单细胞交响乐
  • 前言:我与《单细胞交响乐》的缘分
  • 1 准备篇:背景知识
    • 1.1 数据结构
    • 1.2 总览 | 从实验到分析
  • 2 积累篇:文献阅读
    • 2.1.1 综述 | 2019-单细胞转录组分析最佳思路
    • 2.1.2 综述 | 2018-单细胞捕获平台
    • 2.1.3 综述 | 2017-scRNA中的细胞聚类分群
    • 2.1.4 综述 | scRNA已经开发出超过1000款工具了,你用过几种?
    • 2.1.5 综述 | 2021-单细胞测序的微流控技术应用
    • 2.2.1 研究 | 2018-单细胞转录组探索癌症免疫治疗获得性抗性机理
    • 2.2.2 研究 | 2018-人类结直肠癌单细胞多组学分析
    • 2.2.3 研究 | 2020-单细胞分析揭示葡萄膜黑色素瘤新的进化复杂性
    • 2.2.4 研究 | 2020-COVID-19病人支气管免疫细胞单细胞测序分析
    • 2.2.5 研究 | 2020-原汁原味读--单细胞肿瘤免疫图谱
    • 2.2.6 研究 | 2021-多发性骨髓瘤发展过程中肿瘤和免疫细胞的共同进化
    • 2.2.7 研究 | 2021-多个组织的成纤维细胞图谱
    • 2.2.8 研究 | 2021-多组学分析肺结核队列的记忆T细胞状态
    • 2.2.9 研究 | 2021-CancerSCEM: 人类癌症单细胞表达图谱数据库
    • 2.2.10 研究| 2021-单细胞转录组分析COVID-19重症患者肺泡巨噬细胞亚型
    • 2.2.11 研究 |2021-单细胞转录组揭示肺腺癌特有的肿瘤微环境
    • 2.2.12 研究 | 2021-单细胞转录组揭示乳头状甲状腺癌起始与发展
    • 2.2.13 研究 | 2021-解析食管鳞癌化疗病人的单细胞转录组
    • 2.2.14 研究 | 2021-单细胞水平看骨髓瘤的细胞状态和基因调控
    • 2.3.1 算法|2020-BatchBench比较scRNA批次矫正方法
    • 2.3.2 算法 | 2021-scPhere——用地球仪来展示降维结果
    • 2.3.3 算法 | 2021-单细胞差异分析方法评测
    • 2.3.4 算法 | 2021-细胞分群新方法——CNA(co-varying neighborhood analysis)
    • 2.3.5 工具 | 2018-iSEE:单细胞数据可视化辅助网页工具
    • 2.3.6 工具 | 2021-MACA: 一款自动注释细胞类型的工具
    • 2.3.7 工具 | 2021-一个很有想法的工具——Ikarus,想要在单细胞水平直接鉴定肿瘤细胞
  • 3 流程篇:分析框架
    • 3.1 质控
    • 3.2 归一化
    • 3.3 挑选表达量高变化基因
    • 3.4 降维
    • 3.5 聚类
    • 3.6 Marker/标记基因检测
    • 3.7 细胞类型注释
    • 3.8 批次效应处理
    • 3.9 多样本间差异分析
    • 3.10 检测Doublet
    • 3.11 细胞周期推断
    • 3.12 细胞轨迹推断
    • 3.13 与蛋白丰度信息结合
    • 3.14 处理大型数据
    • 3.15 不同R包数据的相互转换
  • 4 实战篇:活学活用
    • 4.1 实战一 | Smart-seq2 | 小鼠骨髓
    • 4.2 实战二 | STRT-Seq | 小鼠大脑
    • 4.3 实战三 | 10X | 未过滤的PBMC
    • 4.4 实战四 | 10X | 过滤后的PBMC
    • 4.5 实战五 | CEL-seq2 | 人胰腺细胞
    • 4.6 实战六 | CEL-seq | 人胰腺细胞
    • 4.7 实战七 | SMARTer | 人胰腺细胞
    • 4.8 实战八 | Smart-seq2 | 人胰腺细胞
    • 4.9 实战九 | 不同技术数据整合 | 人胰腺细胞
    • 4.10 实战十 | CEL-seq | 小鼠造血干细胞
    • 4.11 实战十一 | Smart-seq2 | 小鼠造血干细胞
    • 4.12 实战十二 | 10X | 小鼠嵌合体胚胎
    • 4.13 实战十三 | 10X | 小鼠乳腺上皮细胞
    • 4.14 | 实战十四 | 10X | HCA计划的38万骨髓细胞
  • 5 补充篇:开拓思路
    • 5.1 10X Genomics概述
      • 5.1.1 10X Genomics 问题集锦
    • 5.2 CellRanger篇
      • 5.2.1 CellRanger实战(一)数据下载
      • 5.2.2 CellRanger实战(二) 使用前注意事项
      • 5.2.3 CellRanger实战(三) 使用初探
      • 5.2.4 CellRanger实战(四)流程概览
      • 5.2.5 CellRanger实战(五) 理解count输出的结果
    • 5.3 Seurat的使用
      • 5.3.1 Seurat V3 | 实战之2700 PBMCs分析
      • 5.3.2 Seurat V3 | 如何改造Seurat包的DoHeatmap函数?
      • 5.3.3 scRNA的3大R包对比
      • 5.3.4 Seurat两种数据比较:integrated vs RNA assay
      • 5.3.5 seurat 的几种findmaker比较
    • 5.4 Monocle的使用
      • 5.4.1 Monocle V3实战
    • 5.5 多个数据集的整合
      • 5.5.1 使用Seurat的merge功能进行整合
      • 5.5.2 如何使用sctransform去除批次效应
由 GitBook 提供支持
在本页
  • 前言
  • 一句话概括
  • 使用的数据
  • BALF单细胞群初步注释
  • 重症样本注释
  • 重症样本的cluster11与COVID-19并发症基因之间的关联
  • MoAM亚型top20基因分析
  • FCGR3B的数据集验证
  • FCGR3B的实验验证

这有帮助吗?

