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-...
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...
为了检测内皮细胞(E)、HE细胞和IAC细胞之间的细胞和分子转变,以及IAC细胞内HSPC的异质性,我们用单细胞RNA测序(scRNA-Seq)和单细胞转座酶可及染色质测序的(scATAC-Seq)方法,分析了从胚胎9.5天(E9.5) 到E11.5小鼠胚胎的尾动脉(背主动脉(DA),脐动脉(U),卵黄(V) )的大约37,000个细胞,鉴定了从E到HE再到IAC...
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,...
在单细胞的尺度上衡量染色质开放性(例如scATAC-seq)有助于精确理解CRE的活性变化,尤其与单细胞转录组测序技术(scRNA-seq)相结合,可以帮助解析不同转录因子如何协同的调节基因表达网络,从而调节细胞和组织的发育过程。例如,人大脑皮层发生是一个动态的...
Seurat 3.X版本能够整合scRNA-seq和scATAC-seq, 主要体现在: 基于scRNA-seq的聚类结果对scATAC-seq的细胞进行聚类 scRNA-seq和scATAC-seq共嵌入(co-embed)分析 整合步骤包括如下步骤: 从ATAC-seq中估计RNA-seq表达水平,即从ATAC-seq reads定量基因表达活跃度 使用LSI学习ATAC-seq数据的内部结构 鉴定ATAC-seq和RNA...
整合scRNA-seq和scATAC-seq中的SMC细胞数据,降维分析发现SMC可以聚类为静息态和转化态SMC(Fig 2J)。Monocle软件构建SMC演化状态(Fig 2K),平滑肌细胞起始于收缩基因高表达状态,随着SMC转化为FMC,其表达量逐渐降低(Fig 2L)。Zeb2表达伴随于Zeb结合位点的可及性降低(Fig 2M-2O)。随着演化轨迹,出现CMC细胞时,Zeb2...
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...
2 识别 scRNA-seq 和 scATAC-seq 数据集之间的锚点 为了确定 scRNA-seq 和 scATAC-seq 实验之间的 'anchors',我们首先使用 Signac 包中的GeneActivity()函数对 2 kb 上游区域和 gene body 中的 ATAC-seq counts 进行量化,对每个基因的转录活性进行粗略估计。然后,将 scATAC-seq 数据中的基因活性评分以及 scRNA...
整合scRNA-seq和scATAC-seq中的SMC细胞数据,降维分析发现SMC可以聚类为静息态和转化态SMC(Fig 2J)。Monocle软件构建SMC演化状态(Fig 2K),平滑肌细胞起始于收缩基因高表达状态,随着SMC转化为FMC,其表达量逐渐降低(Fig 2L)。Zeb2表达伴随于Zeb结合位点的可及性降低(Fig 2M-2O)。随着演化轨迹,出现CMC细胞时,Zeb2...