基于单细胞数据理解细胞变化过程拟时间序列分析详解
单细胞检测技术的发展为我们理解复杂生命体中细胞的组成与各自功能及变化过程提供了强有力的工具。基于单细胞基因表达谱数据，我们可以窥探发育过程中细胞内的调控变化，发现肿瘤微环境中的各类细胞及它们的细胞间交流，理解器官组织中复杂多样的细胞类型。现有单细胞研究是一个从整体到个体，再由个体特征重建整体的过程。在这个过程中，有一些非常有意思的问题是我们希望通过单细胞数据加以理解的，比如，某个组织中，某类细胞的发育生成过程；在不同条件下，细胞的改变过程和命运等等。因此，我们需要通过特定的分析手段实现对数据的分类和还原，并通过数据来勾画出细胞间的变化过程。在这样的背景下，拟时间序列分析（Pseudotime分析）为我们提供了来解决该问题的工具。 拟时间序列分析（Pseudotime分析）的字面意思是通过构建细胞间的变化轨迹来重塑细胞随着时间的变化过程。从具体的分类分析和复杂程度来说，可以分为细胞轨迹分析和细胞谱系分析。 细胞轨迹......阅读全文
基于单细胞数据理解细胞变化过程拟时间序列分析详解
单细胞检测技术的发展为我们理解复杂生命体中细胞的组成与各自功能及变化过程提供了强有力的工具。基于单细胞基因表达谱数据，我们可以窥探发育过程中细胞内的调控变化，发现肿瘤微环境中的各类细胞及它们的细胞间交流，理解器官组织中复杂多样的细胞类型。现有单细胞研究是一个从整体到个体，再由个体特征重建整体的过
基于单细胞数据理解细胞变化过程——拟时间序列分析详解
单细胞检测技术的发展为我们理解复杂生命体中细胞的组成与各自功能及变化过程提供了强有力的工具。基于单细胞基因表达谱数据，我们可以窥探发育过程中细胞内的调控变化，发现肿瘤微环境中的各类细胞及它们的细胞间交流，理解器官组织中复杂多样的细胞类型。现有单细胞研究是一个从整体到个体，再由个体特征重建整体的过
基于单细胞数据理解细胞变化过程—拟时间序列分..（二）
图3 细胞轨迹图（按阶段分类）当然，通过以上的分析结果，我们无法判断出来轨迹的开始，因此无法确定轨迹路线。所以，我们需要结合已有认知，通过函数识别包含时间为零的大多数细胞的状态，绘制拟时间轨迹图：图4 拟时间轨迹图得到上述拟时间轨迹图后，我们就可以根据不同的阶段分类，分别进行分类绘制，得到以下结果
基于单细胞数据理解细胞变化过程—拟时间序列分..（三）
此外，根据细胞类型分类，我们也可以将差异基因沿着拟时间轨迹绘制不同类型细胞基因表达散点图：图8差异基因拟时间表达轨迹图最后，根据拟时间序列轨迹，我们把特征差异基因表达变化进行聚类，以热图形式展示基因的变化过程： 图9 差异基因聚类热图因此，通过拟时间序列分析，我们可实现构建细胞变化轨迹途径，并能找到
基于单细胞数据理解细胞变化过程—拟时间序列分..（一）
单细胞检测技术的发展为我们理解复杂生命体中细胞的组成与各自功能及变化过程提供了强有力的工具。基于单细胞基因表达谱数据，我们可以窥探发育过程中细胞内的调控变化，发现肿瘤微环境中的各类细胞及它们的细胞间交流，理解器官组织中复杂多样的细胞类型。现有单细胞研究是一个从整体到个体，再由个体特征重建整体的过程。
流形学习在单细胞组学数据分析中的运用
以10x Genomics为代表的单细胞组学检测技术的发展，为我们从细胞层面去理解生命体的发育过程，疾病发生和发展过程提供了重要的手段。以单细胞转录组(scRNA-Seq)为例，我们可以发现，单细胞组学数据具有横向细胞数量巨大，纵向数据分布稀疏的特点。因此，针对单细胞数据，从分析的角度提出了巨大
流形学习在单细胞组学数据分析中的运用
以10x Genomics为代表的单细胞组学检测技术的发展，为我们从细胞层面去理解生命体的发育过程，疾病发生和发展过程提供了重要的手段。以单细胞转录组(scRNA-Seq)为例，我们可以发现，单细胞组学数据具有横向细胞数量巨大，纵向数据分布稀疏的特点。因此，针对单细胞数据，从分析的角度提出了巨大
流形学习在单细胞组学数据分析中的运用
以10x Genomics为代表的单细胞组学检测技术的发展，为我们从细胞层面去理解生命体的发育过程，疾病发生和发展过程提供了重要的手段。以单细胞转录组(scRNA-Seq)为例，我们可以发现，单细胞组学数据具有横向细胞数量巨大，纵向数据分布稀疏的特点。因此，针对单细胞数据，从分析的角度提出了巨大
我国学者发表基于单细胞转录组测序数据的小鼠细胞图谱
在国家自然科学基金项目（项目编号：31722027）等资助下，浙江大学医学院干细胞与再生医学中心郭国骥教授团队在单细胞组学技术及哺乳动物全细胞表达谱系分析研究中取得突破性进展。相关成果以“Mapping the Mouse Cell Atlas by Microwell-seq”（利用微孔板测序
我国学者发表基于单细胞转录组测序数据的小鼠细胞图谱
在国家自然科学基金项目（项目编号：31722027）等资助下，浙江大学医学院干细胞与再生医学中心郭国骥教授团队在单细胞组学技术及哺乳动物全细胞表达谱系分析研究中取得突破性进展。相关成果以“Mapping the Mouse Cell Atlas by Microwell-seq”（利用微孔板测序