1、单细胞制备方案也可能影响细胞活力,并引入与解离和应激反应相关的转录特征;单核有助于减少解离偏差和转录应激反应,有助于难以解离的组织和细胞类型的研究,并允许评估无法通过微流体系统的大细胞(例如肌肉细胞、卵母细胞) 2、标记物(marker):参考数据库和细胞类型特异性基因标记,主要是基于scRNA-seq数据集建立的,因此可能不是snRNA-seq的最佳选择,如下图,细胞核中的细胞类型注释得分明显较低。
3、各个组织在sc和sn测序的结果基因表达上也有较大的差异,进而影响下游的个性化分析(通讯、转录因子等) 4、scRNA有利于捕获免疫细胞,免疫细胞的比例被放大;单核测序则一定程度上避免了这个问题,组织细胞的比重上升,更符合真实的细胞比例。
5、相同细胞类型在sc和sn之间有不同的整体转录特征(eg;sc:monocytes (基因中位数635),T( (基因中位数1,709);sn:Monocytes = 2,729, T cells = 1,055)。 6、罕见的细胞类型在sn中比在sc中更常见。 7、生物学过程分析中sc和sn会存在不一致的现象。 8、下游分析差异较大,以通讯分析为例
特定细胞类型密集"居住"或由自定义的基因特征标记的区域(热点)和细胞类型或基因特征耗尽的区域(冷点),并统计评估这些区域与其他预定义热点或冷点的接近程度
。此外,使用热点方法检测到的空间关系与仅观察单个点的邻近区域时观察到的空间关系进行了比较。评估这些变量之间的关系如何变化,hotspot大小或周围的一个spot的大小变化。这里的hotspot不仅指细胞类型,还有通路等因素。代码示例放在了系统整理scRNA与snRNA的区别和空转寻找“hotspot”
生活很好,有你更好
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。