生信分析 单细胞lncRNA分析，有它就够！
今天，小编给大家介绍一个基于单细胞测序数据分析lncRNAs表达、分类和功能的数据库：ColorCells (http://rna.sysu.edu.cn/colorcells/)，发表于Briefings in Bioinformatics (IF=8.99)。小编首先详细介绍该数据库的内容以及使用方法，最后再简述一下构建过程。生信人阅览更多精彩文章
ColorCells的功能如图1所示，主要有五部分：
1、识别细胞特异性lncRNA
2、衡量细胞间的关联关系
3、识别不同类型的基因
4、比较不同的细胞簇以及分别利用mRNA
5、lncRNA对细胞进行分类
图1. ColorCells的主要功能
接下来，我们通过实例来了解一下。图2为数据库主页，构建ColorCells用到了167913个公开的scRNA-Seq数据，包含Human, Mouse, Zebrafish, Fruit fly和Yeast五个物种。点击绿色按钮就会跳转到相应的功能模块。
图2. ColorCells主页
vcompare和display
点击compare之后，可以通过’浏览’上传行代表基因ID或基因symbol，列为细胞的表达矩阵，文件格式要求csv，而且小于10MB，所以有必要的话可以选择压缩一下。高级选项一栏可以选择组织类型（人类、小鼠等），也可以选择基因格式、对细胞或基因进行过滤等。
图3. 上传文件
ColorCells分别通过PCA和tSNE对数据进行降维处理，然后计算任两个样本间的SNN距离和Pearson相关系数，Louvain算法用来识别细胞亚群。小编以数据库给的example为例解释一下结果：不同的类通过不同的颜色进行标注，每个点代表一个细胞样本，轻触可以查看ID，聚类结果有2D和3D两种形式，既可以查看全部基因的聚类结果，也可以比较分别以lncRNA和mRNA进行聚类的结果(图4)，图片都是可以下载的。
图4. 聚类结果展示
此外，通过点击左上角的各个链接，我们还可以查看ColorCells给出的其他结果(图5):
Similar Studies: 预测的与每个类最相似的研究;
Marker Genes: 使用一对多法寻找每个簇中的高变异基因，可以查询感兴趣的基因，Top Variable Genes展示这些基因对样本的聚类图；
Cell-Cell Correlation: 细胞样本间的Pearson和SNN相关性分析结果；
Gene Functions: 计算lncRNA和mRNA的共表达相关系数，通过对mRNAs的GO富集分析，预测相关lncRNA的功能。
图5. 其他可查看的结果
vTissueMap
该模块向我们展示了人类(包括男性和女性)和小鼠各自所包含的不同单细胞测序类型。
图6. 不同组织的数据类型
vcell type labels、cell-cell similarity、function
Cell cluster types模块通过marker基因的富集分析来预测细胞簇的类型，结果可以多种格式导出。聚类的结果同样用PCA和tSNE两种方式展示，我们还可以通过cell-cell correlation查看分别用Pearson和SNN计算的细胞间相关性，通过Gene function查看利用marker基因做的功能富集分析，lncRNA的功能利用同簇中与之共表达的编码基因来预测。此外，结果中还展示了每个簇中上调的marker基因。
图7. 其他功能模块
图8是ColorCells的整个构建过程，作者首先从GEO, SRA, EMBL, DDBJ下载了原始的单细胞测序数据，然后对数据进行筛选、预处理、比对、过滤等，得到标准化的基因表达数据。然后，利用GENCODE和Ensembl的注释信息对每个数据集的基因进行注释，关于lncRNA的命名，作者用到了GeneCards和LNCipedia。接下来，根据基因的表达均值和标准差，筛选除了高变异基因作为特征基因用于PCA分析，同时还用了t-SNE处理数据。为了将细胞聚类，作者基于欧式距离计算了每个样本的k近邻，通过SNNs构建细胞-细胞图，然后使用Lovain或Leiden等方法识别亚群，最后使用一对多策略寻找每个簇的marker基因。为进一步了解每个细胞类型中lncRNAs的功能，作者计算了marker基因间的Spearman相关系数，筛选出了显著共表达的mRNA-lncRNA对，然后通过对mRNA集的GO分析预测相应lncRNAs的功能。
图8. ColorCells的构建流程
想要更详细构建过程的小伙伴可以去查看原文哦，附上链接：https://pubmed.ncbi.nlm.nih.gov/33313674/ (PMID:33313674 )。
今天的分享结束了，Have a nice day！
更多生信人原创文章请收藏链接https://biosxr.gaptools.cn/#/
