单细胞转录组之拟时序分析

Posted 2023-05-04

参考技术A

详见此链接： https://www.jianshu.com/p/34c23dbd9dc1

创建CellDataSet对象

monocle标准流程

根据自己生物学意图，选择查看哪个性状的轨迹

第一步: 挑选合适的基因. 有多个方法，例如提供已知的基因集，这里选取统计学显著的差异基因列表。

第二步: 降维。降维的目的是为了更好的展示数据。函数里提供了很多种方法,不同方法的最后展示的图都不太一样, 其中“DDRTree”是Monocle2使用的默认方法。

第三步: 对细胞进行排序 学习描述细胞正在经历的生物过程的“轨迹”，并计算每个细胞在该轨迹内的位置。

最后: 可视化
注意，伪时序的解读需要结合生物学意义

前面根据差异基因，推断好了拟时序，也就是说把差异基因动态化了，后面就可以具体推断哪些基因随着拟时序如何的变化

以qval前六的基因做图

将一个或多个基因的表达绘制点图

将前50个随拟时序变化的基因做聚类热图

分支表达分析建模 识别具有分支依赖性表达的基因。

使用全部的基因进行绘图 创建一个热图来展示基因表达沿两个分支的分叉

做热图查看拟时序基因在两个亚群的表达

参考来源

#section 3已更新#「生信技能树」单细胞公开课2021_哔哩哔哩_bilibili

致谢

I thank Dr.Jianming Zeng(University of Macau), and all the members of his bioinformatics team, biotrainee, for generously sharing their experience and codes.

THE END

跟着Cell学单细胞转录组分析(五):单细胞转录组marker基因鉴定及细胞群注释

参考技术A 书接上回（ 跟着Cell学单细胞转录组分析(四):单细胞转录组测序UMAP降维聚类 ）。完成数据降维和细胞聚类后，最主要的环节和工作就是确定各个细胞群，明确是什么类型的细胞，正群的细胞定群很关键，涉及到整个研究，所以这一步宁愿多费时间，也不要出错。当然，这也不是一蹴而就的，需要反复的确认。

要确定各个群是什么细胞，首先需要了解细胞群的marker基因，因为不同类型的细胞突出 表达的基因也是不同的。这里使用FindAllMarkers鉴定各个细胞群的高表达基因。

Seurat提供了几种函数例如FeaturePlot()、DotPlot()和DoHeatmap()，按照文章中的mrker基因，做一下可视化。

点图：

UMAP图：

热图：

很显然，这些都是默认出图，距离发文章还是有一定距离的，后期我们会专门讲解个性化的修饰，争取可视化更好。

接下来就是细胞定群了，对各个细胞群命名。细胞定群有很多方法，目前也有很多工具，但是依照我的经验，自动定群等一般结果不是完全正确，况且操作复杂，为了保证正确性，最使用的办法还是查询文献定群。定群后，对细胞群重命名。

最后将命名的文件保存，可视化细胞群！在进行下一步工作之前，之后的内容将会是对目前这些图形结果的修饰和个性化可视化！