Process / pipelineBioinformatics / omics

Tek hücre RNA-seq Analizi — scRNA-seq

Single-cell RNA Sequencing Analysis · Ayrıca şöyle bilinir: scRNA-seq, single-cell transcriptomics, scRNAseq analysis, single-cell gene expression profiling

Tek hücre RNA dizileme (scRNA-seq) analizi, gen ifadesini bireysel hücre çözünürlüğünde karakterize ederek, toplu transkriptomikte görünmeyen hücre tiplerinin, durumlarının ve geçişlerinin keşfedilmesini sağlar. Ham dizileme okumalarından başlayarak, iş akışı bir hücre-gen sayım matrisi üretir ve kalite kontrolü, normalizasyon, boyut indirgeme, denetimsiz kümeleme, hücre tipi annotasyonu ve yörünge çıkarımı ve hücre popülasyonları arasındaki diferansiyel ifade gibi bir dizi aşağı akış analizi yoluyla ilerler.

Araçlar & kaynaklar

Slaytları indir

Öğren & keşfet

Tam yöntemi oku

Yalnızca üyeler

Bu bölümü okumak için ücretsiz hesapla giriş yapın.

Giriş yap

Yöntem haritası

İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.

Tek hücre RNA-seq Analizi

Gen Kümesi Zenginleşme A…Yol Zenginleştirme Anali…RNA-seq Diferansiyel İfa…Tek Hücreli eQTL Analizi Hücresel çözünürlükte te…Bayesçi RNA-seq Diferans…ChIP-seq Peak Calling Diferansiyel Tek Hücre R…eQTL Analizi Makine Öğrenmesi Destekl…

+18 tane daha

Ne zaman kullanılır

Biyolojik sorunun hücresel heterojenliğin çözülmesini gerektirdiği durumlarda scRNA-seq analizini kullanın — örneğin, bir dokudaki nadir hücre popülasyonlarını tanımlamak, hastalık ve sağlıklı kontrol grupları arasında hücre tipi kompozisyon değişikliklerini haritalamak veya gelişimsel yörüngeleri yeniden yapılandırmak. Toplu RNA-seq'in ilgi sinyalini karışık hücre tipleri üzerinden ortalama alarak gizleyeceği durumlarda uygundur. Sorunun yeterli biyolojik tekrarlamayla popülasyon düzeyinde ortalama ifadeyle ilgili olduğu ve tek hücre çözünürlüğüne gerek duyulmadığı durumlarda scRNA-seq kullanmayın — bu durumda toplu RNA-seq daha uygun maliyetli, istatistiksel olarak daha sağlam ve yorumlanması daha kolaydır. Ayrıca, girdi materyalinin tek hücre ayrılması için yetersiz olduğu durumlarda da uygun değildir (dondurulmuş veya lifli dokular için tek çekirdek RNA-seq'i bir alternatif olarak düşünün).

Güçlü yönler & sınırlılıklar

Güçlü yönler

Toplu yöntemlerin göremediği hücresel heterojenliği çözer, nadir ve yeni hücre tiplerinin keşfedilmesini sağlar.
Diferansiyasyon gibi sürekli biyolojik süreçleri modellemek için yörünge ve sözde zaman çıkarımını etkinleştirir.
Yüksek ölçeklenebilirlik: modern damlacık tabanlı platformlar rutin olarak deney başına on binlerce ila milyonlarca hücreyi profiller.
Aynı hücreler içinde çok modlu uzantılarla (protein için CITE-seq, kromatin için ATAC-seq) uyumludur.
Aktif topluluk desteğiyle olgun, iyi belgelenmiş bir yazılım ekosistemi (Seurat, Scanpy/AnnData).

Sınırlılıklar

Sadece transkripsiyonun bir anlık görüntüsünü yakalar; mRNA bolluğu her zaman protein seviyelerini yansıtmaz.
Ayrışma stresi, sağlam dokuda bulunmayan yapay sinyaller oluşturan gen ifadesini değiştirebilir.
Hücre başına dizileme derinliği, toplu RNA-seq'e kıyasla sığdır, düşük ifade edilen genlerin tespitini sınırlar.
Çoklu örnek diferansiyel bolluk ve ifade analizleri dikkatli sözde toplu yaklaşımlar gerektirir; naif hücre seviyesi testleri istatistiksel olarak anti-konservatiftir.
Maliyet ve hesaplama talepleri, özellikle ölçekte, toplu RNA-seq'ten önemli ölçüde daha yüksektir.

SSS

scRNA-seq, toplu RNA-seq'ten nasıl farklıdır?

Toplu RNA-seq, bir numunedeki tüm hücrelerin ortalama ifadesini ölçer ve heterojenliği maskeler. scRNA-seq, her hücreyi bireysel olarak profiller ve farklı hücre tiplerini, durumlarını ve nadir popülasyonları ortaya çıkarır. Ortalama ifade ve biyolojik tekrarlama hedeflendiğinde toplu RNA-seq tercih edilir, çünkü daha düşük maliyetle daha derin gen başına kapsama sağlar ve diferansiyel ifade için istatistiksel olarak daha basittir.

Kaç hücre dizilemem gerekiyor?

Gerekli hücre sayısı biyolojik soruyu bağlıdır. Yaygın hücre tiplerini (%5'ten fazla) yakalamak genellikle 3.000-5.000 hücre gerektirir. Nadir popülasyonları (%1'den az) tespit etmek 20.000-50.000 veya daha fazla hücre gerektirebilir. Pilot deneyler ve güç hesaplayıcıları (örn. Howmanycells), tam dizileme maliyetlerine bağlı kalmadan önce çalışma tasarımına rehberlik edebilir.

Seurat ve Scanpy arasındaki fark nedir?

