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
总的来说,Cellranger ATAC的运行时间相比RNA运行的时间更长,而在下游分析的过程当中也发现scATAC-seq相比于scRNA-seq的运行时间和内存需要的更多。在下一期推文当中,我们会开始介绍scATAC-seq的下游分析流程。
这种分析尤其困难,因为scATAC-seq数据集的注释工作较为复杂,这不仅因为单细胞水平上收集的基因组数据较为稀疏,也因为scRNA-seq数据中缺少易于解释的基因标记。 在2019年由Stuart*, Butler*等人的研究中,引入了一种方法,用以整合来自同一生物体系的scRNA-seq和scATAC-seq数据集,并在本文[1]中展示了这些方法的应用。
一、 scATAC-seqPeak Calling scATAC-seq分析的第一个关键步骤就是识别染色质开放区域,即Peak Calling,这个步骤的数据好坏直接决定的后续所有的数据分析结果,并且还由于不同细胞的peak分布不同或者稀有细胞开放区域检测信号较低的影响,使得scATAC-seq以样本进行peak检测时会丢失一些peak信息,最终影响后续数据的挖掘。10X官...
举例来说,研究人员可能在同一生物体系中进行单细胞RNA测序(scRNA-seq)和单细胞ATAC测序(scATAC-seq)实验,并希望用同一套细胞类型标签来一致性地注释这两个数据集。这种分析尤其困难,因为scATAC-seq数据集的注释工作较为复杂,这不仅因为单细胞水平上收集的基因组数据较为稀疏,也因为scRNA-seq数据中缺少易于解释的基因...
1. 样本两组学相关性分析 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(...
scATAC-seq技术的普及为分析工具提出了新的需求,Seurat的作者Satija lab开发了同样基于R语言的Signac包,提供了scATAC-seq数据分析的落地方案,能够完成峰值识别、量化、质量控制、降维、聚类、与单细胞基因表达数据集的集成、DNA 基序分析和交互式可视化甚至与多组学的整合分析。Signac有助于分析单细胞染色质多组学数据,包...
分别对两个seq的数据进行聚类分析来确定急性和慢性感染中MBC细胞的表观遗传变化,scRNA-seq分析确定了12个细胞簇(Fig.2B),scATAC-seq分析确定了7个细胞簇(Fig.2C),在此基础上,作者通过免疫基因组(ImmGen)进行细胞注释,以确定这些细胞簇和B细胞分化之间的关系,其中R3、R9和R10因Cd38的缺乏和Fas的表达被认为是GCB...
单细胞RNA测序技术(scRNA-seq)揭示了单个细胞的基因表达情况,单细胞ATAC测序技术(scATAC-seq)专注于单个细胞的染色质开放性,显现了细胞内的基因调控情况。两种技术结合使用可以更好地推断细胞内部的基因调控网络。但是这些数据的分析经常要使用不同分析工具分别进行。例如,对于scRNA-seq数据一般使用Seurat包分析,而scATAC-...
scATAC-seq用的最多的包就是Signac包了,这个包来自Seurat包的扩展,分析步骤等跟Seurat非常像,下面来看看。学习官网为: https://stuartlab.org/signac/ 单细胞的ATAC-seq学习还是需要了解一些背景知识的,不然就是茫然的纯跑代码:ATAC-Seq 数据分析2025 这个包可以分析的测序数据类型包括scATAC-seq,scCUT&Tag,scNTT...