单细胞转录组分析入门：从样本准备到数据可视化的保姆级教程（10x Genomics版）
·
单细胞转录组分析入门：从样本准备到数据可视化的保姆级教程（10x Genomics版）
单细胞转录组测序（scRNA-seq）正在彻底改变我们对复杂生物系统的认知。想象一下，你手中握有一块肿瘤组织，传统测序只能告诉你所有细胞的平均基因表达，而单细胞技术却能揭示其中每个免疫细胞、癌细胞和间质细胞的独特故事。10x Genomics平台凭借其高通量、稳定性和相对较低的成本，已成为大多数实验室开展单细胞研究的首选工具。本教程将手把手带你完成从样本准备到数据可视化的全流程，特别针对生物信息学新手设计，每个步骤都包含实操细节和避坑指南。
1. 实验设计与样本准备
1.1 样本类型与处理策略
不同类型的样本需要采用差异化的处理方案。血液等液体样本通常只需简单离心去除血浆即可，而实体组织则需要更复杂的解离过程。对于肿瘤组织，建议在手术切除后30分钟内完成处理，以最大限度保持细胞活性。以下是一些常见样本的处理要点：
- 实体组织：使用胶原酶IV（1mg/ml）和DNase I（20μg/ml）在37℃消化15-30分钟，每10分钟轻柔吹打一次
- 血液/PBMCs：用Ficoll密度梯度离心分离单个核细胞，注意避免血小板污染
- 冻存细胞：复苏后活率需>80%，建议使用含10% DMSO的冻存液慢冻快融
提示：始终在冰上操作样本，使用预冷的PBS缓冲液，这些细节会显著影响最终数据质量
1.2 细胞活性与质量检测
细胞活率是单细胞实验成功的关键指标。建议使用台盼蓝染色结合自动细胞计数仪检测，活率应≥90%。特别注意线粒体基因比例这个隐形杀手：
# 使用Cell Ranger分析时的QC指标建议阈值
--expect-cells=5000 \
--force-cells=8000 \
--include-introns=false \
--r2-length=28
当线粒体基因占比超过15%时，数据质量通常会显著下降。如果遇到这种情况，可以尝试：
- 优化解离方案，减少机械损伤
- 添加线粒体保护剂如Cytochalasin B
- 使用Dead Cell Removal Kit去除死细胞
2. 10x Genomics平台实操指南
2.1 芯片加载与文库构建
Chromium Controller的操作需要严格遵循温度和时间控制。这是最容易出错的环节之一，特别注意以下参数：
| 步骤 | 温度 | 时间 | 常见问题 |
|---|---|---|---|
| GEM生成 | 4℃ | 立即使用 | 气泡导致捕获失败 |
| RT反应 | 53℃ | 45min | 温度波动影响效率 |
| cDNA扩增 | 98℃ | 3min | 过度循环导致偏倚 |
典型的建库流程包括：
- 将细胞悬液与Master Mix按1:1比例混合
- 使用Chromium Chip G加载样本
- 运行程序生成GEMs（Gel Bead-in-Emulsions）
- 进行逆转录和cDNA扩增
- 文库构建和质量控制
2.2 测序深度与数据量规划
合理的测序深度能平衡成本与数据质量。对于常规分析，我们推荐：
# 计算所需测序量的简单公式
def calculate_sequencing_depth(cell_number):
reads_per_cell = 50000 # 标准推荐值
return cell_number * reads_per_cell * 1.2 # 增加20%冗余
# 例如计划捕获5000细胞
print(calculate_sequencing_depth(5000)) # 输出: 300,000,000 reads
不同应用场景的建议测序深度：
- 免疫细胞图谱：20,000-50,000 reads/cell
- 稀有细胞鉴定：50,000-100,000 reads/cell
- 全长转录本分析：>100,000 reads/cell
3. 数据分析核心流程
3.1 Cell Ranger基础分析
10x官方提供的Cell Ranger套件是入门首选。安装后运行基本流程：
# 典型分析命令
cellranger count --id=sample1 \
--transcriptome=/path/to/refdata \
--fastqs=/path/to/fastqs \
--sample=Sample1 \
--localcores=16 \
--localmem=64
关键输出文件解读：
outs/filtered_feature_bc_matrix.h5：过滤后的表达矩阵outs/analysis/：包含聚类和t-SNE结果outs/web_summary.html：质控报告
3.2 Seurat标准分析流程
R语言中的Seurat包提供了更灵活的分析能力。以下是基础分析框架：
library(Seurat)
library(ggplot2)
# 创建Seurat对象
pbmc.data <- Read10X(data.dir = "filtered_feature_bc_matrix/")
pbmc <- CreateSeuratObject(counts = pbmc.data, project = "pbmc3k", min.cells = 3)
# 质控过滤
pbmc[["percent.mt"]] <- PercentageFeatureSet(pbmc, pattern = "^MT-")
pbmc <- subset(pbmc, subset = nFeature_RNA > 200 & percent.mt < 15)
# 标准化和特征选择
pbmc <- NormalizeData(pbmc)
pbmc <- FindVariableFeatures(pbmc, selection.method = "vst", nfeatures = 2000)
# 降维和聚类
pbmc <- ScaleData(pbmc)
pbmc <- RunPCA(pbmc, features = VariableFeatures(object = pbmc))
pbmc <- FindNeighbors(pbmc, dims = 1:10)
pbmc <- FindClusters(pbmc, resolution = 0.5)
pbmc <- RunUMAP(pbmc, dims = 1:10)
# 可视化
DimPlot(pbmc, reduction = "umap", label = TRUE)
4. 高级分析与结果解读
4.1 细胞类型注释策略
细胞注释是分析中最具挑战性的环节之一。推荐采用分层注释策略：
-
一级注释：使用广谱标记基因确定主要细胞类群
- 免疫细胞：PTPRC (CD45)