Seurat bir R paketidir ve Scanpy bir Python paketidir; her ikisi de aynı temel analitik işlem hattını (normalizasyon, PCA, UMAP, kümeleme, diferansiyel ifade) uygular ve işlevsellik açısından büyük ölçüde eşdeğerdir. Seurat tarihsel olarak biyoloji topluluğunda daha yaygın olarak benimsenmiştir; Scanpy/AnnData, hesaplama açısından yoğun veya Python merkezli iş akışlarında tercih edilir. Sonuçlar ikisi arasında niteliksel olarak tutarlı olmalıdır.

Biyolojik tekrarlamalara ihtiyacım var mı?

Evet, herhangi bir çıkarımsal analiz (diferansiyel bolluk, koşullar arasındaki diferansiyel ifade) için. Tek bir numunedeki hücreleri bağımsız tekrarlar olarak ele almak, yanlış pozitifler üreten sözde çoğaltımdır. Koşul başına en az üç biyolojik tekrarlama önerilir ve hücre seviyesi testler yerine sözde toplu istatistiksel testler (örneğin, örnek başına toplanan sayımlarda DESeq2, edgeR) kullanılmalıdır.

scRNA-seq verileri çalışmalar arasında entegre edilebilir mi?

Evet, ancak toplu düzeltme gereklidir. Harmony, Seurat CCA entegrasyonu, scVI ve BBKNN gibi yöntemler, farklı deneylerden veya platformlardan gelen hücreleri ortak bir gömülmeye hizalayabilir. Yöntem seçimi ve gereken düzeltme derecesi, toplu etkilerin büyüklüğüne ve paylaşılan biyolojik varyasyonun korunması gerekip gerekmediğine bağlıdır. Aşırı düzeltme, veri kümeleri arasındaki gerçek biyolojik farklılıkları silebilir.

Kaynaklar

Satija, R., Farrell, J. A., Gennert, D., Schier, A. F., & Regev, A. (2015). Spatial reconstruction of single-cell gene expression data. Nature Biotechnology, 33(5), 495–502. DOI: 10.1038/nbt.3192 ↗
Macosko, E. Z., Basu, A., Satija, R., Nemesh, J., Shekhar, K., Goldman, M., ... & McCarroll, S. A. (2015). Highly parallel genome-wide expression profiling of individual cells using nanoliter droplets. Cell, 161(5), 1202–1214. DOI: 10.1016/j.cell.2015.05.002 ↗

Bu sayfayı kaynak gösterin

ScholarGate. (2026, June 3). Single-cell RNA Sequencing Analysis. ScholarGate. https://scholargate.app/tr/bioinformatics/single-cell-rna-seq-analysis

Hangi yöntem?

Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.

Gen Kümesi Zenginleşme Analizi (GSEA)Biyoenformatik↔ karşılaştır
Yol Zenginleştirme AnaliziBiyoenformatik↔ karşılaştır
RNA-seq Diferansiyel İfadeBiyoenformatik↔ karşılaştır
Tek Hücreli eQTL AnaliziBiyoenformatik↔ karşılaştır
Hücresel çözünürlükte tekil varyant çağırmaBiyoenformatik↔ karşılaştır

Yan yana karşılaştır →

Bu yönteme atıf yapanlar

Bayesçi RNA-seq Diferansiyel İfade Analizi ChIP-seq Peak Calling Diferansiyel Tek Hücre RNA-seq Analizi eQTL Analizi Gen Kümesi Zenginleşme Analizi (GSEA)Makine Öğrenmesi Destekli ChIP-seq Pik Çağrısı Makine Öğrenmesi Destekli Gen Kümesi Zenginleşme Analizi Makine Öğrenmesi Destekli RNA-seq Diferansiyel İfade Analizi Makine Öğrenmesi Destekli Tek Hücreli RNA-seq Analizi Tekli-omikler Tekli-Hücre RNA-seq Analizi Ağ Tabanlı RNA-seq Diferansiyel İfade Analizi Ağ Tabanlı Tek Hücreli RNA-seq Analizi Yol Zenginleştirme Analizi RNA-seq Diferansiyel İfade Dizi Hizalama Tek hücre ChIP-seq Tepe Çağırma Tek Hücreli eQTL Analizi Tek hücre Gen Kümesi Zenginleşme Analizi Tek hücre GWAS Tek Hücre Metabolomik Analizi Tek hücreli mikrobiyom çeşitlilik analizi Tek Hücreli Filogenetik Analiz Tek Hücre RNA-seq Diferansiyel İfade Analizi Zaman Serisi Gen Kümesi Zenginleştirme Analizi Zaman Serisi Mikrobiyom Çeşitlilik Analizi Zaman serisi RNA-seq Diferansiyel İfade Analizi Tek Zamanlı Tek Hücre RNA-seq Analizi

Benzer yöntemler

Diferansiyel Tek Hücre RNA-seq Analizi Tek Hücre RNA-seq Diferansiyel İfade Analizi Tek Zamanlı Tek Hücre RNA-seq Analizi Makine Öğrenmesi Destekli Tek Hücreli RNA-seq Analizi Tekli-omikler Tekli-Hücre RNA-seq Analizi Ağ Tabanlı Tek Hücreli RNA-seq Analizi Bayesci Tek Hücreli RNA-seq Analizi RNA-seq Diferansiyel İfade

İlgili referans kavramlar

Tek Hücreli ve Mekansal Transkriptomik RNA Dizileme ve Transkriptomik RNA Dizileme Yöntemleri ve Teknolojileri Transkriptomik ve Gen İfadesi Analizi DNA ve RNA Dizileme Yöntemleri Yeni Nesil Dizileme Teknolojileri

Bu sayfada bir hata mı var? Bildir / düzeltme öner →