单细胞转录组测序联合外显子组测序

随着高通量测序技术的不断发展，科研领域对测序技术的应用也越来越广泛。可以发现，现在的研究已经从单一组学的研究逐渐过渡到多组学联合使用，从基因组，转录组或蛋白组等多层面共同解析生物学意义。

单细胞研究同样如此，单细胞转录组学（scRNA）可以联合外显子组测序，从而从多个维度来解析单个细胞的生物学特性。

单细胞的CNV/SNP分析

单个细胞转录组较bulk-RNA水平具有更高的精度和分辨率，对于拷贝数变异/碱基变异信息(CNV/SNP)来说也是如此。利用inferCNV分析肿瘤单细胞的拷贝数变异情况，通过与作为参考的“正常”细胞对比，确定表达量明显增多或减少的染色体区域，以此得到单细胞的拷贝数变化情况（图1，每行代表一个细胞，每列代表一个基因）。

图1

对于SNP分析，则可以利用GATK得到高质量的变异信息，当然也可以使用bcftools或者其他工具检测单细胞的变异信息。

InferCNV的结果文件还包括细胞的CNV矩阵，经过中心化处理后，CNV矩阵的值小于1代表缺失，大于1代表插入；同样，SNP变异信息也可转化为矩阵，0代表没有变异，1代表有变异。根据CNV矩阵及SNP矩阵进行主成分分析，可以结合细胞类型直观展示细胞间的差异（图2，CNV结果的主成分分析图，细胞距离越近表示变异越相似）。

图2

联合分析

众所周知，生理病理的发生发展是一个复杂的过程，基因变异、基因表达水平的改变等都会影响其发生发展，基于单一组学的研究往往难以揭示其复杂性，而多组学分析则可能让我们的研究柳暗花明。组学研究包括基因组学、转录组学、蛋白组学、代谢组学等。

图3

在单细胞转录组数据的基础上，结合全外显子数据进行多组学联合分析。首先，对于外显子数据进行标准流程的分析从而得到变异信息，利用canopy等软件分析得到样本的克隆结构信息（图3，该图显示样本由4个亚克隆组成，比例分别为：0.786/0.149/0.044/0.021；树状图则显示了亚克隆间的进化关系）。

图4

其次，对于单细胞转录组数据分析得到单细胞的SNP信息（转录水平），最后根据单细胞变异信息及样本亚克隆结构信息通过cardelino软件将单细胞分配至其所属亚克隆上，并结合单细胞的注释信息（单细胞转录组分析内容），从而挖掘出常规分析无法得到的信息（图4，四列信息分别为细胞barcode，注释信息，亚克隆，分配概率）。

图5

在常规的单细胞转录组分析流程基础上，进行单细胞水平的CNV/SNP分析，并与WES进行联合分析，能进一步挖掘数据中的信息，提供更深层次的数据结果。