零代码复现| scRNA-seq解析胃癌患者器官特异性转移

写在前面

当今基因测序数据量在爆炸性增加，生信分析面临着算力要求高、代码软件繁多、科研人员协作分析困难等一系列痛点。为解决这些问题，各种生信云平台应运而生，它提供了一系列生物信息学工具和资源，用于支持科研人员在生物学数据的分析、可视化和解释方面的需求。SeekSoul Online便是其中一个，相信对于想要快速上手单细胞数据分析的你来说会是个惊喜：

云平台地址：

使用教程可见：

一文学会零代码单细胞分析

零代码单细胞视频教程

文章介绍

复现文章标题：《Revealing the transcriptional heterogeneity of organ‐specific metastasis in human gastric cancer using single‐cell RNA Sequencing》

复现集锦：

发表日期和杂志：2022年发表在Clinical and Translational Medicine上

在线阅读链接：https://doi.org/10.1002/ctm2.730

单细胞实验设计：使用了单细胞RNA测序技术评估了来自6名患者的10个新鲜人体组织样本，共计42,968个细胞。

数据链接是：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE163558

样品详情：

• 来自6名患者的10个新鲜人体组织样本，包括3个原发性肿瘤样本(PT)、1个邻近非肿瘤样本(NT)和6个转移样本(M)

• 转移样本包括 2个肝脏转移样本(Li)、2个淋巴结转移样本(LN)、1个腹膜转移样本(P)和1个卵巢转移样本(O)

主要分析结果：

单细胞数据来自6名患者的10个新鲜人体组织样本，包括3个原发性肿瘤样本(PT)、1个邻近非肿瘤样本(NT)和6个转移样本(M)

经过质量过滤，共检测到42 968个细胞，在降维和无监督细胞聚类之后，鉴定出七个细胞亚群：

• 上皮细胞(1743;EPCAM, KRT19, CLDN4)

• 基质(1288;PECAM1, CLO1A2, VWF)

• 增生细胞(1089;Mki67, stmn1, pcna)

• T细胞 (24 448;Cd3d, cd3e, cd2)

• B细胞 (7708;CD79A, IGHG1, MS4A1)

• NK细胞(NK, 1173;KLRD1, GNLY, KLRF1)

• 髓系(5519;CSF1R、CSF3R、CD68)

在不同的原发肿瘤和转移瘤中，每种细胞系的比例差异很大，揭示了一种异质性的细胞状态。

恶性与非恶性上皮细胞分析通过特定的恶性和非恶性评分，系统定义了1615个恶性上皮细胞和128个非恶性上皮细胞，分析发现其中83%的非恶性上皮细胞来源于非肿瘤样本(NT)

seeksoul云平台分析复现

学完了1.5d的课程后，这位同学已经可以输出以下内容啦，其实很多复现的内容相差无几，甚至图片要比原文更加美观~

具体分析方法可参考一文学会零代码单细胞分析推文，或者根据对应的视频讲解学习

1.数据上传及分析

使用云平台分析

首先是将下载整理好的原始数据上传到云平台，选择数据上传——单样品数据——matrix矩阵格式，然后上传对应的三个文件即可

上传好数据后，选择需要进行分析的数据，点击快速创建流程，填写好需要的信息，即可上传数据进行分析，可以再已选数据中整理需要的分组信息

然后就是初始化数据，会统计nferture、ncount以及mito线粒体基因占比，然后进行过滤、整合等基本分析流程即可

细胞注释：使用是0.5的分辨率，基于singleR自动注释+AI注释，结果较为准确

0.5分辨率

Figure1C

注释结果

当运行完基础分析，以及进行细胞注释之后，可以使用画图工具，基于需要展示的分组信息进行可视化

画图工具使用

打开画图工具之后，可以使用右下角的添加图组——添加一块新的画布，比如新建一个新的tsne结果，用于展示文献的Figure1B

添加好图组之后，在打开图组的情况下，选择添加模块，即可新建新的图表，可以展示的图表类型有小提琴图、降维图、FeaturePlot、Dotplot、分组统计图以及热图

文献中的figure1B就是展示了不同分组的tsne结果，所以我们在图组里面选择需要的分组进行展示即可

Figure1B

复现结果

top基因集热图展示

细胞比例图

文献中是汇总了两个分组的细胞比例堆叠柱状图，所以可以选择不同的分组进行展示

Figure1F

添加模块之后，选择分组统计图进行展示，这时候要注意选择分组因子为celltype的注释信息，拆分因子为需要展示分组信息

差异富集分析

在差异富集分析选项中，可以选择全部的细胞亚群作为细胞分组，在比较组合里面可以选择需要的分组信息，这边选择是PT、NT以及转移M的分组

选择全部细胞亚群进行分组，会依次基于B细胞亚群，在PT和NT之间的差异，PT和M之间的差异，选择好需要的分组信息

选择展示哪一群就会高亮哪一群，可以使用火山图等展示差异基因

高级分析系列

在seeksoul云平台上面提供了很多可供选择的高级分析系列，比如拟时序分析，可以选择moncle3或者monocle2，还有infercnv分析和copyKAT分析

在FAQ帮助文档里面有详细的介绍

infercnv分析

尝试了使用infercnv去分析上皮细胞，选择的是B细胞和mast细胞作为参考，提交后15分钟完成了分析，速度较快

分析完后，提供了可以下载的分析报告

结果中有完整的分析结果报告的html文档

高级分析可选择内容较多，就没有一一尝试啦，但整体分析耗时较少，可供选择内容较多，对分析有很大的帮助

Seeksoul 单细胞平台使用感受

1. 整体而言分析较为简便快捷，上传好数据之后，创建好对应的分析项目，然后进行分析即可

2. 提供多种可以选择的高级分析，在差异富集分析选项中，能很方便的选择需要的细胞亚群以及分组信息进行比较

3. 在画图工具里面，可以基于不同的分组信息进行可视化，对应到seurat分析中的group.by和split.by参数

4. 除了基础的降维聚类分群注释分析功能外，还有很多高级分析系列，一个分析提供了不同版本和软件的选择，可以多运行选择需要的结果

整体而言对于新手较为友好，配色选择也很合适，能不使用代码就完成分析，对于新手而言非常nice！