scRNA-seq整合简介
对两个或两个以上单细胞数据集的整合分析提出了独特的挑战。特别是,在标准工作流下,识别存在于多个数据集中的基因可能存在问题。Seurat v4 包括一组方法,以匹配(或"对齐")跨数据集共同的基因。这些方法首先识别处于匹配生物状态的交叉数据集对("锚点"),既可用于纠正数据集之间的技术差异(即批次效应校正),又可用于对整个实验条件进行比较scRNA-seq分析。
下面,我们演示ScRNA-seq 整合的方法,在ctrl或干扰素刺激状态[1]下对人体免疫细胞 (PBMC) 进行比较分析。
以下教程旨在为您概述使用 Seurat 集成程序可能的复杂细胞类型的比较分析。在这里,我们讨论几个关键目标:
创建"整合"数据,用于下游分析
识别两个数据集中存在的细胞类型
获取在对照和刺激细胞中保守的细胞类型标记
比较数据集,找到细胞类型对刺激的特定反应
为了方便起见,我们通过我们的SeuratData[2]包分发此数据集。