CancerSEA ，一个上古时代的癌症单细胞数据库资源

最近看到很多数据挖掘文章提到了发表在Nucleic Acids Research, 2019, 的文章：《CancerSEA: a cancer single-cell state atlas》，看了一下它这个癌症单细胞数据库资源里面给出来的文献列表：

癌症单细胞数据库资源

可以看到， 在这个CancerSEA发表之后，他们居然还更新了两个数据集，有意思，一般来说大家发文章后“逃之夭夭”了，很少会继续维护的。（也算是数据库资源网页工具领域的一股清流）

从这个列表来看，这个CancerSEA，确实只能说是一个上古时代的癌症单细胞数据库资源，因为里面的数据集都是2018或者之前的，那个时候10x技术还不发达，所以CancerSEA的作者只能说去下载smart-seq2技术的单细胞转录组数据从原始数据开始，所以可以看到其单细胞转录组数据处理上游流程：

这个流程，我们在CNS图表复现10—表达矩阵是如何得到的 系统性介绍过。

现在基本上大家拿到的都是10x单细胞转录组数据的表达量矩阵文件，很少需要从fastq文件开始的。

当然了，他从fastq开始，所以定量的时候，比较容易区分蛋白编码基因和非编码基因，protein-coding genes (PCGs) and lncRNAs ， 也算是一个优点。一般来说我们现在有了基因名字也很容易通过下面的代码进行区分，介绍借助AnnoProbe包里面的gtf文件信息来区分 mRNA和lncRNA ：

#BiocManager::install("airway")
suppressPackageStartupMessages( library( "GEOquery" ) )
suppressPackageStartupMessages( library( "airway" ) )
library("airway")
data(airway)
airway
as.data.frame(colData(airway))
summary(colSums(assay(airway))/1e6)
metadata(rowRanges(airway))

ensembl_matrix=assay(airway)
ensembl_matrix[1:4,1:4] 

library(AnnoProbe)
gs=annoGene(rownames(ensembl_matrix),'ENSEMBL','human')
head(gs)
tail(sort(table(gs$biotypes)))
pd_genes=gs[gs$biotypes=='protein_coding',1]
non_genes=gs[gs$biotypes !='protein_coding',1]
pd_matrix=ensembl_matrix[rownames(ensembl_matrix) %in% pd_genes,]
non_matrix=ensembl_matrix[rownames(ensembl_matrix) %in% non_genes,] 
save(non_matrix,pd_matrix, 
     file = 'input.Rdata')

在当时来说，他这个网页工具工作量还蛮不错的：

• Expression of 41,900 cancer cells （72 single-cell datasets from 25 cancer types ）
• State activities of 41,900 cancer cells
• 14 functional states signatures
• PCGs/lncRNAs related to functional states（18 895 PCGs and 15 571 lncRNAs.）

值得学习的是作者整理好的肿瘤细胞不同状态，14种功能状态分别为干性、侵袭、转移、增殖、EMT、血管生成、凋亡、细胞周期、分化、DNA损伤、DNA修复、缺氧、炎症和静止）

超级漂亮的封面图：

封面图很炫酷

至于网页工具如何使用，大家自己去摸索就好了：http://biocc.hrbmu.edu.cn/CancerSEA/home.jsp

我也看到了很多其它博客关于这个网页工具的介绍：哈尔滨医科大学的肖云老师和他的团队开发了CancerSEA数据库，旨在全面解码癌细胞在单细胞水平上的不同功能状态。

确实，过时了哦。

如果你确实觉得我的教程对你的科研课题有帮助，让你茅塞顿开，或者说你的课题大量使用我的技能，烦请日后在发表自己的成果的时候，加上一个简短的致谢，如下所示：

We thank Dr.Jianming Zeng(University of Macau), and all the members of his bioinformatics team, biotrainee, for generously sharing their experience and codes.

十年后我环游世界各地的高校以及科研院所（当然包括中国大陆）的时候，如果有这样的情谊，我会优先见你。