scRNA-seqの出現は、単一細胞レベルで遺伝子発現プロファイルを探索するための前例のない機会を提供します。 現在、scRNA-seqは、特に腫瘍学や免疫学の研究において、細胞の不均一性の重要な生物学的問題を研究するための好ましい選択肢となっています。 ただし、高次元性、スパース性、細胞集団間での多様性の不均一性、技術的なノイズ、再現性の欠如により、データの視覚化と統計分析に新たな課題をもたらします。
ゲノミクス、トランスクリプトミクス、およびエピゲノミクスのための次世代シーケンシングベースのテクノロジーは、現在、個々の細胞の特性評価にますます重点を置いています。 たとえば、単一細胞RNAシーケンス（scRNA-seq）は、細胞レベルで転写の変化を包括的に特徴付け、その微小環境のコンテキストで個々の細胞の機能をよりよく理解するのに役立ちます。 最近、それはに使用されています戦闘COVID-19個々の免疫細胞の転写変化を特徴付けることによって。
JMP Genomics 10に新たに追加されたscRNA-seqワークフローは、クラスター分析を通じて複雑かつ希少な細胞集団を視覚的かつインタラクティブに探索し、細胞タイプやその他の条件にわたる差次的遺伝子発現パターンを検出するのに役立ちます。
JMPゲノミクスを選ぶ理由
にJMPゲノミクス10 、科学者が自信を持ってscRNA-seqデータを効率的に探索できるように、標準化されたインタラクティブで再現性のあるscRNA-seqワークフローを作成しました。 このワークフローの主な機能には、データ品質管理（QC）、可変遺伝子選択、スパースSVD分析、クラスタリング、機能重要度スクリーニング、動的視覚化（たとえば、バイオリンプロット、リッジラインプロット、ドットプロット）、および微分遺伝子発現分析が含まれます。 。 さらに、適切なRパッケージがインストールされている場合、JMPのR統合機能を利用して、細胞集団に対してt-SNEまたはUMAPの視覚化を実行します。
主な特徴
この記事では、この新しいワークフローの主な機能を分析して示します。 PBMCデータセット例として。 まず、次の場所にあるFeature-Barcodeマトリックスインポーターを使用する必要があります。インポート>次世代シーケンシングJMP Genomicsのメニューを使用して、未加工のUMIカウントデータをスパース形式で読み取り、それを密形式に変換します。 インポーターからの出力データは、以下にある基本的な単一細胞RNA-seqワークフローの入力として使用できます。ワークフロー>基本サブメニュー。 インターフェースで設定を指定した後、実行JMPプロジェクトで編成されたタブ付きレポートを生成します。
図1：基本的なScRNA-Seqワークフローのインターフェイス。
データの概要とQC
ワークフローはQCステップを実行して、低品質の細胞と遺伝子を削除します。 データ概要レポートは、使用するQC基準を決定するのに役立ちます。 （この視覚化と他の視覚化については、この投稿でJMPパブリック。）
図2：このデータセットの主要な統計を含むデータ概要レポート。
可変遺伝子の選択
scRNA-seqデータの高次元性と希薄性に対処する1つの方法は、高い細胞間変動を示す遺伝子のみに焦点を当てることです。 これを容易にするために、ワークフローには2つの可変遺伝子選択方法、DispersionとVSTが用意されており、その後の分析のために非常に可変的な遺伝子のセットを選択するのに役立ちます。 [Variable Gene Selection]タブには、選択された可変遺伝子が赤く表示された分散平均プロットが表示されます。
図3：VSTメソッドの分散平均プロット。 赤い点は選択された可変遺伝子を表します。残りの遺伝子は破棄されます。
スパースSVD分析
次に、ワークフローはスパースSVD分析を実行して、クラスタリングと視覚化の目的でデータセットの次元とスパース性をさらに削減します。 クラスタリングタブは、データのグローバル構造の探索に役立つトップコンポーネントを含む2Dおよび3D SVDプロットの両方を提供します。
図4：上位3つのコンポーネントを視覚化した3D SVDプロット。
