Skip to content

4.1 scRNA seq 概要

什么是单细胞 RNA 测序？

单细胞 RNA 测序是一种用于研究单个细胞内基因表达模式的方法。通过这种方法，可以分析细胞群体内每个单细胞的基因表达情况。它常用于细胞鉴定、细胞生命周期研究以及细胞发育等方面。

image.png

关于单细胞 RNA 测序 (scRNA-seq)

单细胞 RNA 测序（single-cell RNA sequencing）是一种用于研究单个细胞内基因表达模式的方法。通过这种方法，可以分析细胞群体内每个单细胞的基因表达情况。它常用于细胞鉴定、细胞生命周期研究以及细胞发育等方面。

scRNA-seq 数据库

scRNA-seq 数据已被注册到多个公共数据库中。访问这些数据库可以找到 scRNA-seq 数据。

  • NCBI GEO: 由 NCBI 运营，提供 bulk RNA-seq 和 scRNA-seq 数据。
  • Single Cell Expression Atlas (SCEA): 由 EMBL-EBI 运营的 scRNA-seq 数据库。
  • Single Cell Portal (SCP): 由 MIT 和哈佛大学的 Broad Institute 运营的 scRNA-seq 数据库，截至 2023 年 1 月底，包含 507 项研究和 29,614,655 个细胞的表达数据。
  • The Human Cell Atlas (HCA): 收录人类来源细胞的 scRNA-seq 数据。
  • The Mouse Cell Atlas (MCA): 收录小鼠来源细胞的 scRNA-seq 数据。
  • SCPortalen: 由理研运营，主要收录人类和小鼠的 scRNA-seq 数据。

10x Genomics 格式

10x Genomics 是一家提供单细胞 RNA 测序技术的公司，可以低成本分析大量细胞，因而被广泛应用。10x Genomics 的数据使用独特的格式，为了解析这种格式的数据，10x Genomics 提供了 cellranger 这个特殊的库，但也可以用 Seurat 进行解析。

10x Genomics 的独特格式包含以下文件：

$ tree filtered_feature_bc_matrix
filtered_feature_bc_matrix
├── barcodes.tsv.gz
├── features.tsv.gz (或genes.tsv.gz)
└── matrix.mtx.gz

选择用于 scRNA-seq 解析的语言

单细胞 RNA-seq 解析有 Python 和 R 两个包可用。选择哪一个取决于各自的优缺点，以及用户的需求和经验。

Python：Scanpy

  • 速度: Scanpy 利用了用于快速计算的库（如 NumPy 和 SciPy）。
  • 灵活性: 易于与其他 Python 库和工具集成，便于自定义分析和机器学习实现。
  • 注释: Scanpy 具有自动为细胞簇注释的工具。

主要特点： - 支持从常规 scRNA-seq 预处理到降维、聚类和数据可视化的完整工作流程。 - 易于与 Python 的可视化工具（如 Matplotlib 和 Plotly）集成。 - 与其他基于 Python 的 scRNA-seq 工具兼容。

R：Seurat

  • 全面性: Seurat 为 scRNA-seq 数据解析提供了全面的工具集。
  • 社区支持: R 的生物信息学社区非常活跃，有许多额外的资源和教程可用。
  • 集成: 易于与其他 R 的生物信息学工具（特别是 Bioconductor 项目）集成。

主要特点： - 提供丰富的功能用于聚类、降维和细胞注释等 scRNA-seq 解析。 - 利用 R 的 ggplot2 进行强大的数据可视化。 - 提供多种数据整合和比较分析工具集。

总的来说，选择 Python 还是 R 取决于用户的习惯和需求。如果日常使用 Python 或需要实现自定义编码和机器学习，可以选择 Scanpy。如果已经熟悉 R 的生物信息学生态系统，或者需要丰富的社区支持和教程，可以选择 Seurat。两者都是非常优秀且广泛使用的工具。