隨緣記錄自己看到的一些文章文獻(xiàn)以及一些工具，又因?yàn)橹饕獌?nèi)容和生信可能比較相關(guān)，寫作隨緣，更新隨緣，故名緣信,過(guò)去的一周為第47周，為本刊第一周

文章

Temporal Dynamic Methods for Bulk RNA-Seq Time Series Data

大容量 RNA-Seq 時(shí)間序列數(shù)據(jù)的時(shí)間動(dòng)態(tài)處理方法
Temporal Dynamic Methods for Bulk RNA-Seq Time Series Data (nih.gov)

這是一篇主要記錄了能夠使用RNAseq能夠進(jìn)行動(dòng)態(tài)時(shí)間分析的工具的綜述。探索某種特定因素對(duì)RNA表達(dá)隨時(shí)間的變化有著一定作用

摘要

動(dòng)態(tài)研究的時(shí)程實(shí)驗(yàn)設(shè)計(jì)和臨床方法已被廣泛應(yīng)用于生物醫(yī)學(xué)界。這些應(yīng)用特別適用于環(huán)境條件下的刺激-反應(yīng)模型、角色塑造生物學(xué)過(guò)程的發(fā)育生物學(xué)、臨床試驗(yàn)中的治療效果鑒定、疾病進(jìn)展模型、細(xì)胞周期和晝夜周期。盡管復(fù)雜的動(dòng)態(tài)方法具有可行性和普及性，但與靜態(tài)方法相比，這些方法在大規(guī)模比較研究中得到了充分驗(yàn)證，在統(tǒng)計(jì)和計(jì)算的嚴(yán)謹(jǐn)性方面缺乏基準(zhǔn)。到目前為止，已經(jīng)發(fā)展了一些新的方法在批量 RNA-Seq 數(shù)據(jù)為各種時(shí)間依賴性刺激，晝夜節(jié)律，細(xì)胞譜系的分化，和疾病進(jìn)展。在這里，我們?nèi)婊仡櫫艘唤M關(guān)鍵的代表性動(dòng)態(tài)策略，并討論了與動(dòng)態(tài)變化基因檢測(cè)相關(guān)的當(dāng)前問(wèn)題。我們也為未來(lái)研究非周期性、周期性時(shí)程數(shù)據(jù)和元?jiǎng)討B(tài)數(shù)據(jù)集的方向提供了建議。

非周期性時(shí)間過(guò)程 RNA-Seq 數(shù)據(jù)的動(dòng)態(tài)基因逐基因(基因方向)檢測(cè)工具。

![[Pasted image 20211122173303.png]]

Identifying phenotype-associated subpopulations by integrating bulk and single-cell sequencing data

通過(guò)整合bulk and single-cell 測(cè)序數(shù)據(jù)識(shí)別表型相關(guān)亞群

說(shuō)明：主要是用于整合單細(xì)胞和RNAseq的數(shù)據(jù)

文章地址
Identifying phenotype-associated subpopulations by integrating bulk and single-cell sequencing data | Nature Biotechnology

github地址
sunduanchen/Scissor: Scissor package (github.com)

使用：
Scissor Tutorial (sunduanchen.github.io)

單細(xì)胞 RNA 測(cè)序(scRNA-seq)在異質(zhì)組織中區(qū)分細(xì)胞類型、狀態(tài)和譜系。然而，目前的單細(xì)胞數(shù)據(jù)不能直接鏈接具有特定表型的細(xì)胞群。在這里，我們提出Scissor，一個(gè)方法，確定細(xì)胞亞群從單細(xì)胞數(shù)據(jù)，是與給定的表型。Scissor 通過(guò)首先量化每個(gè)單細(xì)胞和每個(gè)批量樣本之間的相似性，集成了表型相關(guān)的批量表達(dá)數(shù)據(jù)和單細(xì)胞數(shù)據(jù)。然后在樣本表型相關(guān)矩陣上優(yōu)化回歸模型，以識(shí)別相關(guān)亞群。應(yīng)用于肺癌 scRNA-seq 數(shù)據(jù)集，Scissor 確定了與較差存活率和 tp53突變相關(guān)的細(xì)胞亞群。在黑色素瘤中，Scissor 發(fā)現(xiàn)一個(gè)低 PDCD1/ctla4和高 tcf7表達(dá)的 t 細(xì)胞亞群與免疫治療反應(yīng)有關(guān)。除了癌癥外，Scissor 在解讀面肌萎縮癥和阿爾茨海默病數(shù)據(jù)集方面非常有效。Scissor 通過(guò)利用表型和整體組學(xué)數(shù)據(jù)集，從單細(xì)胞分析中確定生物學(xué)和臨床相關(guān)的細(xì)胞亞群。

![[Pasted image 20211122174524.png]]

Nat. Methods | 一個(gè)可解釋可推廣的單細(xì)胞數(shù)據(jù)分析框架

Nat. Methods | 一個(gè)可解釋可推廣的單細(xì)胞數(shù)據(jù)分析框架 (qq.com)

