在复杂多变的细胞微环境中,受到外界刺激的细胞是如何通过转录因子调节基因表达,从而调整细胞的转录状态以适应新的环境,尤其在肿瘤微环境中转录状态的转变,成为了单细胞数据分析不可或缺的一环。对于单细胞数据转录因子分析,SCENIC[1]无疑是研究者的首选。当然,限于运行速度的关系,python版本的pyscenic也越来越多的投入...
SCENIC正式分析的第一步是计算转录因子与每个基因的相关性 ## 基因过滤# 过滤标准:基因表达量之和 > 细胞数*3%,且在1%的细胞中表达genesKept<-geneFiltering(expr_matrix,scenicOptions=scenicOptions,minCountsPerGene=3*.01*ncol(expr_matrix),minSamples=ncol(expr_matrix)*.01)## Maximum value in the expr...
转录因子(transcriptionfactor, TF)是直接作用于转录组上,调控DNA转录的蛋白质。它通过与DNA特定区域结合(TFBS/motif),促进(activator)或阻止(repressor)DNA的转录过程,了解转录因子对于解析细胞的功能及生命活动有重要作用 分析流程 对亚群细分类分析,也可以对不同的实验组分析 Step 1 构建共表达网络 输入的数据是标准...
SCENIC全称Single-Cell rEgulatory Network Inference and Clustering,即单细胞调控网络与聚类,常用于转录因子分析,主要利用单细胞转录组测序数据来构建gene regulatory network (GRN)基因调控网络。其算法如上图,主要包括下面三个部分: (a)根据用户输入的转录因子列表,通过单细胞表达矩阵,推断物种的哪些基因与提供的转录因...
我们根据pbmc3k数据集里面的b细胞有两个非常出名的转录因子,TCF4(+) 以及NR2C1(+),进行了可视化。其实这两个转录因子并不是先验知识,是我们根据这个分析结果进行各个单细胞亚群特异性激活转录因子统计得到的。
SCENIC (Single-Cell rRegulatory Network Inference and Clustering)是一种能够从单细胞 RNA-seq 数据(SCENIC)或单细胞 RNA-seq+单细胞 ATAC-seq 的组合(SCENIC+, 今年新发的Nature Methods, 2023, 20, 1355–1367)中同时进行转录因子推断、基因调控网络重建的方法。
测试数据来自《Single-cell RNA sequencing highlights the role of inflammatory cancer-associated fibroblasts in bladder urothelial carcinoma》,从原始数据出发,降维聚类分群后,使用fibo细胞亚群做转录因子分析。 1、grn 输入表达矩阵和转录因子列表,软件基于共表达构建转录因子与潜在靶基因的调控网络。构建网络的...
分子层面最基本的分析是差异基因分析,其是各组学分析的基础,而单细胞研究中则可以更为精细地进行细胞亚群之间的差异基因分析。除了差异基因分析之外,我们可以更深层的探究导致基因表达差异的原因。基因表达是由转录因子(TFs)与其相应的靶基因共同协调相互作用来维持,这种TF与其结合位点的调控关系也被称为基因调控网络。
SCENIC(single-cell regulatory network inference and clustering)是一个基于共表达和motif分析,计算单细胞转录组数据基因调控网络重建以及细胞状态鉴定的方法。 2017年发表在Nature Methods杂志上的SCENIC算法,利用单细胞RNA-seq数据,同时进行基因调控网络重建和细胞状态鉴定,应用于肿瘤和小鼠大脑单细胞图谱数据,提出并证明了...
在输入单细胞基因表达量矩阵后,pySCENIC的分析过程分为三步:1. 基于共表达模式 (coexpression pattern) 推断转录因子及其所有的候选靶基因 (target genes);2. cisTarget分析每个共表达模块中的基因,去除间接靶标基因,仅保留TF motif富集的模块和targets,被保留的TF-target genes 称为regulon;3. AUCelll为每个细胞...