单细胞测序技术在植物中的应用研究进展

为了探究单细胞测序技术在植物中的应用，综述了单细胞测序技术发展概况、原理、测序技术流程及其在植物中的应用研究，为今后系统全面地开展植物单细胞测序提供理论依据。     

基于生成对抗网络的scRNA-seq批次效应校正方法

单细胞转录组测序是一种在单细胞水平上测量基因表达的技术，已经广泛应用于生命科学研究领域.由于实验条件、技术平台、样本来源等因素的差异，单细胞转录组数据的批次效应会影响数据的可靠性和准确性.因此，批次效应校正是单细胞转录组数据分析的一个重要预处理步骤.提出了一种基于生成对抗网络的单细胞转录组测序数据批次效应校正算法scBCMGAN,结合自编码器和零膨胀负二项分布等对数据进行重构，在潜在层部分通过生成对抗网络使目标批次数据向源批次数据进行学习，达到校正批次效应的目标.实验结果表明该方法在真实数据集上具有显著优势，能够有效校正批次效应，且校正后数据适用于下游分析.     

基于生物信息学构建前列腺癌单细胞层面lncRNA-miRNA-mRNA调控网络

利用生物信息学筛选差异表达基因(Differentially Expressed Genes, DEGs),构建前列腺癌(Prostate Cancer, PCa)单细胞层面lncRNA-miRNA-mRNA调控网络,在分子水平上研究前列腺癌的发生发展过程及预后指标。首先从基因表达综合数据库(GEO)和癌症基因组图谱(TCGA)数据库分别下载单细胞RNA测序数据GSE157703和转录组测序数据TCGA-PRAD,通过R语言筛选差异表达信使RNA(DEmRNA)和差异表达长非编码RNA(DElncRNA),利用相关软件预测并构建lncRNA-miRNA-mRNA调控网络;然后使用R语言进行基因本体论(Gene Ontology, GO)和京都基因与基因百科全书(Kyoto Encyclopedia of Genes and Genomes, KEGG)分析,运用STRING数据库、Cytoscape软件建立蛋白相互作用网络,同时对单细胞RNA测序数据进行质控、降维、聚类和分群,构建单细胞层面的lncRNA-miRNA-mRNA调控网络;最后进行生存分析,通过人类蛋白质图谱进行验证。结果...     

癌症单细胞数据拷贝数变异检测方法

随着单细胞测序数据的异质性优势在癌症研究中的逐渐体现，现有拷贝数变异检测方法在检测单细胞数据时效果差的问题亟待解决。提出一种新的单细胞数据拷贝数变异检测方法（FL-CNV），通过动态窗口划分及数据估算对变异区间进行范围估计和断点确定，以明确拷贝数变异的断点位置和变异类型。所提方法突破了现有检测方法在单细胞数据上的局限性，对其检测效果在模拟数据和真实数据上进行了实验验证。结果表明：与现有方法相比，本文所提方法能显著提高拷贝数变异检测的精度和敏感度，且所得结果与比较基因组杂交（array-based comparative genomic hybridization，aCGH）的拷贝数变异进行了相关性验证，具有更高的可信度。     

单细胞RNA测序数据分析方法研究进展

[目的]综述当前单细胞RNA测序数据分析的关键流程和环节,介绍完成不同分析任务所需的代表性方法及流行的工具.[方法]通过调查文献调研,总结了当前单细胞RNA测序数据分析的流程和代表性工具.[结果]许多针对单细胞RNA测序数据的分析流程和工具被陆续开发出来,用于从海量数据中发掘生物学知识,进而揭示复杂疾病或表型背后潜在的分子机制.[结论]单细胞RNA测序在生命科学研究中扮演了极为重要的角色,良好的数据分析策略是决定能否有效揭示单细胞表达谱数据背后蕴含生物学信息的关键环节.目前单细胞RNA测序数据分析步骤和工具方法繁多,研究者应根据实际场景选择合适准确的分析方法与工具.     

单细胞测序技术及其应用综述

单细胞测序（Single Cell Sequencing,SCS）是下一代测序（Next Generation Sequencing,NGS）方法,主要用于分析细胞之间遗传和蛋白质信息的差异,获取单细胞水平的基因组序列信息,并更好地了解它们在微环境中的具体作用.介绍了SCS的原理和步骤,详细阐述了其单细胞分离方法、核酸扩增和高通量测序类型以及数据分析流程,为理解和设计合适的SCS项目方案并进行数据分析提供了参考.总结了单细胞测序在早期胚胎学、免疫学、肿瘤学、微生物学、神经生物学和干细胞研究等领域的应用并进行展望,有助于更全面地了解SCS的应用情况与发展趋势.     

