BD Rhapsody 单细胞转录组测序

图2
项目简介
BD Rhapsody 单细胞转录组测序
普通的转录组测序获得的是细胞群整体的基因转录信息,得到的测序信号也是细胞群的平均信号,这无法获得不同细胞内不同表达信息的数据也无法解决肿瘤内组织异质性问题。而单细胞测序是将细胞群或者组织块分离成单个细胞并分别进行标记,最终获得每个细胞的转录本信息。利用单细胞测序研究者可以从单个细胞水平对疾病发展中免疫细胞分化、肿瘤异质性和组织发育等方面进行深入探究。
表观生物在华南地区率先引进BD Rhapsody^TM 单细胞转录组技术平台,推出高性价比的单细胞转录组高通量测序服务,帮助生物医学研究者提升研究高度并深入揭示疾病发生发展机制,助力创新治疗靶点的开发。

BD Rhapsody^TM单细胞建库流程图
技术原理
将组织内细胞分离出来并同细胞标签共同孵育,然后对带标签的细胞进行计数和活力检测。然后将单个细胞和磁珠进行孵育并洗去多余的磁珠,进而将细胞裂解并进行反转录和扩增建库,建库后即可进行测序。对含有标签序列的数据进行质控筛选,并拆分数据为每个细胞一组。对拆分后的数据进行定量分析并分选出不同的细胞亚群,然后根据模型进行细胞轨迹分析用于后续实验探究,如下图2所示。

上机流程
送样要求
样本物种: 仅限人物种样本及小鼠免疫细胞,其它样本需要评估。
>5×10⁵
细胞数量
1000个/μL
细胞浓度
5μm - 40μm
细胞尺径
>80%
细胞活性
技术应用与优势
技术应用
1、构建大规模细胞图谱;
2、鉴定和发现稀有细胞亚型;
3、可探究肿瘤的异质性、微环境、耐药机制;
4、干细胞发育及分化;
技术优势
1、采用微孔沉降方式进行捕获细胞,条件更温和,捕获效率更高;
2、自动化的细胞计数和质控,实验全程严格监控;
3、免费提供组

分析流程
单细胞转录组测序基本分析内容
1.细胞tag处理
2.序列比对
3.UMI计数
4.低质量细胞过滤
5.主成分分析
6.无监督聚类分析
7.细胞亚群再分群分析
8.差异分析
9.细胞类型注释
10.细胞间相互作用分析
11.细胞内基因调控网络分析
12.细胞分化轨迹分析
13.KEGG分析
14.GO分析

数据分析示例1
单细胞测序数据质控分析

数据分析示例2
PCA主成分分析

数据分析示例 3
t-SNE细胞亚群聚类分析

数据分析示例4
细胞类型注释

数据分析示例5
细胞群亚群分析

数据分析示例6
细胞间相互作用

数据分析示例7
蛋白调控网络分析

数据分析示例8
细胞拟时分析
参考文献
Zilionis R., Engblom C., Pfirschke C., Savova V., ZemmourD., Saatcioglu H.D., Krishnan I., Maroni G., Meyerovitz C.V., Kerwin C.M., et al., Single-Cell Transcriptomics of Human and Mouse Lung Cancers Reveals Conserved Myeloid Populations across Individuals and Species, Immunity 50, 2019, 1317–1334.e10