客服热线：400-621-0302 邮箱：service@genechem.com.cn
售前咨询顾问：18616237127 ; 18616759206
|
客服热线：400-621-0302 邮箱：service@genechem.com.cn |
3、marker基因展示基于10xGenomics单细胞标准分析流程cell ranger，可输出各cell groups（cluster）中各个marker基因及其的表达水平，针对这些marker基因以多种形式进行展示。3.1 single marker基因Violin图形展示基于筛选得到的全部marker基因，挑选关键single marker基因看其在不同细胞类型（cluster）中的表达情况，可通过基因表达量及细胞分类结果绘制出关键single marker基因在各个cluster中表达情况的小提琴图，如下所示：
3.2 single marker基因tSNE图形展示t-分布邻域嵌入算法（t-SNE）维数约减算法能有效地将这些形状投射到两个或三个维度，从而使得相似的细胞聚集在一起。根据已筛选得到全部的marker基因绘制t-SNE分型结果图，再针对其中关键single marker基因进行特异标注，可获得single marker基因在各cluster中的存在情况。如下图所示。
3.3 marker基因聚类热图展示将每个cluster鉴定到的marker基因进行热图展示，同一个cluster内的marker基因表达量一般会高于其他组，将log10(UMI+1)值进行归一化转换并进行聚类，热图中红色表示高表达，蓝色表示低表达。聚类热图如下图所示：
4、多样本t-SNE分型分析针对所有样本细胞的基因表达量绘制细胞亚型分类图，可获得所有细胞的分型情况，之后再对每个样本中的细胞进行亚型分类，通过比较二者可获得不同样本中的细胞在整体的细胞亚型中所占的比例及分布。如下图所示：
5、拟时分析2014年，美国华盛顿大学生物学家Cole Trapnell就开发了拟时分析工具Monocle。该工具能够利用机器学习的方法来对scRNA-seq实验性的数据进行推断。基于某些关键基因或者maker genes的表达模式进行机器学习，进而模拟时间发育过程的动态变化。这里我们首先挑选出在细胞间基因表达变异程度较大的基因，依据它们的表达谱进行空间降维，再构建最小生成树（minimum spanning tree, MST），之后通过该MST找到最长路径代表转录特征相似细胞的分化轨迹。该分析可以推测疾病发生过程中细胞亚型的演变轨迹或细胞凋亡路径，或者推断干细胞在发育过程的分化轨迹或某类细胞的分化来源。细胞时间轨迹构建结果如下图所示：
进一步针对分支节点进行关键基因查找，根据基因的显著性挑选top3，追踪其随着时间的动态变化，如下所示：
6、富集分析通过对筛选到的marker基因进行富集分析，可以找到不同细胞cluster的marker基因与哪些生物学功能或通路显著性相关，进而对不同细胞cluster进行功能标识。吉凯基因采用GSEA软件对marker基因集进行GO功能富集分析，KEGG通路富集分析，Reactome通路富集分析。6.1 GO功能富集分析GO(Gene Ontology)是描述基因功能的综合性数据库，可分为分子功能（Molecular Function），生物过程（biological process）和细胞组成（cellular component）三个部分。GO富集以padj小于0.05为显著富集，富集结果如下表所示：
6.3 Reactome富集分析Reactome是一个人为规定的人类核心生物途径和反应的数据库，数据信息由相关领域生物专家提供，并经过同行评阅以确保连贯性和准确性。通过与其它数据库合作和人工注释方式，Reactome也已经收录了包括小鼠、拟南芥、果蝇等多种模式物种的反应组学数据。该库为人们提供了一个全新的从整体水平上对生物学途径进行研究的工具，同时，它也是一个改良的搜索及数据挖掘工具，可以简化与生物学途径相关的数据搜索与研究。Reactome富集以padj小于0.05为显著富集，富集结果如下表所示：
从Reactome富集分析结果中，选取最显著的20个Term绘制柱状图进行展示，若不足20个，则绘制所有Term信息，结果如下图所示：
|
||||||||||||||||||||||||||||||||||||||||||||||||
本网页由 生物通 设计制作 |