拟南芥花粉单细胞转录组分析

为了深入探究花粉基因表达的规律，应用单细胞技术对拟南芥花粉细胞进行了单细胞转录组测序.花粉单细胞RNA-seq结果表明，与叶片转录组相比，成熟花粉中大部分基因表达较低，可能与花粉转录沉默有关.花粉中富集果胶代谢、细胞骨架和钙信号转导等通路，与细胞壁形成和花粉管生长相关.花粉还富集组蛋白甲基化因子，说明花粉中存在表观遗传学调控.应用RT-PCR鉴定出6个花粉特异性表达且功能未知的基因，其中大多数为十字花科特有.总之，本研究精确定量了花粉细胞的基因表达谱，揭示出拟南芥花粉转录组的复杂性和独特性.     

单细胞RNA序列数据的PBMC相关细胞的识别

细胞类型鉴定是单细胞RNA测序的主要任务之一.针对整个问题,提出基于随机森林的细胞类型自动识别(automatic identification of cell type based on random forest, AICTRF)方法来识别单细胞测序数据中的细胞类型,该方法使用随机森林分类模型进行训练,根据训练的模型进而预测未知的细胞类型.在人类外周血单核细胞(PBMC)测序数据集上训练了随机森林分类模型,利用该模型预测了人类PBMC中B细胞的相关亚型细胞类型.实验结果表明,该方法可以帮助相关研究人员快速而有效地自动识别单细胞测序数据中的细胞类型.     

基于对比学习的单细胞转录组测序数据聚类模型

单细胞转录组测序技术(single-cell RNA sequencing, scRNA-seq)的快速发展为分析生物数据提供了有力支持.对scRNA-seq数据进行聚类分析，能够发现潜在的细胞亚型并研究细胞的异质性.但由于scRNA-seq数据存在高维性、高稀疏性以及dropout事件等问题，为聚类分析带来了挑战.提出一种基于对比学习的聚类方法，假设数据服从零膨胀负二项分布，应用自编码器框架学习细胞的表示.实验结果表明提出的方法在真实数据集上有优越的性能，在不同规模的数据集上具有良好的可扩展性.     

利用遗传追踪绘制细胞命运谱系的研究进展

重建生物体组织和细胞之间谱系关系并绘制细胞命运图谱,一直是生物学要解决的基本问题之一。传统的谱系追踪通过直接观察,追踪少数细胞的分裂分化过程并绘制细胞命运图谱。随着分子生物学和高通量单细胞RNA测序（single cell RNA-seq,scRNA-seq）技术的发展,人们能够对多达数百万个单细胞的基因表达水平分别进行测序,实现了成体组织和胚胎发育过程中细胞命运图谱的绘制。文章回顾了谱系追踪技术的发展,探索了最新的研究成果,并讨论了存在的问题以及未来的发展潜力。     

单细胞转录组测序在肿瘤研究中的应用进展

单细胞RNA测序(scRNA-seq)是一种在单细胞水平上分析复杂组织转录的技术,可以识别单细胞基因组突变引起的差异基因表达,以及新的细胞特异性标记和细胞类型.在肿瘤研究的各个方面,scRNA-seq起着重要的作用.利用49篇文献综述了scRNA-seq的原理,重点是scRNA-seq在肿瘤异质性、发病机制和治疗中的应...     

单细胞RNA-seq数据缺失元素补全算法

基于非负矩阵分解模型, 提出一种新的数据补全算法. 该算法通过循环遍历确定最佳构造矩阵和rank值, 解决了单细胞转录组测序(RNA-seq)数据中存在缺失值的问题,  避免了由于单细胞测序深度不足对细胞分型分析的影响. 在慢性粒细胞白血病单细胞测序数据上的实验结果表明, 由补全算法恢复缺失值后的细胞分型更清晰, 验证了该算法的有效性.     

单细胞RNA-seq数据缺失元素补全算法

基于非负矩阵分解模型, 提出一种新的数据补全算法. 该算法通过循环遍历确定最佳构造矩阵和rank值, 解决了单细胞转录组测序(RNA-seq)数据中存在缺失值的问题,  避免了由于单细胞测序深度不足对细胞分型分析的影响. 在慢性粒细胞白血病单细胞测序数据上的实验结果表明, 由补全算法恢复缺失值后的细胞分型更清晰, 验证了该算法的有效性.     

一种基于集成学习策略的单细胞转录组数据集成分类算法

针对单细胞转录组数据上细胞分类准确率较低的问题,提出一种新的细胞集成分类算法.该方法能充分利用不同分类模型的优点,降低单细胞数据的分类误差.分别在慢性粒细胞白血病单细胞测序数据和三阴性乳腺癌单细胞测序数据两个不同数据集上进行实验验证,实验结果表明,由集成算法划分的细胞分类更清晰准确,验证了该算法的有效性.     

