劉小澤寫于19.3.15
好了，終于可以學新知識了【預計將是一項大工程】，單細胞測序是目前研究的熱點，那么我重新回來探究一下，首先問自己幾個問題
都是轉錄組測序，有什么不一樣？
看到轉錄組我們都不陌生，有參無參也都做了許多了，但是對一個細胞測序，為什么呢？10X給出了一個說明
https://www.10xgenomics.com/solutions/single-cell/
傳統的是測一群細胞(Bulk RNAseq)，然后我們定量是基于所有細胞內的基因平均表達量進行統計，這樣得到的是組織之間的差異性，也就是說只能看到大體的趨勢，但是對于繼續深入研究還是存在比較大的背景噪音。對于癌癥或者系統發育相關的研究，往往是想看到某些特殊的細胞發揮的作用，也是相當于一步步篩選。
單細胞更加精準，最終得到的是每個細胞型的表達量，從而可以幫助理解組織異質性，鑒定罕見的細胞類型，檢測細胞組分的變化，例如在癌癥異質性、胚胎發育、細胞對藥物的反應、神經細胞分型、差異表達通路等方面都發揮重要作用
怎么去做單細胞研究？
我們常規的轉錄組測序，需要提取樣本RNA、建庫測序，但是對于細胞來講，材料提取是個大問題，但是目前主要有兩個獲取細胞的方法：Smart-seq和Drop-seq
Smart-seq的特點就是測序細胞量少(因為一次通過一個細胞)，但是測序的reads數多；Drop-seq(10X 公司的方法)一次可以測許多細胞，但是測得reads數都不是很多
獲得了樣本，一般公司會直接給你表達矩陣，也就是一般的轉錄組測序利用featureCount獲得的結果，自己需要先進行歸一化(例如CPM)
當然，這僅僅是許多資料中的一個流程
-
For differential expression:
-
For clustering etc.:
- – Monocle: https://github.com/cole-trapnell-lab/monocle-release
- – Rtsne: http://cran.r-project.org/web/packages/Rtsne
- – Sincell: http://master.bioconductor.org/packages/devel/bioc/html/sincell.html
- – scLVM: https://github.com/PMBio/scLVM
- – BASiCS: https://github.com/catavallejos/BASiCS
- – Pagoda: http://pklab.med.harvard.edu/scde
- – Seurat toolkit: http://www.satijalab.org/seurat.html
- – Sincera pipeline: https://research.cchmc.org/pbge/sincera.html
歡迎關注我們的公眾號～_～
我們是兩個農轉生信的小碩，打造生信星球，想讓它成為一個不拽術語、通俗易懂的生信知識平臺。需要幫助或提出意見請后臺留言或發送郵件到jieandze1314@gmail.com
