SCENIC轉錄因子分析結果的解讀

單細胞進階分析主要是擬時序分析，細胞通訊分析，以及SCENIC轉錄因子分析。但實際上隨著越來越多單細胞研究從CNS正刊跌落到CNS子刊，再到普通的數據挖掘文章，所謂的進階分析也要淪落為標準分析啦。

不過，雖然SCENIC轉錄因子分析越來越普通，但它的難度並不會降低，在試圖學習這個分析方法之前，我們必須先看看SCENIC轉錄因子分析的實例，多讀文獻，總歸是沒有錯的！

2018年CELL文章的800多個單細胞

文章標題是《Toward Minimal Residual Disease-Directed Therapy in Melanoma》，連結：https://pubmed.ncbi.nlm.nih.gov/30017245/

使用了SCENIC轉錄因子分析的結果製作了如下所示的3張圖：

(A) t-SNE shows cells colored by state identity(SCENIC approach). The identities are inferred bythe binary activities of the TF regulons. Cell identitiesinferred by SCENIC are largely overlappingwith the SCDE approach(B) SCENIC analysis predicts TFs such as SOX10,MEF2C, TFAP2B, and RXRG as central hubs governing the NCSC state. TF regulon activitieswere quantified using AUCell.(D) Gene regulatory network analysis using SCENIC identifies critical nodes driving the NDTC state.

圖A是為了突出一個細胞亞群是某些TF的調控活性區域，圖B是分別顯示具體的TF是如何在該細胞亞群被富集出來的，圖C是看該調控活性區域的突出TF的基因網絡情況。

第一個亞群的SCENIC轉錄因子分析的經典三張圖

每個亞群都有各自富集到的轉錄因子，包括：pigmentation, NCSC, 「invasive,」 「proliferative」 and SMC states ，都可以根據SCENIC轉錄因子分析的結果來繪製經典三張圖，數據集在GSE116237，總共也就是 865個細胞：

其它亞群的SCENIC轉錄因子分析的經典三張圖2020年10月NC的膀胱癌免疫微環境

文章標題是；《Single-cell RNA sequencing highlights the role of inflammatory cancer-associated fibroblasts in bladder urothelial carcinoma》，連結是：https://www.nature.com/articles/s41467-020-18916-5

首先是：圖 a Heatmap of the area under the curve (AUC) scores of TF motifs estimated per cell by SCENIC. Shown are top five differentially activated motifs in iCAFs and mCAFs, respectively

也就是說，研究者定位到了兩個細胞亞群 iCAFs and mCAFs，然後針對性的對這兩個細胞亞群進行SCENIC分析，取那些在兩個細胞亞群有統計學差異的TF的全部細胞的AUC值進行熱圖可視化，如下：

TF的全部細胞的AUC值進行熱圖可視化

然後是對兩個細胞亞群有統計學差異的TF各取2個進行tSNE的可視化，看看具體是如何的差異：

TF各取2個進行tSNE的可視化

哪怕是這篇文章的作者並沒有直接在GEO裡面提供表達矩陣，我們也可以很容易去借鑑這裡面的可視化方法，來具體展現我們的SCENIC分析結果！

2020年12月NC的食管鱗狀細胞癌微環境

文章標題是；《Immune suppressive landscape in the human esophageal squamous cell carcinoma microenvironment》，連結是 https://www.nature.com/articles/s41467-020-20019-0

同樣的，取細胞亞群有統計學差異的TF的全部細胞的AUC值進行熱圖可視化：

 

文中圖例是：j Heat-map of the t values of AUC scores of expression regulation by transcription factors of the indicated clusters, as estimated using SCENIC

這個時候的細胞亞群比較多，所以並不需要展現具體的每個細胞裡面的該TF的AUC值啦，直接以細胞亞群的混合方式進行展現即可。

同樣的分析，完全不同的展現方式

主要是靠大家對這個細胞通訊分析流程的理解，以及對結果的解讀，後續我們會針對此推文前面提到的5款做細胞通訊分析軟體的用法解讀，並且合理的使用它們的分析結果來支撐我們的數據成為一個合理的生物學故事！

敬請期待，生信技能樹持續更新！

文末友情推薦

不點讚也不打賞，為什麼呢？