设计类网站建设规划书,仿百度百家模板wordpress主题,vs网站制作教程,软件拉新推广平台在单细胞分辨率下识别基因调控网络#xff08;GRNs#xff0c;gene regulatory networks#xff09;一直是一个巨大的挑战#xff0c;而单细胞多组学数据的出现为构建GRNs提供了机会。
来自#xff1a;Unsupervised construction of gene regulatory network based on si…在单细胞分辨率下识别基因调控网络GRNsgene regulatory networks一直是一个巨大的挑战而单细胞多组学数据的出现为构建GRNs提供了机会。
来自Unsupervised construction of gene regulatory network based on single-cell multi-omics data of colorectal cancer 目录前置内容背景介绍方法数据收集和组织细胞类型标注构建GRNs前置内容
DNA没有功能。 它包含一组指令instructions这些指令必须先转化为RNA然后再转化为蛋白质。在大多数情况下我们可以将 RNA 视为 DNA 和蛋白质之间的信使messenger。DNA由包含如何制造蛋白质指令的基因组成。蛋白质负责在细胞中执行生物功能例如代谢葡萄糖为细胞产生能量。一般来说人体内的每种蛋白质都由一个基因编码。
注意基因不是蛋白质而是DNA序列的一部分可以编码蛋白质。基因是生物体内遗传信息的基本单位包含了一系列的DNA序列其中编码了蛋白质所需的氨基酸序列信息。基因通过转录作用将DNA序列转录成RNA分子然后再通过翻译作用将RNA分子翻译成蛋白质。因此基因可以被视为控制生物体内蛋白质合成的遗传信息的存储和传递的基本单位。
调控因子是指能够调控基因表达的蛋白质或其他分子。它们作为转录因子或其他类型的调控分子可以结合到基因组的某些区域例如启动子或增强子来激活或抑制基因的转录。调控因子在细胞分化、发育和应对环境变化等生物学过程中发挥重要作用。在复杂的生物系统中调控因子通常以复杂的网络形式相互作用共同调控基因表达。
背景介绍
结直肠癌是威胁人类生命健康的主要癌症之一在所有癌症中排名前五发病率和死亡率仍在增长。然而阐明生物分子之间复杂的调控关系对结直肠癌的治疗具有重要的研究意义。
基因调控网络GRN由调控因子regulatory factors和靶基因target genes组成。最常见的调控因子是转录因子transcription factors它可以通过控制复杂的细胞内相互作用来决定细胞的表型和命运。一旦调节过程发生变化就会导致疾病出现。例如如果AREG在GRN中高水平表达则该组织很有可能是结直肠癌样本。因此准确构建GRN可以有效地提高我们对驱动细胞类型和特定基因表达的调控机制的理解。 AREG是基因虽然AREG编码的蛋白质可以作为一种信号分子参与调控但在基因级别上AREG本身是一个基因而不是调控因子。 在单细胞多组学数据中同一组样本可以获得不同分子过程的全基因组数据如转录组、表观基因组等组学数据。这些数据为单细胞分辨率下的疾病研究提供了多种模态信号可以更准确、系统地分析临床疾病的发病机制识别疾病的重要治疗靶点。
为了更好理解基因调控机制近年来开发了多种算法得到GRNs。目前算法大多基于单一组学数据然而现有研究表明整合多种组学技术的数据可以显著提高医疗机构预测患者临床结果的准确性。基于多组学识别GRNs的研究比较少比如LinkedSOMs这些方法往往复杂度过高。因此开发一种基于多组学数据的低复杂度策略对于探索GRNs至关重要。
方法
数据收集和组织
作者使用的所有数据集都是从具有相同基因集的公开数据库中下载的。scRNA-seq数据GEND0000352018年11月29日公开来自Gene Expression Nebulas database其中包含1150例人类结直肠癌癌症样本。scATAC-seq数据GSE2013362022年4月28日公开来自Gene Expression Omnibus database包含6例人类结直肠癌癌症样本。
