单细胞分析

一个样本的中位基因数很低,再测深一点有用吗?

作者:发布于 2026-11-17约 8 分钟阅读
从三段观测曲线读取基因增益、饱和度和取样背景的教学示意

一批单细胞样本里,有一份的每细胞中位检出基因数特别低。测序平台说可以再补一批 reads,课题组想知道这笔钱会换来多少新信息。先打开该文库的质控网页,找到两张经常分开看的曲线:一张是测序饱和度随读深变化,另一张是中位检出基因随读深变化。把两张图放回同一横轴,再在已经测到的一段深度内算一算每增加一千条读段带来了多少增量。这个可手算的问题能帮助你形成补测假设,同时看清哪一部分仍需实验判断。

从三段观测曲线读取基因增益、饱和度和取样背景的教学示意

先定义“测得太浅”是对哪个目标而言

如果目标是分出主要免疫谱系,你希望看清一组有区分力的标记。若目标是低表达转录因子、稀有状态或特定融合相关读出,有意义的终点会不同。一份样本的中位基因数低,可能因为特定细胞类型本来转录本少,也可能因为组织质量、制备、文库复杂度或实际读深影响了检出。直接用整批样本的基因数排名决定补测,往往把混杂在一起的现象归给了同一个原因。先写下要改善的指标,再查增加测序量有没有机会改变它。

Cell Ranger 网页报告中的降采样曲线,是在已经得到的测序数据中使用较少读段来描绘指标变化。曲线最右端对应目前实际达到的完整测序深度。饱和度与若干读段是否反复观察到相同分子有关,中位基因数描述典型细胞里检出的不同基因数量。两者在同一文库里可能同时上升,却回答不同的问题。饱和度较高时仍有可能检测到某些低丰度基因,且中位基因数的变化无法直接告诉你目标基因在特定细胞亚型里提高了多少。Cell Ranger 质控报告与降采样曲线

把两份文库放到共同的深度坐标

真正比较一段增量时,让两个文库都覆盖同一个深度区间。假设甲文库测到三万条平均读段,乙只测到一万五千条,你可以比较五千到一万这一段,不能把甲的末段和乙的起始段当成等价测量。记录单位也很重要。一份报告若以每细胞平均 reads 作横轴,另一份只有每份文库的总读段数,在确定捕获细胞数和读段口径前,不能直接把数字抄进同一列。不同实验体系或不同上游版本的指标定义,也应先核实再决定能否一起展示。

示例表的每一行是一个文库在一个已观测降采样点的结果,饱和度按零至一记录。实际录入时如果报告显示百分数,需要先转换单位,并同时留下原始报告位置,避免把八十六作为零点八六带入计算。曲线点的获取要可复查,优先采用报告可导出的数据或能核对的明确点位。若只能从图上估读,将它标记为近似值,特别接近的曲线就不要宣称斜率差异具有明确意义。

看到的曲线情形 本篇可以核对 仍需要补齐的材料
共同区间内中位基因增长缓慢 对应每千 reads 带来的观察增益 目标细胞与目标基因是否同样接近平坦
相同区间内仍有较多新基因 记录当前区间的边际收益 能否用已存在的文库继续测
饱和度高但细胞检出数少 观察到的测序复杂度与回收细胞数是两项指标 细胞制备、捕获和建库质量
两份文库没有共同深度范围 不能进行本题的同区间比较 找到更多观测点或分别描述

计算每千 reads 多出来的中位基因

下载完整代码、示例数据与参考输出(ZIP) · 下载图文操作手册(PDF)

资料包有两份模拟文库的八个观测点。运行命令会输出每个相邻区间的有限差分,再把两份文库在指定共同区间的结果单独列成表。图中两个面板使用同一种读深尺度,阴影只标记参与比较的区间。为了方便手算,示例输入使用整数点,换成实际的小数读深也能运行。

python -m pip install -r requirements.txt
python run.py --input example --out results
def gain(points, start, end):
    genes_a, sat_a = interpolate(points, start)
    genes_b, sat_b = interpolate(points, end)
    delta = genes_b-genes_a
    return [start,end,genes_a,genes_b,delta,1000*delta/(end-start),sat_a,sat_b,100*(sat_b-sat_a)]

