR90 cells,

    • 96 K562 cells,

    • 134 GM12878 cells (38 from batch 1, 96 from batch 2)

    • 174 H1 cells (96 from batch 1, 78 from batch 2).


上游测序数据没有必要重新下载分析了,可以直接使用作者上传的表达矩阵:

Supplementary fileSizeDownloadFile type/resourceGSE81861_CRC_NM_all_cells_COUNT.csv.gz3.2 Mb(ftp)(http)CSVGSE81861_CRC_NM_all_cells_FPKM.csv.gz4.7 Mb(ftp)(http)CSVGSE81861_CRC_NM_epithelial_cells_COUNT.csv.gz2.5 Mb(ftp)(http)CSVGSE81861_CRC_NM_epithelial_cells_FPKM.csv.gz4.0 Mb(ftp)(http)CSVGSE81861_CRC_tumor_all_cells_COUNT.csv.gz4.3 Mb(ftp)(http)CSVGSE81861_CRC_tumor_all_cells_FPKM.csv.gz7.9 Mb(ftp)(http)CSVGSE81861_CRC_tumor_epithelial_cells_COUNT.csv.gz3.6 Mb(ftp)(http)CSVGSE81861_CRC_tumor_epithelial_cells_FPKM.csv.gz6.5 Mb(ftp)(http)CSVGSE81861_Cell_Line_COUNT.csv.gz13.1 Mb(ftp)(http)CSVGSE81861_Cell_Line_FPKM.csv.gz28.9 Mb(ftp)(http)CSVGSE81861_GEO_EGA_ID_match.csv.gz14.4 Kb(ftp)(http)CSV

作者认为全文最重要的是开发了一个挖掘细胞类型的算法:reference component analysis (RCA) 优于其它现有的算法。可以把cancer-associated fibroblasts (CAFs)继续分成两个类别。对比的算法包括:

  • hierarchical clustering using all expressed genes (All-HC)

  • hierarchical clustering using principal-component analysis (PCA)-based feature selection (HiLoadG-HC)

  • BackSPIN

  • RaceID2

  • Seurat

  • three additional methods based on selection of genes with highly variable expression (VarG-HC, VarG-PCAproj-HC and VarG-tSNEproj-HC).

使用 adjusted Rand index (ARI) 指标来评价各个聚类算法的优劣。结果发现自己开发的RCA表现超常!!!



当然了,还在 Tirosh, I. et al. Dissecting the multicellular ecosystem of metastatic melanoma by single-cell RNA–seq. Science 352, 189–196 (2016). 文章的数据里面做了验证。


背景知识

肿瘤异质性很重要,单细胞转录组测序很厉害,以前的研究根据单细胞转录组表达矩阵进行分类的算法不够好,所以他们开发reference component analysis (RCA) , 而且 Colorectal cancer (CRC) 疾病非常严重,需要探索。


根据细胞系单细胞表达数据探索算法

630个细胞的表达数据,过滤后剩下561个,这里使用Fragments per kilobase per million reads (FPKM)来进行表达定量。因为其上游处理走的是TOPHAT2+CUFFLINKS流程。


单细胞过滤策略

rate of exonic reads (ROER) 需要大于5%

number of detected genes (NODG) 需要大于1000, 基因的FPKM ≥1才能算被检测到了。

Exonic reads (ER) 要大于0.1Million

管家基因: TFRCACTBRPLP0PGK1GAPDHLDHANONOB2MGUSB and PPIH.


RCA算法细节

首先从 BioGPS数据库里面下载两个数据集:HumanU133A/GNF1H Gene Atlas and the Primary Cell Atlas ,从中挑选 A total of 4,717 genes were selected as features for GNF1H and 5,209 genes were selected for the Primary Cell Atlas. 还使用了 WGCNA 算法。



还使用了一些其它公共数据:TCGA, GSE14333, the PRECOG database, and GSE33113, GSE37892 and GSE39582 来验证单细胞转录组得到的基因集(The 'fibroblast-like' signature )是否能显著的区分CRC病人的生存情况。



需要了解一些细胞类型的 known markers

  • epithelial cells (VIL1KRT20CLDN7CDH1)

  • endothelial cells (Endo; ENG)

  • fibroblasts (Fibro; SPARCCOL14ACOL3A1DCN)

  • B cells (CD38MZB1DERL3)

  • T cells (TRBC2CD3DCD3ECD3G)

  • myeloid cells (ITGAXCD68CD14CCL3)

  • mast cells (KITTPSB2)

做成了一个R包供使用:RCA R package, github.com/GIS-SP-Group.


往期精彩







如果你对单细胞转录组研究感兴趣,但又不知道如何入门,也许你可以关注一下下面的课程


单细胞天地欢迎你


 由于文章链接较多,点击阅读原文,体验更佳

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