单细胞转录组文章中，我们经常可以看到tSNE细胞降维图，而且展示的形式也是丰富多彩的。首先，我们来一起看看文章中都是如何利用tSNE图的呢？
1）在肺肿瘤微环境中构建基质细胞的表型模型研究中，通过t-SNE图对52,698个细胞从样本来源（肿瘤/非肿瘤）、病人分布、细胞类型以及转录本的表达丰度（UMI）等多维层面进行展示。不仅可以直观了解肺肿瘤微环境中各种细胞类型占比分布以及RNA含量等信息，还可以快速了解不同病人之间，不同组织间异质性情况。
2）在很多单细胞研究中，我们发现相同类型的细胞又可以分为多个cluster的细胞亚型。以18年发表在Cell上关于正常和白血病中骨髓基质的细胞分类学研究为例，我们可以看到有0,6,11三类cluster均是来自内皮细胞（下图左）。后续对这一类细胞单独研究时，在保留其他细胞完整的情况下，如果突出需要研究的细胞类型呢？该文采用了一种非常巧妙的展示方式，将其他细胞类型的细胞全部灰色标注，这样需要研究的细胞就非常醒目的凸显出来了（下图右）。
看到这里，不禁感叹，原来tSNE图有这么多的展示形式，奈何我是代码小白，不会写代码，如何实现这些图片呢？别担心，联川云平台可以助您完成这些高质量的图片哦！
目前单细胞已经有3个云工具了，请认准网址（别点错了哦）：
细胞鉴定结果分析：https://www.omicstudio.cn/tool/ten_x/index?id=48 Marker基因可视化云工具：https://www.omicstudio.cn/tool/ten_x/index?id=47 tSNE图：https://www.omicstudio.cn/tool/ten_x/index?id=52
话不多说，先看看这个云工具都可以实现哪些精美的图片呢！基于样本/分组、cluster/细胞类型、部分关注细胞高亮、细胞转录本表达情况tSNE图应有尽有，总有一款适合您的研究，心动不如行动，赶快用您的数据绘制高颜值的图片吧！
接下来，我们来学习下如何使用这个云工具吧！
数据选择
工具界面
进入云工具之后，默认在介绍视频的界面，如果您第一次点击这个云工具，建议您花几分钟的时间看视频学习下该云工具的用法。如果您已经有明确的绘图目标，点击左侧相应的导航栏进入您需要绘制的图形界面。
Tips:点击进入云工具后，自动加载您的单细胞数据，细胞数目越多加载的时间就会越长，一般需要几分钟-十几分钟的时间，整个过程请保持网络畅通。数据加载完成后，点击左侧导航tSNE图*（四种类型的任何一种）后会自动开始绘图，如果点击后未出图，说明您的数据未加载完成，还请您再耐心等待一下！
图片绘制及调整
以tSNE图-样本/分组图为例进行图片绘制及参数调整介绍：
点击tSNE图-样本/分组图后，默认按照样本着色进行图片展示，如果您的项目有生物学重复，需要按照分组着色展示，点击设置样本分组信息：
按照上面的步骤，先下载您数据中的样本信息，根据需要修改第二列的分组信息，修改完成后，上传样本分组信息，上传完成后，自动按照分组着色绘图：
如果需要对细胞的颜色，点的大小调整，点击相应的绘图参数/细胞筛选进行参数的设置即可，当图片设置完成后，点击图片下载，该工具可批量下载多种格式的图片。
另外三种类型的tSNE图与tSNE图-样本/分组基本结构一致，参数调整的方式也很相似，不再一一赘述。
Tips:tSNE图-细胞高亮图，如果未上传cluster对应的细胞注释结果，展示的为基于cluster的高亮展示图片及基于cluster的高亮类型选择。一旦上传cluster对应的细胞注释结果，则展示基于细胞注释的高亮展示图片及基于细胞注释的高亮类型选择。
10X单细胞 | tSNE图绘制：1.样本-分组TSNE图_腾讯视频
10X单细胞 | tSNE图绘制：2.cluster-细胞TSNE图_腾讯视频
10X单细胞 | tSNE图绘制：UMI-3.Count-TSNE图_腾讯视频
10X单细胞 | tSNE图绘制：4.部分细胞高亮TSNE图_腾讯视频
温馨提示
由于10x单细胞的数据量比较大，每调整一个参数图片都会实时加载，且随着细胞数量的增加加载的时间也会相应增加，调整图片的过程还请您耐心等待（此外，重要的事情说三遍：调图的过程中不能刷新页面，不能刷新页面，不能刷新页面）！
参考文献
【1】Lambrechts, Diether, et al. Phenotype molding of stromal cells in the lung tumor microenvironment. Nature medicine 24.8 (2018): 1277-1289.
【2】 Baryawno, Ninib, et al. A cellular taxonomy of the bone marrow stroma in homeostasis and leukemia. Cell 177.7 (2019): 1915-1932.
【3】Butler A , Hoffman P , Smibert P , et al. Integrating single-cell transcriptomic data across different conditions, technologies, and species[J]. Nature Biotechnology, 2018.
B站直播
https://www.bilibili.com/video/BV1TK4y1v7rL
网友评论