单细胞分析

转基因实验做完了,为什么表达矩阵里连 GFP 这一行都没有?

作者:发布于 2026-11-17约 8 分钟阅读
GFP 参考核查,串起真实转录序列、FASTA、GTF 和最终特征行

显微镜下看到了绿色荧光,单细胞表达矩阵里却连 GFP 这一行都没有。有人会先调整绘图阈值,也有人会直接把一整列细胞标为阴性。在碰表达量之前,先问一个能在几分钟内查清的问题:这次计数用的参考里,那个载体实际转录出来的序列有没有作为一个基因被登记?如果参考根本没有它,重画坐标或增加测序深度也无法凭空多出一个特征。下面用一份只有几十个碱基的模拟参考,沿着实际构建、参考序列、外显子注释和最终特征表逐项排查。

GFP 参考核查,串起真实转录序列、FASTA、GTF 和最终特征行

向实验同事要的是表达盒和转录方向

先找实际用于这批样本的构建版本。报告蛋白的名字相同,核酸序列仍可能不同,例如做过密码子优化,或者将荧光蛋白放在融合蛋白、双顺反子、连接肽等不同结构中。对于常规三撇基因表达文库,要问清整条成熟转录本的方向、三撇非翻译区、加尾相关设计,以及荧光编码区位于离转录本末端多远的位置。实物质粒图谱、构建说明和克隆测序记录能把这些问题指向具体碱基。拿另一种常见 GFP 变体的编码序列代替自家载体,是非常容易发生的误配。

看荧光和计转录本还涉及不同时间与测量对象。蛋白信号可持续一段时间;RNA 捕获则受到转录本是否存在、是否能被当前建库策略捕获,以及测到的那一段是否能唯一归属等因素影响。先把两类证据放在相应的位置。为这次结构核查挑一个锚序列,写成成熟转录本五撇到三撇的方向,尽量选本构建特有且靠近可覆盖区域的片段。启动子、细菌抗性基因、复制起点等骨架元素即使存在于质粒,也不能仅凭“在质粒上”就当作这个转录本的组成部分。Cell Ranger 自定义参考说明

把序列、注释与矩阵行连起来

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)

资料包有正常和故障两份输入。正常参考含有一个宿主示范片段和一个报告基因示范片段,故障目录则故意将注释里的报告片段名改短,并提供一份缺失报告基因行的特征表。两套数据只用于练习文件核查,教学序列并非能发出荧光的真实完整基因。把完整 ZIP 解压后,在主脚本所在目录运行下面两条命令。不需要安装比对程序或下载人类基因组即可看到两类问题如何出现在输出中。

python run.py --input example --out results
python run.py --input broken --out results-broken
核查对象 自己应能指出的位置 该位置能回答的问题
载体表达盒 成熟转录方向和候选捕获区域 所选片段是否属于真实目标转录本
参考 FASTA 清晰且唯一的 contig 名与实际序列 比对程序是否有机会找到该序列
参考 GTF 同名 contig、exon、链、稳定 gene_id 与 transcript_id 读段落到哪里时可能计入该特征
features.tsv 第一列的稳定 ID、第三列的特征类型 最终交付的 RNA 特征轴是否包含它

在正常示例里打开参考序列,可以看到片段名是 reporter_demo。随后去注释表核对第一列,两条报告基因外显子都使用完全一样的名字,起止坐标分别是四到十五、二十到三十三。GTF 使用从一开始、两端均包含的坐标,所以两段长度分别是十二和十四,相加得到二十六。脚本把这两段拼回成熟转录本,得到的锚起点在第十五位。如果你的人工拼接多了或少了一个碱基,先检查从 GTF 转到编程语言切片时有没有正确处理首尾坐标。

def transcript_sequence(seq, exons, strand):
    intervals=sorted(exons)
    if not intervals or any(a<1 or b<a or b>len(seq) for a,b in intervals):
        raise ValueError("Exon is outside contig or has invalid coordinates.")
    if any(curr[0]<=prev[1] for prev,curr in zip(intervals,intervals[1:])):
        raise ValueError("Overlapping exons within this transcript.")
    joined="".join(seq[a-1:b] for a,b in intervals)
    return joined if strand=="+" else reverse_complement(joined)

