当前位置：首页>数据库>正文

系统整理scRNA与snRNA的区别和空转寻找“hotspot”

数据库2024-03-18 16:56:48

作者，Evil Genius

开除一周年，人生有这么一遭感觉还是可以的

今天我们探讨两个问题，一是系统整理scRNA与snRNA的生物学差异，二是寻找空转的热点“spot”。

首先第一点，scRNA vs snRNA

这个问题之前零星总结过，为什么重提这个问题，就在与评估寻因的空间和普通空转的问题。

10X单细胞（10X空间转录组）单细胞与单核的数据比对区别，这个老文章了，大家看看就行。

1、单细胞制备方案也可能影响细胞活力，并引入与解离和应激反应相关的转录特征；单核有助于减少解离偏差和转录应激反应，有助于难以解离的组织和细胞类型的研究，并允许评估无法通过微流体系统的大细胞（例如肌肉细胞、卵母细胞）
2、标记物（marker）：参考数据库和细胞类型特异性基因标记，主要是基于scRNA-seq数据集建立的，因此可能不是snRNA-seq的最佳选择，如下图，细胞核中的细胞类型注释得分明显较低。

3、各个组织在sc和sn测序的结果基因表达上也有较大的差异，进而影响下游的个性化分析（通讯、转录因子等）
4、scRNA有利于捕获免疫细胞，免疫细胞的比例被放大；单核测序则一定程度上避免了这个问题，组织细胞的比重上升，更符合真实的细胞比例。

cell types annotations

5、相同细胞类型在sc和sn之间有不同的整体转录特征（eg；sc：monocytes (基因中位数635)，T（ (基因中位数1,709)；sn:Monocytes = 2,729, T cells = 1,055）。
6、罕见的细胞类型在sn中比在sc中更常见。

7、生物学过程分析中sc和sn会存在不一致的现象。
8、下游分析差异较大，以通讯分析为例

大家分析的时候需要注意这些不同

第二点，我们来学习寻找空间热点“spot”

关于这个部分，我在空转系列课上讲过，参考文章在空转第19课生态位绘图补充，R版本的代码，视频在B站，这里多说一句，大家想学就好好学习，虽然可能花了一点费用，学到了就好，怕花自己的钱就找公司分析报账，不要又不想花钱又不找公司，浪费时间不说，花的钱只会更多，付出的时间精力成本是无可估量的。

简单复习一下什么是hotspots。

其实hotspots是探索组织微环境的一种手段，就像肿瘤分为“冷”肿瘤和“热”肿瘤，其微环境必然存在很大的差异，在比例肿瘤转移，并不是所有的肿瘤细胞都有转移能力，具有转移能力的肿瘤细胞通常和巨噬细胞“狼狈为奸”，这个例子中具有转移性的肿瘤细胞就属于hotspot，其“hot”的特征就是周围富集了促进其转移的巨噬细胞。

空间转录组学在描述具有不同细胞组成的主要组织结构域、癌症特征、免疫抑制中心、具有不同临床结果的整个肿瘤生态型或特定药物对抑制肿瘤进展的影响方面的优势。（在WES的研究中，基因分为了免息正相关、免疫负相关、肿瘤易感基因等，大家需要了解）。

定义:`特定细胞类型密集"居住"或由自定义的基因特征标记的区域(热点)和细胞类型或基因特征耗尽的区域(冷点)，并统计评估这些区域与其他预定义热点或冷点的接近程度`。此外，使用热点方法检测到的空间关系与仅观察单个点的邻近区域时观察到的空间关系进行了比较。评估这些变量之间的关系如何变化，hotspot大小或周围的一个spot的大小变化。这里的hotspot不仅指细胞类型，还有通路等因素。

分析模块如下：

邻域富集分析（Neighbourhood enrichment analysis）:用于检查单个空间转录组学spot及其邻近区域内细胞状态、细胞类型或过程之间的相关性。在这种情况下，一个“neighbourhood”被描绘成一个环，围绕一个指定的中心spot包含六个Visium spot，通过将空间点视为一个网络来计算。
Hotspot identification：分析揭示了统计上显著的“hotspots”或“coldspots”。hotspots代表特定细胞类型或特征高度集中的区域，表明这种聚集不太可能是偶然的。相反，coldspots表示目标细胞或特征稀少的区域，也超出了随机分布的预期。
距离度量：测量和解释识别具体特征之间的距离，例如肿瘤和免疫热点之间的距离。这方面的主要方法是计算到hotspots的最短路径，定义为从定义的hotspots内的任何spot到指定比较热点内最近点的最小距离。
敏感性分析:通过改变邻域或感兴趣的hotspot的区域大小，系统地评估细胞-细胞关系如何在组织内进化的能力。邻域富集方法，这可以通过改变中心点周围同心圆的数量来评估。热点方法，计算不同邻域大小的特征统计量，从而能够在不同的空间尺度上识别niche；以及空间hotspot的距离变化关系。