今天噗噗给大家分享一篇文献,发表在cell上的
Caloric Restriction Reprograms the Single-Cell Transcriptional Landscape of Rattus Norvegicus Aging
分析方法总结:
1.每个器官分别降维聚类,旁边是cell types number bar。
2.细胞种类变化的多少,以及免疫细胞变化的多少
文章的methods里讲的是每个器官单独分析,然后将ptprc+的细胞分出来,重新聚类,重新分免疫细胞。cell type ratio= 细胞的在这个group(young /old/CR)的数量除以这个group的数量。
3.Ptprc(免疫细胞)的表达程度,violin 衰老 卡路里 年轻
4.促炎因子与抗炎因子的比例
4.不同组间(年轻和衰老,衰老和卡路里限制)各细胞类型的差异表达分析
(Wilcoxon rank-sum test as implemented in the ‘‘FindMarkers’’ function of the Seurat package)
(|LogFC| > 0.5, adjusted p value < 0.05)
定义:
rescue DEGs(占比多少)
side-effect DEGs(占比多少,可以解释副作用)
5.将老化、CR和拯救型DEGs归因于每种组织类型
6.差异基因GO与pathway的分析
可以画一个好看的气泡图
7.差异基因在不同组织的交集
8. SASP相关gene的变化
9. TF调控网络
说实话这个网络画的挺唬人的,圈圈的灰色边代表DEG,中间是tf,tf和圈圈的线代表target
10. 细胞通讯
分析细节
1.年轻、衰老、卡路里限制是否去批次?
原代码是分别做了质控,然后scale,然后去了批次,然后cluster tsne
BAT.list <- list(BAT_M_Y, BAT_M_O, BAT_M_CR, BAT_F_Y ,BAT_F_O, BAT_F_CR)
BAT_cca <- RunMultiCCA(object.list = BAT.list, genes.use = genes.use, num.ccs = 30)
BAT_cca <- AlignSubspace(BAT_cca, reduction.type = "cca", grouping.var = "sample", dims.align = 1:20)
2.细胞通讯的变化又是怎么联合的?
接下来介绍cellphoneDB和cellchat的应用。