GeoTyper：从原始 scRNA-Seq 数据到细胞类型识别的自动化流程
基因组学
2022-05-04 v1
摘要
肿瘤微环境的细胞组成可直接影響癌症进展及治疗疗效。理解癌细胞邻近区域内免疫细胞活动这一机体天然防御机制，对于开发有益疗法至关重要。单细胞 RNA 测序（scRNA-seq）能够在单个细胞水平上检测基因表达，提供关于癌症所致细胞功能异常及肿瘤微环境中细胞间通讯的关键信息。该新技术产生大量数据，需要恰当处理。现有多种工具可辅助此处理过程，但需加以组织以标准化从数据整理到可视化、细胞类型识别及细胞活动变化分析的工作流，且须兼顾恶性细胞与清除它们的免疫基质细胞两方面。我们旨在开发一个标准化流程（GeoTyper，https://github.com/celineyayifeng/GeoTyper），整合多种 scRNA-seq 工具，用于处理从 NCBI GEO 提取的原始序列数据、结果可视化、统计分析及细胞类型识别。该流程利用现有工具（如 10X Genomics 的 Cellranger、Alevin 与 Seurat）基于基因表达谱对细胞聚类并识别细胞类型。我们在多个公开 scRNA-seq 数据集上成功测试并验证了该流程，获得了对应于不同细胞类型的聚类。通过确定多种癌症中肿瘤微环境的细胞类型及其各自频率，该工作流将有助于量化与细胞间通讯相关的基因表达变化，并识别潜在治疗靶点。
引用
@article{arxiv.2205.01187,
title = {GeoTyper: Automated Pipeline from Raw scRNA-Seq Data to Cell Type Identification},
author = {Cecily Wolfe and Yayi Feng and David Chen and Edwin Purcell and Anne Talkington and Sepideh Dolatshahi and Heman Shakeri},
journal= {arXiv preprint arXiv:2205.01187},
year = {2022}
}
备注
6 pages, 3 figures, IEEE conference