SC2disease:人类疾病的单细胞转录组的人工收集数据库
SC2disease:人类疾病的单细胞转录组的人工收集数据库
近日,国际权威学术期刊《核酸研究》(Nucleic Acids Research)发表了西北工业大学、西安交通大学、哈尔滨工业大学、复旦大学、天津大学等团队合作开发的首个包含细胞类型特异信息的疾病基因数据库,旨在提供病病例与健康对照之间、病例中不同细胞类型之间以及不同病理程度病例之间基因表达的差异。
单细胞RNA测序(scRNA-seq)技术能够以单个细胞分辨率研究复杂生物的转录组,为科学家提供了一种新的工具来研究细胞在表达模式上的异质性,特别是疾病细胞的异质性。另一方面,scRNA-seq的快速发展为探索疾病微环境中的细胞亚群提供了新的思路,有利于研究疾病的发生、发展、耐药性(2)和免疫逃逸。
scRNA-seq技术已被广泛应用于病例对照研究中差异表达基因的识别以及细胞亚群之间差异的识别。许多研究人员利用scRNA-seq鉴定了疾病中基因表达的特异性,例如识别阿尔茨海默病(老年痴呆)中多个神经元细胞亚群的差异表达基因,识别慢性髓性白血病不同阶段癌症干细胞亚群的分子特征,揭示2型糖尿病患者中细胞类型特异性基因表达的变化,等。
随着scRNA-seq在转录组分析中的广泛应用,已经建立了多个scRNA-seq相关数据库。尽管这些数据库为在单细胞水平上研究不同细胞类型和组织中的基因表达提供了便利,但不同疾病中基因表达特异性的数据库仍属空白。
西北工业大学、西安交通大学与哈尔滨工业大学等团队合作,开发了SC2disease数据库,旨在提供病病例与健康对照之间、病例中不同细胞类型之间以及不同病理程度病例之间基因表达的差异。SC2disease数据库提供了一个用户友好的界面,用于浏览各种感兴趣基因的表达,搜索细胞类型marker,以探索多种疾病的生物标志物,比较疾病和非疾病状态下各种细胞类型的表达谱。总的来说,SC2disease (http://easybioai.com/sc2disease/),是用户探索不同细胞类型、组织和疾病中细胞类型特异性基因的综合资源。
细胞类型特异基因及其在人类疾病中的表达是从出版物中手工提取的。这些出版物是在PubMed中搜索诸如‘single cell sequencing’, ‘single cell sequencing disease’, and ‘10x genomics”等关键词获得的。随后,对其相应的人类疾病、实验组织、细胞类型、显著基因及其表达进行了提取和复验。数据收集过程如下所示。
图1.数据收集过程
我们选择了使用高质量scRNA-seq平台研究人类疾病的文献。 这些文献的原始作者已经开发了用于分析其原始数据的特定pipeline,因此我们将其细胞类型特异性基因的结果手动提取到SC2disease中。 此外,为了提高不同研究之间的可比性,我们设计了统一的pipeline重新分析每个研究的基因表达矩阵。 我们还将这些重新分析的结果也放入SC2disease中。
在当前版本的SC2disease中收集了341种细胞类型和29种组织中与25种疾病有关的基因表达。 这些疾病及其实验组织和细胞类型如图2所示。
图2. SC2disease收集了25种人类疾病的细胞类型特异性基因。从29个组织中提取细胞,共计341种细胞类型
SC2disease中总共记录了946,481个条目。 每个条目包含10个部分,用于描述基因与相关疾病之间的关系。 这10个部分包括疾病名称,实验组织,细胞类型,基因名称,用于描述基因表达的变量名称(log2FC或均值),变量的值,差异表达基因(DEG)的比较,PMID,测序平台和详细信息。 “详细信息”部分包含有关细胞类型,疾病和基因的详细信息。
综上,SC2disease的开发为研究基于scRNA-seq的人类疾病相关细胞类型特异性基因提供了重要支撑。
Cite: SC2diseases: a manually curated database of Single-Cell Transcriptome for human diseases, Nucleic Acids Research, 2020
SC2disease:人类疾病的单细胞转录组的人工收集数据库相关推荐
- 单细胞数据库推荐 | TEDD:人和模式动物组织器官发育单细胞转录组与染色质可及性数据库
近日,香港中文大学和深圳华大生命科学研究院团队合作在Nucleic Acids Research杂志发表了一个全新的人和模式动物组织器官发育单细胞转录组与染色质可及性数据库:TEDD(Temporal ...
