单细胞测序探究小鼠心脏的动态变化

呐，等你关注都等出蜘蛛网了~

当你的才华还撑不起你的野心时，请潜下心来，脚踏实地，跟着我们慢慢进步。不知不觉在单细胞转录组领域做知识分析也快两年了，通过文献速递这个栏目很幸运聚集了一些小伙伴携手共进，一起成长。

文献速递栏目通过简短介绍，扩充知识面，每天关注，希望你也能有所收获！

文章信息

今天分享的文章是2019年3月26日发表在elife上的Single-cell expression profiling reveals dynamic flux of cardiac stromal, vascular and immune cells in health and injury

 摘要   

本文主要使用了10x Genomics ，测了超过30,000个细胞，重点发现了一种新的成纤维细胞的亚型，可能在心脏损伤后修复的不同方面具有一定作用。

 上游处理   

用cellrange进行的上游分析，关键参数如图所示：

文章中对Pdgfra-GFP+标记的 fibroblast进行了进一步的单细胞测序，总共捕获了16,787个细胞

  质量控制情况   

10x Genomics 通过质控，最终保留了13,331个细胞的profile（其中sham: 5,723，MI-day 3: 3,875，MI-day 7: 3,733）

Fluidigm data

 如何挑选重要的基因和降维

使用Seurat R 包进行聚类和降维，就是用的seurat官方教程的步骤进行分析，没有指明特别更改了哪些参数

降维后的聚类及对每个类的注释

如图：具体分类用的marker文章中有详细描述，这里就不赘述了

 其他分析   

个人以为以下的1，2两个分析是这篇文章的亮点，图真是漂亮，有兴趣的可以去原文看详细的描述，代码文章也给出了。不说了，我要去观摩学习了~

• 1.用于检测细胞群动态的微分比例分析 (differential proportion analysis; DPA)

• 2.TIP中的细胞 - 细胞通讯分析(Cell-cell communication analysis)

• 3.Cell trajectory analysis

 总结  

这篇文章通过检测total interstitial population (TIP) 和flow-sorted Pdgra-GFP+CD31- fibroblast lineage cells单细胞数据，十分清楚的发现了心脏在不同细胞群之间具有大量的非动力学。个人认为很有启发性的地方是DPA分析，对于研究动态变化给了一个新的方法

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

• 全网第一个单细胞转录组数据分析实战视频教程(预售第二波通知)（线上课程）

• 全国巡讲第9、10站-武汉和成都（生信技能树爆款入门课）（武汉已结束，成都火热报名中）