脚本对正链按基因组坐标从小到大拼接;对于负链,先拼出对应基因组区段,再取整段反向互补,得到转录本书写方向。负链跨多个外显子时,只将每一段单独反向互补、仍按照原坐标顺序相连,会把外显子次序颠倒。一个很实用的自检办法,是另取一段你确知在成熟转录本中的跨接头序列,检查能否在按该转录本生成的序列里找到。若不同剪接异构体共享部分外显子,按 transcript_id 分开拼接,保留每个转录本各自的命中状态。

从正常例子走向两个真实会遇到的文件错误

打开正常运行的结构表,应看到一条目标转录本、两个外显子、二十六个碱基的拼接长度,以及一处锚序列命中。然后打开故障结果。参考 FASTA 依旧完整,GTF 对同一个目标 gene_id 所写的 contig 却成了 reporter,特征表也只剩宿主基因。程序分别记录注释名称不匹配和矩阵行缺失。第一个结果可以通过查文件直接确认;第二个结果描述这份交付物里缺了什么。示例故意把这两项放在一起,但在真实项目里仍应查清哪份参考实际参与了计数。两张文件同时有问题,单凭这张审计表还不能证明前者必然是后者的成因。

有时名字和坐标都正确,研究者仍会在对象里找不到 GFP。先用稳定 ID 搜原始特征文件,同时查 gene_name 是否被写成别名。若原始 RNA 特征轴有一行,而后续对象没有,要追踪哪些基因在质控、创建对象或选高变基因时被删除。若原始特征轴根本没有目标行,则回看构建索引时使用的最终 GTF,特别是经过功能类型筛选后送入建索引的那一版。将目标序列只加到 FASTA 而漏掉合格外显子注释、或者手头检查的是刚刚修改的源文件而上次运行指向旧索引,都能产生相似表象。10x 的 MEX 特征与基因 ID 定义

修好参考后,怎样验收一次试跑

准备真实项目时,在原物种 FASTA 的副本中添加正确方向定义清楚的载体片段,在对应的注释副本中添加相同 contig 的外显子记录。目标基因使用稳定且不会与宿主重复的 ID。把两份最终文件的校验值、原参考名、载体构建号都记到同一张运行记录里。下面是构建命令的写法,两个输入须替换成自己的完整参考。教学包只运行了小序列审计,没有用模拟短片段构建生产用索引。官方 mkref 输入与运行方式

cellranger mkref --genome=host_plus_reporter --fasta=combined.fa --genes=combined.gtf

新索引建好后找一份有实验阳性证据的文库做试跑,参数中明确指向新目录。第一步重新查特征行;第二步按细胞条码统计目标基因的 UMI 和检出比例,同时记录文库的有效细胞总数。第三步看原始比对在转录本末端和特异区域的位置,检查高同源片段是否可能同样匹配宿主或同批的其他载体。教学脚本只检查锚在指定转录本中出现几次,不能充当全基因组唯一性验证。对低水平表达和少量散在阳性,还应结合无载体对照和背景条码判断。出现目标行之后,全零、少量可能来自背景的信号、阳性群有连续支持,是三个应当采取不同下一步的结果。

如果实验同时用了两个共享三撇元件的构建,还要检查实际读段覆盖到的部分能否区分它们。即便编码区不同,捕获到的末端片段可能完全相同,一条看似漂亮的总覆盖曲线也未必能支持逐构建归属。把有区分能力的读段单独列出,记录其位置和条码,说明哪些信号只能归到共同序列。提交结果时,让查看者可以从一张表达图依次回查所用构建、目标基因行、外显子注释和最初的计数命令。

先在一份阳性文库把“参考有行、读段可归属、细胞有计数”逐项验收,再决定哪些队列需要重跑。若要重建完整物种参考并重新处理多批 FASTQ,可用这次试跑的峰值内存、索引体积和读段量估算后续所需环境。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 ↗