单细胞RT-PCR表达量数据也可以差异分析

最近搜集整理单细胞研究的时候，看到于2015年发表在nature杂志的文章是：Single-cell analysis reveals a stem-cell program in human metastatic breast cancer cells ，蛮有意思的，居然是 Single-cell multiplex qPCR 数据哦！

研究者们首先通过流式预先把细胞分类，分成：basal/stem, luminal, and luminal progenitor cells这3群细胞，如下所示：

流式细胞分选

首先看了看3群细胞的不同病人的表达量差异情况，一般来说，做差异分析的话，组内差异肯定是要小于组间差异，不然就成为了强行找差异，如下所示，符合标准：

主成分分析看细胞亚群距离

分别是：B, basal/stem; LP, luminal progenitor; L, luminal 这3个组。

差异分析的热图就比较好理解了：

差异分析后的热图可视化

数据在GEO可以下载

Single-cell multiplex qPCR data are available at the NCBI GEO database (accession GSE70555).

  • https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE70555

其中属于Human patients - mammary cells的有271个细胞，大家可以自行下载表达矩阵，然后完成前面的PCA分析图，以及差异分析后的热图。

学徒作业

完成这个差异分析后的热图，根据表达矩阵。

差异分析涉及到的基因

因为RT-PCR是低通量的，所以依赖于生物学背景，研究者在设计这个课题的时候就确定了检测的基因是：116 genes involved in

  • stemness,
  • pluripotency,
  • epithelial-to-mesenchymal transition (EMT),
  • mammary lineage specification,
  • dormancy,
  • cell cycle
  • proliferation

当然了，后面有很多精彩的分析，包括看肿瘤转移到不同器官：BM, bone marrow; BR, brain; LN, lymph node; LU, lung; PB, peripheral blood; T, tumour. 就不一一讲解啦。

写到最后

如果你也想开启自己的生物信息学数据处理生涯，但是自学起来困难重重，还等什么呢，赶快行动起来吧！参加我们生信技能树官方举办的学习班：

生信技能树的粉丝都知道我们有一个全国巡讲的良心学习班，口碑爆棚，生物信息学入门省心省时省力！先看看大家的反馈吧：

赞 (0)

相关推荐