2022-03-11
单细胞测序无疑是当今组学研究中炙手可热的明星产品。利用单细胞可做的事情简直太多了，其在免疫、发育、异质性中都可以发挥极有效的作用。理所当然的科研人员都期望在自己的实验设计中加入单细胞测序，以期望有更精细的发现。
相信手握单细胞测序数据的小伙伴们会发现，单细胞测序的数据实在太庞大了，如何从海量的分析数据中筛选出解释生物学问题的数据，是最大的挑战。例如，实际的数据分析工作中，我们常常希望清晰准确地看到以下信息：
1. 感兴趣细胞亚群在样本中的丰度情况；
2. 感兴趣的基因（基因集）在单细胞测序结果里的表达情况；
3. 感兴趣的基因（基因集）在组间的差异表达情况；
4. 协同表达的两个基因的联动表达情况；
5. 感兴趣的基因有哪些共表达基因？
如果有一个工具，能够以图文并茂地方式回答上述的问题，给到我们就像文章发表的图片一样的图片，无疑对于我们高效地筛选分析数据、解决生物学问题，有很大的帮助。
今天小编为大家介绍一款无需生信基础，就能个性化并快速解决上述问题的工具--- ShinyCell。
ShinyCell作为一个R包允许用户创建基于 Shiny 的交互式 Web 应用程序，它可以直接对Seurat的对象进行处理，ShinyCell通过修剪以及文件转换，仅以极小的数据量就可以保存所需信息。它可以实现：
降维可视化细胞信息/基因表达，例如UMAP、TSNE等。 | |
降维可视化两个基因的共表达。 | |
可视化多种细胞信息，例如细胞得分、umi信息等绘图方式包括小提琴图、箱线图。 | |
柱状图展示不同分组的细胞成分。 | |
使用气泡图 / 热图可视化多个基因的表达。 |
同时ShinyCell还可以实现PNG、PDF等多种图片格式的保存，以及低内存占用，当用户有多个项目时，这是十分有价值的。
ShinyCell与其他类似功能的比较
软件安装及数据处理
软件的安装包含两部分，其一是ShinyCell所需的环境，其二是Shiny网页展示所需的环境。
软件安装过程
事不宜迟，我们使用了测试数据进行了体验，其中ShinyCell可以对Seurat的rds进行处理并输出shinyAPP所需要的server.R 、ui.R及所需数据（小tips：派森诺的结题报告中提供了Seurat 的rds对象，方便用户进行转换）。
文件处理
结果展示
我们使用的测试数据来源于《Single-cell analysis of two severe COVID-19 patients reveals a monocyte-associated and tocilizumab-responding cytokine storm》。这篇文章中进行了两个新冠患者，不同时期的单细胞测序。
使用云平台进行降维图的展示，降维图可以选用UMAP、TSNE、PCA等多种坐标。同时可以展示不同的样本信息、病例信息等，对于展示基因表达量也是十分easy的。更值得一提的是，用户可以基于不同的信息来实现细胞的过滤，以及调整点的大小颜色也是随心所欲。
降维映射图展示
同时，ShinyCell还提供了基因共表达的分析。
基因共表达分析
单个基因/样本信息展示
基因PTRPC表达小提琴图
nCount_RNA柱状图
不同分组中亚群的组分图
有小伙伴会好奇有没有对多个基因作图的模块？当然有! 热图、气泡图都安排上。
不同样本中基因表达气泡图
不同亚群中的基因表达热图
可以看出ShinyCell可以极大的减少手写代码调试的痛苦，并且所提供的绘图也是很美观的。对于还在苦苦折腾单细胞数据的小伙伴来说，安装一个属于自己的云平台还是很不错的~