对于scATAC-seq数据Trimmomatic被用于移除低质量碱基FastQC用于质量控制。应用Bowtie2将reads与参考基因组hg19进行对齐所有样本的对齐率92%。BedTools根据染色体的位置计算基因符号scATAC-seq数据维度为8097×6scRNA-seq数据维为8097×1150。其中8097代表对齐的基因。
细胞类型标注
scATAC-seq提供了染色质可及性的信息并揭示了单个细胞中基因的转录活性。直观地说基因的转录活性和表达值之间的分布是一致的。在这项工作中scATAC-seq和scRNA-seq从左到右连接通过连接获得的多组学数据的维数为8097×1156。首先去除在少于三个样本上表达的基因和在少于200基因上表达的样本记为X∈RM×NX\in R^{M\times N}X∈RM×N其中MMM和NNN代表基因和样本。xjix_{ji}xji代表第jjj个基因处第iii个样本的表达值。使用下式进行标准化log(10000×∑j1ML(xji≠0)M)log(10000\times\frac{\sum_{j1}^{M}L_{(x_{ji}\neq 0)}}{M})log(10000×M∑j1ML(xji0))SingleR用于对标准化后的数据进行细胞类型注释。注释结果显示大部分细胞是上皮细胞epithelial cells少数是星形胶质细胞astrocytes。上皮细胞用于随后的分析星形胶质细胞被过滤掉t-SNE可视化如图1A所示。
图1A样本的t-sne可视化。图1B所有样本的CNV颜色的变化表示CNV的degree方框表示CNV更显著的区域。图1C截取了五类样本的CNV得分分布以及得分500的样本进行下游分析。
CNVcopy number variation是由基因组重排引起的导致DNA片段拷贝的增加或丢失这种现象在癌症中普遍存在。因此使用inferCNV分析上皮细胞的CNV分析结果如图1B所示。图中的黑框显示大多数细胞的拷贝数增加或减少但少数细胞没有显著的CNV。因此为了挑选具有显著拷贝的细胞作者使用k-means将上皮细胞分为五个组分析每组细胞的CNV分数。并过滤得分500的样本。具体计算如下
数据被缩放为[−1,1][-1,1][−1,1]的X′XX′其中ximaxx_{i_{max}}ximax和ximinx_{i_{min}}ximin分别是第iii个样本中所有基因表达的最小值和最大值Xi′2×xji−ximinximax−ximin−1,i1...N,j1...MX_{i}2\times\frac{x_{ji}-x_{i_{min}}}{x_{i_{max}}-x_{i_{min}}}-1,i1...N,j1...MXi′2×ximax−ximinxji−ximin−1,i1...N,j1...M计算CNVCNVisum(Xi′)2,i1...NCNV_{i}sum(X_{i})^{2},i1...NCNVisum(Xi′)2,i1...N其中CNViCNV_{i}CNVi代表第iii个样本的CNV得分。这五组数据的CNV得分分布如图1C所示。其中CNV得分500的8个样本被认为是正常样本其余497个样本被视为具有更显著拷贝数的样本。这497个样本的表达矩阵被提取用于下游GRN分析。
构建GRNs
构建GRN有两个主要步骤。首先使用无监督人工神经网络自组织映射SOM将所有基因映射到不同的神经元参考机器学习笔记本第三十三课一些经典的优化策略与神经网络变种其中每个神经元代表一个基因集。SOM可以保存输入空间的拓扑结构并将相似的基因映射在一起从而确保这组基因的功能高度相似这对于后续构建调控网络至关重要。其次pySCENIC用于计算转录因子并调节每组基因。pySCENIC的创新之处在于引入转录因子基序序列以验证通过统计方法推断的基因共表达网络从而识别出由转录因子主导的高度可靠的GRN。 在TF-靶基因转录因子-靶基因图中比如
从数据上它们都来自于scRNA-seq三角形是一个节点其实属于scRNA-seq中的某个基因但在这个图中它代表该基因编码的蛋白这个蛋白是对靶基因有调控关系的转录因子。
