单细胞核测序在人类肾脏上的应用
当你的才华还撑不起你的野心时，请潜下心来，脚踏实地，跟着我们慢慢进步。不知不觉在单细胞转录组领域做知识分析也快两年了，通过文献速递这个栏目很幸运聚集了一些小伙伴携手共进，一起成长。
文献速递栏目通过简短介绍，扩充知识面，每天关注，希望你也能有所收获！
摘 · 要
本文使用单核基于液滴的RNA测序（snDrop-Seq）解析了人类成年肾脏中30个不同的细胞群。明确了两个主要肾区域之间十个以上的肾单位区域分子过渡态，描述了与慢性肾病，糖尿病和高血压相关的细胞异性表达的基因。可能会提供新的治疗靶点。
样品处理
由于肾核膜在容易遭到损伤，所以新鲜解离和在干冰或-80°C冷冻的冷冻切片肾组织样品能够保留足够的核RNA水平。文章使用的是来自两个机构(Washington University and University of Michigan through KPMP con- sortium)的27个不同实验中15个不同个体的数据。
质控
初级QC：仅包括具有> 400个非线粒体转录物的细胞条形码; 排除在<3细胞中检测到的或线粒体表达的转录物; 检测到> 400和<5000基因的细胞条形码用于下游分析
二级QC：使用PAGODA2，应用 Gene/UMI filter去除偏离组趋势的低质量细胞核（置信区间<1E-10），然后将计数标准化为每个细胞核的总计数，并校正批次变异通过缩放每个基因的表达，使得批内表达平均与数据集范围的平均值匹配。
然后通过2次t-SNE聚类，去掉超过30个簇的聚集少的细胞核。
最终总共获得17,659个核，并且每个细胞核平均测到1082个转录本。
聚类
对于聚类可视化，使用使用PAGODA2识别的前150个主要组分，在Seurat（版本2.3.4）中进行均匀流形近似和投影（UMAP）尺寸减小。
分型基因的挑选
通过找到的marker gene将其划分细胞类型。
疾病相关基因
通过超过10000人的全基因组数据，找到与CKD和高血压风险的变异基因，并对肾脏进行了更为精细的分类。
下游分析
SWNE
具体的操作可参考：https://yanwu2014.github.io/swne/
文中使用的参数：alpha.exp = 1.8，snn.exp = 0.1，n_pull = 6，dist.use =“cosine”
Trajectory Analyses
使用的是Monocle (V2.6.4)，具体步骤可以参考monocle官网 ,不过需要注意，目前monocle已经更新至monocle3
临床意义
本文对肾脏内的细胞类型进行高度详细的分子表征，这对于分析肾脏疾病的分子诊断和靶向治疗至关重要。同时该研究为创建分子和生理图谱提供了一个初步步骤，文章中的图谱描绘了解剖学上的肾单位组织，可以作为识别各种肾脏疾病偏差的重要参考。