首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    Cell 深度| 一套普遍适用于各类单细胞测序数据集的锚定整合方案

    自北京大学汤富酬教授(当时为英国剑桥大学格登研究所(Gurdon Institute) Azim Surani实验室博士后)等人于2009年在Nature Methods上发表首个单细胞测序(single cell sequencing)方案以来【1】,这项革命性技术已历经十年的飞速发展;分子生物学、微流控(microfluidics)技术和纳米技术等关联技术的长足进步催生了数十种全新的单细胞测序方案,使测序细胞数目呈现指数级增长 (生信宝典注:指数级增长的转折点是郭国骥老师的工作)(下图)【2】。同时,通过谷歌搜索趋势分析可以发现,对单细胞测序这一词条的相对搜索频率在全球范围内一直呈稳定上升趋势,甚至在2018年超过了同样仅有十余年应用史的重要分子生物学测序方法——染色质免疫共沉淀测序(ChIP-seq)(下图)。

    03

    开篇-单细胞测序分析00

    回想起来自己从事生物相关的研究已经大概15年了,从研究生进入实验室也有10年时间,陆续从硕士,博士到博后,研究地点也从化学学院,到药学院再到医院科室。自己做的研究是“干-湿”实验结合的,发表的成果也是各自一半,但是综合起来还是生物信息分析的文章发表的影响因子高一些。到现在由于工作场所频繁发生变化,反而没有稳定的场所做实验,所以愈发的在生物信息方面下较多的功夫。因此我对这十几年来的生信研究进行总结,希望帮助新手克服生物信息陡峭的学习曲线,当然我自己也不是科班出身的,也希望与你一起交流学习。所有的内容均是以自己的实验数据(会明确下载地址给读者)操作来进行,避免某些在demo运行很好却在自己的环境中出现bug的情况。最后一点,现在通讯太发达了,欢迎大家与我V:cll7658直接交流共同进步。

    00

    Nat. Commun.| 通过将异质数据集投射到一个共同的细胞嵌入空间进行在线单细胞数据整合

    本文介绍由清华大学生命科学学院生物信息学教育部重点实验室、北京结构生物学高级创新中心和生物结构前沿研究中心、合成与系统生物学研究中心的Qiangfeng Cliff Zhang通讯发表在 Nature Communications 的研究成果:作者提出了SCALEX,一种深度学习方法,通过将细胞投射到一个批次不变的、共同的细胞嵌入空间,以真正的在线方式(即不需要重新训练模型)整合单细胞数据。SCALEX在不同模式的基准单细胞数据集(scRNA-seq,scATAC-seq)上的表现大大优于在线iNMF和其他最先进的非在线整合方法,特别是对于有部分重叠的数据集,在保留真正的生物差异的同时准确地对齐类似细胞群。作者通过构建人类、小鼠和COVID-19患者的可持续扩展的单细胞图谱来展示SCALEX的优势,每个图谱都由不同的数据源组装而成,并随着每个新数据的出现而不断增长。在线数据整合能力和卓越的性能使SCALEX特别适合于大规模的单细胞应用。

    02

    10X空间转录组数据分析重点梳理

    空间转录组学 (ST) 技术正迅速成为单细胞 RNA 测序 (scRNAseq) 的延伸,具有以接近单细胞分辨率分析基因表达的潜力,同时保持组织内的细胞组成。同时拥有表达谱和组织空间信息使研究人员能够更好地了解细胞相互作用和异质性,从而深入了解传统测序技术无法实现的复杂生物过程。ST技术生成的数据本质上是嘈杂的、高维的、稀疏的和多模态的(包括组织学图像、计数矩阵等),因此需要专门的软件来进行深入分析。目前很多研究人员仍然借助单细胞的分析软件来分析空间转录组,但事实证明这些工具不足以分析复杂的 ST 数据集,这一篇我们就来对空间转录组的分析进行梳理。

    03
    领券