大规模单细胞转录组测序数据的聚类方法比较

单细胞转录组测序(single-cell RNA-sequencing, scRNA-seq)数据具有高稀疏性、高噪声、高维度、结构信息和位置信息缺乏等特点,且数据规模迅速增大,使得单细胞聚类面临较大的挑战。为便于对不同的scRNA-seq数据选择合适的分析方法,本研究对scRNA-seq数据的质量控制、基因选择和聚类等方法进行比较分析。首先,分析质量控制中过滤和归一化的方法及其阈值设置;然后,从模型因子、测序技术、方法局限性和优势等方面,对6种典型的基因选择方法进行比较;最后,详细阐述6种典型的单细胞聚类方法,并分析其适用的数据规模和优缺点。收集14个带有真实标签的金标准scRNA-seq数据集,包括5个全长测序数据集和9个双端测序数据集,其中5个数据集包含的细胞数大于3 000个,对6种典型的基因选择方法和6种单细胞聚类方法进行实验比较,分析它们在识别高差异基因时和在聚类性能上的差异。结果发现,不同的基因选择方法在Adam和Wang＿Lung数据集分别可以检测到182个和124个共有基因,以及一些独有基因。此外,Seurat、SC3、Monocle 3和scDeepCluster的...     

单细胞RNA测序数据插补方法综述

单细胞RNA测序（scRNA-seq）数据插补方法用于解决scRNA-seq数据观测中存在的大量“漏失”（dropout）噪音，改善下游分析，scRNA-seq数据插补方法设计是单细胞数据研究的热点方向之一.本文首先对20种主要的scRNA-seq数据插补方法进行介绍，包括基于模型的插补方法（6种）、基于平滑的插补方法（3种）、基于深度学习的插补方法（8种）和基于低秩矩阵的插补方法（3种），分析了各类方法的优势和缺点；其次，简要综述了插补方法比较研究的相关成果；然后，针对4种下游数据分析评估了以上方法（除scGNN外）的性能；最后，分析目前scRNAseq插补所面临的挑战，并指出新的研究方向.     

基于单细胞RNA测序数据的基因调控网络推断算法综述

通过基因表达的变化可以推断基因调控网络.单细胞RNA测序（scRNA-seq）为推断细胞周期或分化等时间依赖性生物过程的基因调控网络提供了新的可能性,基于scRNA-seq数据的基因调控网络推断算法成为一个相对活跃的研究方向.本文首先对26种基因调控网络推断算法进行介绍,包括3种针对批量RNA测序数据的推断算法和23种针对scRNA-seq数据的推断算法（基于布尔网络的算法2种、基于微分方程的算法3种、基于伪时序基因相关性集成策略的算法5种、基于共表达基因的算法4种、基于细胞特异性的算法3种、基于深度学习的算法6种）,详细描述了每类算法的方法原理和算法优缺点,对算法进行综合比较;然后分析了推断算法比较研究的相关成果,并使用scRNA-seq数据简单评估了26种算法的性能;最后探讨当前基因调控网络推断算法面临的机遇与挑战.     

基于改进的大间隔最近邻胰腺单细胞分类方法

【目的】细胞类型鉴定是单细胞RNA测序的关键步骤之一，存在单细胞RNA测序数据分类准确率较低及各细胞类型距离特征度量不足的问题。【方法】提出一种基于多相似性损失函数(Multi Similarity Loss, MSL)的大间隔最近邻(Large Margin Nearest Neighbor, LMNN)单细胞分类方法。多相似性损失从多个角度衡量相似性，解决了LMNN算法的三元组损失函数训练样本较小时样本对之间关系利用率不高的问题，从而提升单细胞分类效果。【结果】在胰腺单细胞数据集baron＿human和segerstolpe上的实验表明，基于MSL-LMNN的分类准确率高于主要度量学习方法，而且与随机森林结合的准确率达到0.96,较现有单细胞分类方法有所提升。【结论】提出的MSL-LMNN能够准确有效地识别胰腺单细胞测序数据细胞类型，具有一定的应用价值。     

我国单细胞技术发展态势分析

[目的/意义]近年来,我国单细胞技术发展迅速,取得了许多突破性创新成果.全面了解我国单细胞技术发展态势,能为国家在单细胞技术领域的发展布局和战略规划提供参考.[方法/过程]通过科学计量与基金分析相结合的方法,对我国2009-2019年间单细胞技术相关的研究论文、专利和国家自然科学基金项目数据进行分析,系统呈现我国单细胞...     

灰树花菌（Griflola frondosa）子实体原基转录组测序及分析

采用Illumina测序平台对灰树花菌（Griflola frondosa）原基进行转录组测序,获得了大量转录组信息.结显示果,测序得到38 189个非冗余Unigene,在Nr数据库中有31 454个Unigene被注释;与KEGG数据库比对,共有1 832个Unigene被注释,分属20条生物通路;在COG数据库中注释可划分为25类;与GO数据库进行注释可分为分子功能、细胞组分和生物过程3个主类和60个二级亚类.