根据CellMarker网站进行人工校验免疫细胞亚群（CNS图表复现06）

Posted on by

我们的CNS图表复现之旅已经开始，前面3讲是；

  • CNS图表复现01—读入csv文件的表达矩阵构建Seurat对象
  • CNS图表复现02—Seurat标准流程之聚类分群
  • CNS图表复现03—单细胞区分免疫细胞和肿瘤细胞

    如果你也想加入交流群，自己去：你要的rmarkdown文献图表复现全套代码来了（单细胞）找到我们的拉群小助手哈。
    前面我们得知文章把Macrophage和Monocyte合并起来，把B_cell区分成为两群。而我们的T_cells和NK_cell也需要被合并起来。

    首先检查Mast-cells

    而 common myeloid progenitor (CMP) 这群细胞呢，在文章并没有出现，不知道是不是会被命名为 Mast-cells，需要相应的生物学背景。
    这个时候，根据CellMarker网站进行人工校验，如下所示：

    # Human Kidney Mast cell
# http://biocc.hrbmu.edu.cn/CellMarker/search.jsp?quickSearchInfo=mast 
genes_to_check = c('ENPP3', 'KIT', 'SLC18A2')
# All on Dotplot 
p <- DotPlot(sce, features = genes_to_check,group.by = 'seurat_clusters') + coord_flip()
p

    发现就是第7群高表达这些基因，而前面我们的singleR的自动注释步骤把第7群细胞命名为了 common myeloid progenitor (CMP) ，所以它就文章里面的Mast-cells，出图如下：
    image-20200921171802544

    然后看看B_cell区分成为两群

    文章把B_cell区分成为两群，所以我们也区分一下：
    image-20200921171958381
    前面的singleR的自动注释步骤的B_cell涵盖了Seurat流程的第3，10，13，15，19，21群细胞。
    同样的，根据CellMarker网站进行人工校验，如下所示：

    genes_to_check = c('CD19', 'CD27','SDC1', 'CD38')
# All on Dotplot 
p <- DotPlot(sce, features = genes_to_check,group.by = 'seurat_clusters') + coord_flip()
p
# CD138( SDC1), CD38 # Plasma cell
# CD19, CD27 # memory B cell

    出图：
    image-20200921173452227
    可以看到， 第3和21群高表达CD138( SDC1)基因，所以是Plasma cell，其它B细胞就归类为memory B cell吧，毕竟作者的文章就只有这两个B细胞亚群。

    最后检查Macrophage和Monocyte

    文章把Macrophage和Monocyte合并起来，但是数量是四千五百个细胞左右，但是我们的Macrophage和Monocyte加起来近5000了，所以里面理论上可以拆出来一些给DC细胞，所以我在CellMarker网站进行人工校验，基因如下：

    # CLEC4C, IL3RA, NRP1 # Dendritic cell 
# CD1C, CST3, FCER1A # Monocyte derived dendritic cell
genes_to_check = c('CLEC4C', 'IL3RA', 'NRP1','CD1C', 'CST3', 'FCER1A')
# All on Dotplot 
p <- DotPlot(sce, features = genes_to_check,group.by = 'seurat_clusters') + coord_flip()
p

    确实看到：
    image-20200921174212183
    第9和13亚群，可以重新被划分为DC细胞，之前属于Monocyte和B细胞。

    最后整理分群资料

    可以看到，即使是singleR的自动注释后给每个亚群命名了，仍然是需要耗费时间和精力去细致看每个亚群。

    # 9,13 Dendritic
# 3,12, Plasma cell
# 7, CMP --> Mast-cells

    文末友情推荐

    要想真正入门生物信息学建议务必购买全套书籍，一点一滴攻克计算机基础知识，书单在：什么，生信入门全套书籍仅需160 。
    如果大家没有时间自行慢慢摸索着学习，可以考虑我们生信技能树官方举办的学习班：

  • 数据挖掘学习班第7期（线上直播3周，马拉松式陪伴，带你入门），原价4800的数据挖掘全套课程， 疫情期间半价即可抢购。
  • 生信爆款入门-第9期（线上直播4周，马拉松式陪伴，带你入门），原价9600的生信入门全套课程，疫情期间3.3折即可抢购。
    如果你课题涉及到转录组，欢迎添加一对一客服：详见：你还在花三五万做一个单细胞转录组吗？
    号外：生信技能树知识整理实习生招募，长期招募，也可以简单参与软件测评笔记撰写，开启你的分享人生！另外，：绝大部分生信技能树粉丝都没有机会加我微信，已经多次满了5000好友，所以我开通了一个微信好友，前100名添加我，仅需150元即可，3折优惠期机会不容错过哈。我的微信小号二维码在：0元，10小时教学视频直播《跟着百度李彦宏学习肿瘤基因组测序数据分析》
​

Comments are closed.