摘要 | 第4-6页 |
Abstract | 第6-7页 |
第一章 前言 | 第16-33页 |
1.1 转录组分析 | 第16-18页 |
1.1.1 基因芯片 | 第16-17页 |
1.1.2 RNA测序 | 第17页 |
1.1.3 传统转录组分析方法的局限性 | 第17-18页 |
1.2 单细胞RNA测序 | 第18-20页 |
1.2.1 ScRNA-seq技术的特点 | 第18-19页 |
1.2.2 提高单细胞基因组的可扩展性 | 第19-20页 |
1.2.3 ScRNA-seq分析的基本流程 | 第20页 |
1.3 ScRNA-seq技术应用 | 第20-23页 |
1.3.1 识别细胞类型 | 第20-21页 |
1.3.2 揭示动态生物学过程 | 第21-22页 |
1.3.3 细胞的空间位置 | 第22页 |
1.3.4 揭示转录机制 | 第22页 |
1.3.5 研究肿瘤微环境 | 第22-23页 |
1.4 处理高维数据的方法 | 第23-26页 |
1.4.1 降维 | 第24-25页 |
1.4.2 基因筛选 | 第25-26页 |
1.5 无监督聚类方法鉴定细胞群 | 第26-27页 |
1.6 ScRNA-seq技术存在的问题 | 第27-28页 |
1.7 Tregs | 第28-31页 |
1.7.1 Tregs体外分化 | 第28-29页 |
1.7.2 Tregs介导免疫抑制的机制 | 第29-30页 |
1.7.3 Tregs与肿瘤免疫 | 第30-31页 |
1.8 肿瘤微环境 | 第31-33页 |
1.8.1 肿瘤微环境中的Tregs | 第31-33页 |
第二章 材料和方法 | 第33-44页 |
2.1 数据来源 | 第33-35页 |
2.1.1 时间序列数据 | 第33页 |
2.1.2 MARS-Seq数据 | 第33-34页 |
2.1.3 黑色素瘤scRNA-seq数据 | 第34页 |
2.1.4 参考基因组和注释文件 | 第34-35页 |
2.2 RNA-Seq分析流程 | 第35-39页 |
2.2.1 原始测序数据质控 | 第35-36页 |
2.2.2 比对到参考基因组 | 第36-37页 |
2.2.3 基因差异分析 | 第37-38页 |
2.2.4 基因富集分析 | 第38-39页 |
2.3 ScRNA-seq数据分析 | 第39-43页 |
2.3.1 用UMI-tools分析含有UMI的数据 | 第39-40页 |
2.3.2 得到表达矩阵之后的处理 | 第40-43页 |
2.3.2.1 质控 | 第40页 |
2.3.2.2 数据标准化 | 第40-41页 |
2.3.2.3 估计CNV值 | 第41-42页 |
2.3.2.4 无监督聚类 | 第42-43页 |
2.4 建立线性混合模型 | 第43-44页 |
第三章 结果 | 第44-63页 |
3.1 Tregs体外分化实验结果 | 第44-50页 |
3.1.1 比对结果 | 第44-45页 |
3.1.2 找到iTreg组与Th0组的基因差异 | 第45页 |
3.1.3 每个时间点差异基因富集分析 | 第45-50页 |
3.1.3.1 KEGG通路富集 | 第45-47页 |
3.1.3.2 GO生物过程富集分析 | 第47-50页 |
3.2 黑色素瘤数据分析结果 | 第50-55页 |
3.2.1 将单细胞分为恶性和非恶性细胞 | 第50-52页 |
3.2.2 筛选高度变异的基因 | 第52-53页 |
3.2.3 非肿瘤细胞分类 | 第53-55页 |
3.4 标志基因在单细胞数据中的表达情况 | 第55-57页 |
3.5 探究肿瘤细胞基因表达与免疫细胞之间的关系 | 第57-63页 |
第四章 讨论 | 第63-69页 |
4.1 Tregs细胞体外分化实验 | 第63-66页 |
4.1.1 Jak-STAT信号通路 | 第63-64页 |
4.1.2 TNF信号通路 | 第64-65页 |
4.1.3 PI3K-Akt信号通路 | 第65-66页 |
4.2 单细胞测序数据 | 第66-69页 |
4.2.1 Tregs生物学过程通路分析结果 | 第66-67页 |
4.2.2 B细胞生物学过程通路分析结果 | 第67-68页 |
4.2.3 CD8~+T细胞生物学过程通路分析结果 | 第68-69页 |
第五章 结论 | 第69-70页 |
附录 | 第70-76页 |
参考文献 | 第76-93页 |
致谢 | 第93-94页 |
硕士期间发表的文章 | 第94页 |