Обзор статьи

Текст: «Многомерный одноклеточный анализ периферической крови человека выявляет характерные особенности иммунной системы при старении и слабости».

Дата публикации и журнал: Опубликовано в журнале Nature aging в 2022 г.

Ссылка для онлайн-чтения: https://doi.org/10.1038/s43587-022-00198-9

экспериментальный дизайн

проанализировали 114 467 иммунных клеток из пуповинной крови, молодых людей, а также здоровых и ослабленных пожилых людей, используя одноклеточную РНК и секвенирование TCR.

Ситуация с данными транскриптома одной клетки

Ссылка на данные: https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE157007.

Секвенирование штрих-кода одноклеточной РНК, TCR и белка клеточной поверхности (CCR7, CD45RA, CD4 и CD8) антител было выполнено с использованием PBMC из 3 образцов пуповинной крови, 3 здоровых молодых людей, 6 здоровых пожилых людей и 5 ослабленных доноров крови, и установлено Одноклеточный транскриптом и профили TCR от новорожденных до слабых людей.

Предоставляются три файла в формате 10X. После загрузки упорядочите их по названию образца, а затем используйте функцию Read10X для их чтения.

Загрузка данных организована в соответствии с названиями образцов.：

fs=list.files('./','features.tsv.gz')
fs
samples1=gsub('_features.tsv.gz','',fs)
samples1
library(stringr)
samples2=str_split(fs,'_',simplify = T)[,2]
samples2 

lapply(1:length(samples2), function(i){
  x=samples2[i]
  y=samples1[i]
  dir.create(x,recursive = T)
  file.copy(from=paste0(y,'_features.tsv.gz'),
            to=file.path(x,  'features.tsv.gz' )) 
  file.copy(from=paste0(y,'_matrix.mtx.gz'),
            to= file.path(x, 'matrix.mtx.gz' ) ) 
  file.copy(from=paste0(y,'_barcodes.tsv.gz'),
            to= file.path(x, 'barcodes.tsv.gz' )) 
  
})

После организации данных в соответствующие папки в соответствии с именами образцов каждая папка сохраняет соответствующие три стандартных файла данных — barcodes.tsv.gz, Features.tsv.gz, Matrix.tsv.gz, а затем с помощью функции Read10X ( ) считывает данные. для анализа.

###### шаг 1: импортироватьданные ######  
библиотека(данные.таблица)
dir='GSE157007_RAW/выходы/' 
образцы=list.files(каталог)
образцы 

библиотека(данные.таблица)
sceList = lapply (образцы, функция (про) { 
  # про=образцы[1] 
  печать (про) 
  sce=CreateSeuratObject( Read10X(file.path(dir,pro)), 
                          проект = про,
                         мин.ячейки = 5,
                         мин.функции = 300 ) 
  возвращение (сцена)
})
имена (sceList)  
 
образцы
sce.all=merge(x=sceList[[1]],
              y=sceList[ -1 ],
              add.cell.ids = образцы)

as.data.frame(sce.all@assays$RNA@counts[1:10, 1:2])
голова(sce.all@meta.data, 10)
таблица(sce.all$orig.ident)

Прежде чем читать данные в пакетном режиме, обычно необходимо прочитать одни данные для тестирования. Убедившись в их правильности, используйте цикл для чтения всех данных в пакетном режиме для последующего анализа.

Далее следует стандартный анализ.,Выполните контроль качества, гармоническую интеграцию и определение подгрупп по входным данным.。

Кластеризация уменьшения размерности первого уровня

Высококачественные данные сек РНК scRNA были получены из 114 467 моноцитов.

Клетки были разделены на 17 кластеров методом кластерного анализа.,Кластеры клеток подразделялись на основе обнаружения маркерных генов, экспрессии белков клеточной поверхности и продукции TCR.и определили долю каждого типа клеток。

Образец пуповинной крови содержит мало Т-клеток памяти (кластеры 2 и 3) и «другие Т-клетки» (кластеры 6 и 9).,Это может означать, что кластер6и кластер9клетки организма находятся в более активном состоянии или развивают специфичные для взрослыхtсвойства ячейки。По мере увеличения фактического возраста выборки доля «других Т-клеток» постепенно увеличивается. Количество Т-клеток продолжает сокращаться с возрастом.

От молодой группы к старой группе,Число наивных Т-клеток резко сократилось, а популяция В-клеток осталась относительно постоянной.По сравнению с группой пуповинной крови,молодая группаNK Популяция клеток 1 немного уменьшилась, но затем постепенно увеличилась до большего размера в группах пожилых и ослабленных людей.

Другие бонусные баллы

Изучение динамических изменений подтипов Т-клеток с возрастом

Кластеры 1, 2, 3, 6 и 9 были извлечены для второго раунда кластерного анализа. В результате было получено шесть кластеров Т-клеток, которые были индивидуально аннотированы на основе уровней экспрессии специфически экспрессируемых маркерных генов и белков клеточной поверхности (CCR7, CD45RA, CD4 и CD8).

Анализ показал, что с возрастом состав Т-клеток смещается в сторону более развитых Т-клеток памяти.

проходитьАнализ траектории клеток для проверки того, стареют ли различные типы иммунных клеток с одинаковой скоростью.,Наивные Т-клетки представляют собой самую большую популяцию клеток.,Составляли 21,9% от общего количества проанализированных клеток.

Анализ траектории клеток отображает прогрессирование наивных Т-клеток из разных возрастных групп в псевдовременных масштабах.

Краткое содержание статьи:

1. Связанное с возрастом накопление клеточной гетерогенности и транскриптомной изменчивости наблюдалось в определенных типах иммунных клеток. Идентификация характерных факторов транскрипции посредством специфической геномной экспрессии в определенных типах иммунных клеток в определенном возрасте.
2. Траекторный анализ показал, что клетки здоровых и слабых пожилых людей часто двигались по разным траекториям, несмотря на одинаковый возраст. Существует большое количество клонотипов TCR в стареющих и слабых подмножествах Т-клеток, что позволяет предположить, что стареющие Т-клетки обладают дифференцированной плюрипотентностью и способностью замедлять старение.
3. Была идентифицирована уязвимая субпопуляция моноцитов, которая высоко экспрессировала только дн РНК NEAT1 и MALAT1. Наши результаты идентифицируют сигнатуры иммунных клеток, специфичные для слабости человека, на основе совокупности аспектов старения и слабости иммунного ландшафта.