Closed ixxmu closed 1 year ago
《单细胞天地》公众号解读的部分文章其实在咱们学徒培养的数据分析图表复现环节有讨论过,而且有录屏,不知道为什么看的人很少,可能是“酒香也怕巷子深”吧!
如果你看完了下面的解读,仍然感兴趣可以看我们的b站关于它的在线讨论:https://space.bilibili.com/338686099/video
分享是一种态度
题目 :Diverse human astrocyte and microglial transcriptional responses to Alzheimer’s pathology
期刊:Acta Neuropathologica (2022) 143:75–91
日期:2021年11月
DOI:https://doi.org/10.1007/s00401-021-02372-6
24+24=48个snRNAseq,这篇文章应该花了很多钱。
文章并非按一般的AD/NAD差异分析,而是将基因表达与样本的p-Tau(或Amyloid-beta)指标进行回归分析,并校正性别、线粒体含量等因素。
此时基因差异表达倍数的含义表示为pTau (or amyloid density)发生一单位的变化,基因表达差异的log2倍数(斜率)。如下例图所示
文章提到是使用MAST包的zlm()进行的回归分析。
文章使用MEGENA进行共表达网络分析,计算得到astrocytes与microglia分别在EC与SSC的module;使用SCENIC进行转录因子分析,也分别得到astrocytes与microglia分别在EC与SSC的regulons。
然后使用AUCell包计算出每个细胞核的对应细胞类型模块的score。然后结合Aβ/pTau指标进行类似上述差异基因的回归分析。即Aβ/pTau指标变化与模块表达score是否存在相关性。根据分析结果,初步得到结论:The EC and SSC show similar co‑expression signatures。如下图展示部分module与regulon
这篇单细胞文章测序样本量大,且有创新之处,即富集的Astro与Micro。而且计算差异基因方式很有新意,即进行病理指标的回归,也许更可以反映出基因表达水平与AD病理特征的关系。文章也使用多种多样的单细胞数据分析手段,例如亚群分析、细胞通讯分析、转录因子分析。总之无论是测序数据还是分析方法,都挺有借鉴价值的。
如果你对单细胞转录组研究感兴趣,但又不知道如何入门,也许你可以关注一下下面的课程
看完记得顺手点个“在看”哦!
长按扫码可关注
这个差异分析很特殊可以学学看
https://mp.weixin.qq.com/s/XVndy1l2azhMsRDUScpoXw