B-Cell Aware Analysis of Single-Cell Transcriptomics Data.

چکیده اصلی

Single-cell RNA sequencing (scRNA-seq) has facilitated the studies of cellular heterogeneity in many different biological contexts, including how B cells function and mediate immune responses to infection, malignancies, and autoimmunity. scRNA-seq as applied to B cells requires specific bioinformatics strategies, which consider the distinct biology of B cells and biological processes unique to these cells, such as somatic hypermutation (SHM) and class switch recombination (CSR). We present here a protocol that analyses scRNA-seq alignments and count matrices, as well as B-cell receptor sequencing data obtained in parallel to scRNA-seq. We highlight computational strategies to ensure cell clusters align with biologically relevant B-cell subsets and cell states. We provide practical guidance on how CSR and SHM information can be extracted from the data and utilized to build robust computational models of B-cell maturation.

ترجمه فارسی چکیده

رشته‌کدگذاری RNA تک‌سلولی (scRNA-seq) امکان مطالعه تنوع سلولی در زمینه‌های زیستی مختلف را فراهم کرده است، از جمله نحوه عملکرد و میانجی‌گری پاسخ‌های ایمنی سلول‌های B در برابر عفونت، سرطان‌ها و بیماری‌های خودایمنی. کاربرد scRNA-seq بر روی سلول‌های B نیازمند استراتژی‌های بیوانفورماتیک خاصی است که ویژگی‌های زیست‌شناختی منحصر به فرد این سلول‌ها و فرآیندهای بیولوژیکی آن‌ها، مانند جهش سوماتیک (SHM) و بازسازی سوئیچ کلاس (CSR)، را در نظر می‌گیرند. در اینجا ما یک پروتکل ارائه می‌دهیم که ترازهای scRNA-seq و ماتریس‌های شمارش، به همراه داده‌های توالی‌یابی گیرنده‌های B سلولی که به طور موازی با scRNA-seq به دست آمده‌اند، را تحلیل می‌کند. ما استراتژی‌های محاسباتی را برای اطمینان از هم‌راستایی خوشه‌های سلولی با زیرمجموعه‌ها و حالت‌های زیست‌شناختی مرتبط با سلول‌های B برجسته می‌کنیم. ما راهنمایی عملی در مورد نحوه استخراج اطلاعات CSR و SHM از داده‌ها و استفاده از آن‌ها برای ساخت مدل‌های محاسباتی پایدار از بلوغ سلول‌های B ارائه می‌دهیم.

متن کامل اصلی