nature文章也要挖掘单细胞公共数据

CD24 signalling through macrophage Siglec-10 is a target for cancer immunotherapy ‍

Nature. Author manuscript; available in PMC 2020 Jan 31.   

该nature文章从公共数据库的原始测序数据开始，自己构建表达矩阵，自己对细胞进行质量控制，自己走单细胞标准流程，就是5个R包，分别是:scater,monocle,Seurat,scran,M3Drop 需要熟练掌握它们的对象，：一些单细胞转录组R包的对象 分析流程也大同小异：

step1: 创建对象

step2: 质量控制

step3: 表达量的标准化和归一化

step4: 去除干扰因素(多个样本整合)

step5: 判断重要的基因

step6: 多种降维算法

step7: 可视化降维结果

step8: 多种聚类算法

step9: 聚类后找每个细胞亚群的标志基因

step10: 继续分类

文章描述流程如下：

因为原文有标记细胞类群，也有marker，所以作者很容易出图如下：

就查看自己感兴趣的基因就好了，毕竟是要使用公共数据库来辅助自己的生物学故事啦。同样的可以看到6个病人，他们的肿瘤细胞是具有病人异质性的，虽然整体是肿瘤细胞，但是病人与病人直接区分的很开，但是其它细胞就是细胞类型特异性很明显，多个病人的同一个细胞类型会被整合在一起。

热图展示每个细胞亚群的marker基因也是标配啦

本文不一样的是区分病人来看自己感兴趣的基因的表达情况。

希望这次分享对你的课题有帮助，尝试多看文献，共数据库挖掘需要的基础linux和r技巧好好掌握。

出自生信技能树