质谱流式技术（Mass Cytometry）结合了传统流式技术高效的单细胞研究能力和飞行时间质谱的全谱高分辨率优势，采用金属标记抗体与待测抗原结合，实现了单细胞水平的高通量分析，并且能够同时获得单个细胞的多种参数，识别不同靶向蛋白。通过对传统流式和质谱技术加以整合，它继承了传统流式细胞仪的高速分析的特点，又具有质谱检测的高分辨能力，并且克服了传统流式荧光发射基团光谱重叠的问题。质谱流式与单细胞转录组测序相比，质谱流式技术能够直接获得蛋白水平的信息，捕获检测的细胞也更多，信息更丰富。
质谱流式技术采用金属标记的抗体识别细胞表面或胞内的抗原，标记后的细胞经雾化后被分离成单个细胞进入电感耦合等离子体矩管中进行离子化，离子云随后被传输至飞行时间质量分析器中，检测器依次记录各种金属离子到达的时间，检测出每个细胞中各种标签金属的含量，最终形成不同的金属离子信号峰。检测产生单个细胞质谱数据，再通过分类、聚类和降维算法进行处理，反映基于靶蛋白丰度的各种细胞群体的表型和功能。
生物信息分析流程
通过对下机数据质量评估后，进行表达水平标准化；利用TSNE、UMAP和flowSOM等方法进行降维、聚类分析。使用公共的细胞类型注释数据集或者人工提供的数据集，对聚类结果进行细胞类型注释，针对差异分组的数据做细胞亚群比例差异分析。此外，依据数据情况，研究相关性或者感兴趣部分，选择重点蛋白及其关注的细胞类型，进行后续重点研究及验证方向。全新设计的离子光学系统，具有极佳的灵敏度和分辨率。
分析结果
质控结果
由于质谱流式的数据并不需要光补偿，因此进行标准化后的数据质控只需要根据高斯参数来去除离群值消除噪声影响及去除细胞碎片和死细胞，最后统计样本细胞总数，一般来说，数据受批次影响较小。MDS图也提示分组样本数据的相似性、关注的抗体在样本的偏差程度和抗体表达强度等整体情况。
2.SPADE分析
基于SPADE算法进行聚类分群。原理是密度依赖型的下采样，通过聚类算法（k-means、层次聚类等），绘制最小生成树（计算聚类算法得到的类群在高维空间中的中心，再计算各中心点的距离，最后连接每个点距离最近的点），最后上采样（把下采样中去掉的事件）按照相似度重新绘制到生成的图中。
3.聚类分析
基于flowSOM的元聚类分群。（用于分析流式细胞数据的一种无监督的自组织映射聚类算法） 将细胞分组到N*M的集群中，然后调用聚类算法对该N*M的矩阵进行二次聚类，将数据聚类为 2 到 K个簇。
4.降维分析
TSNE主要是将数据从高维数据转到低维数据，并在低维空间里也保持其在高维空间里所携带的信息（比如高维空间里有的清晰的分布特征，转到低维度时也依然存在）。UMAP 主要基于流形理论和拓扑算法的理论，对高维数据进行降维，从而能够保留更多数据的全局结构，并且具有优越的运行性能。TSNE、UMAP的降维结果展示。
5.细胞类型注释
通过严格的生信打分算法和人工提供注释数据集进行细胞类型注释，并将结果映射回TSNE图，可以与每种抗体的TSNE图对应起来看，这样同时也能与注释结果互相印证，随着注释数据集的增加，注释结果也会更准确、更完善。细胞亚群的生物学自动注释结果展示。
6.亚群比例差异分析
计算不同cluster或细胞亚群的比例，当细胞类型注释的结果达不到预期，可以通过cluster的差异进行亚群研究；若细胞类型的结果较好，则可以通过细胞亚群的差异进行后续分析，总而言之，都为后续继续分群研究提供了方向。
如果你还在为不知如何绘制SCI图表而忧愁，还在为毕业论文制图效率低下美观度不满意而焦心，或者想要找到一个高效制图的集中地……
详细技术请访问欧易生物官网
⬇
百度搜索欧易生物（oebiotech）
⬇
了解更多多组学技术
（云平台）
猜你还想看
1、Science关注 | 通过高分辨率质谱成像技术和单细胞转录组技术揭示鞘脂控制真皮成纤维细胞异质性
2、ARD | 风湿病顶级期刊！体外质谱技术揭示银屑病关节炎滑液的骨髓促炎特征
3、Anal Chim Acta亮点 | 许国旺课题组在高通量单细胞代谢组学研究中取得的新进展
4、Immunity| 斯坦福大学研究团队运用质谱流式技术全面表征人B细胞特征的单细胞图谱
本文系鹿明生物原创
转载请注明本文转自鹿明生物
