菜鸟团一周文献推荐（No.27）

写在前面：

我们的「每周文献推荐」栏目已经来到了第 27 期。上期精彩文献回顾

---

供稿人：六六

一句话评价

单细胞空间转录组分析和可视化流程

文章信息

题目：Giotto, a pipeline for integrative analysis and visualization of single-cell spatial transcriptomic data

杂志：bioRxiv

时间：Jul. 13, 2019

链接: 

DOI: http://dx.doi.org/10.1101/701680

figure

文章介绍：

空间转录组技术有助于研究细胞与其原生的微环境的相互作用，对于理解组织中细胞的身份和功能至关重要。2016年，来自瑞典卡罗琳斯卡研究所和皇家理工学院等机构的研究人员首先开发出空间转录组学（spatial transcriptomics）的高分辨率方法（Visualization and analysis of gene expression in tissue sections by spatial transcriptomics ）。2017年，景乃禾研究员和彭广敦研究员研发的空间转录组学技术——Geo-seq发表在《Nature Protocols》。

Geo-seq技术是通过整合与优化单细胞测序和激光显微切割，构建的一种能够获得少量细胞转录组信息、同时保留细胞原有空间位置信息的测序方法。该技术通过激光显微切割可以直观地在组织上直接捕获细胞，每个获取的样本（此技术可以获取低至5个细胞）都保留了位置信息，然后与单细胞转录组测序技术结合，从而完成了高效率、高分辨率的空间转录组分析。

空间转录组学的技术伴随着单细胞技术不断发展，相关分析工具也被相继开发，这篇文章介绍的是对单细胞空间转录组数据进行整合分析和可视化的流程——Giotto.

Giotto包括两个部分，第一部分是分析空间单细胞转录组数据的详细流程，第二部分是空间单细胞转录组数据的可视化浏览。

分析部分需要的输入数据是gene-by-cell count matrix和每个细胞的空间坐标。分析的内容包括单细胞的常规分析，如：数据预处理、特征选择、降维、聚类等。最重要的是整合了基因表达和空间位置信息。

可视化部分提供了交互的工作环境，既可以探索分析结果，也可以可视化其他信息如细胞形态、转录本位置等。

使用教程：

http://spatial.rc.fas.harvard.edu/giotto-viewer/tutorial.html

---

供稿人：Lakeseafly

一句话评价

交互式的Nextflow流程开发工具

文章信息

题目：DolphinNext: A graphical user interface for creating Nextflow pipelines

杂志：bioRxiv

时间：Sep, 2019

链接: 

https://www.biorxiv.org/content/10.1101/689539v2.full

figure

DolphinNext能够极大限制的简化Nextflow流程的构建过程

文章介绍：

简介：随着测序技术的进步，其价格变得越来越便宜。于此同时，数据量的急剧增加，使数据分析成为科学发现的主要瓶颈。大型的高吞吐量数据集的处理通常涉及许多不同的计算程序，每个程序都在管道中执行特定步骤。考虑到大部分的应用程序和组织基础架构，大都需要高度并行，并且灵活，可移植和可再现的数据处理框架。灵活性确保流程管道可以支持各种应用程序，而无需多次性修改。可移植性确保用户可以利用不同的计算的资源进行工作。可重复性保证了结果的可靠性，面对庞大的数据量和用户之间差异，处理大量的数据的流程管道具有一定复杂性，这尤其具有挑战性。

当前存在几种用于设计和执行复杂流程管道的平台（例如Galaxy，GenePattern，GeneProf）。不幸的是，这些平台缺乏当前研究环境所需的并行性，可移植性，灵活性和/或可再现性的必要组合。为了解决这些缺点，可以通过Nextflow设计可移植，可伸缩和可再现的科学流程。研究者利用Nextflow的功能作为杠杆，并开发了一个用户界面DolphinNext，用于创建，部署和执行复杂的Nextflow流程管道以进行高吞吐量数据处理。DolphinNext的指导原则是使用在图形界面中实现的模块化方法来促进复杂管道的构建和部署。DolphinNext提供：1.拖放式用户界面，该界面抽象化管道并允许用户创建管道，而无需熟悉底层编程语言。2.监视管道执行的用户界面，允许在中间步骤重新初始化管道。3.具有版本跟踪的可复制管道和可以独立运行的独立版本。4.无缝移植到分布式计算环境，例如高性能集群或云计算环境。

---

供稿人：Christine

一句话评价

当前最佳的单细胞RNA-seq数据分析教程

文章信息

题目：Current best practices in single-cell RNA-seq analysis: a tutorial

杂志：Molecular Systems Biology

时间：19 June 2019

链接: 

https://www.embopress.org/lookup/doi/10.15252/msb.20188746

figure

文章介绍：

单细胞测序技术是近年的科研热点，针对单细胞测序数据的分析工具也层出不穷，目前已经有了300多种。然而，正是由于工具太多，想要构建一个广受认可的分析流程是比较困难的。本文作者详细描述了一个单细胞RNA-seq数据分析步骤中的软件和注意事项，包括预处理（质控、标准化、数据校正、特征选择、降维），细胞和基因水平的下游分析，整合出了一个workflow，并在一个公共数据集中做了应用，流程放在了 https://www.github.com/theislab/single-cell-tutorial。

推荐理由不言而喻，一篇比较新且详细的介绍scRNA-seq数据处理的文章，github上还提供了教程，可以帮助新手快速了解现有工具和分析流程，有经验的分析者也可以借鉴优化自己的流程。

---

记得投票哦