NAR|由单细胞测序数据构建的细胞特异性网络
单细胞RNA测序为我们研究基因-基因间的相关联提供了一个新的视野,传统的方法由于只聚焦在各个细胞组之间而不是单个细胞,因此会导致细胞间的异质性被忽视。我们通过单细胞测序数据来构建单细胞特异的细胞网络,这使得我们第一次从单细胞水平来识别基因间的关系或者基因网络。通过CSN方法,我们可以通过现有的视野和方法来对单细胞数据分析聚类和伪轨迹。另外,CSN方法能够识别出单个细胞不同的基因关联,也可以构建个性化网络。
英文题目:Cell-specific network constructed by single-cell RNA sequencing data
中文题目:由单细胞测序数据构建的细胞特异性网络
发表时间:2019年06月20日
期刊杂志:Nucleic Acids Res
影响因子:11.241
一、材料和方法
1
细胞特异性网络的构建
二、结果
1
基于单细胞的网络分析
2
以单细胞为基础的网络重新布线
3
基于网络的细胞聚类和基因降维分析
4
与RNA-seq大数据的比较
三、讨论
CSN提供了一种在单细胞水平上分析基因关联的方法,我们可以发现与差异基因类似的差异基因关联。基因调控在许多重要的生物学过程中是必不可少的,如转录调控、共表达、选择性剪接、DNA修饰和非编码RNA的功能,并表现为scRNA-seq数据中的两个基因两者之间的依赖关系。例如,如果基因x和y是共同表达的,则两个基因的RNA水平是正相关的,而如果x和y是来自同一pre-mRNA的不同的选择性剪接转录本,则两个基因的RNA水平通常是负相关的。我们的CSN方法能够识别单个细胞中两个基因的依赖性和独立性,发现不同细胞类型之间基因关联的变化。此外,CSN作为一种无监督方法,直接从基因表达矩阵构建,不需要预先了解簇或细胞类型,因此基于CSN的分析是无偏的。
传统上我们用差异表达分析来寻找重要基因,但一些基因的微小变化可能会导致较大的生物学效应,这使得这类关键基因被传统分析忽略。在这篇文章中,CSN法从网络的角度来衡量每个基因的生物学效应,即使病例和对照样本在基因表达水平上而非在网络上存在显著差异,也可以识别出这些“暗”基因。
在生物学中,细胞类型是由形态和功能来定义的。由于不同的细胞类型通常表现出不同的转录表达模式,因此scRNA-seq可以通过对基因表达数据的聚类分析来帮助检测新的细胞类型。本文提出了一种基于网络度数据的新方法,对传统方法进行了有价值的补充。
基于GEM的聚类结果,四种细胞类型可以很明显的区分开来,相对比的在NDM的结果中,这4种细胞也可以很好的区分开来。
此外,该方法也可以在大量RNA-seq数据集上使用类似的方法构建单个样本的个体网络,前提是样本数量较多,这表明该方法在网络生物学上有广泛的应用。然而,CSN方法仍然存在一定的局限性。CSN不是因果网络,而是一种相关网络,因此,标识为关联并不一定是两个基因之间的因果关系。
单细胞测序细胞特异性网络图,您学会了吗?眼睛会了不要紧,请致电我们,让你的手也会,轻轻松松进行单细胞网络图框架分析。
文献下载:
https://international.biocloud.net/zh/article/detail/30864667
(复制链接到浏览器获取原文,如果没有云平台账号需要先注册)
推荐阅读
NC-单细胞VDJ和转录组分析揭示了葡萄膜黑色素瘤 新的进化复杂性
snRNA-seq|首个灵长类动物心肺的单细胞转录组图谱揭示新冠易感人群
Nature Medicine | 单细胞免疫组库揭示溃疡性结肠炎中结肠T细胞图谱
干货|百迈客单细胞 & 空间转录组专题系列
百迈客生物基于高通量测序技术、生物信息分析技术和生物云计算技术,为广大科研工作者提供以综合技术服务、生物云分析、三代高通量测序以及试剂、仪器等科研周边业务。
公司拥有Nanopore、PacBio、Illumina、Waters、10XGenomics等主流服务平台,以及基于云架构的生物云计算平台—百迈客云,提供涵盖人重外显子、三维基因组、单细胞与空间转录组、基因组组装、转录调控、微生物、群体遗传、质谱及表观遗传等研究方向的技术服务。目前百迈客云平台拥有200多款基因分析工具,分析结果可直接用于文章发表,更有近百部科研相关视频和8大基因数据库助力科研工作者深度数据挖掘。
自公司成立起先后在《Cell》、《Nature》、《Nature Genetics》、《Nature Communications》、《Plant Cell》等学术刊物发表论文数千篇,拥有国家发明专利技术40余项,软件著作权近200余项。
我们一直秉承”生物科技创新,服务社会,造福人民”的企业使命,致力于打造“生物科技创新中心”的发展愿景,让生物科技更快,更好的提高人类生活质量。