为了在单细胞RNA测序(scRNA-seq)和单细胞ATAC测序(scATAC-seq)实验之间找到相互关联的“锚点”,首先利用Signac软件包中的GeneActivity()函数,通过计算2kb启动子区域和基因体内的ATAC-seq测序计数,来估算每个基因的转录活性。 接下来,使用scATAC-seq数据得到的基因活性评分,与scRNA-seq中的基因表达量数据一起,作为典型...
识别scRNA-seq 和 scATAC-seq 数据集之间的anchors 为了在单细胞RNA测序(scRNA-seq)和单细胞ATAC测序(scATAC-seq)实验之间找到相互关联的“锚点”,首先利用Signac软件包中的GeneActivity()函数,通过计算2kb启动子区域和基因体内的ATAC-seq测序计数,来估算每个基因的转录活性。 接下来,使用scATAC-seq数据得到的基因活性...
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...
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,并在本文中展示了这些方法的应用。 分析要点...
首先,通过scRNA-seq(图2A)和scATAC-seq(图2B)分别鉴定了不同的细胞亚群:记忆B细胞(MBC),浆细胞(PC)和前体浆细胞/浆细胞母细胞(prePB/PB)。接着对scRNA-seq和scATAC-seq数据进行了整合分析,结果显示两组学数据集在MBC和PC阶段具有的良好的重叠(图2CD)。而来自ATAC-seq数据集的近一半的prePB未被预测为prePB...
图4. scRNA-seq和scATAC-seq数据整合。来源:Cell Stem Cell 考虑到常用的分离纯祖细胞群体分选标记法的局限性,研究者基于细胞表面标记设计了一种针对HSCs / MPP的新的荧光激活细胞分选策略(简称CD-REF),使用CD-REF分选板对股骨BM细胞进...
简介:单细胞分析|整合 scRNA-seq 和 scATAC-seq 数据 引言 单细胞转录组学极大地提升了对细胞状态进行分类的能力,但要深入理解生物学现象,不能仅仅停留在对细胞群的简单列举上。随着新方法的不断涌现,用于测量细胞的不同状态,一个关键的挑战是如何将这些数据集整合起来,以便更全面地理解细胞的特性和功能。
随着测量不同细胞模式的新方法出现,一个关键的分析挑战是整合这些数据集以更好地了解细胞身份和功能。例如,用户可以在同一生物系统上执行 scRNA-seq 和 scATAC-seq 实验,并使用同一组细胞类型标签对两个数据集进行一致注释。这种分析尤其具有挑战性,因为 scATAC-seq 数据集很难注释,因为以单细胞分辨率收集的基因组...
10x单细胞多组学ATAC + 10x基因表达研究方案(scATAC-seq+scRNA-seq),可通过一个简单的流程将同一单细胞的基因表达和ATAC-seq数据相整合,获得转录图谱和染色质景观的一体化视图。以单细胞核悬液作为起始样本,对大量细胞核进行转座,之后将单个细胞核捕获在GEM中,其中DNA片段和mRNA的3’端都带有条形码。从每个样本生成...
通过分析单细胞RNA测序(scRNA-seq)数据,我们能很好地在基因表达水平层面对样本细胞进行簇(cluster)的分类,以及marker基因的注释。而分析单细胞转座酶可及染色质测序(scATAC-seq)测序数据可以在染色质层面进行细胞研究,是目前主流的单细胞水平染色质可及性测序解决方案。scATAC-seq可用于绘制细胞染色质开放区的单细胞图谱...