糖尿病早期的病人和正常人的肾脏单细胞水平差异

Posted on by

文章概述

文章标题：《The single-cell transcriptomic landscape of early human diabetic nephropathy 》

发表日期和杂志：2019年发表在PNAS

在线阅读链接：https://www.pnas.org/cgi/doi/10.1073/pnas.1908706116

单细胞实验设计

对冷冻保存的人类糖尿病肾脏样本进行了无偏单细胞RNA测序（snRNA-seq），从3个对照组和3个早期糖尿病肾病样本中生成了23,980个单细胞核转录组。

单细胞转录组数据情况

数据链接是：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE131882

可以看到是6个样品：

GSM3823939 Control Sample 1 (snRNAseq)
GSM3823940 Control Sample 2 (snRNAseq)
GSM3823941 Control Sample 3 (snRNAseq)
GSM3823942 Diabetes Sample 1 (snRNAseq)
GSM3823943 Diabetes Sample 2 (snRNAseq)
GSM3823944 Diabetes Sample 3 (snRNAseq)

作者给出来的数据是每个样品一个压缩包格式的rds.gz：

GSM3823939_control.s1.dgecounts.rds.gz 343.8 Mb
GSM3823940_control.s2.dgecounts.rds.gz 176.0 Mb
GSM3823941_control.s3.dgecounts.rds.gz 290.1 Mb
GSM3823942_diabetes.s1.dgecounts.rds.gz 272.5 Mb
GSM3823943_diabetes.s2.dgecounts.rds.gz 178.4 Mb
GSM3823944_diabetes.s3.dgecounts.rds.gz 157.5 M

可以很简单的循环读取它们：

library(data.table)
dir='GSE131882_RAW/' 
samples=list.files( dir,pattern = 'rds',full.names = T,recursive = T )
samples

library(data.table)
sceList = lapply(samples,function(pro){ 
 # pro=samples[1] 
 print(pro) 
 sce=readRDS(pro) 
 ct = sce$umicount$exon$all
 ct[1:4,1:4]
 ct
 library(AnnoProbe)
 ids = annoGene(rownames(ct),'ENSEMBL','human')
 head(ids)
 table(duplicated(ids$SYMBOL))
 ids=ids[!duplicated(ids$SYMBOL),]
 pos = match(ids$ENSEMBL,rownames(ct))
 ct = ct[pos,]
 rownames(ct) =ids$SYMBOL
 sce=CreateSeuratObject( ct , 
 project = strsplit(gsub('.dgecounts.rds','', basename(pro) ),'_')[[1]][2] ,
 min.cells = 5,
 min.features = 300 ) 
 return(sce)
})
names(sceList) 

samples
library(stringr)
samples = str_split(gsub('.dgecounts.rds','', basename( samples) ),'_',simplify = T)[,2]
sce.all=merge(x=sceList[[1]],
 y=sceList[ -1 ],
 add.cell.ids = samples )

as.data.frame(sce.all@assays$RNA@counts[1:10, 1:2])
head(sce.all@meta.data, 10)
table(sce.all$orig.ident)

后面就是标准分析啦。

第一层次降维聚类分群

可以看到， 前面的从3个对照组和3个早期糖尿病肾病样本中生成了23,980个单细胞核转录组降维聚类分群后，绝大部分细胞都是上皮细胞，我们通过chatGPT查询到：人类肾脏组织的上皮细胞包括多个亚群，其中一些主要的亚群包括：

  1. 远曲小管细胞（Distal Convoluted Tubule Cells）：远曲小管细胞位于肾小管系统的远曲小管部分，参与尿液的浓缩和酸碱平衡调节。
  2. 近曲小管细胞（Proximal Convoluted Tubule Cells）：近曲小管细胞位于肾小管系统的近曲小管部分，参与尿液的重吸收和分泌。
  3. 集合管细胞（Collecting Duct Cells）：集合管细胞位于肾小管系统的集合管部分，参与尿液的浓缩和酸碱平衡调节。
  4. 肾小管间质细胞（Renal Interstitial Cells）：肾小管间质细胞位于肾小管系统的间质区域，提供支持和调节肾小管功能。
  5. 肾小球上皮细胞（Glomerular Epithelial Cells）：肾小球上皮细胞位于肾小球的内层，参与尿液的初步过滤和选择性重吸收。

这些上皮细胞亚群在肾脏的功能中起着重要的作用，各自具有特定的形态和功能特征。

但是这个文章给出来的分群是：

  • PCT, proximal convoluted tubule

  • CFH, complement factorH

  • LOH, loop of Henle
  • DCT, distal convoluted tubule
  • CT, connecting tubule
  • CD, collecting duct
  • PC, principal cell
  • IC, intercalated cell
  • PODO, podocyte
  • ENDO, endothelium
  • MES, mesangial cell
  • LEUK, leukocyte

image-20230911104315665

可以看到里面的淋巴细胞非常少，LEUK, leukocyte，而且作者也对淋巴细胞进行了细分。

其它加分项

因为这个实验设计是有分组的，这里是疾病和对照，所以每个单细胞亚群都是可以在两个分组做差异分析，差异分析就可以有火山图。

差异分析就可以有火山图

可以参考前些天才发布的练习题：多个单细胞亚群各自差异分析后如何汇总可视化

​

Comments are closed.