26

你不想花力气学的生信,让非洲人学去了

前面我们分享了:生物信息学真的很难吗? 引起了大家的共鸣,十年前确实是生物信息学相关学习资料少得可怜,而且测序费用和计算机资源都不是那么的平易近人,但是现如今有了“百花齐放”的自媒体教程平台,以及我们开创的 144线程640Gb内存服务器共享一年仍然是仅需800,再加上国产测序仪把价格打下来了,搞一个普通bulk转录组也就是三五百块钱而已,基本上生命科学领域的任何课题都需要加上一点点测序啦。 Continue reading

26

两种筛选和分析特定的细胞亚群的技术你pick谁(GFP报告系统和抗体标记)

交流群里面小伙伴发了一个小鼠的肝脏单细胞转录组数据文章,说不会读取作者给出来的矩阵,文章是2019的:《Single-Cell Transcriptomics Uncovers Zonation of Function in the Mesenchyme during Liver Fibrosis》

数据集是:https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE137720,作者给出来的是如下所示的文件: Continue reading

26

两分组差异分析的上下调基因跟PCA分析的主成分基因的交集如何

最近授课转录组数据分析实战的时候, 到了下游分析环节,主要是表达量矩阵质量控制,差异分析,以及后续的生物学功能数据库注释。

学员提出来了一个很有意思的问题, 就是表达量矩阵质量控制环节里面的PCA分析,可以看出来不同样品在二维图里面的距离,其中PC1是可以区分两个分组,如下所示: Continue reading

26

快来使用EcoTyper进行单细胞数据挖掘吧

早在2021的CELL文章:《Atlas of clinically distinct cell states and ecosystems across human solid tumors》就介绍了这个EcoTyper,它能根据肿瘤的单细胞转录组数据集的降维聚类分群结果,去以前常规的bulk转录组数据集(包括表达量芯片和转录组测序)里面去推断各个单细胞亚群比例后汇总成为不同的细胞状态组合情况以及多细胞群落情况。 Continue reading

26

花同样的钱却只拿到十分之一的单细胞数量亏不亏

我博士求学期间所在的实验室长期(2015-2023)钻研类器官技术,虽然CNS成就没有达成,但是子刊级别的文章发表了一些。早期的类器官研究主要是通过多组学来说明类器官能很好的复现病人的特性,比如肿瘤外显子看样品培养前的肿瘤组织和培养后的类器官组织的突变结果的一致性,还有CNV的对比,“”约定俗成“”的是展现类器官能很好的复现病人的特性。 Continue reading

26

发医学影像学领域顶级期刊Radiology的技术不了解一下吗

最近在朋友圈刷到了新鲜出炉的文章:《MRI-based Quantification of Intratumoral Heterogeneity for Predicting Treatment Response to Neoadjuvant Chemotherapy in Breast Cancer》,发表在影像学领域顶级期刊Radiology,是广东省人民医院和中山大学孙逸仙纪念医院的两个团队联合课题成果。
其实肿瘤异质性(Intratumoral Heterogeneity )研究来说,基本上已经是没办法离开组学技术手段了,所以产生海量的ngs组学数据也就毫不稀奇了。比如肿瘤异质性研究的标准思路(多组学+多位点取样),发表在 Clin Cancer Res 2021; 的 文章:《Multiomic Analysis Reveals Comprehensive Tumor Heterogeneity and Distinct Immune Subtypes in Multifocal Intrahepatic Cholangiocarcinoma》其课题设计是如下所示的多组学: Continue reading

26

东南亚博士都很水吗

在高校申请成为硕士授予单位时,国务院学位委员会发布的学位授权审核申请条件中就规定,博士学位教师比例不能低于25%。申请博士学位授予单位需要达到45%。所以,一些高校为了提高教师博士率、推动师资国际化,也会主动组织教师报名参加赴东南亚的博士留学项目。或者说专科院校想升为本科,也是需要提高博士率。 Continue reading

26

单细胞水平的肿瘤拷贝数分析新方法

常规我们检测单细胞水平的肿瘤拷贝数分析方法主要是基于单细胞转录组数据,尤其是10x技术的单细胞转录组,最经典的当然是inferCNV啦,但是方法学上面也一直有更新。比如 2022的文章:《sciCNV: high-throughput paired profiling of transcriptomes and DNA copy number variations at single-cell resolution》 Continue reading

26

单细胞数据挖掘的内卷时代

最近单细胞数据挖掘文章如雨后春笋般冒出来了,总体来说就两个方向:

  • 找到一个数据集,降维聚类分群后,拿到基因列表后,去TCGA建模
  • 首先TCGA建模然后拿模型里面的基因或者基因集合去单细胞转录组数据集看是否有特殊的表现
    这两个方向都需要掌握基础的单细胞转录组数据集的降维聚类分群即可,这不过两个方向其实都是只需要一个数据集即可,而且因为单细胞数据处理对计算机资源要求比较高,绝大部分小伙伴也更倾向于处理单个数据集。 Continue reading