單細(xì)胞高級(jí)分析百篇文獻(xiàn)結(jié)果展示匯總（四）

       細(xì)胞的轉(zhuǎn)錄狀態(tài)來(lái)自于一個(gè)潛在的基因調(diào)控網(wǎng)絡(luò)(GRN)，在這個(gè)網(wǎng)絡(luò)中，有限數(shù)量的轉(zhuǎn)錄因子和輔助因子相互調(diào)控，并調(diào)控它們的下游靶基因。組織內(nèi)細(xì)胞異質(zhì)性的基礎(chǔ)是細(xì)胞轉(zhuǎn)錄狀態(tài)的差異，轉(zhuǎn)錄狀態(tài)的特異性又是由轉(zhuǎn)錄因子主導(dǎo)的基因調(diào)控網(wǎng)絡(luò)所決定并維持穩(wěn)定的。因此分析單細(xì)胞的GRNS有助于深入挖掘細(xì)胞異質(zhì)性背后的生物學(xué)意義。

       2017年發(fā)表在Nature Methods雜志上的SCENIC算法，利用scRNA-seq數(shù)據(jù)，同時(shí)進(jìn)行基因調(diào)控網(wǎng)絡(luò)重建和細(xì)胞狀態(tài)鑒定，應(yīng)用于腫瘤和小鼠大腦單細(xì)胞圖譜數(shù)據(jù)，提出并證明了順式調(diào)控網(wǎng)絡(luò)分析能夠用于指導(dǎo)轉(zhuǎn)錄因子和細(xì)胞狀態(tài)的鑒定。SCENIC（single-cell regulatory network inference and clustering）官網(wǎng)：https://scenic.aertslab.org/ ,是一款分析轉(zhuǎn)錄因子活性的軟件，其可基于單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)來(lái)推斷轉(zhuǎn)錄因子、基因調(diào)控網(wǎng)絡(luò)和細(xì)胞類(lèi)型。SCENIC分析的核心是利用motif enrichment將候選TF調(diào)控因子與候選靶基因連接起來(lái)。此軟件目前配置了人、小鼠、果蠅數(shù)據(jù)庫(kù)，其他物種需要自己構(gòu)建數(shù)據(jù)庫(kù)。

       我們統(tǒng)計(jì)發(fā)現(xiàn)百篇文獻(xiàn)中近20%的文獻(xiàn)中存在此次分析結(jié)果，共出現(xiàn)33次，文獻(xiàn)中的出現(xiàn)的結(jié)果如下：

       這是我們復(fù)現(xiàn)結(jié)果，如下：使用AUCell算法來(lái)對(duì)每個(gè)細(xì)胞中的每個(gè)regulon的活性進(jìn)行評(píng)分。

       上圖為各組細(xì)胞中regulons的RAS（regulon activity score）活性熱圖。行表示不同的regulon，列表示不同的細(xì)胞，顏色越紅代表RAS活性得分越高，進(jìn)而表示regulon在該組中的活性越強(qiáng)。

       除了展示轉(zhuǎn)錄因子在不同亞群的活性，我們還可以挑選各個(gè)單細(xì)胞亞群特異性的轉(zhuǎn)錄因子構(gòu)建特異性熱圖，各組中regulons的RSS（regulon specificity score）特異性熱圖展示如下：

       行表示不同的regulon，列表示不同的組別,顏色越紅代表RSS特異性得分越高，進(jìn)而表示regulon在該組中的特異性越強(qiáng)。
       我們還可以用散點(diǎn)圖來(lái)展示每個(gè)亞群中轉(zhuǎn)錄因子的特異性排序，各組regulons特異性排序圖結(jié)果如下：

       橫坐標(biāo)表示排名，縱坐標(biāo)表示RSS得分，RSS越高的調(diào)控子可能與該細(xì)胞群特異性相關(guān)，帶標(biāo)簽的點(diǎn)代表RSS得分top3的regulon。

       為了更好地展示研究成果，可以將我們所關(guān)注的在特定亞群中特異性表達(dá)的轉(zhuǎn)錄因子單獨(dú)畫(huà)FeaturePlot展示圖，結(jié)果如下，這樣得到的可視化結(jié)果更容易與我們之前的分析聯(lián)系起來(lái)。

       左一為轉(zhuǎn)錄因子原始AUC表達(dá)分布，左二為轉(zhuǎn)錄因子標(biāo)準(zhǔn)化AUC表達(dá)分布，右一為單細(xì)胞數(shù)據(jù)按照細(xì)胞類(lèi)型的分群結(jié)果�？梢钥吹睫D(zhuǎn)錄因子在monocytes亞群和cdc亞群中高度表達(dá)。然后，我們通過(guò)RAS來(lái)計(jì)算不同regulon之間的相關(guān)性系數(shù)（PCC, Pearson Correlation Coefficient），基于PCC，計(jì)算了CSI（Connection Specificity Index）來(lái)衡量regulon pairs之間的相關(guān)性，構(gòu)建Regulon模塊的CSI（connection specificity index）關(guān)聯(lián)性聚類(lèi)熱圖，展示結(jié)果如下：

       行、列均表示regulon，顏色越黃表示CSI關(guān)聯(lián)性越高，CSI都高的regulon可能具有相似的細(xì)胞功能，共同調(diào)控下游基因。

       我們也可以提取所關(guān)注的轉(zhuǎn)錄因子單獨(dú)構(gòu)圖，可以得到以下結(jié)果：

       以上為本次單細(xì)胞測(cè)序高級(jí)分析SCENIC分析的結(jié)果，其他高級(jí)分析且聽(tīng)下回分解。