在输入单细胞基因表达量矩阵后,SCENIC经过以下三个步骤完成转录因子分析:第一步是构建共表达网络、第二步是构建TF-targets网络、第三步是计算Regulons活性,每一个步骤都由一个专门的软件包完成。我们来看一下各步骤详解。这个地方要结合之前的转录因子背景来看。
每个Regulon就是一个转录因子及其直接调控靶基因的基因集,接下来的工作就是对每个regulon在各个细胞中的活性评分。评分的基础是基因的表达值,分数越高代表基因集的激活程度越高 # 计算细胞网络评分 scenicOptions <- runSCENIC_3_scoreCells(scenicOptions, exprMat_filtered_log) ## 17:16 Step 3. Analyzing the ...
单细胞技术把视角拉到了单个细胞的研究精度,在研究单个细胞基因表达、轨迹发生、相互作用等的同时,细胞转录状态的变化也进入了研究者的目光。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...
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...
单细胞转录组实战06: pySCENIC转录因子分析(原理) 背景 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...
在输入单细胞基因表达量矩阵后,SCENIC经过以下三个步骤完成转录因子分析:第一步是构建共表达网络、第二步是构建TF-targets网络、第三步是计算Regulons活性,每一个步骤都由一个专门的软件包完成。我们来看一下各步骤详解。这个地方要结合之前的转录因子背景来看。
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。
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...
SCENIC(single-cell regulatory network inference and clustering)是一种基于共表达和motif分析的技术,旨在推断单细胞转录组数据中存在的转录因子及其靶基因并构建调控网络,以直观查看基因表达调控关系和鉴定细胞状态。以Python语言实现的SCENIC(pySCENIC)速度较快。在输入单细胞基因表达量矩阵后,pySCENIC的分析过程分为三步...
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...