乳腺癌单细胞数据深度解析:从亚群聚类到轨迹重构的全流程实战
在肿瘤微环境研究中,单细胞测序技术正以前所未有的分辨率揭示着细胞异质性的奥秘。当我们聚焦乳腺癌(BRCA)这类高度异质性的恶性肿瘤时,单细胞数据分析不仅能精确定义肿瘤微环境中的细胞亚群,更能通过伪时序分析揭示细胞状态转变的动态过程。本文将带您深入七个关键分析环节,从数据预处理到功能解析,完整呈现如何通过R语言生态中的Seurat和monocle等工具链,挖掘临床样本中隐藏的生物学故事。
1. 数据预处理与质量把控
1.1 Seurat对象标准化处理
原始单细胞数据通常以稀疏矩阵形式存储,我们需要先构建标准的Seurat对象:
library(Seurat)
brca_data <- Read10X(data.dir = "filtered_feature_bc_matrix")
brca <- CreateSeuratObject(counts = brca_data,
project = "BRCA_scRNA",
min.cells = 3,
min.features = 200)
关键质量控制指标需要特别关注:
| 指标 | 阈值建议 | 生物学意义 |
|---|---|---|
| 每个细胞的基因数 | >500 | 排除低质量细胞或空液滴 |
| 线粒体基因占比 | <20% | 控制细胞活性状态 |
| UMIs总数 | 500-25000 |
231



被折叠的 条评论
为什么被折叠?



