如图1所示,使用单细胞转录组(Th17p细胞和Th17n细胞)和代谢模型作为COMPASS的输入,经过流平衡分析,找到了两群细胞间异常的代谢通路(图2)及相关的反应/酶,并进行了分子和功能验证,以及小鼠体内验证。 图2.4个差异通路 如图2所示:左上:糖酵解通路(Glycolysis)在Th17p细胞中更加活跃(反应/酶几乎都分布在虚线右侧);右...
Allon Wagner等人在FBA的基础上构建了Compass算法(图1)[1],该算法将scRNA-seq数据与代谢网络相结合从而推断单个细胞的代谢状态。 图1 Compass算法概述 接着作者使用Compass对致病性Th17细胞(pathogenic Th17 cells,Th17p)和非致病性Th17细胞(non-pathogenic Th17 cells,Th17n)进行预测(图2),结果显示糖酵解代谢在Th17...
需要注意的是,Compass计算时间相对较长,每个细胞大约需要30分钟,而另一个用于单细胞代谢预测的工具——scFEA[2]计算速度相对快得多,例如使用8个线程预测100个细胞的测试数据大约只需要1分钟。因此针对较大的数据集,Compass可以通过微池(--microcluster-size)将细胞划分为簇,再以簇的平均值表征该簇,这里也可以使用...
我先弄了300个细胞,然后micropooling选的是10,num_process=8,如果有一个样本30分钟,大概需要的时间就可以估算一下了 成功后如图 其中: micropooled告诉我们哪些microcluster对应哪些barcode micropooled_data是基于microcluster的基因表达矩阵 reactions.tsv:最重要的文件,为microcluster和reaction的矩阵,BUT!!它reaction...
如图1所示,使用单细胞转录组(Th17p细胞和Th17n细胞)和代谢模型作为COMPASS的输入,经过流平衡分析,找到了两群细胞间异常的代谢通路(图2)及相关的反应/酶,并进行了分子和功能验证,以及小鼠体内验证。 图2.4个差异通路 如图2所示:左上:糖酵解通路(Glycolysis)在Th17p细胞中更加活跃(反应/酶几乎都分布在虚线右侧);右...
如图1所示,使用单细胞转录组(Th17p细胞和Th17n细胞)和代谢模型作为COMPASS的输入,经过流平衡分析,找到了两群细胞间异常的代谢通路(图2)及相关的反应/酶,并进行了分子和功能验证,以及小鼠体内验证。 图2.4个差异通路 如图2所示:左上:糖酵解通路(Glycolysis)在Th17p细胞中更加活跃(反应/酶几乎都分布在虚线右侧);右...
好了,开始我们今天的内容,单细胞代谢推断,我们从最新的三个软件,compass,scmetabolism以及scFEA入手分析。 01 MongoDB Compass聚合管道构建器新特性介绍 分析数据的最有效方式就是在它已经存储的位置再进行分析。 这就是为什么MongoDB内置的聚合框架的原因。
如图1所示,使用单细胞转录组(Th17p细胞和Th17n细胞)和代谢模型作为COMPASS的输入,经过流平衡分析,找到了两群细胞间异常的代谢通路(图2)及相关的反应/酶,并进行了分子和功能验证,以及小鼠体内验证。 图2.4个差异通路 如图2所示:左上:糖酵解通路(Glycolysis)在Th17p细胞中更加活跃(反应/酶几乎都分布在虚线右侧);右...