文章标题:《Single-cell transcriptomics of 20 mouse organs creates a Tabula Muris》
发表日期和杂志:2018年发表在Nature上
在线阅读链接:https://doi.org/10.1038/s41586-018-0590-4
从3只雌性和4只雄性、C57BL/6JN、3个月大的小鼠(10-15周)的20个器官中分离的100,605个细胞的单细胞转录组学数据
将取自同一只小鼠的主动脉、膀胱、骨髓、脑(小脑、皮质、海马体、纹状体)、横隔膜、脂肪(棕色、性腺、肠系膜、皮下)、心脏、肾脏、大肠、四肢肌肉、肝脏、肺、乳腺、胰腺、皮肤、脾、胸腺、舌头和气管立即制成单细胞悬液。所有的器官都用流式细胞仪将单个细胞分选到平板中,许多器官也被装载到微流控液滴中。
数据链接是:https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE109774
文中用两种方法进行单细胞RNA测序:基于FACS的平板细胞捕获和基于微流控液滴的捕获。为了了解每种方法的技术偏差,在许多器官上执行了这两种方法。
质量控制后保留了44,949个FACS细胞和55,656个微流体液滴细胞。对单细胞转录本进行测序,平均深度为每细胞814,488个读数(FAC)和每个细胞(微流控液滴)7,709个唯一分子识别符(UMI)。
比较方法显示了不同器官在分析的细胞数量
FACS
microfluidic droplets
FACS细胞聚类
用tSNE可视化了所有FACS细胞,并用基于图的无偏聚类对它们进行了分组。发现来自不同器官的细胞经常混合在一起,54个簇中有25个包含(至少5个)来自不同器官的细胞。例如,簇3和48每个包含来自5个或更多器官的内皮细胞。
image
发现细胞类型对被测基因表达的影响比批量或分离方案的影响更强。
T细胞细分
为了展示一个跨器官研究常见细胞类型的例子,分析了所有标记为T细胞的FACS细胞,揭示了5个簇
0簇包括以RAg(Rag1,Rag2)和TdT(DNTT)表达为特征的VDJ重组的胸腺细胞,以及未结合的双阳性T细胞(CD4+,CD8a+)。第4簇包含主要增殖的胸腺T细胞,这可能代表VDJ重组后的前T细胞的扩张。簇1-3主要包含单个阳性T细胞(CD4+或CD8a+)。
所有T细胞按来源器官(脂肪、肺、骨髓、四肢肌肉、脾或胸腺)着色-图C;根据CD4和CD8的表达将T细胞分类为4类-图D
全局转录因子分析
使用数据集中表达的1,016个转录因子,通过对每种细胞类型的平均基因表达谱进行聚类,研究了转录因子(TFs)如何影响细胞类型识别
通过对器官之间共有的细胞类型(上皮细胞、内皮细胞、B细胞、T细胞)进行相关分析,分析了器官特异性转录因子
为了了解哪些转录因子在指定细胞类型方面信息最丰富,从随机森林中进行了变量选择,并确定需要136个转录因子来同时定义所有器官的所有细胞类型
并且进一步确定了将每个细胞类型与所有其他细胞区分开来的转录因子集,这些集合的大小差别很大(从2个到813个转录因子),并且不一定对每种细胞类型是唯一的