什么，基因只剩下了三分之一？

Posted on by

上周的《单细胞图表复现100篇》栏目，我们分享了2个NSCLC的文献，这周六我们应该是要分享4个ccRCC的文献，PPT已经制作完毕！感兴趣的可以推荐下面的会议，准时参加！（会议密码是： 1024 ）
2131625048455_.pic
其中有一个ccRCC研究它的数据非常的诡异，数据并不是在GEO里面，而是直接网页附件的形式给出来了的！文章标题是：《Progressive immune dysfunction with advancing disease stage in renal cell carcinoma》
image-20210630183358446
我分别处理这两个csv文件，其中第二个文件，也就是这个缺胳膊断腿的数据，普通的降维聚类分群后，拿出来标记基因画个图，代码如下：

library(ggplot2) 
genes_to_check = c('PTPRC', 'CD3D', 'CD3E', 'CD4','CD8A','CD19', 'CD79A', 'MS4A1' ,
 'IGHG1', 'MZB1', 'SDC1',
 'CD68', 'CD163', 'CD14', 
 'TPSAB1' , 'TPSB2', # mast cells,
 'RCVRN','FPR1' , 'ITGAM' ,
 'FGF7','MME', 'ACTA2',
 'PECAM1', 'VWF', 
 'EPCAM' , 'KRT19', 'PROM1', 'ALDH1A1' )
library(stringr) 
p_all_markers <- DotPlot(sce.all.filt, features = genes_to_check,
 assay='RNA' ) + coord_flip()
p_all_markers
ggsave(plot=p_all_markers,
 filename="first_check_all_marker_by_seurat_cluster.pdf",width = 12)

结果，提示我：

Warning message:
In FetchData(object = object, vars = features, cells = cells) :
 The following requested variables were not found (10 out of 20 shown): CD3D, CD3E, CD4, CD19, CD79A, MS4A1, IGHG1, CD68, CD163, TPSAB1

也就是说，一大半的基因都是缺失的， 如下所示的：
一大半的基因都是缺失的
可以看到标志着免疫细胞的PTPRC基因仍然是在，而且上皮细胞的EPCAM也没有问题，所以勉勉强强是可以分群的。
而另外一个基因数量正常的数据集，结果如下所示：
基因数量正常的数据集
就比较容易划分亚群，不过缺失了三分之二基因的单细胞转录组数据集也不是不可以分群， 因为绝大部分单细胞亚群都并不是只有一个标记基因。肿瘤常用的 第一次分群是通用规则是：

  • immune (CD45+,PTPRC),
  • epithelial/cancer (EpCAM+,EPCAM),
  • stromal (CD10+,MME,fibo or CD31+,PECAM1,endo)
    对于缺胳膊断腿数据集，仍然是可以做出来第一层次的降维聚类分群，如下所示：
    缺胳膊断腿数据集的第一层次的降维聚类分群
    对于正常数据集，如下所示：
    正常的第一层次的降维聚类分群
    因为基因齐全，所以可以把髓系里面的处于细胞增殖期的小亚群都独立出来。
    但是，总体上来说，这两个数据集做出来第一层次的降维聚类分群居然都是符合要求的，文章使用的是tsne的展现方式，如下所示：
    文章使用的是tsne的展现方式
    可以看到，细胞比例同样的是T细胞最多，髓系其次，然后肿瘤细胞非常稀少。
    这就很有意思了：
  • 单细胞转录组数据我们需要追求基因数量的尽可能多吗？
  • 是不是其它平台，比如BD虽然在基因数量上面会逊色于10X，但其实也并不重要呢？

    学徒作业

    去gencode数据库拿到最新的人类的gtf文件，仅仅是挑选蛋白编码基因即可，约2万个，然后把基因名字按照字母顺序排好，取前面的三分之一，对它进行一些基因分布特征的检验，比如是否集中于某条染色体，或者其它一切你能想到的检验。

​

Comments are closed.