單細胞RT-PCR表達量數據也可以差異分析

2021-02-19 生信技能樹

最近搜集整理單細胞研究的時候，看到於2015年發表在nature雜誌的文章是：Single-cell analysis reveals a stem-cell program in human metastatic breast cancer cells ，蠻有意思的，居然是 Single-cell multiplex qPCR 數據哦！

研究者們首先通過流式預先把細胞分類，分成：basal/stem, luminal, and luminal progenitor cells這3群細胞，如下所示：

流式細胞分選

首先看了看3群細胞的不同病人的表達量差異情況，一般來說，做差異分析的話，組內差異肯定是要小於組間差異，不然就成為了強行找差異，如下所示，符合標準：

主成分分析看細胞亞群距離

分別是：B, basal/stem; LP, luminal progenitor; L, luminal 這3個組。

差異分析的熱圖就比較好理解了：

差異分析後的熱圖可視化數據在GEO可以下載

Single-cell multiplex qPCR data are available at the NCBI GEO database (accession GSE70555).

https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE70555

其中屬於Human patients - mammary cells的有271個細胞，大家可以自行下載表達矩陣，然後完成前面的PCA分析圖，以及差異分析後的熱圖。

學徒作業

完成這個差異分析後的熱圖，根據表達矩陣。

差異分析涉及到的基因

因為RT-PCR是低通量的，所以依賴於生物學背景，研究者在設計這個課題的時候就確定了檢測的基因是：116 genes involved in

epithelial-to-mesenchymal transition (EMT),mammary lineage specification,

當然了，後面有很多精彩的分析，包括看腫瘤轉移到不同器官：BM, bone marrow; BR, brain; LN, lymph node; LU, lung; PB, peripheral blood; T, tumour. 就不一一講解啦。

