作者,追风少年i
马上国庆了,祝大家节日快乐,我们这一篇进行分析合集
包括三个部分(均是我之前所写)
- 10X空间转录组数据分析重点梳理
- 时空CNV分析导论
- 10X空间转录组之免疫组库分析
第一部分:10X空间转录组数据分析重点梳理
空间转录组学 (ST) 技术正迅速成为单细胞 RNA 测序 (scRNAseq) 的延伸,具有以接近单细胞分辨率分析基因表达的潜力,同时保持组织内的细胞组成。同时拥有表达谱和组织空间信息使研究人员能够更好地了解细胞相互作用和异质性,从而深入了解传统测序技术无法实现的复杂生物过程。ST技术生成的数据本质上是嘈杂的、高维的、稀疏的和多模态的(包括组织学图像、计数矩阵等),因此需要专门的软件来进行深入分析。目前很多研究人员仍然借助单细胞的分析软件来分析空间转录组,但事实证明这些工具不足以分析复杂的 ST 数据集,这一篇我们就来对空间转录组的分析进行梳理。
第一部分,Spatial Reconstruction
这部分是空间转录组的基础分析,也是第一步和获取基础信息的一步,空间转录组数据矩阵的降维、聚类、差异、富集的基础分析,通常还是要借助Seurat的基础流程,于此同时,scanpy、novoSpaRc、Giotto、STutility等分析软件也具有空间转录组基础分析的示例教程。关于第一部分,也要强调一下空间转录组和单细胞转录组基础分析之间的不同,总结如下:
第二部分,Spot Deconvolution
关于单细胞空间联合的分析方法目前已经非常多,但是更为重要的是要有匹配的单细胞空间数据,方法运用的时候需要大家有所选择,总结如下:
软件 | 发表文献、杂志及影响因子 | 参考文章 |
---|---|---|
Seurat | 没有专门针对单细胞空间联合的文章,但有高分文章引用 | 人鳞状细胞癌成分和空间结构的多峰分析(空间转录组与单细胞文章)、10X空间转录组和10X单细胞数据联合分析方法汇总 |
cell2location | Cell2location maps fine-grained cell types in spatial transcriptomics(Nature Biotechnology,IF 55分) | 10X单细胞和空间联合分析的方法---cell2location、10X单细胞空间联合分析之再次解读cell2location、10X单细胞空间联合分析之cell2location的详细梳理 |
SPOTlight | SPOTlight: seeded NMF regression to deconvolute spatial transcriptomics spots with single-cell transcriptomes(Nucleic acids research,IF 17分) | 10X单细胞空间分析回顾之SPOTlight、10X单细胞空间联合分析之三----Spotlight |
RCTD | Robust decomposition of cell type mixtures in spatial transcriptomics(nature biotechnology、IF 55分) | 10X单细胞空间联合分析之十(RCTD) |
STdeconvolve | Reference-free cell-type deconvolution of pixel-resolution spatially resolved transcriptomics data(biorxiv) | 10X空间转录组数据分析之空间注释(解卷积,STdeconvolve) |
Stereoscope | Multi-resolution deconvolution of spatial transcriptomics data reveals continuous patterns of inflammation(biorxiv) | Multi-resolution deconvolution of spatial transcriptomics data reveals continuous patterns of inflammation |
DS |