登录1秒注册

奕推

搜索
站长论坛»主页首页休闲>百篇文献汇总精华!单细胞高档剖析(四)
查看:9
回复:1
打印上一主题下一主题

[奕推]百篇文献汇总精华!单细胞高档剖析(四)

[复制链接]
跳转到指定楼层
楼主

细胞的百篇胞高转录状况来自于一个潜在的基因调控。网络。文献(GRN),汇总在这个网络中,精华有限数量的单细档剖转录因子和辅助因子彼此调控,并调控它们的百篇胞高下流靶基因。安排内细胞异质性的文献根底是细胞转录状况的差异,转录状况的汇总特异性又是由转录因子主导的基因调控网络所决议并保持安稳的。因而剖析单细胞的精华GRNS有助于深化发掘细胞异质性背面的生物学含义。

2017年宣布在Nature Methods杂志上的单细档剖SCEN。IC。百篇胞高算法。文献,汇总运用scRNA-seq数据,精华一起进行基因调控网络重建和细胞状况判定,单细档剖应用于肿瘤和小鼠大脑单细胞图谱数据,提出并证明了顺式调控网络剖析能够用于辅导转录因子和细胞状况的判定。SCENIC(single-cell regulat。or。y network inference and clustering)官网:https://scenic.aertslab.org/ ,是一款剖析转录因子活性的软件,其可根据单细胞转录组数据来揣度转录因子、基因调控网络和细胞类型。SCENIC剖析的中心是运用mo。ti。f enrichment将候选。TF。调控因子与候选靶基因连接起来。此软件现在装备了人、小鼠、果蝇数据库,其他物种需求自己构建数据库。

53acd5a6-9800-11ee-8b88-92fbcf53809c.png

咱们核算发现百篇文献中近20%的文献中存在此次剖析成果,共呈现33次,文献中的呈现的成果如下:

53c57f98-9800-11ee-8b88-92fbcf53809c.png

这是咱们复现成果,如下:运用AUCell算法来对每个细胞中的每个regulon的活性进行评分。

53d6a8ea-9800-11ee-8b88-92fbcf53809c.png

上图为各组细胞中regulons的RAS(regulon。 ac。tivity score)活性热图。行表明不同的regulon,列表明不同的细胞,色彩越红代表RAS活性得分越高,从而表明regulon在该组中的活性越强。

除了展现转录因子在不同亚群的活性,咱们还能够选择各个单细胞亚群特异性的转录因子构建特异性热图,各组中regulons的。RS。S(regulon specificity score)特异性热图展现如下:

53fa97fa-9800-11ee-8b88-92fbcf53809c.png

行表明不同的regulon,列表明不同的组别,色彩越红代表RSS特异性得分越高,从而表明regulon在该组中的特异性越强。 咱们还能够用散点图来展现每个亚群中转录因子的特异性排序,各组regulons特异性排序图成果如下:

5416bd4a-9800-11ee-8b88-92fbcf53809c.png

横坐标表明排名,纵坐标表明RSS得分,RSS越高的调控子或许与该细胞群特异性相关,带。标签。的点代表RSS得分top3的regulon。 为了更好地展现研究成果,能够将咱们所重视的在特定亚群中特异性表达的转录因子独自画FeaturePlot展现图,成果如下,这样得到的可视化成果更简单与咱们之前的剖析联系起来。

543ebfc0-9800-11ee-8b88-92fbcf53809c.png

左一为转录因子原始AUC表达散布,左二为转录因子标准化AUC表达散布,右一为单细胞数据依照细胞类型的分群成果。能够看到转录因子在monocy。te。s亚群和c。dc。亚群中高度表达。 然后,咱们经过RAS来核算不同regulon之间的相关性系数(PCC, Pearson Correlation Coefficient),根据PCC,核算了。CSI。(Connection Specificity Index)来衡量regulon pairs之间的相关性,构建Regulon模块的CSI(connection specificity index)关联性聚类热图,展现成果如下:

54468e44-9800-11ee-8b88-92fbcf53809c.png

行、列均表明regulon,色彩越黄表明CSI关联性越高,CSI都高的regulon或许具有类似的细胞功用,一起调控下流基因。

咱们也能够提取所重视的转录因子独自构图,能够得到以下成果:

545c664c-9800-11ee-8b88-92fbcf53809c.png

以上为本次单细胞测序高档剖析SCENIC剖析的成果,其他高档剖析且听下回分解。