單細胞測序數據個(gè)性化分析方法有哪些？

隨著(zhù)單細胞技術(shù)的普及與應用，實(shí)驗流程中的質(zhì)控標準、Cell Ranger和Seurat等軟件的分析內容，已不再是單細胞小白的困擾，目前單細胞測序的難點(diǎn)在于獲取測序數據后，基于標準分析結果如何進(jìn)行后續的數據挖掘，進(jìn)一步解釋生物學(xué)現象。

單細胞測序數據個(gè)性化分析方法

單細胞測序數據的挖掘方向復雜多樣，針對不同領(lǐng)域的生物學(xué)表型和機理研究，需要持續不斷地開(kāi)發(fā)個(gè)性化分析內容，從不同的角度進(jìn)行個(gè)性化數據挖掘，以下就是單細胞測序數據個(gè)性化分析的幾個(gè)分析方向：

1、單細胞測序個(gè)性化分析方法：細胞軌跡分析–揭示細胞發(fā)育分化動(dòng)態(tài)軌跡

細胞軌跡分析可以在單細胞分辨率驗證已知的細胞分化關(guān)系，推斷未知的細胞分化路徑，挖掘一些稀少的中間狀態(tài)細胞，解析細胞分化過(guò)程中的起調控作用的關(guān)鍵基因，在發(fā)育生物學(xué)中細胞分化、譜系發(fā)育研究方向、腫瘤/疾病微環(huán)境中免疫細胞的動(dòng)態(tài)變化研究中均有廣泛應用。目前進(jìn)行細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(shí)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>>單細胞數據分析沒(méi)有思路？試試細胞軌跡分析~(內附代碼)

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

多細胞生物是由很多不同類(lèi)型細胞組成的開(kāi)放而復雜體系，配體受體復合物介導的細胞間通訊對協(xié)調發(fā)育、分化和炎癥等多種生物學(xué)過(guò)程至關(guān)重要。細胞通訊分析，又稱(chēng)細胞受體-配體互作分析，是以細胞亞群的基因表達量數據為研究對象，通過(guò)獲得細胞中配體及受體基因的表達信息，比較細胞類(lèi)型之間的配體與受體基因表達差異，分析得到細胞亞群間的信號通訊關(guān)系，在闡明生物學(xué)過(guò)程中細胞間通訊的復雜性、多樣性和動(dòng)態(tài)性方面有重要意義。

3、單細胞測序個(gè)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(kāi)發(fā)的一種基于基因集的富集分析方法，用來(lái)評估一個(gè)預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。GSEA是從所有基因的表達豐度出發(fā)，分析在不同的通路中的基因的整體表達影響，這也是區別于GO/KEGG富集分析的地方，GSEA不需要設定差異閾值篩選目標基因集，理論上更容易囊括細微但協(xié)調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(kāi)發(fā)了GSVA（Gene Set Variation Analysis）算法來(lái)拓展基因集分析的應用。GSEA分析主要用于兩兩組間比較的方案設計中，對于分組比較復雜的方案設計則比較適合GSVA分析，GSVA不需要預先進(jìn)行樣本之間的差異分析，依據表達矩陣就可以計算每個(gè)樣本中特定基因集的變異分數。

4、單細胞測序個(gè)性化分析方法：腫瘤拷貝數變異分析–揭示惡性細胞表型

拷貝數變異(Copy number variation, CNV)是由基因組發(fā)生重排而導致的，基因組大片段的拷貝數增加或者減少，基因組結構變異(Structural variation, SV) 的重要組成部分，也是人類(lèi)疾病的重要致病因素之一。與正常細胞相比，腫瘤基因組部分區域呈現過(guò)表達或低表達狀態(tài)，通過(guò)與一組參考的“正?！奔毎啾?，比較不同樣本間或不同細胞類(lèi)型之間的CNV基因表達差異，探索腫瘤基因組位置上基因的表達強度，最終反映基因大片段區域的CNV事件，鑒定體細胞整個(gè)染色體或大片段染色體的擴增或缺失。

5、單細胞測序個(gè)性化分析方法：轉錄因子活性分析–挖掘關(guān)鍵調控轉錄因子

單細胞研究通常會(huì )涉及到一個(gè)核心關(guān)鍵問(wèn)題：細胞的異質(zhì)性以及這種異質(zhì)性是如何發(fā)展和維持的。這種細胞異質(zhì)性很大程度上是由潛在的基因調控網(wǎng)絡(luò )決定的，特定轉錄因子（transcription factor，TF）集合的協(xié)同表達驅動(dòng)各自靶標基因的表達，從而建立特定的基因表達譜。因此，單細胞的基因調控網(wǎng)絡(luò )對于深入挖掘細胞異質(zhì)性背后的生物學(xué)意義是至關(guān)重要的。利用pySCENIC從單細胞轉錄組數據中推斷TF、基因調控網(wǎng)絡(luò )和細胞類(lèi)型，基本原理是基于共表達和DNA調控保守序列（motif）分析推斷基因調控網(wǎng)絡(luò )，然后在每個(gè)細胞中分析網(wǎng)絡(luò )活性以鑒定細胞狀態(tài)。

6:、單細胞測序個(gè)性化分析方法：加權基因共表達網(wǎng)絡(luò )分析–篩選表型相關(guān)核心調控網(wǎng)絡(luò )

加權基因共表達網(wǎng)絡(luò )分析（Weighted Gene Co-expression Network Analysis, WGCNA）是構建基因共表達網(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,最終達到鑒定基因網(wǎng)絡(luò )的目的；單細胞測序技術(shù)可以揭示特定腫瘤組織中的細胞特異性，對細胞進(jìn)行分類(lèi)，并且識別特定的標志物，但其檢測的細胞數量和病例來(lái)源都是有限的。利用WGCNA分析單細胞轉錄組測序數據，可以提供一套有別于高変基因、差異分析的方法，不依賴(lài)于數據庫直接用表達量的相關(guān)性值預測調控關(guān)系，篩選某些細胞亞群中有關(guān)聯(lián)作用的基因集（稱(chēng)為模塊），可以從成千上萬(wàn)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(diǎn)。

7、單細胞測序個(gè)性化分析方法：單細胞空間聯(lián)合分析-解析空間結構異質(zhì)性

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

 

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