scMetabolism(https://github.com/wu-yc/scMetabolism)的核心方法是代谢活性分析。
核心函数:
countexp.Seurat<-sc.metabolism.Seurat(
obj = countexp.Seurat,
method = "AUCell",
imputation = F,
cores = 2,
metabolism.type = "KEGG")
obj:是一个包含 UMI count 矩阵的Seurat对象。
method:支持 VISION(默认), AUCell, ssgsea, 和 gsva四种方法。
imputation:允许使用者在代谢打分前选择是否插补数据。
ncores: 并行计算的线程数。
metabolism.type:支持 KEGG 和 REACTOME两个数据库, KEGG 数据库包含 85 个代谢通路,REACTOME 数据库包含82 个代谢通路。
为了提取代谢通路打分结果, 可以运行 metabolism.matrix <- countexp.Seurat@assays$METABOLISM$score。
气泡图:横轴为细胞类型,纵轴为代谢通路,气泡大小和颜色均代表经过以下处理后的分值。
特征图:颜色代表该通路对应的打分分值,颜色越红,分值越高
箱线图:横轴为细胞类型,纵轴为该通路的打分分值
《Spatiotemporal Immune Landscape of Colorectal Cancer Liver Metastasis at Single-Cell Level 》,作者以单细胞和空转技术研究结直肠癌肝转移的时空免疫景观,以scMetabolism分析了不同单核/巨噬细胞亚型的代谢通路,展示了不同亚型的异质性和独特生物学作用。
此外,用类似的方法分析并绘制了了MRC1+CCL18+巨噬细胞代谢基因平均表达水平和代谢通路打分中位值的热图。MRC1+CCL18+巨噬细胞具有免疫抑制作用并表现出强烈的代谢活性,新辅助化疗可以阻止这种状态,并恢复反应性患者的抗肿瘤免疫平衡。代谢通路分析为解析疾病过程提供了基础,为进一步寻找药物靶点提供了参考。
2025国自然热点:植物单细胞的研究进展解析
肿瘤研究利器:PDX模型与单细胞测序的深度融合
2025国自然热点:空间组学能发哪些期刊?
本文系联川生物公众号原创文章,未经授权禁止转载,侵权必究! 扫描下方二维码 点分享
点点赞
点在看