SSAD-GAGs 单细胞 RNA-seq：项目概览

基本信息

  • 矩阵：单细胞 RNA 测序（scRNA-seq, 10x Chromium）
  • 物种：小鼠（Mus musculus，GRCm39）
  • 样本数：6（Control 3 + Disease 3）
  • 测序平台：NovaSeq X Plus，PE151
  • 细胞注释：SingleR + celldex MouseRNAseqData / ImmGenData
  • 分析阶段：19 个 R 脚本，线性流程

实验设计

组别 样本 ID 描述
Control Control1, Control2, Control3 正常对照
Disease SSAD_GAGs1, SSAD_GAGs2, SSAD_GAGs3 SSAD-GAGs 疾病模型

分组顺序固定为 Control → Disease，所有图表和统计比较均遵循此因子顺序。

核心发现

Macrophages 是 Disease 模型的核心响应群体，缺氧应答信号显著上调

  1. Macrophages 差异最显著（4,514 DEG），其次 Fibroblasts（2,956）、Granulocytes（2,823），被自动选为重点亚群进行下游分析
  2. 缺氧应答（Hypoxia response）通路在 Disease 富集亚群强烈激活：cellular response to hypoxia FDR < 1e-16，涉及 Egln3、Bnip3、Ndrg1、Pdk1 等 HIF-1α 通路下游基因
  3. 重聚类后定位关键 Macrophage 亚群：Disease 富集亚群以 Pf4、Cav1 为标志（log2FC > 2）
  4. 功能态打分显示 Disease 组在促炎、氧化应激模块得分升高，其余 4 个模块（抗炎/凋亡/ECM/IFN）也有组间差异

细胞类型组成

各细胞类型在两组中的细胞数
Control Disease Total
Granulocytes 11,911 10,656 22,567
Macrophages 7,556 7,829 15,385
Fibroblasts 4,150 2,447 6,597
Monocytes 3,535 2,862 6,397
T cells 1,247 666 1,913
Endothelial cells 819 295 1,114
Dendritic cells 629 203 832
NK cells 407 98 505
Adipocytes 216 146 362
B cells 136 92 228

分析流程

01.R  加载 6 样本 Cell Ranger 输出，合并 Seurat 对象
 │
02.R  QC 过滤 → 标准化 → PCA → Harmony 批次校正 → UMAP → 聚类
 │
03.R  SingleR 自动注释（MouseRNAseqData + ImmGenData）
 │
04.R  细胞比例检验 + 全细胞类型 DE → 自动选择重点亚群
 │
 ├── 05-09.R  重点亚群差异表达 + 可视化
 │     ├── 05: Volcano + Heatmap
 │     ├── 06: GO 富集
 │     ├── 07: Top genes 热图
 │     ├── 08: KEGG 富集
 │     └── 09: 关键基因 Violin/DotPlot/FeaturePlot
 │
 ├── 10-11.R  Monocle3 轨迹推断 + 拟时序驱动基因
 │
 ├── 12.R  DEG 全表导出
 │
 └── 14.R  重点亚群重聚类（去污染）
       │
       ├── 15.R  GSEA（GO + KEGG）
       ├── 16.R  各亚群 GSEA
       ├── 17.R  Pseudobulk + 样本相关性
       └── 18.R  KEGG 通路图（pathview）

19.R  功能态基因集定义 + Module Score 打分

分析摘要

阶段 结果
总样本数 6（3 Control + 3 Disease）
细胞注释 SingleR 自动注释
差异分析 Disease vs Control（Wilcoxon）
轨迹推断 Monocle3 拟时序
富集分析 GO / KEGG / GSEA
功能态模块 7 个模块打分（促炎/抗炎/氧化应激/凋亡/ECM/增殖/IFN）
推荐阅读顺序

按以下顺序阅读可获得最完整的分析脉络：

  1. QC + 注释 — 质控过滤、PCA/UMAP 降维、SingleR 细胞类型注释
  2. 差异分析 — Disease vs Control 差异基因 + 可视化
  3. 轨迹推断 — Monocle3 拟时序分析
  4. 富集分析 — GO / KEGG / GSEA 通路富集
  5. 亚群分析 — 重聚类 + 亚群 GSEA
  6. 功能态打分 — 7 个功能模块 Module Score + 组间比较
📂 本节相关产出文件

样本信息