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细胞的连续发育轨迹。
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...
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,...
使得scATAC-seq在单细胞层面研究染色质开放性成为可能,而正好scRNA-seq是在单细胞层面研究基因表达量的技术,又因为基因在发生转录之前,表观遗传调控会在染色体水平上调整结构,从而会影响基因的表达。
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。
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。
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...
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...
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。
该研究纳入了性别决定和卵巢和子宫分化阶段(女性33个,男性22个)的人类性腺和邻近的生殖腺外组织,进行了单细胞多组学分析(scRNA-seq、scATAC-seq、10x Visium空间转录组、smFISH、单细胞多组学:scRNA-seq+scATAC-seq);同时对对应时期的小鼠组织进行了scRNA-seq分析。