是否可以根据10X转录组数据来推断基因组CNV信息呢？

有学员问10x的3‘端测序来infer CNV 是否可靠？

这个问题，说实话，很难回答，因为要是能完整回答这个问题，其实就是一篇正经的生物信息学文章了。

而且以前的确有文章这样做，我看到过的文章是是 Comprehensive analysis of immune evasion in breast cancer by single-cell RNA-seq ， 链接是. doi: http://dx.doi.org/10.1101/368605 bioRxiv preprint first posted online Jul. 13, 2018;   就是使用10X转录组数据来推断CNV信息，如下：

那么10X数据跟其它单细胞转录组差异在哪呢？

在我们推荐的各种单细胞转录组技术比较的文章，Ziegenhain et al., 2017, Molecular Cell  http://dx.doi.org/10.1016/j.molcel.2017.01.023 其实提到过：

虽然这篇文章没有比较10X，不过，只要是你的文章足够多，其实很容易想到，因为10X技术出来的单个细胞的reads数量太少，检测到的基因数量太少。

很容易从10X的数据分析报告看出来，10X单细胞转录组数据处理流程在我们单细胞天地有详细介绍：

• 单细胞实战(一)数据下载

• 单细胞实战(二) cell ranger使用前注意事项

• 单细胞实战(三) Cell Ranger使用初探

• 单细胞实战(四) Cell Ranger流程概览

• 单细胞实战(五) 理解cellranger count的结果

报告如下：

显示平均每个细胞的测序数据量是45K条reads。

当然，并不是10x一个技术是这样单个细胞的reads数量太少，检测到的基因数量太少。比如文章：Li et al., Dysfunctional CD8 T Cells Form a Proliferative, Dynamically Regulated Compartment within Human Melanoma, Cell (2019), https://doi.org/10.1016/j.cell.2018.11.043 ：同样的，平均每个细胞也就40K左右的reads数量啦。

比如汤富酬的 A single-cell RNA-seq survey of the developmental landscape of the human prefrontal cortex：

再比如张泽明的 Lineage tracking reveals dynamic relationships of T cells in colorectal cancer：

这跟10X来说，都是数量级的差异。

如果你想让你的 10X达到百万级别的测序量该如何

从40K到1M，需要25倍的扩大，如果从包lane的角度来说，有点太贵了，现在哪怕是Nova-seq，一条lane也得好几千块钱，虽然是10X费用是一个样本2万块钱，但是给一个10X样本测25条lane，就把成本优势给搞没有了。

不过，并不是说推断CNV就一定需要1M的reads，实际上是可以通过模拟不同文库大小数据，来测试什么样的数据量，是可以足够推断CNV的，比如就可以在bulk数据，或者那样的C1数据里面测试。

这个课题，就交给大家了哦。