10X單細胞(10X空間轉(zhuǎn)錄組)數(shù)據(jù)分析之識別腫瘤細胞的CNV分析原理

hello煮甥,大家好道盏,今天我們來總結單細胞數(shù)據(jù)識別腫瘤細胞的分析原理姻灶。其中單細胞識別腫瘤細胞最大的問題在于各聘,reference染坯,什么細胞作為reference算凿,上皮細胞癌變降宅,自然是正常的上皮細胞作為reference喷兼,但很多時候菇绵,光依靠單細胞數(shù)據(jù)我們我們無法區(qū)分惡性和非惡性的細胞類型肄渗,CNV判斷也需要很精準的人為監(jiān)督和數(shù)據(jù)分析,這一次咬最,我們來分析一下識別惡性細胞的分析原理翎嫡。

這里要注意啊,一定要使用配套的單細胞數(shù)據(jù)永乌,確保其中含有惡性的細胞類型惑申,不然光有正常的細胞類型也能分析出結果,拿到的結果是沒有任何用處的翅雏。

大家推斷CNV應該用的是inferCNV或者copycat圈驼,原理都差不多。個人傾向于copycat望几。

CNV Estimation:Initial CNVs (CNV0) were estimated by sorting the analyzed genes by their chromosomal location and applying a moving average to the relative expression values, with a sliding window of 100 genes within each chromosome, 這里大家應該都知道才對绩脆。我們逐步解讀。

第一步:To avoid considerable impact of any particular gene on the moving average, we limited the relative expression values to [-3,3] by replacing all values above 3 by a ceiling of 3, and replacing values below -3 by a floor of -3.(這里不知道大家知道多少橄抹,對數(shù)據(jù)進行剪接,這是必要的)This was performed only in the context of CNV estimation靴迫。
第二步:We scored each cell for the extent of CNV signal, defined as the mean of squares of CNV0 values across the genome, and for the correlation between the CNV0 profile of each cell with the average CNV0 profile of all cells from the corresponding tumor.(這個地方不陌生吧,就是對CNV的判斷)楼誓。
第三步:Putative malignant cells were then defined as those with CNV signal above 0.05 and CNV correlation above 0.5, putative non-malignant cells as those below the two cutoffs, and unresolved cells as those above only one of the thresholds.(跟inferCNV的軟件閾值是一致的).
第四步:檢驗玉锌,This initial analysis was based on the average CNV0 of all cells as a reference, which is biased due to the inclusion of many malignant cells. We thus redefined CNV estimations, the CNV signal, and CNV correlations values using the average patterns of nonmalignant cells as a reference.(真正的ref必然是相同細胞類型的正常細胞)。
第五步:CNV estimate :
圖片.png
當然疟羹,inferCNV軟件還有一步降噪主守,大家感興趣可以多多看看,總結歸納榄融。
圖片.png

基礎知識参淫,多多學習,生活很好愧杯,有你更好

最后編輯于
?著作權歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
禁止轉(zhuǎn)載黄刚,如需轉(zhuǎn)載請通過簡信或評論聯(lián)系作者。
  • 序言:七十年代末民效,一起剝皮案震驚了整個濱河市憔维,隨后出現(xiàn)的幾起案子涛救,更是在濱河造成了極大的恐慌,老刑警劉巖业扒,帶你破解...
    沈念sama閱讀 206,126評論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件检吆,死亡現(xiàn)場離奇詭異,居然都是意外死亡程储,警方通過查閱死者的電腦和手機蹭沛,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,254評論 2 382
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來章鲤,“玉大人摊灭,你說我怎么就攤上這事“芑玻” “怎么了帚呼?”我有些...
    開封第一講書人閱讀 152,445評論 0 341
  • 文/不壞的土叔 我叫張陵,是天一觀的道長皱蹦。 經(jīng)常有香客問我煤杀,道長,這世上最難降的妖魔是什么沪哺? 我笑而不...
    開封第一講書人閱讀 55,185評論 1 278
  • 正文 為了忘掉前任沈自,我火速辦了婚禮,結果婚禮上辜妓,老公的妹妹穿的比我還像新娘枯途。我一直安慰自己,他們只是感情好籍滴,可當我...
    茶點故事閱讀 64,178評論 5 371
  • 文/花漫 我一把揭開白布酪夷。 她就那樣靜靜地躺著,像睡著了一般异逐。 火紅的嫁衣襯著肌膚如雪捶索。 梳的紋絲不亂的頭發(fā)上插掂,一...
    開封第一講書人閱讀 48,970評論 1 284
  • 那天灰瞻,我揣著相機與錄音,去河邊找鬼辅甥。 笑死酝润,一個胖子當著我的面吹牛,可吹牛的內(nèi)容都是我干的璃弄。 我是一名探鬼主播要销,決...
    沈念sama閱讀 38,276評論 3 399
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼夏块!你這毒婦竟也來了疏咐?” 一聲冷哼從身側(cè)響起纤掸,我...
    開封第一講書人閱讀 36,927評論 0 259
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎浑塞,沒想到半個月后借跪,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 43,400評論 1 300
  • 正文 獨居荒郊野嶺守林人離奇死亡酌壕,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 35,883評論 2 323
  • 正文 我和宋清朗相戀三年掏愁,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片卵牍。...
    茶點故事閱讀 37,997評論 1 333
  • 序言:一個原本活蹦亂跳的男人離奇死亡果港,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出糊昙,到底是詐尸還是另有隱情辛掠,我是刑警寧澤,帶...
    沈念sama閱讀 33,646評論 4 322
  • 正文 年R本政府宣布溅蛉,位于F島的核電站公浪,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏船侧。R本人自食惡果不足惜欠气,卻給世界環(huán)境...
    茶點故事閱讀 39,213評論 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望镜撩。 院中可真熱鬧预柒,春花似錦、人聲如沸袁梗。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,204評論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽遮怜。三九已至淋袖,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間锯梁,已是汗流浹背即碗。 一陣腳步聲響...
    開封第一講書人閱讀 31,423評論 1 260
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留陌凳,地道東北人剥懒。 一個月前我還...
    沈念sama閱讀 45,423評論 2 352
  • 正文 我出身青樓,卻偏偏與公主長得像合敦,于是被迫代替她去往敵國和親初橘。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 42,722評論 2 345

推薦閱讀更多精彩內(nèi)容