在scATAC-seq数据中,对于每一个细胞,我们通过基因及基因上游2kb内的peak丰度去量化每个基因在每个细胞中基因开放性,即在这个区域内,peak丰度越高,基因就越有可能受到转录因子调控或与RNA聚合酶结合,基因开放性越高。对于每一个样本,我们计算平均基因开放性(scATAC-seq)和平均基因表达量(scRNA-seq),并进行相关性分析...
执行了 MapQuery() 函数后,成功地将单细胞ATAC测序(scATAC-seq)数据集与多模态基准数据集进行了映射,并且实现了从基准数据集到查询数据集的细胞类型标签传递。现在,可以将这些映射结果进行可视化,并查看与 scATAC-seq 数据集现在关联的细胞类型标签: p1 <- DimPlot(pbmc.multi, reduction = "umap", group.by = ...
对于SnapATAC这个名字具有一语双关的意思,一方面代表Single Nucleus Analysis Pipeline for ATAC-seq,又可以包含Snapshot of single cell chromatin accessibility 这样的含义。 scATAC-seq的分析难点 由于scATAC-seq对于peak的捕获效率只能达到5%-15%左右,因此对于区分细胞类型的过程来说,scATAC-seq相比于scRNA-seq的分析困...
scATAC-seq实验的测序效率普遍较低。有两种策略可以缓解这个问题:优化样品制备和核提取方案,以尽量减少样品中环境染色质的数量,潜在地应用FACS进行样品清理,以及在文库饱和以下测序,以限制duplicate reads的数量。 除了评估不同的 scATAC-seq 方法之外,此项研究还为单细胞基因组学研究提供了分析工具——PUMATAC,流程可公...
本手册主要介绍单细胞ATAC&ChIP&甲基化测序 scATAC-seq的数据分析以及应用 single cell ATAC Tn5转座酶主导的ATAC-seq原理 image.png Closed Chromatin(闭合染色质):左侧的图示代表的是闭合的染色质结构。在这种状态下,染色质紧密包装,不易被转座酶(transposase)访问。
通过整合单细胞ATAC-seq(scATAC-seq),单细胞RNA-seq(scRNA-seq),微阵列,批量RNA-seq,免疫组织化学(IHC)染色,以及来自配对原发性和肝转移性结直肠癌(CRC)患者来源的异种移植(PDX)模型和患者的蛋白质组学数据集,发现肝转移性CRC细胞失去了结肠特异性染色质可访问位点,但获得了肝脏特异性位点。重要的是,观察到肝...
scATAC-seq测序实验通常效率很低,应执行方案优化步骤,以最大限度地提高细胞质量和文库复杂性,并最大限度地减少环境染色质污染和PCR重复。虽然s3-ATAC和HyDrop的测序效率均明显低于商业检测,但这种灵敏度降低是由不同的机制引起的;s3-ATAC样品包含许多峰区域之外的片段,而HyDrop片段高度重复。
使用测序 (scATAC-seq) 技术对转座酶可及的染色质进行单细胞测定,可在单细胞分辨率下深入了解基因调控和表观遗传异质性,但由于数据的高维性和极度稀疏性,scATAC-seq 的细胞注释仍然具有挑战性。现有的细胞注释方法大多集中在细胞峰矩阵上,而没有充分利用底层的基因组序列。
与scRNA-seq数据整合分析 另外,为了进一步解释scATAC-seq数据,我们可以利用来自同一生物组织的scRNA-seq数据对细胞进行分类。scATAC-seq数据与scRNA-seq数据的整合主要是基于scATAC-seq中的基因活性矩阵与scRNA-seq基因活性表达矩阵的相关性,然后根据scRNA中对细胞类型的定义转移至对应的scATAC-seq数据中[2],本文下载了人类...
使用测序 (scATAC-seq) 技术对转座酶可及的染色质进行单细胞测定,可在单细胞分辨率下深入了解基因调控和表观遗传异质性,但由于数据的高维性和极度稀疏性,scATAC-seq 的细胞注释仍然具有挑战性。现有的细胞注释方法大多集中在细胞峰矩阵上,而没有充分利用底层的基因组序列。