CNS图表复现08—肿瘤单细胞数据第一次分群通用规则

分享是一种态度

回顾

我们的CNS图表复现之旅已经开始，前面6讲是；

如果你也想加入交流群，自己去：你要的rmarkdown文献图表复现全套代码来了（单细胞）找到我们的拉群小助手哈。

正文

文章的第一次分群按照 ：

• immune (CD45+,PTPRC),
• epithelial/cancer (EpCAM+,EPCAM),
• stromal (CD10+,MME,fibo or CD31+,PECAM1,endo)

的表达量分布，文章提到的各大亚群细胞数量是：(epithelial cells [n = 5,581], immune cells [n = 13,431], stromal cells [n = 4,249]).  我们可以很容易复现出来。

首先检查第一次分群的4个基因

rm(list=ls())
options(stringsAsFactors = F)
library(Seurat)
library(ggplot2)
load(file = 'first_sce.Rdata')
sce=sce.first 
# epithelial/cancer (EpCAM+,EPCAM),   
# immune (CD45+,PTPRC), 
# stromal (CD10+,MME,fibo or CD31+,PECAM1,endo)  
genes_to_check = c("PTPRC","EPCAM",'PECAM1','MME',"CD3G","CD3E", "CD79A")
p <- DotPlot(sce, features = genes_to_check,
             assay='RNA' )  
p

出图如下：

肉眼可以看到的分群如下：

> imm # immune (CD45+,PTPRC), 
 [1] "0"  "1"  "2"  "10" "11" "14" "16" "17" "19" "21" "5" 
> epi # epithelial/cancer (EpCAM+,EPCAM), 
[1] "3"  "8"  "9"  "12" "15" "17" "18" "20" "22"
> stromal
[1] "4"  "6"  "7"  "13" "23" "24"

得到的细胞数量也跟文章差不多：

[e-mail]$immune_annotation <-ifelse([e-mail]$seurat_clusters  %in% imm ,'immune',
                                         ifelse([e-mail]$seurat_clusters  %in% epi ,'epi','stromal') )
# MAke a table 
table([e-mail]$immune_annotation)
# The resulting cell clusters were annotated as immune, stromal (fibroblasts, endothelial cells, and melanocytes), or epithelial cells 
# (epithelial cells [n = 5,581], immune cells [n = 13,431], stromal cells [n = 4,249]).

我们的数量是：

> table([e-mail]$immune_annotation)
    epi  immune stromal 
   5444   13792    4278 

第一次分群后，继续看文章列出来了的各种基因的在这3个主要的细胞亚群表达情况，代码如下：

genes_to_check = c("PTPRC","EPCAM","CD3G","CD3E", "CD79A", "BLNK","MS4A1", "CD68", "CSF1R", 
                   "MARCO", "CD207", "PMEL", "ALB", "C1QB", "CLDN5", "FCGR3B", "COL1A1")
# All on Dotplot 
p <- DotPlot(sce, features = genes_to_check,group.by = 'immune_annotation') + coord_flip()
p

出图如下：

可以说是非常完美啦！

看了大概一百多篇，基本上都是首先区分成为:上皮细胞、免疫细胞、内皮细胞和成纤维细胞

比如2020年9月24日，来自新加坡基因组研究院的Ramanuj DasGupta团队在Cell上在线发表题为“Onco-fetal Reprogramming of Endothelial Cells Drives Immunosuppressive Macrophages in Hepatocellular Carcinoma”的文章，绘制了一张人类肝脏从发育到疾病的单细胞图谱，揭示了一个可以同时驱动胎肝发育和HCC的免疫抑制的肿瘤-胚胎重编程生态系统，为HCC的治疗干预提供了新靶点。也是首先区分成为:上皮细胞、免疫细胞、内皮细胞和成纤维细胞，如下：

最简单的比较，就是不同细胞亚群在不同的生物学分组的单细胞样品的比例差异，其次是各种各样的差异表达量分析。然后可以对第一次得到上皮细胞、免疫细胞、内皮细胞和成纤维细胞分群进行再分群。

尤其是免疫细胞，分群非常复杂。后续我们慢慢讲。

---

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

• 生信爆款入门-第9期（线上直播4周，马拉松式陪伴，带你入门）你的生物信息入门课
  

• 数据挖掘第7期（线上直播3周，马拉松式陪伴，带你入门） 医学生/医生首选技能提高课

看完记得顺手点个“在看”哦！

生物 | 单细胞 | 转录组丨资料每天都精彩

长按扫码可关注