- Cell:粟硕/施莽团队利用宏转录组揭示“野味”动物携带和人类疾病密切相关的多种病毒...
2022年2月16日,南京农业大学粟硕教授团队与中山大学医学院施莽教授团队等单位共同合作在Cell杂志上发表题为 "Virome characterization of game anima ...
- 文献(5): 单细胞转录组揭示人类纤维化皮肤病中成纤维细胞的异质性
一句话评价:小样本量单细胞转录组在冷门疾病领域应用前景尚可,常规套路也能发NC 1. Title 标题可以看出本研究的主要内容:①构建成纤维细胞的图谱/揭示成纤维细胞的异质性:②找到一群(相对于正常样 ...
- Nat. Commun. | 从单细胞转录组数据中学习可解释的细胞和基因签名嵌入
本文介绍由加拿大麦吉尔大学与蒙特利尔高等商学院.北京大学.复旦大学的研究人员联合发表在Nature Communications的研究成果:本文作者提出了单细胞嵌入式主题模型scETM(single- ...
- 使用自动和手动方法注释单细胞转录组图谱的指南
目录 摘要 引言 自动注释 Marker-based automatic annotation Reference-based automatic cell annotation 细化自动注释 手动注 ...
- seurat提取表达矩阵_Hemberg-lab单细胞转录组数据分析
单细胞RNA-seq简介 混合RNA-seq2000年末的重大技术突破,取代微阵列表达芯片被广泛使用 通过混合大量细胞获取足够RNA用于建库测序,来定量每个基因的平均表达水平 用于比较转录组,例如比较 ...
- SCS【6】单细胞转录组之细胞类型自动注释 (SingleR)
点击关注,桓峰基因 桓峰基因公众号推出单细胞系列教程,有需要生信分析的老师可以联系我们!首选看下转录分析教程整理如下: Topic 6. 克隆进化之 Canopy Topic 7. 克隆进化之 Car ...
- 单细胞转录组基础知识详解
这篇关于单细胞的综述发表于2017年7月的Molecular Aspects of Medicine,Identifying cell populations with scRNASeq 第一作者是T ...
- 单细胞转录组基本概念(一)
普通转录组的思路也可以应用到单细胞转录组.普通转录组相当于把一群细胞或一个器官混合到一起去提取RNA,获得的是每个细胞中RNA表达量的平均值.单细胞是把每个细胞单独分出来去提取RNA,然后建库测序,获 ...
- Nature Biotechnology | 单细胞转录组不同建库及数据分析方法的测评结果
单细胞转录组技术实现对单个细胞进行详细的转录组分析,其在解析细胞异质性和鉴定新型细胞亚群层面具有独特的优势.目前,该技术已广泛应用于生物医学领域,比如解析肿瘤微环境细胞组成.哺乳动物胚胎发育等. 随着 ...
最新文章
- python 获取主机名 根据端口杀死进程
- 微软称HTML5是IE 9的核心 要尽快淘汰IE 6
- 线上服务CPU100%问题快速定位实战--转
- Tomcat开机启动
- asterisk 配置 mysql_Asterisk的配置详解
- 风雨20年:我所积累的20条编程经验 (转)
- 论文学习19-Structured prediction models for RNN based sequence labeling in clinical text(LSTM_CRF,2016)
- 使用 Warshall(沃舍尔)算法求解关系的传递闭包
- 1-1Pytorch导学
- javascript Event监听
- 人工智能 深度学习(Deep learning)开源框架
- Android 窗口全屏
- jxl读数据库数据生成xls 并下载
- SHELL中使用sed替换文本
- Excel VBA Dictionary excel vba 字典大全
- ireport导出pdf记录
- 调侃:《金枝欲孽》里的职场人生
- 微信小程序云开发之云数据库
- c++程序设计基础-类与对象:类的定义
- 通过singlefile把网页保存到本地
热门文章
- gdiPlus 显示图片缩放不正确的可能解决方案
- clover写入efi_MAC 10.14 安装教程10-基于黑果小兵大神EFI文件的修改过程
- MapStruct 代码生成器
- 30天自己制作操作系统中二进制编辑器BZ-1621
- 智能算法之免疫算法求解TSP问题
- jetson用什么编译器_TK1入门教程软件篇-安装Nsight
- 室内定位发展趋势分析
- 用程序找出计算机c盘内容,电脑C盘空间空间清理方法
- python中模运算_Python中的模运算
- MacOS Ventura 13.0 Beta6 (22A5331f) 带 OC 0.8.4 三分区原版黑苹果镜像