scRAN工作流程 单细胞RNA测序(scRNA-seq)技术已成为解开单个细胞内RNA转录物的异质性和复杂性,以及揭示高度组织化组织/器官/生物体内不同细胞类型和功能的组成的最先进方法。通过单细胞RNA测序,现在可以在一项研究中分析超过数百万个细胞的单细胞水平的转录组。这使我们能够在转录组水平上对每个细胞进行分类、表征和区分...
图3| 基于自主标签技术(Disc-seq)的单细胞转录组测序技术 scRNA-seq scATAC-seq技术 单细胞 ATAC-seq 从组织或细胞富集细胞核,然后利用 Tn5 转座酶对染色质开放区进行切割,通过 DNBelab C4 单细胞设备,包裹转座后的细胞核和带有标签的磁珠,在液滴内完成染色质开放区的富...
西地那非、替莫唑胺等药物可作为低PRS患者的潜在药物(图6E)。在PRISM中,诺替诺卓、异氧素等药物被预测为治疗高PRS患者的潜在药物,而替莫卡普利、乙炔-雌二醇等可作为低PRS患者的潜在药物(图6F)。 图6 (八)单细胞数据集分析 从GSE132257数据集中收集了5个CRC样本的scRNA-seq数据。经过数据过滤和标准化后,选择...
研究团队首先通过细胞聚类和差异基因表达分析鉴定出scRNA-seq数据中五种主要的细胞类型,包括上皮细胞、内皮细胞、成纤维细胞、骨髓细胞和自然杀伤细胞。使用CopyKAT在scRNA-seq数据中推断细胞的拷贝数改变(CNAs),并结合CNAs信息对这些细胞进行聚类,得到3个主要的肿瘤亚克隆(Clone1-3)。 图4. 基于scRNA-seq的肿瘤亚克...
图1. CellTrek工作流程图。来源:Nature Biotechnology 小鼠脑细胞的拓扑结构 在使用模拟和原位数据集对CellTrek进行了基准测试后,研究团队将CellTrek应用到已发表的正常小鼠大脑的scRNA-seq和ST数据集(Visium, 10x Genomics)中。结果显示,C...
scRNAseq可谓是目前科研界研究细胞异质性的有效手段,正处于如火如荼的阶段。单细胞分析一个很重要目的就是为了确定细胞的类型。说到单细胞分析,大家第一时间想到的肯定是三大R包Seurat、monocle、scater,但是今天我准备给大家介绍一个新的R包metacell,可以用来聚类和注释细胞类型,功能堪比Seurat,但实现方法却很不一样。
Seurat整合流程与原理 使用CCA分析将两个数据集降维到同一个低维空间,因为CCA降维之后的空间距离不是相似性而是相关性,所以相同类型与状态的细胞可以克服技术偏倚重叠在一起。 CCA降维之后细胞在低维空间有了可以度量的“距离”,MNN(mutual nearest neighbor)算法以此找到两个数据集之间互相“距离”最近的细胞,Seurat将...
组织内细胞类型比例的变化可以提供生物衰老和疾病风险的信息。scRNA-Seq可以帮助检测此类差异丰度模式,但由于单细胞数据中的噪音、样本间的变异性以及此类模式较小的效应量,这项任务在统计上具有一定的挑战性。 2023年6月5日,来自中国科学院上海营养与健康研究所计算生物学重点实验室的Alok K. Maity和Andrew E. Tes...
针对18位未接受过治疗的患者的原发肿瘤以及其中5位患者的LN转移生成了全长scRNA-seq图谱(图1A)流程图显示了原发性口腔HNSCC肿瘤和匹配的转移性LN的scRNA-seq的新鲜活检样本的收集和处理。 单细胞转录组数据分析CNV跟WES的对比 首先把所有病人的近6000个细胞根据表达模式区分成恶性与否,分成两组进行CNV聚类,可以看到...
① 特征选择是scRNA-seq数据分析中的一项重要任务,对于降低维度和下游分析(如基因标记鉴定和细胞类型分类)至关重要。该研究探索了各种基于深度学习的特征选择方法在scRNA-seq数据分析中的实用性。 ②从Tabula Muris和Tabula Sapiens图集中采样数据,创建了具有一系列数据属性的scRNA-seq数据集,并评估了传统和基于深度学习...