找出甲文库从一万到两万平均 reads 的两行,中位基因数从八百四十到九百二十,增量为八十。除以一万再乘一千,得到每千 reads 增加八个中位检出基因。乙文库同区间从八百一十升至一千二百九十,按同一分母是四十八个。切换到饱和度列,差值按百分点表示。比如甲从百分之七十到百分之八十六,上升十六个百分点,不应写成额外找到了百分之十六的基因。把这两种单位并排写在图注里,合作者就能看出哪一项只是分子冗余度的变化。

def interpolate(points, depth):
    if depth < points[0][0] or depth > points[-1][0]:
        raise ValueError("目标读深超出本样本的实测范围")
    for d,g,s in points:
        if depth == d:return (g,s)
    for left,right in zip(points,points[1:]):
        if left[0]<depth<right[0]:
            fraction=(depth-left[0])/(right[0]-left[0])
            return tuple(left[i]+fraction*(right[i]-left[i]) for i in (1,2))
    raise ValueError("缺少可用观测点")

当共同区间的端点落在两个已经观测的读深点之间,示例对相邻点做线性插值。这个操作是为了在相同横坐标展示和比较已有曲线,并没有生成新的实验观察。曲线在某段明显弯曲或原始点很稀疏时,插值会影响估计。优先用两个文库都确有测量的点,再更换一个相邻区间,看哪份文库斜率更大的判断是否改变。一旦请求的端点超过某个文库的观测范围,程序会明确停止。假如继续用最后一段的斜率向右画很远,算出来的基因数量将主要取决于外推假设。

如果拿到的是截图,先把鼠标悬停或导出时显示的横轴单位和纵轴名称抄进记录。有人把每个细胞的平均读数和整份文库的读数填进同一列,横轴随后相差了一个细胞数的倍数。若一张图给的是某个文库的中位数、另一张图给的是合并文库的中位数,也应回到对应的单文库报告重新取点。教学表特意将饱和度和基因数分别存列,因为多读到了一条能映射到已有分子的序列,未必就会多检出一种基因。交付前把任意两个端点的原始读数和差值都写出来,另一位同事即使没有作图工具也可以照表复算。

如果复算发现末段只增加很少的基因,还可以回到实验目标挑几个目标标记,记录在指定细胞群里有多少条码确实检出它们。少数目标能否获得额外读数,与所有细胞中位数的变化是两个观察角度,各自写出分母和使用的读深,后续补测讨论会更具体。

为什么看完斜率,还要回到细胞质量

拆开细胞类型能帮助识别低中位数的来源。一份样本若富含 RNA 本来较少的细胞,而另一份有较多体积大、转录活跃的细胞,中位基因数可能因组成而改变。给同类细胞画分布,检查低复杂度条码是否伴随异常的线粒体比例、较差的样本前处理或明显背景污染,再比较与研究目标有关的标记检出。若你需要判断少量特定细胞是否被漏掉,应进一步追踪条码识别和取材充分性;单看典型细胞的中位数,很难回答捕获瓶颈发生在哪里。

可以再做一个小实验,复制设置文件,将共同区间改为两万至三万,观察每千 reads 的增益是否变小,并比较两份文库的排序。在模拟甲文库中,这一段基因增量只有二十五,按相同单位便是每千条增加二点五。它让人直观看到同一文库的不同阶段可能有不同收益。若真实文库的两个区间趋势并不一致,可以先复核曲线取点、横轴单位、测序批次及细胞识别的一致性,必要时针对目标基因重新分析读段降采样结果。

给负责人回报时,写清现有深度、共同观察区间、区间内收益以及最希望改善的生物学指标。补测能对已经进入文库的分子增加采样机会,却无法将取材时未采到的细胞带回这份文库。若目前证据支持优先改进制备或增加独立供者,这同样是一次有效的分析结论。若下一步确实要将多份 FASTQ 按不同读深重复取样并重算计数,先在一个样本上记录时间和工作盘占用,再据此确认批量运行所需的计算环境。云生信科研服务器租赁

把知识用于当前任务

下一步可以直接开始分析

按研究目标查找在线工具、课程、计算资源或完整分析服务。

按目标找方案仍有疑问,联系客服 ↗