这个是单细胞混的最惨的一次

最近课题组的文献分享交流，有一个小伙伴讲的是最近的一篇nature文章：《ecDNA hubs drive cooperative intermolecular oncogene expression》, 有点复杂，不仅仅是有多组学，还有单细胞。如下所示：

GSE159972  [ChIP]
GSE159985  [HiChIP]
GSE160148  [scRNA and scATAC-Seq]
GSE175451  [ATAC-Seq]
GSE175452  [Hi-C]
GSE184566  [RNA-Seq]

但是我看了看数据集：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE160148 ，以及其数据分析结果在文章里面的图表，居然发现它总共是16个10X单细胞样品分成两组，也是人民币伍拾万的费用啊！居然就做一个降维聚类分群并且展示了一下！

就做一个降维聚类分群

这个图首先并不是在主图里面，而是 Extended Data Fig. 5 ，其次，它仅仅是 图d的一半而已：

d, UMAP from the RNA or the ATAC–seq data (left). Log-normalized and scaled MYC RNA expression (top right) and MYC accessibility scores (bottom right) were visualized on the ATAC–seq UMAP, showing cell-level heterogeneity in MYC RNA-seq and ATAC-seq signals in ecDNA- containing COLO320-DM.

上半部分是单细胞转录组数据的降维聚类分群，下半部分是 单细胞ATAC的结果，大家感兴趣可以去看原文！

非常容易下载其表达量矩阵文件，并且读入到R里面，安装我们的标准 代码进行降维聚类分群，跟文章进行对比！

GSE160148_scRNA_COLO320.mtx.gz 1.1 Gb (ftp)(http) MTX
GSE160148_scRNA_COLO320_barcodes.tsv.gz 523.0 Kb (ftp)(http) TSV
GSE160148_scRNA_COLO320_features.tsv.gz 200.3 Kb (ftp)(http) TSV

以前我们做了一个投票：可视化单细胞亚群的标记基因的5个方法，下面的5个基础函数相信大家都是已经烂熟于心了：

• VlnPlot(pbmc, features = c("MS4A1", "CD79A"))
• FeaturePlot(pbmc, features = c("MS4A1", "CD79A"))
• RidgePlot(pbmc, features = c("MS4A1", "CD79A"), ncol = 1)
• DotPlot(pbmc, features = unique(features)) + RotatedAxis()
• DoHeatmap(subset(pbmc, downsample = 100), features = features, size = 3)

其实这个文章配图的右边就是简单的 FeaturePlot 去可视化 MYC这个基因的表达量，至于配图的左边就是降维聚类分群而已！