人子宫组织细胞组成分析模型及其建立方法和应用技术

本发明专利技术提供一种人子宫组织细胞组成分析模型及其建立方法和应用，利用单细胞分析技术，分析了人子宫细胞亚群的组成及每个亚群的基因表达谱特征，进一步根据各个细胞亚群的基因表达谱特征，利用反卷积法计算出子宫组织细胞组成的分析模型，并且将这一模型用于分析人子宫疾病特异细胞亚群特征，从而发现与疾病相关的潜在靶点细胞。

Establishment and application of cell composition analysis model of human uterus

【技术实现步骤摘要】
人子宫组织细胞组成分析模型及其建立方法和应用
本专利技术属于生物信息
，尤其是临床妇产科生殖检测领域，涉及一种基于人子宫单细胞图谱的细胞亚群特征、人子宫细胞类型组成分析方法，建立人子宫组织细胞组成分析模型的方法，以及该模型在人子宫疾病中发现疾病特异细胞亚群和疾病的靶点细胞方面的应用。
技术介绍
人子宫组织是胚胎着床、发育关键脏器，一旦子宫功能失调，将导致女性不孕不育或流产，将整个家庭乃至社会产生严重影响。目前子宫相关疾病如反复丢失妊娠、反复植入失败、子宫内膜异位症等目前大都均无有效的治疗措施，究其原因是对子宫疾病病理了解不够深入。以往病理研究往往以整个组织作为一个整体研究疾病的发病病理机制，而子宫等复杂组织往往包含多种不同细胞类型(如上皮、血管等)，以往(将组织作为一个整体)的检测方法、手段和思路，将掩盖组织内部的细胞异质性信息，如普通bulk转录组检测，仅能检测到被平均化后的整个子宫样本数据，而无法检测组织内部不同类型细胞异质性的信息，从而会掩盖或遗漏潜在的疾病特征信息。
技术实现思路
本专利技术利用单细胞分析技术，本文档来自技高网...

【技术保护点】
1.一种人子宫组织细胞组成分析模型的建立方法，包括下述步骤：/nS1：收集不同周期的人子宫全层组织样本，将组织裂解成单细胞后进行单细胞捕获和单细胞测序，分析人子宫单细胞转录组数据获得人子宫单细胞的特征规律；/nS2：对子宫单细胞测序数据进行数据标准化，选择表达量变异较大的基因，数据归一化，进而对数据进行主成分分析(PCA)，筛选具有显著意义的主成分所包含的基因，对单细胞数据进行非监督性聚类，将数据聚类成不同的亚群，寻找每个亚群的特异表达标志物，获得人子宫图谱；/nS3：根据人子宫图谱每个亚群的特异表达标志物作为基因集，利用反卷积算法(ssGSEA)建立人子宫组织细胞组成分析模型。/n

【技术特征摘要】
1.一种人子宫组织细胞组成分析模型的建立方法，包括下述步骤：
S1：收集不同周期的人子宫全层组织样本，将组织裂解成单细胞后进行单细胞捕获和单细胞测序，分析人子宫单细胞转录组数据获得人子宫单细胞的特征规律；
S2：对子宫单细胞测序数据进行数据标准化，选择表达量变异较大的基因，数据归一化，进而对数据进行主成分分析(PCA)，筛选具有显著意义的主成分所包含的基因，对单细胞数据进行非监督性聚类，将数据聚类成不同的亚群，寻找每个亚群的特异表达标志物，获得人子宫图谱；
S3：根据人子宫图谱每个亚群的特异表达标志物作为基因集，利用反卷积算法(ssGSEA)建立人子宫组织细胞组成分析模型。


2.根据权利要求1所述的人子宫组织细胞组成分析模型的建立方法，其特征在于，所述步骤S1中，人子宫单细胞的特征规律包括人子宫组织中细胞亚群的种类、特征和每个亚群特异表达标志物。


3.根据权利要求1所述的人子宫组织细胞组成分析模型的建立方法，其特征在于，所述步骤S2中，对子宫单细胞测序数据进行数据标准化前包括对数据进行过滤的步骤，能够去除影响数据统计准确性的低质量数据。过滤的数据包括去除细胞中基因表达counts数(nCounts)、有表达的基因的数量(nFeature)、线粒体基因所占比例(percent.mt)中过高或过低的细胞。
进一步的过滤数据标准包括：去除基因表达counts数(nCounts)大于60000的细胞，有表达的基因的数量(nFeature)小于500的细胞，去除线粒体基因所占比例(percent.mt)大于20％的细胞。


4.根据权利要求1所述的人子宫组织细胞组成分析模型的建立方法，其特征在于，所述步骤S2中，所述数据标准化用全局尺度归一化法“LogNormalize”；所述表达量变异较大的基因利用SeuratR包中FindVariableFeatures函数实现；所述数据归一化利用ScaleData函数对数据进行线性转换，给予每个基因相同的权重；通过umap/tSNE降维可视化对单细胞数据进行非监督性聚类。


5.根据权利要求1所述的人子宫组织细胞组成分析模型的建立方法，其特征在于，所述步骤S2中，获得的人子宫图谱包括上皮、基质、平滑肌、内皮、免疫细胞群及各自的特征亚群；
上皮细胞包括5个特征亚群：
PROLIFERATIVE_EPITHELIA,
CILIATED_EPITHELIA,
SECRETORY_EPITHELIA,
ANTIGEN_PRESENTING_EPITHELIA,
EMT_EPITHELIA；
基质细胞包括5个特征亚群：
PROLIFERATIVE_STROMA,
SFRP4_STROMAINFLAMMATORY_STROMA，
DCN_STROMA，
SECRETORY_STROMA，
INFLAMMATORY_STROMA；
平滑肌细胞包括4个特征亚群：
ADIRF_VASCULAR_MUSCLE,
INFLAMMATORY_VASCULAR_MUSCLE，
DES_VASCULAR_MUSCLE，
SECRETORY_VASCULAR_MUSCLE；
内皮细胞包括2个特征亚群：
SECRETORY_ENDOTHELIA,
INFLAMMATORY_ENDOTHELIA；
免疫细胞包括2个特征亚群：
NK,
MACROPHAGE。
进一步，所述人子宫图谱中每个特征亚群的特异表达标志物筛选标准为：与其他亚群比较，该亚群中该基因表达量logfoldchange>0.5，具体如表1所示。


6.根据权利要求1所述的人子宫组织细胞组成分析模型的建立方法，其特征在于，所述步骤S3中，所述反卷积算法包括TIMER，ssGSEA，dtangle，DC3，DeconRNASeq，quanTIseq，EPIC，CIBERSORT，反卷积算法建立的人子宫组织细胞组成分析模型将bulk子宫样本的转录组数据依据每个亚群的特异表达标志物数据分解成该子宫样本中每个亚群百分比或相对含量数据。
具体地，反卷积算法将每个样本看作是多种细胞类型的混合，采用线性回归拟合出每种细胞类型的组分和表达量与最终混合后的关系，最终推断出每一种细胞类型组成分数，一般使用线性最小二乘回归(TIMER)，约...

【专利技术属性】
技术研发人员：邹晓晖，吴兵兵，李余，欧阳宏伟，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33