系统学习单细胞转录组测序scRNA-Seq(一)

刘小泽写于19.3.15

好了，终于可以学新知识了【预计将是一项大工程】，单细胞测序是目前研究的热点，那么我重新回来探究一下，首先问自己几个问题

都是转录组测序，有什么不一样？

看到转录组我们都不陌生，有参无参也都做了许多了，但是对一个细胞测序，为什么呢？10X给出了一个说明

https://www.10xgenomics.com/solutions/single-cell/

传统的是测一群细胞(Bulk RNAseq)，然后我们定量是基于所有细胞内的基因平均表达量进行统计，这样得到的是组织之间的差异性，也就是说只能看到大体的趋势，但是对于继续深入研究还是存在比较大的背景噪音。对于癌症或者系统发育相关的研究，往往是想看到某些特殊的细胞发挥的作用，也是相当于一步步筛选。

单细胞更加精准，最终得到的是每个细胞型的表达量，从而可以帮助理解组织异质性，鉴定罕见的细胞类型，检测细胞组分的变化，例如在癌症异质性、胚胎发育、细胞对药物的反应、神经细胞分型、差异表达通路等方面都发挥重要作用

怎么去做单细胞研究？

我们常规的转录组测序，需要提取样本RNA、建库测序，但是对于细胞来讲，材料提取是个大问题，但是目前主要有两个获取细胞的方法：Smart-seq和Drop-seq

Smart-seq的特点就是测序细胞量少(因为一次通过一个细胞)，但是测序的reads数多；Drop-seq(10X 公司的方法)一次可以测许多细胞，但是测得reads数都不是很多

获得了样本，一般公司会直接给你表达矩阵，也就是一般的转录组测序利用featureCount获得的结果，自己需要先进行归一化(例如CPM)

当然，这仅仅是许多资料中的一个流程

• For differential expression:

  • – SCDE: http://pklab.med.harvard.edu/scde/index.html
  • – SCA: https://github.com/RGLab/SingleCellAssay
  • – MAST: https://github.com/RGLab/MAST
  • – SAMseq: http://cran.r-project.org/web/packages/samr

• For clustering etc.:

  • – Monocle: https://github.com/cole-trapnell-lab/monocle-release
  • – Rtsne: http://cran.r-project.org/web/packages/Rtsne
  • – Sincell: http://master.bioconductor.org/packages/devel/bioc/html/sincell.html
  • – scLVM: https://github.com/PMBio/scLVM
  • – BASiCS: https://github.com/catavallejos/BASiCS
  • – Pagoda: http://pklab.med.harvard.edu/scde
  • – Seurat toolkit: http://www.satijalab.org/seurat.html
  • – Sincera pipeline: https://research.cchmc.org/pbge/sincera.html

---

欢迎关注我们的公众号～_～　　
我们是两个农转生信的小硕，打造生信星球，想让它成为一个不拽术语、通俗易懂的生信知识平台。需要帮助或提出意见请后台留言或发送邮件到jieandze1314@gmail.com

Welcome to our bioinfoplanet!