寫到最後

如果你也想開啟自己的生物信息學數據處理生涯，但是自學起來困難重重，還等什麼呢，趕快行動起來吧！參加我們生信技能樹官方舉辦的學習班：

生信技能樹的粉絲都知道我們有一個全國巡講的良心學習班，口碑爆棚，生物信息學入門省心省時省力！先看看大家的反饋吧：

不點讚也不打賞，為什麼呢？

相關焦點

  • 單細胞數據分析神器——Seurat
    今天小編向大家簡單一個實用並且易上手的單細胞數據分析軟體——Seurat,大家躺在床上為國家做貢獻的同時也能get新技能。介紹一下今天的主角，Seurat是由New York Genome Center, Satija Lab開發的單細胞數據分析集成軟體包。
  • 《科學》:充滿差異的單細胞蛋白表達
    【科學網綜合報導】科學家們近日首次實現了對物種在整個表達譜範圍內的蛋白表達噪聲測量。該項成果是單分子技術與系統生物學交互融合的典範，預示了單細胞基因表達分析時代的來臨。 在基因表達研究領域，傳統的研究方法是在同等條件下磨碎大量細胞，然後測量基因產物的數量，例如mRNA和蛋白。
  • scRNA-seq數據差異基因表達分析的有效方法有哪些?
    scRNA-seq數據差異基因表達分析的有效方法有哪些？我們知道RNA-seq即轉錄組測序，是某個物種或者特定細胞類型產生的所有轉錄本的集合，而單細胞RNA測序（single-cell RNA-seq，簡稱scRNA-seq）則是以單個細胞為特定研究對象，提取其mRNA進行逆轉錄並進行高通量測序分析，可體現出個體細胞內表達水平的具體變化，目前已廣泛應用在生物學、醫藥研發、臨床醫學等各個領域。
  • 邀您體驗CLC單細胞數據分析模塊
    單細胞測序技術作為一種高解析度的技術，可以在單細胞水平快速構建組織或器官的分子圖譜，了解基因調控機制，從而探索早期胚胎發育、組織及器官形成、免疫機制和腫瘤發生等分子機理。當然，對於高噪音、高維度的單細胞測序數據，同樣需要特定的分析流程進行處理。
  • 差異基因表達分析(上)
    RNA-seq數據和microassay在差異表達分析上的區別：RNA-Seq觀察到的數據是抽樣過程中產生的離散（discrete）count形式。也就是說總體是恆定的，表達量越高的基因在抽樣結果中所佔的比例越大。表達量低的基因可能即便有也無法被檢測出來。當然，重新對相同文庫進行測序，還是有可能找到更多表達的轉錄本microassay檢測的是螢光信號的連續度量。
  • R語言mRNA差異表達分析
    火山圖數據使用：FDR取對數和FC取對數，用來繪製火山圖，並標註上調和下調基因。其中上調是指FC取對數大於某個正數，比如1，下調指的是FC取對數小於某個負數，比如-1.熱圖數據使用：根據每個樣本中每個基因的表達量繪製熱圖。其中每個小方格表示每個基因，顏色表示該基因表達量的大小。
  • 萬字長文 | 單細胞轉錄組分析最佳思路綜述
    只要清楚它們大概的使用範圍就可以了：它們的使用範圍：如果對表達量的範圍有要求，用log歸一化如果表達量較為穩定，不存在極端最大最小值，使用歸一化如果表達量離散程度很大，存在異常值和較多噪音，用標準化可以避免異常值和極端值的影響在分類、聚類、PCA算法中，使用z-score值的結果更好數據不太符合正態分布時，可以使用歸一化
  • 希望組正式推出納米孔單細胞全長轉錄組測序分析服務
    作為國內三代測序服務的引領者，希望組在三代測序技術領域深耕多年，將長讀長與單細胞測序技術結合，開發出了完整的納米孔單細胞全長轉錄組實驗分析流程，打破用三代測序單細胞全長轉錄組建庫起始量高的技術壁壘，並於近日正式推出納米孔單細胞全長轉錄組測序分析服務。
  • RT-PCR與qPCR所需要的引物區別
    原理不同：螢光定量PCR實時監測與DNA結合的螢光染料激發的螢光;普通pcr通過檢測插入dna中螢光染色劑來看是否有目的片段。 　　應要求：螢光定量對擴增片段有較高的要求，一般為100-300bp;普通PCR可以擴增長點的片段。螢光定量可以不進行電泳就對產物進行定量分析，普通PCR必須電泳。
  • 單細胞數據科學的十一個重大挑戰
    這是單細胞數據分析的大框架，要說難點都難，今天我們就來談談目前單細胞數據解讀（挖掘）的一些挑戰。主要參考文章：Eleven grand challenges in single-celldata science ,Lähnemann et al.
  • 精於數據處理:自動化單細胞分析軟體——CeleScope
    你是否還在為單細胞數據分析而發愁？是否還在為重新學習各種分析軟體而苦惱？今天給大家介紹一個單細胞數據分析軟體——CeleScope™，簡單易上手，結果準確可靠，讓你的研究更進一步！CeleScope™是一系列用於分析新格元GEXSCOPE®單細胞測序數據的生物信息流程。可從二代測序下機的原始fastq數據開始處理，包含數據拆分、比對、定量、生成表達矩陣、分群等功能。
  • 【學術前沿】張世華課題組提出解決單細胞轉錄組數據高度缺失及...
    >傳統的基因測序技術採用「混池」（bulk）測序，得到的是一群細胞中基因表達水平的平均值，掩蓋了細胞之間的異質性，這對於理解生物細胞的多樣性存在明顯的局限性。單細胞轉錄組測序（single-cell RNA-seq）能夠獨立地提供每個細胞的基因表達圖譜，這樣就可以揭示各個細胞間的微小差異，找到單個細胞的獨特性，對於我們理解細胞的起源、功能、發育等有著至關重要的作用。
  • 單細胞數據高級分析——解碼細胞通信網絡
    隨著單細胞RNA測序的日益流行，RNA測序數據量的指數增長，使得測量多種細胞類型中配體和受體的表達，並系統地解碼細胞間通信網絡，最終解釋組織在穩態中的功能及其在疾病中的變化成為可能。首先，對於細胞群中的每個基因，計算表達該基因的細胞百分比和基因表達平均值。只有表達受體和配體基因的細胞佔比超過指定的閾值時（默認為10%），該配體-受體對才會被納入分析。對於聚合體而言，則選擇表達平均值較小的亞基的表達值代表該受體的表達用於後續的統計分析（圖b）。
  • 單細胞轉錄組高級分析四:scRNA數據推斷CNV
    本專題將介紹一些單細胞轉錄組的高級分析內容：多樣本批次校正、轉錄因子分析、細胞通訊分析、基因集變異分析和更全面的基因集富集分析。不足之處請大家批評指正，歡迎添加Kinesin微信交流探討!inferCNV是大名鼎鼎的broad研究所開發的，可以使用單細胞轉錄組數據分析腫瘤細胞CNV。
  • ...DISC:使用半監督深度學習推斷單細胞轉錄組的基因表達和結構
    「dropout」事件使單細胞轉錄組中的基因表達變形並導致錯誤地分類細胞類型。儘管插補可以在某種程度上改善基因表達和下遊分析，但也不可避免地會引入額外的噪聲。本文開發了DISC，這是一種新型的深度學習網絡，具有半監督學習功能，可以推斷出因「dropout」事件而被遮蓋的基因結構和表達。在十個實際數據集上與七種最新的插補方法相比，DISC始終優於其他方法。
  • 代碼分析 | 單細胞轉錄組clustering詳解
    我們在單細胞轉錄組分析中最為常用的聚類可視化即為tSNE和UMAP（Hemberg-lab單細胞轉錄組數據分析（十二）-
  • 10x單細胞免疫組庫VDJ數據分析就看它
    2015年，10x Genomics發布了基於微流控和油滴包裹技術的Chromium單細胞系統平臺，可實現高通量的單細胞轉錄組和單細胞V(D)J測序。不但可以將TCR/BCR雙鏈完美匹配，而且可以細化到單細胞水平，同時獲得表達譜信息。目前該技術也是研究單細胞免疫組庫應用最廣泛的技術，那麼10x 單細胞免疫數據該如何分析？分析結果又有哪些呢？今天小編帶大家來聊聊單細胞免疫組庫測序數據分析那些事。
  • lnRNA生信一站式分析神器！差異表達臨床分析ceRNA網絡
    TANRIC提供查詢和分析兩大功能，提供每個樣品lncRNA表達量信息，可供分析表達量與臨床指標、耐藥性和預後相關性，可以針對候選lncRNA(已注釋或任何用戶自定義lncRNA)與功能基因mRNA或miRNA之間的相關性進行預測，還提供不同腫瘤中lncRNA表達譜的Heatmap可視化結果。
  • 全細胞膜片鉗結合單細胞RT-PCR技術在 NMDA誘導的小鼠青光眼模型視網膜 雙極細胞G蛋白通路研究中的應用
    目的介紹一種視網膜全細胞膜片鉗聯合單細胞逆轉錄聚合酶鏈式反應（RT-PCR）技術在視網膜單細胞信號成分分析中的應用，並研究N-甲基-D-天冬氨酸（NMDA）對ON型雙極細胞中G蛋白相關mRNA表達的影響。方法實驗研究。