nature文章也要挖掘单细胞公共数据

我列过一个生物信息学入门200篇NGS文献解读计划，其中一个文献是发表于2018的NC，标题是：Unravelling subclonal heterogeneity and aggressive disease states in TNBC through single-cell RNA-seq 对6个TNBC病人总共测了 超过1500个单细胞 ，质控后还剩下1189个单细胞进入下游分析。使用的是FACS加上Smart-seq2 ，非常中规中矩的分析，所以就发了同样中规中矩的NC。

组会课题组的博士后分享了一篇nature文章，发表于2019年6月，题目是：CD24 signalling through macrophage Siglec-10 is a target for cancer immunotherapy 利用了这个数据集加入自己的生物学故事，应该是大家感兴趣的数据挖掘。

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，毕竟地主家也缺余粮，毕竟6个病人1000多个细胞呢，不用白不用！

当然了，共数据库挖掘需要的基础linux和r技巧好好掌握。