单细胞交响乐
搜索文档…
⌃K
Links

2.2.9 研究 | 2021-CancerSCEM: 人类癌症单细胞表达图谱数据库

刘小泽写于2021.10.16

前言

题目:CancerSCEM: a database of single-cell expression map across various human cancers
日期:2021-09-29
期刊:Nucleic Acids Research

一句话概况

一个包含人类多种癌症的scRNA数据库CancerSCEM,除了常规的分析之外,还提供网站可视化和在线分析( https://ngdc.cncb.ac.cn/cancerscem

为什么要建这个数据库?

  • 首先肯定是因为目前产生了大量的数据集,但是公共的数据库不多,比如Single Cell Portal,PanglaoDB,Single Cell ExpressionAtlas,Human Cell Atlas Data Portal,scRNASeqDB,大部分是人和小鼠的数据。但是这些数据库只做了初步的分析,比如细胞分群、差异分析
  • 还有一些专注于疾病的scRNA数据库,比如CancerSEA、TISCH,它们提供了额外的注释和富集分析等。但CancerSEA当时只做了某些类型和某些状态下的细胞,TISCH又没有提供统一的标准化矩阵,容易导致后面用户拿到后引入批次效应
所以,CancerSCEM (Cancer Single-cell Ex- pression Map) 提供了数据搜集、整理、分析、可视化一体。目前包括人类20种癌症的208个样本的638,341个单细胞数据

数据搜集

数据来自:GEO、ArrayExpress、EBI、GSA、ZENODO,涵盖了10X Genomics, Smart-seq2, Drop-seq, Seq-Well and Microwell 5大平台,其中原始数据占比82.69%。
10X数据采用cellranger V5处理;非10X数据使用Fastp+Trimmomatic+zUMIs处理

常规数据处理

质控

DoubletFinder用于doublets去除(标准是7% per 10 000 cells)
Seurat V3 进行初步质控过滤:200 ≤ nfeatures ≤ 5000 and MT < 10%

非监督聚类

PCA + tSNE + UMAP 聚类
细胞类型注释
biomarker 基因来自Cell Marker数据库,细胞注释三步走:
  • scCancer v2.2.0 + Copy- KAT v1.0.4: copy number variation assessment
    A group of marker genes, such as EPCAM, KRT8, KRT18, KRT19 and EGFR in glioblastoma cells that represent cancer cells or cancer stem cells, were investi- gated in parallel.
    Cells with significantly abnormal CNV levels and high expression levels of above marker genes were defined as malignant cells
  • Manual annotation :自己看marker基因表达
    常见的比如: T cells (e.g. CD3D, CD3E), B cells (e.g. MS4A1, BANK1), Macrophages/Monocytes (e.g. CD68, CD14), Mast cells (e.g. SLC18A2, ASIC4), Endothelial cells (e.g. VWF, PECAM1), Fibroblasts (e.g. FAP, NECTIN1), Oligoden- drocytes (e.g. OLIG1, PLP1) and Astrocytes (e.g. SLC1A3, GFAP)
    网站的Documents也给出了所使用的全部marker基因列表
  • SingleR: 工具注释
此外,还将T、B细胞继续进行细分亚群,最终得到了包括免疫细胞在内的33种细胞类型

差异分析

FindMarkers用来对每个细胞群进行差异分析

个性化处理步骤

  • 拿到受配体基因对:来自CelltalkDB、SingleCellSingalR、Cellinker、Cell–Cell Interaction Database、综述文章
  • 拿到Oncogenes and tumor suppressor genes(TSG):来自Cancer Gene Census (CGC)、OncoKB、Network of Cancer Genes (NCG)、TSGene、IntOGene、cancer gene clinical care study。
  • 对这些基因进行了过滤(至少在三个数据库中存在,并且在数据集呈现出类似的表达模式)
  • 拿到TCGA 的13个癌症项目的bulk RNAseq数据,看在不同癌症的组织水平上这些基因的表达模式,也当做scRNA的参考
  • 用之前得到的差异基因进行GO、KEGG富集
  • 用Hmisc进行基因表达关联分析
  • 细胞通讯用CellphoneDB
  • 生存分析用survival + survminer

数据库构建

  • 前端:Thymeleaf (a Java template engine), HTML5, CSS, AJAX, JQuery and Bootstrap
  • 后端:Spring Boot
  • 数据存储:MySQL
  • 数据读取:Mybatis
  • 交互图:Echarts, Highcharts, svg3dtagcloud.js and plotly.js
  • 表格:Bootstrap Table