單細(xì)胞轉(zhuǎn)錄組交流群有小伙伴鞭尸了這樣的一個(gè)單細(xì)胞文章，標(biāo)題是：《Single-cell multiomics revealed the dynamics of antigen presentation, immune response and T cell activation in the COVID-19 positive and recovered individuals》，我看了看，是 December 2022 發(fā)表，并不算是很老的單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)集?？梢钥吹皆撐墨I(xiàn)的數(shù)據(jù)集鏈接是：https://www.ncbi.nlm./geo/query/acc.cgi?acc=GSE201088
是 人的PBMC樣品，Healthy (n = 4), COVID-19 (n = 16) and recovered (n = 13) ，這個(gè)單細(xì)胞轉(zhuǎn)錄組技術(shù)起初看起來(lái)是很高級(jí) ，是BD single cell multiplexing kit (Human) ，包括：
a pool of 40 oligo-attached antibody for surface markers (Ab-Seq). A poly-A transcripts library (WTA), Ab-Seq library and library from oligos of Sampe multiplexing kit (SMK) 然后，我看了看文章里面的降維聚類分群結(jié)果， 真的是一言難盡?。?/strong>
一言難盡的UMAP圖 圖例很清楚，是 (B) UMAP visualization of the 124726 cells across the healthy, active COVID-19 and the recovered individuals.
但是如果你僅僅是從它文章里面的描述來(lái)看，又不能保證它文章數(shù)據(jù)處理是否有錯(cuò)誤??！
文章數(shù)據(jù)處理是否有錯(cuò)誤？ 我去該文獻(xiàn)的數(shù)據(jù)集鏈接里面找到了它的表達(dá)量矩陣文件，很有意思的是需要去了解一下BD單細(xì)胞轉(zhuǎn)錄組技術(shù)的表達(dá)量矩陣情況：
17M Apr 20 2022 GSM6050537_Combined_B1_RSEC_MolsPerCell.csv.gz如果你讀取任意一個(gè)文件，就可以看到里面首先是有a pool of 40 oligo-attached antibody for surface markers (Ab-Seq).的表達(dá)量矩陣：
image-20231001004536888 然后還有兩萬(wàn)多個(gè)基因的表達(dá)量矩陣，理論上這兩個(gè)矩陣應(yīng)該是獨(dú)立各自的下游降維聚類分群哈。
學(xué)徒作業(yè) 上面的BD單細(xì)胞轉(zhuǎn)錄組應(yīng)該是首先要區(qū)分Ab-Seq和WTA兩個(gè)矩陣，各種獨(dú)立降維聚類分群分析，大家試試看！
Smart-seq2和10x這兩個(gè)單細(xì)胞技術(shù)是現(xiàn)在初學(xué)者進(jìn)入單細(xì)胞領(lǐng)域最需要掌握的，它們代表著單細(xì)胞的兩個(gè)全然不同的發(fā)展策略。絕大部分的技術(shù)原理介紹會(huì)從 單細(xì)胞懸浮液制備到測(cè)序細(xì)節(jié)面面俱到，其實(shí)并不那么的初學(xué)者友好。這里給推薦一個(gè)高度精煉的綜述，這個(gè)綜述于2020年9月發(fā)表在 《Experimental & Molecular Medicine》雜志，標(biāo)題是：《Single-cell sequencing techniques from individual to multiomics analyses》，鏈接是：https://www./articles/s12276-020-00499-2
smart-seq2技術(shù)依賴于C1這個(gè)儀器，每次都是96個(gè)細(xì)胞一起測(cè)序，每個(gè)細(xì)胞的測(cè)序量這個(gè)綜述可能是寫錯(cuò)了，應(yīng)該是1M-10M為佳，不太可能是100-1000個(gè)M，最重要的是它是整個(gè)RNA分子的全長(zhǎng)測(cè)序，每個(gè)細(xì)胞都是獨(dú)立的測(cè)序。 但是10X呢，每次可以測(cè)好幾千的細(xì)胞，每個(gè)細(xì)胞只需要5-10K的reads，而且僅僅是測(cè)RNA分子的一段即可，全部的細(xì)胞都混合在一起，雖然說(shuō)有barcode可以區(qū)分。 文末友情宣傳 強(qiáng)烈建議你推薦給身邊的博士后以及年輕生物學(xué)PI ，多一點(diǎn)數(shù)據(jù)認(rèn)知，讓他們的科研上一個(gè)臺(tái)階：
