單細(xì)胞測序數(shù)據(jù)個性化分析方法有哪些？

隨著單細(xì)胞技術(shù)的普及與應(yīng)用，實驗流程中的質(zhì)控標(biāo)準(zhǔn)、Cell Ranger和Seurat等軟件的分析內(nèi)容，已不再是單細(xì)胞小白的困擾，目前單細(xì)胞測序的難點在于獲取測序數(shù)據(jù)后，基于標(biāo)準(zhǔn)分析結(jié)果如何進(jìn)行后續(xù)的數(shù)據(jù)挖掘，進(jìn)一步解釋生物學(xué)現(xiàn)象。

單細(xì)胞測序數(shù)據(jù)個性化分析方法

單細(xì)胞測序數(shù)據(jù)的挖掘方向復(fù)雜多樣，針對不同領(lǐng)域的生物學(xué)表型和機理研究，需要持續(xù)不斷地開發(fā)個性化分析內(nèi)容，從不同的角度進(jìn)行個性化數(shù)據(jù)挖掘，以下就是單細(xì)胞測序數(shù)據(jù)個性化分析的幾個分析方向：

1、單細(xì)胞測序個性化分析方法：細(xì)胞軌跡分析–揭示細(xì)胞發(fā)育分化動態(tài)軌跡

細(xì)胞軌跡分析可以在單細(xì)胞分辨率驗證已知的細(xì)胞分化關(guān)系，推斷未知的細(xì)胞分化路徑，挖掘一些稀少的中間狀態(tài)細(xì)胞，解析細(xì)胞分化過程中的起調(diào)控作用的關(guān)鍵基因，在發(fā)育生物學(xué)中細(xì)胞分化、譜系發(fā)育研究方向、腫瘤/疾病微環(huán)境中免疫細(xì)胞的動態(tài)變化研究中均有廣泛應(yīng)用。目前進(jìn)行細(xì)胞軌跡分析的方法和軟件非常之多，大致可以概括為兩種方法，一種是以monocle軟件為代表的擬時序分析（pseudotime analysis），另一種則是以velocyto /scVelo為主的RNA速度分析（RNA velocity）。詳情>>單細(xì)胞數(shù)據(jù)分析沒有思路？試試細(xì)胞軌跡分析~(內(nèi)附代碼)

2、單細(xì)胞測序個性化分析方法：細(xì)胞通訊分析–解析細(xì)胞間的信號通訊關(guān)系

多細(xì)胞生物是由很多不同類型細(xì)胞組成的開放而復(fù)雜體系，配體受體復(fù)合物介導(dǎo)的細(xì)胞間通訊對協(xié)調(diào)發(fā)育、分化和炎癥等多種生物學(xué)過程至關(guān)重要。細(xì)胞通訊分析，又稱細(xì)胞受體-配體互作分析，是以細(xì)胞亞群的基因表達(dá)量數(shù)據(jù)為研究對象，通過獲得細(xì)胞中配體及受體基因的表達(dá)信息，比較細(xì)胞類型之間的配體與受體基因表達(dá)差異，分析得到細(xì)胞亞群間的信號通訊關(guān)系，在闡明生物學(xué)過程中細(xì)胞間通訊的復(fù)雜性、多樣性和動態(tài)性方面有重要意義。

3、單細(xì)胞測序個性化分析方法：GSEA/GSVA分析–基于功能基因集的富集分析策略

GSEA( Gene Set Enrichment Analysis)，是2005年由Broad Institute研究開發(fā)的一種基于基因集的富集分析方法，用來評估一個預(yù)先定義的基因集的基因在與表型相關(guān)度排序的基因表中的分布趨勢，從而判斷其對表型的貢獻(xiàn)。GSEA是從所有基因的表達(dá)豐度出發(fā)，分析在不同的通路中的基因的整體表達(dá)影響，這也是區(qū)別于GO/KEGG富集分析的地方，GSEA不需要設(shè)定差異閾值篩選目標(biāo)基因集，理論上更容易囊括細(xì)微但協(xié)調(diào)性的變化對生物通路的影響。Broad研究所在GSEA發(fā)布8年之后，開發(fā)了GSVA（Gene Set Variation Analysis）算法來拓展基因集分析的應(yīng)用。GSEA分析主要用于兩兩組間比較的方案設(shè)計中，對于分組比較復(fù)雜的方案設(shè)計則比較適合GSVA分析，GSVA不需要預(yù)先進(jìn)行樣本之間的差異分析，依據(jù)表達(dá)矩陣就可以計算每個樣本中特定基因集的變異分?jǐn)?shù)。