本文介紹由德克薩斯大學(xué)生物信息學(xué)系和Lewis-Sigler基因組學(xué)研究所聯(lián)合發(fā)表于Nature Methods的論文：An analytical framework for interpretable and generalizable single-cell data analysis. 該論文提出了一種新穎的“l(fā)inearly interpretable”框架，它將線性方法的可解釋性與非線性方法的表征能力相結(jié)合。在這個(gè)框架內(nèi)，作者介紹了一種數(shù)據(jù)表示可視化方法GraphDR 和一種結(jié)構(gòu)發(fā)現(xiàn)方法StructDR，它能夠?qū)崿F(xiàn)聚類、軌跡分析、表面估計(jì)和置信集推斷。

課程

【推薦】B站上免費(fèi)的科研課程學(xué)習(xí)資源 (qq.com)

復(fù)現(xiàn)

使用PHATE復(fù)現(xiàn)Science Immunology上文章的結(jié)果 (qq.com)
里面有python3D的繪制技巧
![[Pasted image 20211122211950.png]]

繪圖技巧

配色

生信實(shí)操丨只需學(xué)會(huì)這幾招，讓你的單細(xì)胞測(cè)序分析圖向CNS看齊！ (qq.com)

配色很重要

![[Pasted image 20211122212242.png]]

數(shù)據(jù)庫(kù)

用好數(shù)據(jù)庫(kù)，文章發(fā)到吐 (qq.com)
****1.CeDR Atlas: 細(xì)胞藥物應(yīng)答知識(shí)庫(kù)**
2.CTR-DB：一個(gè)與癌癥藥物反應(yīng)相關(guān)的基因表達(dá)特征綜合數(shù)據(jù)庫(kù)
3.CancerMIRNome：人類癌癥miRNA交互式分析與可視化數(shù)據(jù)庫(kù)
4.Regeneration Roadmap：再生生物學(xué)多組學(xué)數(shù)據(jù)資源庫(kù)
5.Gene Expression Nebulas：整合多物種的bulk與單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)庫(kù)
6.OncoSplicing：人類癌癥中臨床相關(guān)的可變剪接數(shù)據(jù)資源庫(kù)
7.SPENCER：癌癥病人非編碼RNA編碼的生物活性短肽數(shù)據(jù)庫(kù)
**8.TISMO：腫瘤免疫同基因小鼠****

群落相似性/或距離測(cè)度
常見(jiàn)的群落相似性或距離測(cè)度的計(jì)算 (qq.com)

編程語(yǔ)言語(yǔ)法比對(duì)

About Programming-Idioms

包的開(kāi)發(fā)

skyhorsetomoon/Trumpet: The package is designed for visualization of quality assessment of methylated RNA immunoprecipitation sequencing data. (github.com)

這是一個(gè)處理m6A數(shù)據(jù)的包，但是讓人感興趣的是下面這行代碼會(huì)直接生成一個(gè)html文件，那么是如何做到的呢？

trumpet_report <- Trumpet_report(IP_BAM = ip_bam, Input_BAM = input_bam, contrast_IP_BAM = contrast_ip_bam, contrast_Input_BAM = contrast_input_bam, condition1 = "untreated", condition2 = "treat, GENE_ANNO_GTF = gtf)

查看trumpet_report函數(shù)

Trumpet/Trumpet_report.R at master · skyhorsetomoon/Trumpet (github.com)

在里面我們很容易發(fā)現(xiàn)這個(gè)是怎么回事了，這個(gè)只是在判斷有沒(méi)有輸入的文件,如果有相應(yīng)數(shù)據(jù)就可以將數(shù)據(jù)保存為Rdata而已

不過(guò)很聰明的使用了rmarkdown生成html的技巧

trumpet <- system.file("extdata", "Trumpet_report.Rmd", package = "Trumpet")

render(trumpet, output_format = "html_document", output_dir = OUTPUT_DIR)

本質(zhì)上是在調(diào)用下面的文件去運(yùn)行計(jì)算的結(jié)果，然后生成html

Trumpet/Trumpet_report.Rmd at master · skyhorsetomoon/Trumpet (github.com)

R語(yǔ)言書(shū)單

R語(yǔ)言應(yīng)用系列 (douban.com)

千書(shū)千尋 - 文集 - 簡(jiǎn)書(shū) (jianshu.com)

代碼集

文章

特別是一些統(tǒng)計(jì)方法，比如隨機(jī)森林

NRT1.1B is associated with root microbiota composition and nitrogen use in field-grown rice | Nature Biotechnology
microbiota/Zhang2019NBT: Scripts for stat and plot figures in rice microbiome paper (github.com)

手把手帶你重現(xiàn)菌群封面文章全部結(jié)果圖表 (qq.com)
YongxinLiu/Zhang2018SCLS: Rice (Oryza Sative) root microbiome time-course analysis. (Zhang2018SCLS) (github.com)

thekingofall/MicrobiomeStatPlot: Interpretation and visualization of microbiome charts (github.com)

Python包

scikit-bio?

多樣性計(jì)算 (skbio.diversity ） — scikit-bio 0.5.6 文檔 (osgeo.cn)