课后补充----单细胞数据检测变异
原创课后补充----单细胞数据检测变异
原创
追风少年i
发布于 2024-09-25 14:52:45
发布于 2024-09-25 14:52:45
作者，Evil Genius
时间很快，马上国庆了，国庆前我们要把单细胞空间外显子的课程上完，希望大家都能学到真本事，发好的文章，这样我就可以写大家的文献推文了。
不得不说现在真的是单细胞+时代了。
今日参考文献
全是中国人，但是
从单细胞测序数据中检测单核苷酸变异(snv)
知识积累
- 确定风险相关变异影响细胞过程的精确细胞背景将有助于更好地理解疾病风险的分子机制，并为治疗策略提供信息。
- 单细胞检测突变的缺点
1、单细胞RNA测序(scRNA-seq) reads通常富集于特定的基因组区域，如基因的5′或3′端 2、基因通常以细胞类型/状态特异性模式表达，因此在基因组区域之间具有高度可变性，导致测序深度分布不均匀 3、覆盖范围可能受到RNA谱中固有的等位基因失衡的影响 4、sequencing reads tend to have many errors due to technological infidelity.
结果1、检测pipeline
单细胞基因包括从单细胞测序数据中得出的生殖系和推测的体细胞SNV。它从单细胞测序数据的单个bam文件开始，这些数据由scRNA-seq、snRNA-seq、利用测序(snATAC-seq)、单细胞DNA-seq等进行转座酶可及染色质的单核测定产生。
结果2、Benchmarking on germline SNV calling
结果3、从单细胞数据中获取准确的突变数据
结果4、单细胞测序推断体细胞SNV检测
示例代码在GitHub - KChen-lab/Monopogen: SNV calling from single cell sequencing
其中
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:${path}/apps
python ${path}/src/Monopogen.py preProcess -b bam.lst -o bm -a ${path}/apps -t 1使用方法
usage: Monopogen.py preProcess [-h] -b BAMFILE [-o OUT] -a APP_PATH
[-m MAX_MISMATCH] [-t NTHREADS]
optional arguments:
-h, --help show this help message and exit
-b BAMFILE, --bamFile BAMFILE
The bam file for the study sample, the bam file should
be sorted. If there are multiple samples, each row
with each sample (default: None)
-o OUT, --out OUT The output director (default: None)
-a APP_PATH, --app-path APP_PATH
The app library paths used in the tool (default: None)
-m MAX_MISMATCH, --max-mismatch MAX_MISMATCH
The maximal alignment mismatch allowed in one reads
for variant calling (default: 3)
-t NTHREADS, --nthreads NTHREADS
Number of threads used for SNVs calling (default: 1)分析结果
教程很多，大家好好看看，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。
评论
登录后参与评论
推荐阅读
目录
腾讯云开发者