4、單細(xì)胞測序個性化分析方法：腫瘤拷貝數(shù)變異分析–揭示惡性細(xì)胞表型

拷貝數(shù)變異(Copy number variation, CNV)是由基因組發(fā)生重排而導(dǎo)致的，基因組大片段的拷貝數(shù)增加或者減少，基因組結(jié)構(gòu)變異(Structural variation, SV) 的重要組成部分，也是人類疾病的重要致病因素之一。與正常細(xì)胞相比，腫瘤基因組部分區(qū)域呈現(xiàn)過表達(dá)或低表達(dá)狀態(tài)，通過與一組參考的“正?！奔?xì)胞相比，比較不同樣本間或不同細(xì)胞類型之間的CNV基因表達(dá)差異，探索腫瘤基因組位置上基因的表達(dá)強度，最終反映基因大片段區(qū)域的CNV事件，鑒定體細(xì)胞整個染色體或大片段染色體的擴增或缺失。

5、單細(xì)胞測序個性化分析方法：轉(zhuǎn)錄因子活性分析–挖掘關(guān)鍵調(diào)控轉(zhuǎn)錄因子

單細(xì)胞研究通常會涉及到一個核心關(guān)鍵問題：細(xì)胞的異質(zhì)性以及這種異質(zhì)性是如何發(fā)展和維持的。這種細(xì)胞異質(zhì)性很大程度上是由潛在的基因調(diào)控網(wǎng)絡(luò)決定的，特定轉(zhuǎn)錄因子（transcription factor，TF）集合的協(xié)同表達(dá)驅(qū)動各自靶標(biāo)基因的表達(dá)，從而建立特定的基因表達(dá)譜。因此，單細(xì)胞的基因調(diào)控網(wǎng)絡(luò)對于深入挖掘細(xì)胞異質(zhì)性背后的生物學(xué)意義是至關(guān)重要的。利用pySCENIC從單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)中推斷TF、基因調(diào)控網(wǎng)絡(luò)和細(xì)胞類型，基本原理是基于共表達(dá)和DNA調(diào)控保守序列（motif）分析推斷基因調(diào)控網(wǎng)絡(luò)，然后在每個細(xì)胞中分析網(wǎng)絡(luò)活性以鑒定細(xì)胞狀態(tài)。

6:、單細(xì)胞測序個性化分析方法：加權(quán)基因共表達(dá)網(wǎng)絡(luò)分析–篩選表型相關(guān)核心調(diào)控網(wǎng)絡(luò)

加權(quán)基因共表達(dá)網(wǎng)絡(luò)分析（Weighted Gene Co-expression Network Analysis, WGCNA）是構(gòu)建基因共表達(dá)網(wǎng)絡(luò)的常用方法，可以探索模塊與特定表型或疾病的關(guān)聯(lián)關(guān)系,最終達(dá)到鑒定基因網(wǎng)絡(luò)的目的；單細(xì)胞測序技術(shù)可以揭示特定腫瘤組織中的細(xì)胞特異性，對細(xì)胞進(jìn)行分類，并且識別特定的標(biāo)志物，但其檢測的細(xì)胞數(shù)量和病例來源都是有限的。利用WGCNA分析單細(xì)胞轉(zhuǎn)錄組測序數(shù)據(jù)，可以提供一套有別于高変基因、差異分析的方法，不依賴于數(shù)據(jù)庫直接用表達(dá)量的相關(guān)性值預(yù)測調(diào)控關(guān)系，篩選某些細(xì)胞亞群中有關(guān)聯(lián)作用的基因集（稱為模塊），可以從成千上萬的基因中挑選出高度相關(guān)的基因的模塊，并將模塊與表型進(jìn)行關(guān)聯(lián)，尋找marker gene或治療靶點。

7、單細(xì)胞測序個性化分析方法：單細(xì)胞空間聯(lián)合分析-解析空間結(jié)構(gòu)異質(zhì)性

基因表達(dá)具有時間和空間特異性，單細(xì)胞轉(zhuǎn)錄組主要從時間上研究基因表達(dá)，能夠系統(tǒng)的識別組織中的細(xì)胞亞群，但沒有捕獲其空間組織信息，限制了我們對組織及細(xì)胞間相互作用的理解。而空間轉(zhuǎn)錄組的應(yīng)用使得人們能夠從空間的角度解析數(shù)據(jù)，在空間上研究基因的表達(dá)。通過整合兩種數(shù)據(jù)模式，將單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)和空間轉(zhuǎn)錄組數(shù)據(jù)進(jìn)行聯(lián)合分析，在時空上分析基因的表達(dá)具有重要的意義。

 

如果您對以上個性化分析方案感興趣，歡迎點擊下方按鈕聯(lián)系我們，我們將免費為您設(shè)計文章思路文章。