github-actions[bot]
commented
2 years ago 人类衰老状态的血液免疫单细胞图谱 by 生信技能树
文章：《Multidimensional single-cell analysis of human peripheral blood reveals characteristic features of the immune system landscape in aging and frailty》
数据集是 GSE157007 ，共产生了 high-quality scRNA-seq data from 114,467 mononuclear cells
样品队列
可以看到， 样品分成4个分组，cord blood, young adults and healthy and frail old adults ：
新生儿脐带血（n=3） 青年组PBMCs（n=3） 健康老年组PBMCs（n=6） 体弱老年组PBMCs（n=5）
3个单细胞技术 ：
single-cell RNA sequencing (scRNA-seq), T-cell antigen receptor (TCR) repertoire sequencing (scTCR-seq) surface protein antibody-barcode sequencing (CCR7, CD45RA, CD4+ and CD8+)
第一层次降维聚类分群
初步分成了 17 clusters ，大家在进行血液单细胞免疫亚群细分的时候可以参考 ：
Clusters 1, 2 and 3 were distinguishable as naïve, memory CD4+ and memory CD8+ T cells, Cluster 6 and 9 with mixed expression of CD4+ and CD8+ were named as ‘other T cells’ Clusters 7 and 16 (CD79A, CD74 and MS4A1 high) were identified as B cells and antigen presenting B (APC B) cells, respectively Clusters 5, 8 and 14 (NKG7, GNLY, KLRB1 and GZMB high) were identified as natural killer (NK) cells. The myeloid lineage cells (clusters 4, 10 and 12) were classified as classical, intermediate and nonclassical monocytes, respectively, attributing to varying levels of S100A9, LYZ, IL1B and FCGR3A expression. myeloid dendritic cells (mDCs; cluster 11), plasmacytoid DCs (pDCs; cluster 15), platelets (cluster 13) granulocytes (cluster 17)
基本上跟我们一直给大家的单细胞亚群标记基因差不多了。
接下来就是对每个单细胞亚群进行细分了，比如T细胞，可以看到跟肿瘤微环境单细胞转录组的T细胞构成很不一样，没有大量的耗竭相关t细胞 ：
因为有4个分组，cord blood, young adults and healthy and frail old adults ，所以可以看不同组的不同单细胞亚群的比例情况差异，如下所示 。
可以看到规律是：
B细胞占比在各年龄组中相对稳定 单核细胞在青年组中占比较低，在新生组和老年组占比均较高 新生组样本中，包含大量的Naïve T细胞和极少量的Memory T细胞 Naïve T细胞的比例随着年龄的增长而呈现出减少的趋势，从青年组过渡至老年组时，Naïve T细胞的数量更是急剧下降 体弱老年组CD4+T CM细胞较多，健康老年组CD8+T CM和Treg细胞较多。这可能意味着CD8+和CD4+T CM细胞之间的平衡在维持老年人免疫系统的活力中起着重要作用
因为还有scTCR-seq，所以需要跟这个普通单细胞转录组表达量矩阵数据分析结合起来，也是同样的看不同分组样品的差异即可。
大家可以去看看OSCA单细胞数据分析
单细胞的多组对照设计（例如正常组与给药组）可以为细胞类型水平比较提供以往Bulk RNA-seq分析所不能达到的精度。对此一般有两种进阶分析思路：
（1）DE(Differential expression)--两组样本的同一细胞类型的基因表达差异分析； （2）DA(Differential abundance)--两组样本的同一细胞类型的丰度差异分析
写在文末
我在《生信技能树》，《生信菜鸟团》，《单细胞天地》的大量推文教程里面共享的代码都是复制粘贴即可使用的， 有任何疑问欢迎留言讨论，也可以发邮件给我，详细描述你遇到的困难的前因后果给我，我的邮箱地址是 jmzeng1314@163.com
如果你确实觉得我的教程对你的科研课题有帮助，让你茅塞顿开，或者说你的课题大量使用我的技能，烦请日后在发表自己的成果的时候，加上一个简短的致谢，如下所示：
We thank Dr.Jianming Zeng(University of Macau), and all the members of his bioinformatics team, biotrainee, for generously sharing their experience and codes.
十年后我环游世界各地的高校以及科研院所（当然包括中国大陆）的时候，如果有这样的情谊，我会优先见你。
https://mp.weixin.qq.com/s/rUx5CfCMC_x-oXFooD0lbw