在 bulk 转录组中,一般只有少数样本,最多可能 20-30 个样本点,其分辨率远远达不到单细胞转录组中的几千甚至上万个细胞的分辨率(在单细胞转录组中,1 个细胞即可被认为是一个样本点)。因此用 bulk 转录组进行拟时序分析时,首先需要将少数几个样本点变成 500 或者更多个样本点,这样才能更好地根据基因表达的峰值...
传统的bulk RNA-seq主要集中在一名患者中所有细胞的平均表达相比,scRNA-seq可以检测肿瘤细胞的细胞和分子变化。此外,由于scRNA-seq突出了肿瘤内异质性和不同的亚群,可以量化正常和肿瘤组织中免疫细胞浸润的异质组成,这是NSCLC治疗反应和预后的关键因素。 样本 如文中Table 1所示,单细胞训练集为GSE117570;bulk RNA-seq...
通过结合bulk RNA数据,构建并验证了T细胞标记基因的预后风险模型。此外,使用CIBERSORT分析了TNBC的免疫浸润细胞,并研究了风险模型和对免疫疗法的反应之间的关联。 主要结果 1. TNBC中的细胞类型分析 GSE176078数据集的scRNA-seq数据在去除低质量细胞、标准化、整合和PCA之后,25932个细胞被分成14个簇(图1B),通过标记基...
首先,结合scRNA-seq数据中来自肿瘤相关簇的1225个标记物和bulk RNA-seq数据中来自“蓝色”模块的5766个基因,提取了243个共有基因用于预后模型构建。 然后,243个共有基因作为输入,结合LASSO Cox回归分析和多因素Cox回归分析得到14个潜在的预后基因,开发预后模型并计算风险评分,并用验证集进行验证。 上述预后模型的风险...
RNA-SEQ 实战演练的思维导图:文档链接:mubu.com/doc/38y7pmgzLg 密码:p6fo 图表也很容易理解,就是差异分析的火山图和上下调基因独立的生物学数据库注释: 传统的转录组数据走差异分析,拿到了感兴趣的基因集后,通常是做超几何分布检验看看富集到了什么生物学功能数据库,比如KEGG或者GO数据库,或者走gsea/gsva这样...
RNA-SEQ 实战演练的思维导图:文档链接:https://mubu.com/doc/38y7pmgzLg密码:p6fo 图表也很容易理解,就是差异分析的火山图和上下调基因独立的生物学数据库注释: 传统的转录组数据走差异分析,拿到了感兴趣的基因集后,通常是做超几何分布检验看看富集到了什么生物学功能数据库,比如KEGG或者GO数据库,或者走gsea/...
零代码实现预后模型构建 快速完成单因素多因素COX模型、独立预后、绘制生存曲线、ROC曲线、列线表 | 翰佰尔生物 翰佰尔生物 捡羊毛的咩 49:55 【3】单细胞分析零代码操作流程 单细胞技术原理 质控标准化 Maker基因鉴定 差异基因富集分析【翰佰尔生物】 翰佰尔生物 18:40...
单细胞RNA-seq（scRNA-seq）能够发现有关细胞转录组异质性的信息和潜在的基因表达分布。在本研究中，作者使用scRNA-seq和批量RNA-seq数据进行了系统生物信息学分析，以构建BLCA患者的预后模型，并有两个外部验证队列来验证其分层风险的能力。同时概述了免疫渗透景观，并确定了它如何促进BLCA的发展。此外作者探究了风险...
这篇文章虽然题目里面涉及单细胞,但是文章内容单细胞分析并不多,大部分是转录组bulk RNA-seq分析,如果进一步进行单细胞高级分析:细胞通讯分析,拟时序分析等,可能文章会更出彩。但是文章基础实验很扎实,做了很多工作,特别是根据某一个特点的科学问题系统筛选出关键基因,最后再通过实验进行验证的思路值得我们学习。但是Maji...
然后采用Cellchat R包做细胞通讯分析,利用monocle2进行拟时序分析,从这两个方向进行单细胞转录组下游分析。另一方面,利用limma软件包和WGCNA方法分别对Bulk RNA-seq进行差异分析和共表达网络分析,得到差异基因和与表型相关的模块基因。结合两方面信息,筛选关键基因采用回归算法构建预后模型。