高通量单细胞转录组测序发展与展望

发布时间：2021-11-19 14:52

　　近年来,单细胞转录组测序技术发展迅猛,为人们研究细胞的异质性及在单个细胞分辨率下理解生命体系、过程和不同疾病状态提供了有效手段。基于微流控技术发展而来的高通量单细胞转录组测序技术是实现大量细胞平行检测的主要方法。现从高通量单细胞转录组检测平台研究进展、单个细胞捕获及检测的常用方法——特别是微滴与微孔技术原理与特点、数据分析流程、数据挖掘手段、现有存在问题和未来发展方向等角度进行阐述,希望该技术对生命科学研究起到促进和推动作用。 

【文章来源】：生命科学. 2020,32(12)北大核心CSCD

【文章页数】：8 页

【部分图文】：

高通量单细胞转录组测序工作流程

批次效应是产生变异的重要原因。因此，数据归一化是获得有效、有意义数据的重要过程。数据归一化包括样本内归一化(消除基因特异性偏差)和样本间归一化(用于调整与细胞间计数分布差异的影响)。Seurat软件[26]提供了基于共同来源变异的数据整合，允许定义共享全局的新特征来进行数据整合，是目前运用最广泛的分析包。当然，强大的运用也使其不断地进行升级，现已开发到了V3.0版本[27]。另一种广泛使用的方法是根据预处理步骤中获得的比例因子估计值来计算规范化的表达式度量，然后再进行下游分析，例如聚类或微分表达式[28]。k BET软件[29]通过主成分分析来评估批次效应，将混杂因素作为协变量纳入模型进行剔除，是一个强大、灵敏度高的基于K最近邻分类(k-nearest neighbor,KNN)算法的批次效应评价工具。2.3 单细胞转录组数据降维与可视化

为对分类的细胞类群进行深入的功能挖掘，常用基于基因集富集分析(gene set enrichment analysis,GSEA)的功能富集方法。然而，该方法只能基于样本间进行功能富集。为推广其运用范围，后续陆续开发的ss GSEA (single sample gene set enrichment analysis)[47]、GSVA (gene set variation analysis)[48]、Auto Compare＿SES (sample enrichment score)[49]可用于单个样本基因的功能富集。由于单细胞转录组数据的特殊性，基于GSEA的分析方法会面临分析设备内存占据大、分析时间长等问题。Single-Cell Signature Explorer是近来开发的一个专门通过基因集的模式分析，并可通过t-SNE和UMAP降维可视化方法来呈现基因集在细胞中的整体表达及功能富集程度[50]，该方法从一定程度上弥补了GSEA的短板(图3C)。3 单细胞转录组研究的常见技术问题

【参考文献】：
期刊论文
[1]单细胞转录组高通量测序分析新进展[J]. 文路,汤富酬.  遗传. 2014(11)



本文编号：3505274