クラスタリング
scRNA-seqデータ分析における重要なタスクの1つは、クラスタリングアルゴリズムを介して細胞集団を特定することです。 このワークフローは、階層的アルゴリズムとK平均法の2つのクラスタリングアルゴリズムを提供します。 この例では、PBMCデータセット内の9つのクラスターを識別する階層的クラスタリングを使用しました。 また、樹状図またはコンスタレーションプロットを介してクラスターを探索することもできます。
図5：階層的クラスタリングの系統樹。
図6：階層的クラスタリングのコンスタレーションプロット。
UMAPとt-SNEの可視化
UMAPとt-SNEは、scRNA-seqデータ探索で使用される2つの一般的な視覚化手法です。 JMP Genomicsは、RtsneおよびUMAPパッケージがローカルR環境にインストールされている場合に、t-SNEおよびUMAPを使用してクラスタリングの結果を視覚化するオプションを提供します。 また、JMP GenomicsはFeature Switcherと呼ばれるツールも提供しており、ハードドライブに何十もの図を生成することなく、t-SNEとUMAPの視覚化における遺伝子発現パターンをインタラクティブに処理できます。 図7では、例としてUMAPを使用しています。
図7：ローカルデータフィルターと機能スイッチャーによるUMAP視覚化
その他の視覚化
JMP Genomicsは、バイオリンプロット、リッジラインプロット、ドットプロットなど、細胞タイプ全体の遺伝子発現パターンを動的かつインタラクティブに探索できる追加の視覚化ツールも提供しています。 ユーザーは、[再コード化]ボタンを使用して、マーカー遺伝子のリストの発現パターンに基づいて細胞集団を定義できます。 さらに、ユーザーは外部データベースへのリンクを介して目的の遺伝子に関する情報を確認できます。
図8：細胞タイプ全体の遺伝子発現レベルのバイオリンプロット、リッジラインプロット、およびドットプロット
機能の重要性のスクリーニング
可変遺伝子選択ステップにより、分析における遺伝子数が大幅に減少しましたが、まだ調査されていない遺伝子が数千あります。 したがって、JMP Genomicsは、ブートストラップフォレストアルゴリズムを使用して、細胞分離におけるそれらの重要性に基づいて遺伝子をランク付けする機能スクリーニング法を提供します。 ユーザーは、2,000の代わりに、たとえば、視覚化のために上位30の遺伝子を選択できます。 JMP Genomicsは、この重要な遺伝子のリストをGTExデータベースに送信して、組織固有の発現パターンを調査するのに役立つツールも提供しています。
図9：上位30個の遺伝子を示す機能スクリーニングレポート。
差次的遺伝子発現
差次的遺伝子発現解析は、scRNA-seqデータから細胞タイプ全体の転写変化に関する統計的洞察を引き出すための重要なステップです。 このワークフローは、JMP GenomicsのANOVAプラットフォームを統合して、複雑な研究デザインを可能にする高度な混合効果モデルを使用して、差分遺伝子発現分析を実行します。
入門
この新しいシングルセルRNA-seqワークフローについての5分間の紹介ビデオで、始めましょう。
詳しくは
生物医学研究でscRNA-seqの人気が高まる中、急速に成長しているscRNA-seqデータセットから有効な洞察をすばやく抽出するには、再現可能でインタラクティブでユーザーフレンドリーなワークフローが必要です。 JMP Genomics 10の新しいscRNA-seqワークフローにより、重要な研究をより便利に、そして自信を持って迅速に進めることができます。 さらに、JMP Genomics 10はこれまで以上に強力であり、JMP Proの強化された予測モデリングプラットフォームを活用して、RおよびPythonのオープンソースパッケージとのより良い統合を提供します。 に行くJMPゲノミクス詳細については。
JMP GenomicsのscRNA-seqワークフローおよびその他のエキサイティングな機能に関する次のプレゼンテーションを必ずチェックしてください。