- 上皮细胞：EPCAM
- 内皮细胞：PECAM1
- 间质细胞：DCN
-
二级注释：细化亚群
- T细胞：CD3D、CD3E
- B细胞：CD79A、MS4A1
- 髓系细胞：LYZ、CD14
-
验证工具：
- SingleR：基于参考数据集的自动注释
- CellMarker：查阅已知标记基因
- PanglaoDB：整合多个数据库资源
4.2 差异分析与功能富集
发现差异表达基因后，功能解读是关键。以下是典型分析流程：
# 寻找差异基因
markers <- FindAllMarkers(pbmc, only.pos = TRUE, min.pct = 0.25)
# 富集分析示例
library(clusterProfiler)
library(org.Hs.eg.db)
gene_list <- markers$gene
entrez_ids <- mapIds(org.Hs.eg.db, keys = gene_list,
column = "ENTREZID", keytype = "SYMBOL")
ego <- enrichGO(gene = entrez_ids,
OrgDb = org.Hs.eg.db,
ont = "BP",
pAdjustMethod = "BH",
pvalueCutoff = 0.01)
dotplot(ego, showCategory=15)
4.3 可视化技巧与出版级图表
高质量的可视化能极大提升研究成果的传播效果。推荐组合使用：
- UMAP/t-SNE：展示细胞群分布
- FeaturePlot：标记基因表达模式
- DotPlot：多基因跨群比较
- VlnPlot：表达量分布统计
- Heatmap：差异基因模式
进阶技巧：
# 组合多个标记基因的特征图
FeaturePlot(pbmc, features = c("MS4A1", "GNLY", "CD3E"),
blend = TRUE, cols = c("grey", "blue", "red"))
# 交互式可视化
library(plotly)
plotly::ggplotly(DimPlot(pbmc, reduction = "umap"))
5. 常见问题解决方案
5.1 双细胞识别与处理
10x平台的双细胞率通常在1-5%之间。检测和处理方法：
# 使用DoubletFinder包预测双细胞
library(DoubletFinder)
sweep.res <- paramSweep_v3(pbmc, PCs = 1:10)
sweep.stats <- summarizeSweep(sweep.res)
bcmvn <- find.pK(sweep.stats)
pK <- as.numeric(as.character(bcmvn$pK[which.max(bcmvn$BCmetric)]))
# 预测并移除双细胞
homotypic.prop <- modelHomotypic(pbmc$seurat_clusters)
nExp_poi <- round(0.075 * ncol(pbmc)) # 假设7.5%双细胞率
pbmc <- doubletFinder_v3(pbmc, PCs = 1:10, pN = 0.25, pK = pK,
nExp = nExp_poi, reuse.pANN = FALSE)
5.2 批次效应校正
当整合多个样本数据时，批次校正是必须步骤。Harmony和CCA是两种常用方法：
# Harmony整合
library(harmony)
pbmc <- RunHarmony(pbmc, group.by.vars = "batch")
# Seurat的CCA方法
anchors <- FindIntegrationAnchors(object.list = list(pbmc1, pbmc2))
pbmc.combined <- IntegrateData(anchorset = anchors)
5.3 低质量细胞识别
除了常规的线粒体基因和UMI数过滤，还可考虑以下指标：
- 红细胞污染：HBA1、HBB表达
- 应激反应：HSP基因家族
- 细胞周期影响：S期和G2M期得分差异
# 计算细胞周期得分
library(Seurat)
pbmc <- CellCycleScoring(pbmc,
s.features = cc.genes$s.genes,
g2m.features = cc.genes$g2m.genes)
6. 从数据到生物学发现
6.1 轨迹推断与发育分析
Monocle3是目前最强大的拟时序分析工具之一。典型分析流程：
library(monocle3)
cds <- as.cell_data_set(pbmc)
cds <- cluster_cells(cds)
cds <- learn_graph(cds)
cds <- order_cells(cds)
# 可视化
plot_cells(cds, color_cells_by = "pseudotime",
label_groups_by_cluster = FALSE)
6.2 细胞互作分析
CellPhoneDB可揭示细胞群间的信号网络：
# 准备输入文件
import pandas as pd
counts = pd.read_csv("counts.txt", sep="\t")
meta = pd.read_csv("metadata.txt", sep="\t")
# 运行CellPhoneDB
!cellphonedb method statistical_analysis meta.txt counts.txt \
--iterations=1000 \
--threads=16 \
--output-path=out
6.3 多组学整合分析
将单细胞数据与bulk RNA-seq或ATAC-seq整合：
# 使用Seurat的锚定方法整合scRNA和scATAC
library(Seurat)
library(Signac)
rna <- readRDS("pbmc_rna.rds")
atac <- readRDS("pbmc_atac.rds")
transfer.anchors <- FindTransferAnchors(reference = rna,
query = atac,
dims = 1:30)
predictions <- TransferData(anchorset = transfer.anchors,
refdata = rna$celltype)
atac <- AddMetaData(atac, metadata = predictions)
更多推荐
5
0- 0
已为社区贡献5条内容
所有评论(0)