本文主要是介绍如何确定公共转录组数据集的来源性别，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
太长不看版: 文献报道XIST和RPS4Y1是区分性别的两个高可信度的标记基因，因此你没有必要去用其他性染色体上的基因去确定数据集的性别。
不仅仅是在使用公共的单细胞转录组数据，其实早在公共芯片数据或者RNA-seq数据挖掘中，就有人在考虑一个问题，这个数据的元信息作者会不会搞错了呢？
以性别为例，我们很容易想到表达Y染色体上基因数据肯定是男性，但是我们也知道基因也不是任何时刻都表达，所以如果一个Y染色体上的基因不表达，ta未必是女性。因此我们需要一个比较可靠的标记基因，来确保对性别的区别是正确的。
我最初的想法，也是对Y染色体的基因逐个看表达，但是转念想到，在我这个数据集中有用的标记未必适用于其他数据集呀。因此通过一波检索，我找到了一篇文献，里面给出了两个关键基因，XIST和RPS4Y1。
接着我用Seurat提供的一个公共数据集进行测试，这个数据包括了不同技术处理的PBMC数据，预处理的代码如下。
library(Seurat)
library(harmony)
data("pbmcsca")
library(dplyr)pbmc <- pbmcsca%>%Seurat::NormalizeData(verbose = FALSE) %>%FindVariableFeatures(selection.method = "vst", nfeatures = 2000) %>% ScaleData(verbose = FALSE) %>% RunPCA(pc.genes = pbmc@var.genes, npcs = 20, verbose = FALSE)pbmc <- RunHarmony(pbmc, c("Experiment", "Method"))
pbmc <- RunUMAP(pbmc, reduction = "harmony", dims = 1:20)最终我们获得了使用harmony去除批次效应后的数据集，接着我们用小提琴图分来源对XIST和RPS4Y1进行可视化
VlnPlot(pbmc, c("XIST","RPS4Y1"), group.by = "Method")结果如下
你会很奇怪为什么CEL-Seq2, Drop-Seq, InDrops, Seq-Well,Smart-seq2什么同时表达这两个基因呢？
很简单，因为这几种方法同时还包括两种实验，pbmc1和pbmc2
当我们筛选所有的pbmc1实验进行展示
pbmc_sub <- subset(pbmc, Experiment == "pbmc1")
VlnPlot(pbmc_sub, c("XIST","RPS4Y1"), group.by = "Method")你会发现这两个是完美的互斥关系
如果你筛选出pbmc2进行展示
pbmc_sub <- subset(pbmc, Experiment == "pbmc2")
VlnPlot(pbmc_sub, c("XIST","RPS4Y1"), group.by = "Method")同样的，你得到一个完美的互斥结果
小结: XIST和RPS4Y1是区分性别的两个高可信度的标记基因，如果以后使用人的公共数据集的时候，可以用这个两个基因确定性别。
参考资料:
- https://www.sciencedirect.com/topics/neuroscience/xist-gene
- https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3275083/
- https://www.sciencedirect.com/science/article/pii/S1872497316302034
这篇关于如何确定公共转录组数据集的来源性别的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
