系统学习单细胞转录组测序scRNA-Seq(一)

刘小泽写于19.3.15

好了,终于可以学新知识了【预计将是一项大工程】,单细胞测序是目前研究的热点,那么我重新回来探究一下,首先问自己几个问题

都是转录组测序,有什么不一样?

看到转录组我们都不陌生,有参无参也都做了许多了,但是对一个细胞测序,为什么呢?10X给出了一个说明

https://www.10xgenomics.com/solutions/single-cell/

传统的是测一群细胞(Bulk RNAseq),然后我们定量是基于所有细胞内的基因平均表达量进行统计,这样得到的是组织之间的差异性,也就是说只能看到大体的趋势,但是对于继续深入研究还是存在比较大的背景噪音。对于癌症或者系统发育相关的研究,往往是想看到某些特殊的细胞发挥的作用,也是相当于一步步筛选。

单细胞更加精准,最终得到的是每个细胞型的表达量,从而可以帮助理解组织异质性,鉴定罕见的细胞类型,检测细胞组分的变化,例如在癌症异质性、胚胎发育、细胞对药物的反应、神经细胞分型、差异表达通路等方面都发挥重要作用

怎么去做单细胞研究?

我们常规的转录组测序,需要提取样本RNA、建库测序,但是对于细胞来讲,材料提取是个大问题,但是目前主要有两个获取细胞的方法:Smart-seq和Drop-seq

Smart-seq的特点就是测序细胞量少(因为一次通过一个细胞),但是测序的reads数多;Drop-seq(10X 公司的方法)一次可以测许多细胞,但是测得reads数都不是很多

获得了样本,一般公司会直接给你表达矩阵,也就是一般的转录组测序利用featureCount获得的结果,自己需要先进行归一化(例如CPM)

当然,这仅仅是许多资料中的一个流程


欢迎关注我们的公众号~_~  
我们是两个农转生信的小硕,打造生信星球,想让它成为一个不拽术语、通俗易懂的生信知识平台。需要帮助或提出意见请后台留言或发送邮件到jieandze1314@gmail.com

Welcome to our bioinfoplanet!