单细胞差异基因可视化：深入了解 Seurat 和 Scanpy 的 DEG 提取和气泡图绘制

单细胞数据分析：使用 Seurat 和 Scanpy 探索细胞异质性

差异表达基因：细胞类型之间的基因表达差异

单细胞测序技术彻底改变了生物学领域，使我们能够以前所未有的精度研究细胞异质性。单细胞数据分析的第一步是识别细胞类型，这可以通过将细胞聚类到具有相似表达谱的不同簇或亚群中来实现。接下来，我们需要进行差异表达分析，以识别在不同细胞类型之间差异表达的基因，这些基因称为差异表达基因 (DEG)。

Seurat 和 Scanpy：单细胞数据分析的强大工具

Seurat（用 R 编写）和 Scanpy（用 Python 编写）是用于单细胞数据分析的两个流行软件包。这两个软件包提供了一系列功能来处理、分析和可视化单细胞数据。它们包含用于 DEG 提取和气泡图绘制的特定方法，这些方法对于了解基因调控网络和细胞类型之间的关系至关重要。

DEG 提取：识别细胞类型之间的基因差异

DEG 提取是单细胞数据分析的关键步骤，它可以识别在不同细胞类型之间差异表达的基因。Seurat 使用 FindMarkers 函数，它使用非参数统计测试来识别 DEG。Scanpy 提供了多种测试方法，包括 t 检验、秩和检验和 Wilcoxon 秩和检验。

气泡图：可视化基因和细胞簇之间的关系

气泡图是一种将基因差异可视化的有效方法。气泡图将基因表示为气泡，气泡的大小表示基因的表达水平，气泡的颜色表示基因的显著性。Seurat 的 CreateBubblePlot 函数和 Scanpy 的 pl.bubble 函数都允许用户指定要绘制的基因、要显示的显著性阈值以及气泡的大小和颜色。

代码示例：使用 Seurat 和 Scanpy

为了演示如何使用 Seurat 和 Scanpy 提取 DEG 和创建气泡图，让我们考虑一个包含 10 个细胞簇的单细胞数据集。

Seurat：

find_markers(object, ident.1, ident.2, test.use = "wilcox")

Scanpy：

scanpy.tl.rank_genes_groups(adata, groupby="cell_type")

使用这些代码，我们可以生成包含每个细胞簇的 DEG 的数据框。

创建气泡图：

Seurat：

CreateBubblePlot(markers, show = TRUE)

Scanpy：

pl.bubble(adata, basis="rank_genes_groups", groupby="cell_type")

这些代码将生成气泡图，显示每个细胞簇的 DEG。

结论：探索单细胞异质性的宝贵工具

Seurat 和 Scanpy 是用于单细胞数据分析的强大软件包。通过提取 DEG 和创建气泡图，这些工具使我们能够深入了解基因调控网络并揭示复杂生物过程中的细胞类型之间的关系。它们是研究人员探索单细胞异质性的宝贵工具，有助于推进对生物学各个方面的理解。

常见问题解答

• 什么是单细胞数据分析？
  单细胞数据分析是研究单个细胞的基因表达谱的技术。它使我们能够识别不同的细胞类型、识别差异表达基因并了解基因调控网络。
• Seurat 和 Scanpy 有什么区别？
  Seurat 用 R 编写，而 Scanpy 用 Python 编写。两者都提供单细胞数据分析功能，但具有不同的语法和特性。
• 如何提取差异表达基因？
  使用 Seurat 的 FindMarkers 函数或 Scanpy 的 rank_genes_groups 函数，可以使用非参数统计测试从不同的细胞类型中提取差异表达基因。
• 气泡图有什么用？
  气泡图是一种可视化差异表达基因的方法。它将基因表示为气泡，气泡的大小表示表达水平，气泡的颜色表示显著性。
• 如何使用 Seurat 和 Scanpy 创建气泡图？
  使用 Seurat 的 CreateBubblePlot 函数或 Scanpy 的 pl.bubble 函数，可以根据差异表达基因创建气泡图，这些基因根据细胞类型进行分组。