相较于组织层面转录组测序，单细胞转录组测序技术能够提供更高分辨率的细胞类型特异性表达图谱。
为了有效利用不同细胞类群的表达数据，并精准挑选关键细胞类群进行后续深入分析，小编基于现有文献经验，总结了以下三种细胞类群挑选策略以供参考。
STRATEGY 1
挑选不同组间
细胞占比显著变化的细胞类群
首先，我们可以考虑处理组 vs. 对照组、疾病组 vs. 对照组等不同组别间，细胞占比发生显著变化的类群，这些细胞类群可能参与了生物学变化的核心调控。
例如，在骨骼肌衰老的研究中[1]：老年组和成人组相比，肌纤维细胞、肌卫星细胞、周细胞占比减少，而脂肪细胞、成纤维样细胞和免疫细胞占比增加；细胞类型间转录异质性增加，表明表观遗传不稳定性增加。
图：每种细胞类型随衰老增长的相对比例变化
STRATEGY 2
挑选不同组间
表达模式显著变化的细胞类群
某些情况下，参与关键调控的细胞类群占比可能不会发生显著变化。我们可以进一步考虑在不同组别间，基因表达模式发生显著变化的cluster。基因表达模式的改变程度可以通过表达相关性的变化衡量。
例如，在豆科植物与根瘤菌共生关系的研究中[2]：当苜蓿根部在结瘤因子（NFs）处理后，表皮和皮层细胞与未处理时（control）的基因表达相关性显著降低。表明这些细胞类群在响应NFs信号中的核心作用。
图：随着处理时间延长的基因表达相关性变化
STRATEGY 3
挑选与研究目标密切相关的细胞类群
当研究目标较为清晰时，我们可以基于细胞注释结果并结合前人研究，挑选与研究目标最相关的细胞类群进行后续分析。
例如，在山羊卵巢发育的单细胞研究中[3]：由于颗粒细胞在决定卵巢功能中起着关键作用，所以作者挑选颗粒细胞相关cluster进行后续的分化轨迹分析和基因表达调控网络构建。
图：颗粒细胞在不同年龄山羊卵巢中的分化轨迹比较
当完成挑选关键细胞类群这一关节环节后，我们可以基于关键细胞类群进行发育轨迹分析、转录因子调控网络构建、细胞通讯分析等深入挖掘。
详情请见下期分享~
[1] Lai Y , Ignacio Ramírez-Pardo, Joan Isern, et .al (2024). Multimodal cell atlas of the ageing human skeletal muscle. Nature , 629(8010): 154-164.
[2] Liu Z , Yang J ,Long Y, et .al (2023)..Single-nucleus transcriptomes reveal spatiotemporal symbiotic perception and early response in Medicago[J]. Nature Plants, 2023, 9(10):1734-+.
[3] Xu D , Song S , Wang F ,et al.Single-cell transcriptomic atlas of goat ovarian aging[J].Journal of Animal Science and Biotechnology, 2024(1).DOI:10.1186/s40104-023-00948-8.
