单细胞转录组数据分析的时候可以加上wgcna

那些教程都是针对传统的bulk转录组测序的表达矩阵,其实单细胞转录组也是拿到表达矩阵,只不过是有一些特性,比如非常多的0值等等。那么有没有这样的研究尝试把WGCNA融入单细胞转录组数据分析呢?

答案是有的,Posted March 04, 2019. 丢在预印本的文章,题目是:[Single-Cell RNA Sequencing Reveals Regulatory Mechanism for Trophoblast Cell-Fate Divergence in Human Peri-Implantation Embryo](Single-Cell RNA Sequencing Reveals Regulatory Mechanism for Trophoblast Cell-Fate Divergence in Human Peri-Implantation Embryo) 就这样做了,让我们一起来看看吧。

背景

To obtain transcriptomic profiles of human trophoblast cells during peri-implantation development, we harvested single cells from 19 embryos from day 6 to day 10, complement with 25 endometrial cells. Transcriptomes from 614 single cells were successfully profiled, with 0.7 million uniquely mapped reads and 24,011 detected transcripts per cell on average.数据都是在:https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE125616

主要样品是人类着床前胚胎的 Trophoblasts 进行单细胞转录组测序,其中516 embryonic cells 可以分成476 TE-, 14 EPI-and 26 PE-lineage cells.  最后的分析重点是 476 individual trophoblast cells isolated from 19 human embryos

  • cells of epiblast (EPI),

  • primitive endoderm q (PE)

  • trophectoderm (TE)

当然了,还有少量的endometrial cells,第一主成分就可以区分开来它们,如下:

Embryonic cells were assigned into three lineages, namely TE, EPI and PE, based on their expression of 300 previous identified lineage marker genes. 需要相关生物学知识。

其中时间这个属性也是在PCA上面反映到:

不管是时间这个属性天然对单细胞分组,还是整体的表达矩阵进入单细胞数据分析流程后分组, 都是可以看基因表达量情况的小提琴图等等。分析其实仍然是我们一直讲解的R包及基础流程,分别是: scater,monocle,Seurat,scran,M3Drop 需要熟练掌握它们的对象,:一些单细胞转录组R包的对象  流程也大同小异:

  • step1: 创建对象

  • step2: 质量控制

  • step3: 表达量的标准化和归一化

  • step4: 去除干扰因素(多个样本整合)

  • step5: 判断重要的基因

  • step6: 多种降维算法

  • step7: 可视化降维结果

  • step8: 多种聚类算法

  • step9: 聚类后找每个细胞亚群的标志基因

  • step10: 继续分类

WGCNA步骤

To systematically investigate the genetic program dynamics, we performed Weighted Gene Co-expression Network Analysis (WGCNA) on 2,464 genes that were variably expressed in trophoblast cells between different developmental stages.

WGCNA identified eight gene modules, each of which contains a set of genes that tend to be coexpressed at a certain development stage!

可以看到WGCAN其实大家需要注意的是挑选基因,然后判断模块,最后关联起来性状即可!

研究者感兴趣的生物学组别

其实是:

  • cytotrophoblast (CT),

  • extravillous cytotrophoblast (EVT)

  • syncytiotrophoblast (ST)

所以才会有如下图表:

让我意外的是,文章里面仅仅是提到了 Seurat 流程,没有monocle,但是却有lineage分析 !其实这个小鼠发育研究,跟我前面的视频课程非常类似,可以作为一个练习题,考核一下大家!

(0)

相关推荐

  • 2020年医学生信分析别人都在用哪些思路?

    Hello,各位小伙伴们,我们是科研菌!! "科研菌"团队每天为您提供高质量的原创科研论文精读, 期刊投稿, 资源分享和文章:每天一篇文章深度剖析,给您更开阔的科研思路 只需长按识 ...

  • 全网第一个单细胞转录组数据分析实战视频教程

    回首年前开创的单细胞天地公众号,再看看单细胞转录组知识星球的精华资源,一年时间就这样过去了,感慨万千! 单细胞微信交流群大家思想碰撞程度非常激烈和收获巨大,但同时也存在时间利用率不高,重复讨论等弊端. ...

  • 单细胞转录组数据分析流程的每一个步骤都值得一个综述

    四年前我做了一个单细胞课程,就是对scRNAseq包里面的数据示例的一些处理. 不过那个时候的R包的很多函数代码现在都过时了,现在没有学习的价值了哈,但是思路是可取的, 比如我把单细胞转录组数据分析流 ...

  • 单细胞转录组数据分析CNV

    都来自于aviv Regev实验室,一系列文章都利用了单细胞转录组数据分析CNV. 2014年关于GBM的science文章 首先是2014年关于GBM的science文章:PMID: 2492591 ...

  • 时间序列单细胞转录组数据分析

    文章是: Reconstruction of developmental landscapes by optimal-transport analysis of single-cell gene ex ...

  • 两个样品的10x单细胞转录组数据分析策略

    看到一篇最新研究,题目是:Targeting Degradation of the Transcription Factor C/EBPb Reduces Lung Fibrosis by Resto ...

  • 单细胞转录组数据分析并不一定要过于个性化

    我在 有一种生意双方都觉得亏 提到过,专业的工程师觉得为客户学习一个R包收费2000合情合理,但是委托者觉得一个项目全套分析收2000才合理.也就是说大部分情况下,大家自己的课题的个性化需求,是很难找 ...

  • 单细胞转录组数据分析||Seurat并行策略

    男, 一个长大了才会遇到的帅哥, 稳健,潇洒,大方,靠谱. 一段生信缘,一棵技能树, 一枚大型测序工厂的螺丝钉, 一个随机森林中提灯觅食的津门旅客. 随着单细胞技术的成熟,单细胞数据分析往往不再是单个 ...

  • Network在单细胞转录组数据分析中的应用

    男, 一个长大了才会遇到的帅哥, 稳健,潇洒,大方,靠谱. 一段生信缘,一棵技能树, 一枚大型测序工厂的螺丝钉, 一个随机森林中提灯觅食的津门旅客. 面向单细胞的技术革命,让我们得以进入新的研究层面, ...

  • 单细胞免疫组库数据分析||Seurat整合单细胞转录组与VDJ数据

    男, 一个长大了才会遇到的帅哥, 稳健,潇洒,大方,靠谱. 一段生信缘,一棵技能树, 一枚大型测序工厂的螺丝钉, 一个随机森林中提灯觅食的津门旅客. 在做10X单细胞免疫组库分析的是往往是做一部分BC ...