Yila
全部用户案例
数据分析

单细胞测序:11,769 个 PBMC 的质控与注释

上传 PBMC10K 的质控与 Marker 表达表,Yila 先看 nCount、nFeature 和线粒体比例的分布再定阈值,按「细胞类型—阳性 Marker—需排除的相似类型」证据表逐群注释,并生成 Marker 点图——初步标签不等于最终生物学注释。

这是 11,769 个 PBMC 单细胞的质控和 Marker 表达数据。先检查 nCount_RNA、nFeature_RNA 和 percent_mitochondrial 的分布,告诉我哪些细胞需要重点检查。先不要做细胞注释。

分布已出图:nFeature 主峰约在 2,000、右侧带次峰,nCount 右偏长尾,线粒体比例集中在低值区但有长尾——阈值要按这批数据的分布来定,不能照搬惯例。

分布已出图:nFeature 主峰约在 2,000、右侧带次峰,nCount 右偏长尾,线粒体比例集中在低值区但有长尾——阈值要按这批数据的分布来定,不能照搬惯例。
不要直接套用固定阈值。结合这批数据的分布,给出一个用于教学演示的初始质控方案,并分别解释低 nFeature、高 nFeature、高 nCount 和高线粒体比例可能代表什么。

初始方案:低 nFeature 疑似空滴或碎片,高 nFeature 与高 nCount 疑似双细胞,高线粒体比例提示细胞受损;每种原因影响的细胞数已分别统计,并标注了哪些判断不能只靠硬阈值。

请用这张汇总表生成 Marker 点图。点大小表示表达细胞比例,颜色表示平均 log1p 表达量,并解释每个细胞群为什么这样注释。

点图已生成:CD3D/IL7R 指向 T 细胞,MS4A1/CD79A 指向 B 细胞,CD14/LYZ 指向单核细胞,GNLY/NKG7 指向 NK 细胞,PPBP/PF4 指向血小板——每个群的注释都附阳性 Marker 和需要排除的相似类型,不凭单个 Marker 下结论。

点图已生成:CD3D/IL7R 指向 T 细胞,MS4A1/CD79A 指向 B 细胞,CD14/LYZ 指向单核细胞,GNLY/NKG7 指向 NK 细胞,PPBP/PF4 指向血小板——每个群的注释都附阳性 Marker 和需要排除的相似类型,不凭单个 Marker 下结论。
把结果整理成三张表:质控阈值与理由、各质控原因的细胞数、细胞类型与 Marker 证据。结论里明确说明这些阈值只适用于当前数据,初步 Marker 标签不等于最终生物学注释。

三张表已交付,并附质检结论:阈值仅适用于当前数据批次;初步 Marker 标签不等于最终生物学注释;证据不足或可能混合的群已列入「需要复核」,建议补充 Marker 或做双细胞检测。

pbmc_qc_distributions.png质控分布图 · PNG
pbmc_marker_dotplot.pngMarker 点图 · PNG
qc_threshold_table.csv质控阈值表 · CSV
cell_type_marker_evidence.csv注释证据表 · CSV
marker_dotplot_script.py绘图脚本 · Python
任务已完成

Yila 任务回放完成。

用这个方法开始研究