单细胞计数矩阵是如何生成的?(二)

导读

本文将介绍scRNA-seq的表达矩阵是如何生成。

1. 文库制备

根据所使用的文库制备方法,RNA 序列(也称为读数或标签)将来自转录本(10X GenomicsCEL-seq2Drop-seq)的 3' 末端(或 5' 末端) , inDrops) 或来自全长转录本 (Smart-seq)。

单细胞计数矩阵是如何生成的?(二)_第1张图片

下面列出了这些方法的以下优点:

  • 3’ (or 5’)-end sequencing(3' 端测序):
    • 通过使用区分生物复制品和扩增 ( PCR) 复制品的独特分子标识符进行更准确的量化
    • 测序的细胞数量多,可以更好地识别细胞类型
    • 成本更便宜
    • 最佳结果大于10,000 个细胞
  • Full length sequencing(全长测序):
    • 检测异构体水平的表达差异
    • 鉴定等位基因特异性表达差异
    • 对少量细胞进行更深入的测序
    • 最适合细胞数量少的样品

3' 端测序与全长测序需要执行许多相同的分析步骤,但 3' 越来越受欢迎,并且在分析中包含更多步骤。因此,将详细分析来自 3' 协议的数据,重点是基于液滴的方法(inDropsDrop-seq10X Genomics)。

2. 3’-end

对于 scRNA-seq 数据的分析,了解每个读数中存在哪些信息以及如何在分析中使用它是有帮助的。

对于 3' 端测序方法,源自同一转录本的不同分子的读数将仅源自转录本的 3' 端,因此具有相同序列的可能性很高。然而,文库制备过程中的 PCR 步骤也可能产生重复读取。为了确定读数是生物扩增还是技术扩增,这些方法使用唯一的分子标识符或 UMI

  • 映射到相同转录本的不同 UMI 的读取来自不同的分子,并且是生物学重复,每个读取都应该被计算在内。

  • 具有相同 UMI 的读取来自相同的分子并且是技术重复,应该计为单个读取。

  • 在下图中,ACTB 的读取应计为单次读取,而 ARL1 的读取应分别计数。

单细胞计数矩阵是如何生成的?(二)_第2张图片

所以需要检查 UMI,无论采用哪种液滴方法,在细胞水平上进行正确量化都需要以下内容:

单细胞计数矩阵是如何生成的?(二)_第3张图片
  • Sample index:确定读取来自哪个样本。在文库准备期间添加,需要记录。

  • Cellular barcode:确定读取来自哪个单元格,每种文库制备方法都有一个在文库制备过程中使用的细胞条形码。

  • Unique molecular identifier (UMI):确定读取来自哪个转录分子,UMI 将用于折叠 PCR 重复。

  • Sequencing read1:Read1 序列

  • Sequencing read2:Read2 序列

3. 流程

scRNA-seq方法将确定如何从测序读数中解析条形码和 UMI。因此,尽管一些具体步骤会略有不同,但无论采用何种方法,总体工作流程通常都会遵循相同的步骤。一般工作流程如下所示:

单细胞计数矩阵是如何生成的?(二)_第4张图片 单细胞工作流程

工作流程的步骤是:

  • 计数矩阵的生成: formating reads, demultiplexing samples, mapping and quantification
  • 原始计数矩阵的质控:过滤劣质细胞
  • 聚类:基于转录活性的相似性对细胞进行聚类(细胞类型 类似于 不同的 clusters
  • marker鉴定和簇注释:识别每个簇的 marker并注释已知的细胞类型簇
  • 下游其他分析

无论进行何种分析,基于每个条件的单个样本得出的关于总体的结论都是不可信的。仍然需要生物重复!也就是说,如果您想得出与总体相对应的结论,请做生物学重复。

4. 计数矩阵

首先讨论此工作流程的第一部分,即从原始测序数据生成计数矩阵。将重点关注基于液滴的方法使用的 3' 端测序,例如 inDrops10X GenomicsDrop-seq

单细胞计数矩阵是如何生成的?(二)_第5张图片

测序后,要么将原始测序数据输出为 BCLFASTQ 格式,要么生成计数矩阵。如果读取是 BCL 格式,那么需要转换为 FASTQ 格式。 bcl2fastq 工具可以轻松执行此转换。

对于许多 scRNA-seq 方法,从原始测序数据生成计数矩阵经历的步骤类似。

单细胞计数矩阵是如何生成的?(二)_第6张图片

alevin[1] 是一个命令行工具,用于估计 scRNA-seq 数据的表达,其中转录物的 3' 末端被测序。umi-tools[2]zUMI[3] 是可以执行这些过程的附件。这些工具结合了 UMI 以纠正假阳性。此过程中的步骤包括:

  1. 格式化读取和过滤嘈杂的 cellular barcodes
  2. 样本拆分
  3. Mapping到转录组
  4. 根据 UMI进行定量

如果使用 10X Genomics 文库制备方法,则 Cell Ranger 管道包含上述所有步骤。

5. 数据解析

使用 FASTQ 文件解析cell barcodes, UMIs, 和 sample barcodes。对于基于液滴的方法,由于以下原因,许多细胞条形码将匹配少量读取(< 1000 读取):

  • 从垂死的细胞中包裹自由漂浮的 RNA
  • 表达少量基因的细胞(红细胞等)
  • 由于未知原因死亡的细胞

在读取结果之前,需要从序列数据中过滤掉这些多余的条形码。为了进行这种过滤,提取并保存每个细胞的cellular barcodemolecular barcode。例如,如果使用umis工具,信息将添加到每次读取的header,格式如下:

@HWI-ST808:130:H0B8YADXX:1:1101:2088:2222:CELL_GGTCCA:UMI_CCCT
AGGAAGATGGAGGAGAGAAGGCGGTGAAAGAGACCTGTAAAAAGCCACCGN
+
@@@DDBD>=AFCF+#

文库制备方法中使用的细胞条形码(cellular barcodes)是已知的,未知条形码将被丢弃,同时允许与已知细胞条形码的数量不匹配。

6. 数据拆分

如果对多个样本进行测序,则下一步是对样本进行拆分。这个过是由zUMIs完成的。需要解析读取以确定与每个单元格相关的样本条形码(sample barcode)。

7. 比对

为了确定reads来自哪个基因,使用传统 STARKallisto/RapMap进行align(对齐)。

8. 定量

重复的 UMI 被去除,只有唯一的 UMI 使用 Kallisto featureCounts 等工具进行定量。结果输出是一个细胞的基因计数矩阵:

单细胞计数矩阵是如何生成的?(二)_第7张图片 计数矩阵

矩阵中的每个值表示来自相应基因的单元格中的读取数。使用计数矩阵,可以探索和过滤数据,只保留高质量的单元格。

参考资料

[1]

alevin: https://salmon.readthedocs.io/en/latest/alevin.html

[2]

umi-tools: https://hbctraining.github.io/scRNA-seq_online/lessons/02_SC_generation_of_count_matrix.html

[3]

zUMI: https://github.com/sdparekh/zUMIs

本文由 mdnice 多平台发布

你可能感兴趣的:(程序人生)