单细胞测序探究小鼠心脏的动态变化

本文主要使用了10x Genomics ，测了超过30,000个细胞，重点发现了一种新的成纤维细胞的亚型，可能在心脏损伤后修复的不同方面具有一定作用。

用cellrange进行的上游分析，关键参数如图所示：

文章中对Pdgfra-GFP+标记的 fibroblast进行了进一步的单细胞测序，总共捕获了16,787个细胞

10x Genomics 通过质控，最终保留了13,331个细胞的profile（其中sham: 5,723，MI-day 3: 3,875，MI-day 7: 3,733）

Fluidigm data

使用Seurat R 包进行聚类和降维，就是用的seurat官方教程的步骤进行分析，没有指明特别更改了哪些参数

如图：具体分类用的marker文章中有详细描述，这里就不赘述了

个人以为以下的1，2两个分析是这篇文章的亮点，图真是漂亮，有兴趣的可以去原文看详细的描述，代码文章也给出了。不说了，我要去观摩学习了~

• 1.用于检测细胞群动态的微分比例分析 (differential proportion analysis; DPA)

• 2.TIP中的细胞 - 细胞通讯分析(Cell-cell communication analysis)

• 3.Cell trajectory analysis

  
  

  
  

这篇文章通过检测total interstitial population (TIP) 和flow-sorted Pdgra-GFP+CD31- fibroblast lineage cells单细胞数据，十分清楚的发现了心脏在不同细胞群之间具有大量的非动力学。个人认为很有启发性的地方是DPA分析，对于研究动态变化给了一个新的方法

往期精彩

如果你对单细胞转录组研究感兴趣，但又不知道如何入门，也许你可以关注一下下面的课程

• 一年一度的生信技能树单细胞线下培训班火热招生
  

• 生信技能树（爆款入门培训课）全国巡讲约你

• 全网第一个单细胞转录组数据分析实战视频教程(预售第二波通知)（线上课程）

• 全国巡讲第9、10站-武汉和成都（生信技能树爆款入门课）（武汉已结束，成都火热报名中）