酸了,六个样本的scRNA-Seq+差异分析=9分文章

写在前面

今天看到一篇《Diabetes》上题为"athogenesis Study Based on High-Throughput SingleCell Sequencing Analysis Reveals Novel Transcriptional Landscape and Heterogeneity of Retinal Cells in Type 2 Diabetic Mice"。这篇文章[1]是去年五月发表的,那么它对应的影响因子是2020年度的9.46,考虑到发表在《Diabetes》上,其实际的生物学价值可能要比这个影响因子高一些。抱着学习的心态点了进来,很遗憾的告诉大家,如果你想从学习单细胞的角度来看这篇文章,我觉得你可能会收获甚微。

具体内容

Diabetic retinopathy (DR)为一种糖尿病的并发症这里不是我们讨论的重点,不作介绍。这个文章的含单细胞量确实很高,正文中共计6张Figure,其中5张都是单细胞相关的图片,给我的感觉就是其实这五张图片都可以放在Supplement里:

第一张图就是老几样——TSNE、marker展示(教程参考:手把手教你做单细胞测序数据分析(三)——单样本分析)、细胞比例统计(教程参考: 沉浸式统计细胞比例),都是些比较简单的图片,作者花了一段内容向大家介绍其中的细胞数量组成与具体比例。

第二张图作者展示了一些之前经GWAS证明与DR相关的基因集,大致意思是告诉大家这些基因的表达在DR中是具有异质性的,而这便是这篇单细胞文章存在的意义。

紧接着就来到了图三,作者使用cellphoneDB(**我个人更喜欢cellchat: 单细胞测序数据进阶分析—《细胞通讯》2.2CellChat多组别分析)对两组数据进行了细胞通讯的计算,但显然作者对算到的通路都不太感兴趣,不知为何掏了Kdr与Vegfa这对配受体出来发起猛攻,并且对它们进行了相关性分析,发现这对配受体在RGC、Rods、Cones中的相关性分别为-0.26、-0.77、-0.20而另一对配受体Ephb1、Efnb3在RGCs中的相关性高达0.99。值得一提的是,如果这里做相关性分析,显然我会以每个细胞为单位进行相关性分析,而不是下图这样以样本为单位(参考教程: **来个线性回归分析)。

接下来的图四是差异分析了,对以下五种主要的细胞类型进行了组间差异分析(参考教程: 手把手教你做单细胞测序数据分析 (六) 组间差异分析及可视化),并将GO富集(**参考教程: **手把手教你做单细胞测序数据分析(七)—— 基因集富集分析)的结果放在了补充材料之中。

图五是图四的延续,用小提琴图具体的展示了一些差异基因的表达情况,真的很难相信这是一张近十分文章正文中的完整Figure,而本文的单细胞内容也到此结束。

图六中作者使用腺病毒载体递送了上面的一个差异基因 RLBP1,并通过免疫荧光、WB、ELISA、视网膜扫描图证明了这一基因的表达量差异会引起一些炎症反应。好吧,我也不会做实验,没有评价的资格,大家来瞅瞅这些实验大概属于怎样的水平。

我的看法

说实话我这人一直比较悲观,个人以为现在这种小样本的动物单细胞数据应当不太容易发十分左右的文章,况且从单细胞数据分析的角度来说这篇文章确实不能算是优秀。但是这篇文章确实是DR领域较早的scRNA-Seq作品(不是第一篇,有更早的[2]),作为开拓者之一确实值得《Diabetes》的青睐。所以目前若能抢先揭示一类疾病模型的scRNA-Seq图谱,仍有可能轻松发十分以上的文章。看来还是我太保守了,此前总说学完我们的教程(六万播放量的B站单细胞课程)可以发一篇3~5分的文章,看来实际情况要乐观的多,祝各位都有光明的未来

参考文献:[1]: Niu T, Fang J, Shi X, Zhao M, Xing X, Wang Y, Zhu S, Liu K. Pathogenesis Study Based on High-Throughput Single-Cell Sequencing Analysis Reveals Novel Transcriptional Landscape and Heterogeneity of Retinal Cells in Type 2 Diabetic Mice. Diabetes. 2021 May;70(5):1185-1197.[2]: Van Hove I, De Groef L, Boeckx B, Modave E, Hu TT, Beets K, Etienne I, Van Bergen T, Lambrechts D, Moons L, Feyen JHM, Porcu M. Single-cell transcriptome analysis of the Akimba mouse retina reveals cell-type-specific insights into the pathobiology of diabetic retinopathy. Diabetologia. 2020 Oct;63(10):2235-2248.[图片上传失败...(image-95126e-1692454275670)]

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,607评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,047评论 2 379
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,496评论 0 335
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,405评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,400评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,479评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,883评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,535评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,743评论 1 295
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,544评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,612评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,309评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,881评论 3 306
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,891评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,136评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,783评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,316评论 2 342

推荐阅读更多精彩内容