同样的单细胞研究，为什么发表的文章杂志等级差别那么大

同样的单细胞研究，为什么发表的文章杂志等级差别那么大 by 生信技能树

新冠疫情期间，关于COVID-19病毒感染病人的单细胞研究很多，我看到《单细胞天地》解读了：COVID-19病人支气管免疫细胞单细胞测序分析，文章信息如下：

题目：Single-cell landscape of bronchoalveolar immune cells in patients with COVID-19
投稿日期：2020年2月24日
接收日期：2020年4月23日
发表日期：2020年5月12日
杂志：Nature Medicine
文章在：https://www.nature.com/articles/s41591-020-0901-9

让我想起来了另外一个COVID-19病毒感染病人的单细胞研究，发表在Cell Discov. 2020 May ,标题是：Immune Cell Profiling of COVID-19 Patients in the Recovery Stage by Single-Cell Sequencing，差不多是同一时间发表的哦！

毕竟Cell Discov杂志和 Nature Medicine差别还是蛮大的，不知道是不是研究者特别想把研究写在祖国大地上。

文章实验设计

很清晰的实验设计，如下：

15个人

5个early recovery stage (ERS)
5个late recovery stage (LRS)
5个heathy controls (HCs)

单细胞数量

10个COVID-19 病人，共计 (70,858 PBMCs)
5个正常人，共计 (57,238 cells)

第一次分群

使用 t-distributed stochastic neighbor embedding (t-SNE) 方法降维

全部15个人的 128,096 scRNA-seq profiles

36,442 myeloid cells,
64,247 NK and T cells,
10,177 B cells

标记基因是：

CD14, CD1C, and FCGR3A for myeloid cells;
CD3E, CD4, CD8A, and NCAM1 for NK and T cells;
CD19 for B cells

第二次分群

使用 Uniform manifold approximation and projection (UMAP) 方法降维

36,442 myeloid cells 分成6群

Classical CD14++ monocytes (M1),
non-classical CD16++ (FCGR3A) CD14−/+ monocytes (M2),
intermediate CD14++ CD16+ monocytes (M3),
CD1C+ cDC2 (M4),
CLEC9A+ cDC1 (M5),
pDC (CLEC4C+CD123+) (M6)

64,247 NK and T cells 分成10群

naïve CD8+ T cells (T5), which expressed high levels of CCR7, LEF1, and TCF7, similar to naïve CD4+ T cells;
effector memory CD8+T cells (T6, CD8 Tm), which expressed high levels of GZMK;
cytotoxic CD8+ lymphocytes (CD8+ CTL) (T7), which expressed high levels of GZMB, GNLY, and PRF1. Proliferating T cells (T8, Tprol) were TYMS+MKI67+ cells.
naïve CD4+ T cells (T1), which expressed high levels ofCCR7, LEF1, and TCF7;
central memory CD4+ T cells (T2, CD4 Tcm), which expressed high levels of CCR7, but more AQP3 andCD69 compared to naïve CD4+ T cells;
effector memory CD4+ T cells (T3, CD4 Tem), which expressed high levels of CCR6, CXCR6, CCL5, and PRDM1;
regulatory T cells (T4, Treg), which expressed FOXP3.
C56−CD16+ NK cells (NK2), which expressed high levels of CD16 and low levels of CD56.
CD56+CD16− NK cells (NK1), which expressed high levels of CD56 and low levels of CD16;
NK cells highly expressed NCAM1, KLRF1, KLRC1, andKLRD1; then, we sub-divided the NK cells into
CD4+ T cells expressed CD3E and CD4; then, we sub-divided these cells into four clusters:
CD8+ T cells expressed CD8A and CD8B and were sub-divided into three clusters:

10,177 B cells 分成 4群

naïve B cells (B1) expressing CD19, CD20 (MS4A1), IGHD, IGHM, IL4R, and TCL1A;
memory B cells (B2) expressing CD27, CD38, andIGHG;
immature B cells (B3) only expressing CD19 and CD20 (MS4A1);
plasma cells (B4) expressing high levels ofXBP1 and MZB1

分析层面的细节，都展现在分群以及细胞亚群的定义上面了。

主要分析

文章的图表很清晰，都是显而易见的分析，读起来很友好反正：

3群细胞（myeloid, NK and T, and B cells），在3组人（five HCs, five ERS patients, and five LRS patients.）的比例
myeloid的6个亚群，NK和T细胞的10亚群，以及4个B细胞亚群在3组人的比例情况
Classical CD14++ monocytes (M1) 的差异分析，全套（火山图，热图，GO/KEGG数据库注释）
CD4+ T cells 的差异分析，全套（火山图，热图，GO/KEGG数据库注释）
Memory B cells and plasma cells (MPB) 的差异分析，全套（火山图，热图，GO/KEGG数据库注释）

也有一点点高级分析，包括sc-BCR, and sc-TCR 数据分析

主要是 (IgA+IgG+IgE) to (IgD+IgM) 比例情况

以及 Cell-to-cell communication ，这些分析可以在：单细胞转录组数据的个性化分析汇总全部找到。

都是10X测序了

课题设计可以看我们以前的教程：

还有：使用seurat3的merge功能整合8个10X单细胞转录组样本和 seurat3的merge功能和cellranger的aggr整合多个10X单细胞转录组对比。

技术细节可以看：

文末友情推荐

要想真正入门生物信息学建议务必购买全套书籍，一点一滴攻克计算机基础知识，书单在：什么，生信入门全套书籍仅需160 。如果大家没有时间自行慢慢摸索着学习，可以考虑我们生信技能树官方举办的学习班：

如果你没有服务器的话，做NGS数据分析实战可能会有点勉强，建议考虑：每天不足一块钱，定制生信云送给你

ixxmu / mp_duty