  1. 2 积累篇:文献阅读

2.2.10 研究| 2021-单细胞转录组分析COVID-19重症患者肺泡巨噬细胞亚型

刘小泽写于2021.10.18

上一页2.2.9 研究 | 2021-CancerSCEM: 人类癌症单细胞表达图谱数据库下一页2.2.11 研究 |2021-单细胞转录组揭示肺腺癌特有的肿瘤微环境

最后更新于3年前

这有帮助吗?

前言

题目:Single-cell transcriptome identifies FCGR3B upregulated subtype of alveolar macrophages in patients with critical COVID-19

日期:2021-09-24

期刊:iScience

链接:

一句话概括

数据分析文章:scRNA分析重症COVID-19患者多个样本,得到一种单核细胞衍生的肺泡巨噬细胞 (MoAMs) 亚型,并且FCGR3B基因在其中特异性表达,提供了一个新的biomarker。

使用的数据

  • 对照1:10例健康气管样本( )

  • 对照2:4例健康肺样本()

  • BALF单细胞数据(支气管肺泡灌洗液, broncho-alveolar lavage fluid):总共14个样本,包括对照、轻度和重症患者样本 ()

BALF单细胞群初步注释

利用Liao文章的marker基因,大致分成macrophages, myeloid dendritic cells, and T-cells,但发现很多cluster的细胞类型不好确定【A) Control. B) Moderate. C) Severe BALF clusters using Liao et al markers】

于是自己又细分亚群,分别得到19, 17, and 18个cluster, 21939, 7316 and 37197 cells

重症样本注释

包括了:basal cells, vascular cells, dendritic cells, ionocytes, monocyte-derived alveolar macrophages, plasma cells, and alveolar epithelial cells

重症样本的cluster11与COVID-19并发症基因之间的关联

并发症包括了:encoding cytokines and cytokine receptors, or associated with rare infectious diseases, rare syndromes, chronic obstructive pulmonary disease, cardiovascular disease, hypertension, obesity, and diabetes

发现重症的17个cluster中,cluster11表现非常突出,9个基因列表中表达了8个,并且表达量还主要是上调

因此,这个cluster11就被标记为monocyte-derived alveolar macrophages (MoAMs),它的marker 基因就是CCl3L1 ,而且这个MoAMs亚型在 moderate or control样本中都没发现

之后也看了一下富集分析,主要集中在:

  • host immune response signaling networks related to TNFα

  • cytokine and interferon gamma responses

  • response to type1 interferon and biotic stimulus

  • innate immune and inflammatory responses

MoAM亚型top20基因分析

既然感兴趣的cluster找到,那么接下来就看其中的top基因(这里选择前20)

做了一个气泡图【 A) Control. B) Moderate and C) Severe BALF】,不过感觉没啥必要,既然选择cluster11的前20,那么肯定这些基因(横坐标)就主导啊

然后就定位到了其中一个差异最大的基因:FCGR3B

然后开始研究这个基因了:

  • regulate both adaptive and innate immune responses which are crucial for the defense against infection and prevention of chronic inflammation or autoimmune diseases

并且图C中cluster11表达的FCGR3B,比其他FcR族基因更多

FCGR3B的数据集验证

在 bulk data set from nasopharyngeal swabs数据集验证(左图),另外之前看cluster11特异性表达CCL3L1,那么同样在重症的CCL3L1高表达细胞中,FCGR3B表达同样高

不过,不同于FCGR3B,CCL3L1和TNFAIP6 (indicator of COVID-19 severity) 在其他数据集中并非一直是重症表达量高于对照组。所以最后的目光又集中于FCGR3B 这一个基因了

FCGR3B的实验验证

qPCR positive COVID-19 patients (n = 31) and qPCR negative controls (n = 11),发现:

  • 左图(单纯covid):50% had greater than 1.5-fold change of FCGR3B compared with 28.1% in controls

  • 右图(covid+并发症):57.1% of patients with severe COVID-19 with comorbidity had greater than 1.5-fold change of FCGR3B compared with 28.1% in controls

当然,最后还拓展了一下,做了个体外并发症(肥胖)关联实验,发现:FCGR3B as a potential modulator of COVID-19 severity in patients with obesity

然后又找了一些marker自行细胞注释:

基因列表:

FcRs mediate important immune responses such as release of cytokines or phagocytosis ()

在bulk PBMC data进行验证 () ,并且发现在non-classical monocytes中表达更多

https://doi.org/10.1016/j.isci.2021.103030
Deprez et al., 2020
Madissoon et al., 2019
Liao et al., 2020
https://www.cell.com/cms/10.1016/j.isci.2021.103030/attachment/24e25182-6d40-41fa-a4f5-fc33e365f86f/mmc2
https://www.cell.com/cms/10.1016/j.isci.2021.103030/attachment/0b421468-3a53-48b6-8c28-3eee4d7e06f7/mmc4
Ben Mkaddem et al., 2019
Arunachalam et al., 2020
image-20211018212755234
image-20211018212524960
image-20211018212928624
image-20211018212214987
image-20211018213458204
image-20211018212407400
image-20211018214440837
image-20211018213759747
image-20211018214139670
image-20211018214849262
image-20211018215022234
image-20211018215544716
image-20211018215754823
image-20211018220058328