文献阅读 | The single-cell transcriptional landscape of mammalian organogenesis | 器官形成 | 单细胞转录组

The single-cell transcriptional landscape of mammalian organogenesis

老板已经提了无数遍的文章,确实很nb,这个工作是之前我们无法想象得,想想如何把我们的数据和他们的数据整合到一起。

文献阅读 | Molecular Architecture of the Mouse Nervous System 这篇侧重强调的是神经系统的单细胞发育过程测序。

 

Mouse Organogenesis Cell Atlas (MOCA) - 所有数据均可下载

sci-hub

 

这个数据可以挖掘的东西有很多,我的DPR可以挖出很多有意思的东西。

we profiled the transcriptomes of around 2 million cells derived from 61 embryos staged between 9.5 and 13.5 days of gestation, in a single experiment.

测了2百万个细胞,61个胚胎样本,4天的核心胚胎发育历程。

下面这张图基本就是本文的核心了,不同stage,不同subtype,不同的trajectory。

 

背景

 

之前的mouse scRNA-seq数据库

 

结果解读

Single-cell RNA-seq of two million cells

问题:

1. 测了什么细胞?

这篇文章不像那篇mouse Brain Atlas,本文测了四天的胚胎发育的所有细胞,没有解剖分区,没有FACS sorting,没错,全测。

We collected 61 C57BL/6 mouse embryos at E9.5, E10.5, E11.5, E12.5 or E13.5

5个发育天,所以总体有五个阶段,但是每个阶段取了多个样本,一共61个样本。

As a control, we spiked a mixture of human HEK-293T and mouse NIH/3T3 nuclei into two wells. 对照

2. 怎么测得?上面的图解释得很直观,index建好了,最终一个nova-seq直接测完,震撼。

3. 为什么只测nuclei?bais更小,可以直接测冷冻的样品。有相关文章:Single-nucleus and single-cell transcriptomes compared in matched cortical cell types

4. 一些震惊的问题?

过滤的阈值非常低,UMI (unique molecular identifier) count ≥ 200,这岂不是有严重的偏差?

只有7%的细胞被测到,大部分都在建库的时候过滤掉了;

其实还好,平均一个胚胎测了30w个细胞,我们的一个sorting后的E13.5的ENCC都能测1w个。

一个细胞测这么少的reads,只检测到500个基因,确定这种数据可用吗?

答案是:数据有很强的特性,从中可以获取某些信息,但肯定的是,更多的信息被丢失了,所以别指望这个数据是万能的。

Identification of cell types and subtypes

这部分没啥意思,就是把所有的阶段混在一起聚类,找marker,人工定义每个cluster。

总觉得人工找的不可靠,或多或少会有偏向性和谬误,最少目前我们的认知是有限的。

Characterization of the apical ectodermal ridge

分析了一个特例,没有太多的意思。 

 

Reconstructing developmental trajectories

十个主要的发育路径

一起测序的,数据不好分离,不知道里面哪些数据对我们有用,PNS和ENS应该不是一个东西。

十个主要发育路径底下的子路径 

 

 

Reconstructing skeletal myogenesis

另一个特例。

 

优势分析:

  • 通量大,200万个细胞
  • 覆盖了关键的4天,E9.5-E13.5
  • 适配的分析方法,大数据的处理方法
  • 关键的subtype和lineage都有所揭示
  • 公开了所有的数据

 

缺点:

  • 浪费了太多细胞
  • 分辨率太低,单个细胞检测到的基因和UMIs太低
  • 某些精细的分析根本无法完成

 

posted @ 2019-07-08 17:57 Life·Intelligence 阅读(...) 评论(...) 编辑 收藏
TOP