作者，Evil Genius
想想自己真的挺搞笑的，讀大學的時候覺得27、28怎么著也結婚了吧，沒想到混到30多去相親了，喜歡的女孩子無一例外都把自己給踹了，??，相親么，說真的有一種很奇怪的感覺，目前相親了3、4個了，最小的97年的，最大的91年的，而且年齡越大、要求越高，反到小一點的女孩子要求低一點，反正經歷下來，年齡越大越看重物質，越不相信愛情，物質滿足基本就嫁了，所以年紀小一點的女孩子多少還是有點戀愛腦，自然愛情的成分高一點，物質自然看的輕一點，不過就需要一點時間談戀愛了，至于哪種是對的，大家自己判斷吧??。
今天周六，昨天相親的91年大姐要求結婚必須再買一個婚房，自然也就沒有然后了，10點了還躺著， 我們來簡單匯總一下單細胞空間分析突變的內容吧。
10X空間轉錄組數據中研究并可視化體細胞突變
單細胞、空間、外顯子解析TP53突變重構肺腺癌細胞圖譜
單細胞、空間、外顯子分析方法更新
單細胞、空間、外顯子多組學分析探討
多組學（單細胞、空間轉錄+蛋白、外顯子、甲基化）揭示神經母細胞瘤異質性圖譜
2024空間轉錄組分析方向和文獻分享
單細胞、空間、外顯子多組學分析揭示了早期肺腺癌（LUAD）發展過程中上皮細胞的狀態和轉錄組特征
系統整理10X單細胞空間數據中可檢測到的有害突變位點（OncoKB）
關于突變的數據庫，非常多，對于基因突變到底對細胞產生了什么影響都有詳細的說明，包括OncoKB、Clinvar等等，總結在NGS基因測序（panel）報告解讀數據庫匯總
我們首先來看單細胞空間突變的檢測范圍
由于單細胞空間測序原理的限制，3’數據和空轉數據只能檢測到基因末尾98bp的范圍，5‘數據能檢測到基因開始的98bp范圍。例如在文章 An atlas of epithelial cell states and plasticity in lung adenocarcinoma（nature IF64.8)，單細胞的5’數據就根據基因 KRASG12D,對單細胞數據進行了分類，拿到如下的結果：
image
image
其中基因表達是表象、基因突變是根本，空間排布是微環境、VDJ是免疫反應。
這里大家就可以看到，單細胞空間數據，對于在范圍內的突變是可以檢測到了，單細胞空間的轉錄組信息如果能添加突變信息，自然文章會發的高一點。
下來我們就需要了解我們的單細胞空間數據那些突變是可以檢測到的有價值的突變，在文章系統整理10X單細胞空間數據中可檢測到的有害突變位點（OncoKB）中，簡單介紹了一個結直腸癌例子，
image
如果做結直腸癌的單細胞數據，KRAS這個基因的突變，包括Q22E、G12T、G13V、G13S、G13H、L19F、G12D等突變都在單細胞數據的檢測范圍之內，那么做結腸癌的單細胞數據，這些突變信息就可以考慮進去，相當于單細胞數據多了wes數據，多一個組學，文章能多發10分。
單細胞空間突變的分析方法,這個大家還是普遍采用cellsnp-lite，官網在https://cellsnp-lite.readthedocs.io/en/latest/#。
關于這個軟件詳細介紹過，文章在10X單細胞空間數據分析之SNP檢測篇。
Cellsnp-lite Modes
| Mode | SNPs | Bam files | Platform | Notes |
|---|---|---|---|---|
| Mode 1a | Given | Pooled one | 10x scRNA-seq, scDNA-seq, scATAC-seq | Set --UMItag None for scDNA-seq and scATAC-seq data |
| Mode 1b | Given | Each per cell | SMART-seq2, bulk RNA-seq | N.A. |
| Mode 2a | To detect | Pooled one | 10x scRNA-seq, scDNA-seq, scATAC-seq | Set --UMItag None for scDNA-seq and scATAC-seq data |
| Mode 2b | To detect | Each per cell | SMART-seq2, bulk RNA-seq | N.A. |
其中我們單細胞突變的主要檢測命令是
cellsnp-lite -s $BAM -b $BARCODE -O $OUT_DIR -R $REGION_VCF -p 10 --minMAF 0.1 --minCOUNT 20 --gzip
其中BAM是單細胞BAM文件，BARCODE是細胞Barcode信息，REGION_VCF是候選的vcf，其中REGION_VCF官網的例子主要來源于gonmad和千人計劃，官網給的例子在https://sourceforge.net/projects/cellsnp/files/SNPlist/.
image
分析出來整理的結果如下
image
單細胞 X 基因位置突變的矩陣（以單細胞3'數據為例）,row是基因 + 染色體 + 位置 + ref +alt，column是barcode。
當然了，軟件還有其他的一些功能，大家可以好好研究一下，非常棒的方法，對大家沖擊更高分很有幫助。
這種方法已經呈現蔓延的趨勢，很多人都在使用了，最新看到了很多篇這種文章
An atlas of cells in the human tonsil（Immunity IF 32.4）
image
image
