相信熟悉单细胞测序的科研er对单细胞核RNA测序（snRNA-seq）一定也有所耳闻，尤其是针对脑组织的同类型文章，后者反而渐渐占据主流，而且文章分值普遍很高。那么是否只要做了snRNA-seq就能发大文章？小编这次选取了两篇去年分别发表于eNeuro（2021影响因子4.363）和Acta Neuropathologica（2021影响因子15.887）的同类型文章，品一品他们的思路究竟差在哪里。

文章标题：The Genomic Architecture of Pregnancy-Associated Plasticity in the Maternal Mouse Hippocampus

1.选题具有一定新意通过构建小鼠海马怀孕前后的基因图谱，为今后研究激素水平对大脑可塑性的影响提供海量数据。

2.应用多组学手段

将基因转录与表观遗传联系起来，从大数据中获得更为客观的分析结果。

文章标题：Cross‑regional homeostatic and reactive glial signatures in multiple Sclerosis

1.结合两大研究热点

主要探究影响热点疾病——多发性硬化症（MS）进程的热点机制——胶质细胞特征，并且是跨组织区域的。

2.充分发挥snRNA-seq的技术优势

根据细胞群的特征差异分别做不同的补充分析，从而得到针对特定细胞群更加具体的符合生物学意义的结果。

3.配套smFISH实验验证

采用灵敏度更高的原位杂交技术，增强生信分析结果的可信度。

4.对药物研发的启发性意义

测序使用多个部位的人类标本，并针对相应基因的临床前和临床试验予以讨论，提升临床转化意义。

1.细胞群鉴定

这是所有单细胞测序研究的第一步，根据样本的复杂程度可以选择不同的分类方式和标记基因（参考已发表文献或合理自创皆可）。如4+的文章采用基于Allen脑图谱的支持向量机（SVM）进行分类，并用canonical marker gene对得到的7大类细胞群做了进一步鉴定，发现阴性结果：小鼠孕前、中、后海马细胞群转录组总体特征无显著差异。

15+的文章先采用较为传统的PCA进行降维聚类，再利用Harmony算法^*得到38个细胞群，发现阳性结果：诸多新的细胞类型，包括单独分布于特定组织类型的细胞群，以及MS相较健康样本细胞群分布的差异。

*Harmony算法：

详见https://www.nature.com/articles/s41592-019-0619-0

2.差异基因表达分析

这项实属生信最经典的分析了。单细胞测序研究中更多是用来比较不同处理组之间特定细胞类型的基因差异表达情况。结果中可以像4+的文章分别展示GO分析的柱状图和差异表达的火山图。

也可以像15+的文章联合GO等分析结果进行组图。

3.细胞互作分析

这也是单细胞测序研究比较具有特色的一个补充分析项，通过分析不同功能通路受体-配体对基因的表达情况，揭示不同细胞群之间可能存在的相互作用，各位科研er可以根据需要选择出图的方式。如4+的文章根据展示了所有细胞群之间更加笼统的关系图。

15+的文章则是针对Bergmann 胶质细胞和Purkinje细胞的互作，出了一张细节满满的气泡图放在附图中。

1.结合多组学手段分析

多组学手段的应用往往是生信文章获得高分期刊青睐的有力策略。这篇4+的文章便基于已完成的snRNA细胞群划分补充了snATAC-seq及其基本分析项，比如各细胞群转录因子Motif的分析，深入挖掘转录组水平改变背后的可能调控机制。通俗地说，这里是通过增加工作量来弥补测序样本仅仅来自小鼠单一脑区的不足。

2.与已发表数据的关联性分析

对生信文章的致命质疑逃不开分析结果是否禁得起验证，完整的验证应当来自理论和实际两个方面。如今除了结合实际——对关键结果的湿实验验证，与已发表数据的比对分析也越来越成为文章逻辑关键的一环。这篇15+的文章在对跨组织区域白质少突胶质细胞的数据做差异基因表达分析时，将结果与已发表的人类MS和Alzheimer症的snRNA-seq数据进行比对，绘制了Venn图，并分析了其中一个亚细胞群的差异基因表达与已发表人类MS结果的关联性，为自己的结果提供了符合统计学意义的理论支持。

总的来说，单就snRNA-seq分析部分，除了硬性标准的数据量/工作量，15+的提分点主要在于细胞群鉴定的方法、因细胞群特征而异的补充分析项、以及配套的湿实验验证，进而在发现新的单细胞“pattern”之余，赋予了分析结果更强的临床转化潜力。两篇文章都很值得参考学习。