【周刊】第 149 期

[kkjtmac]

生信爱好者周刊（第 149 期）：

这里记录每周值得分享的生信相关内容，周日发布。

本杂志开源（GitHub: openbiox/weekly），欢迎提交 issue，投稿或推荐生信相关内容。

「生信周刊讨论区」

封面图

人类细胞图谱计划最新成果登Nature封面

本周话题：

• 【推荐】封面/话题/生信研究 | 人类细胞图谱计划最新成果登Nature封面，第一版完整图谱预计2026年完成！ #2597

生信研究

• 【推荐】生信研究 | Nat.Commun. | 赵屹/杨胜勇团队发表基于深度生成模型（PRnet）进行新化合物扰动转录响应预测加速药物研发 #2578 1
• 【推荐】生信研究 | 开发CRISPR-Cas13筛选技术，发现778个人类必需lncRNA #2573 2
• 【推荐】生信研究 | Nature | 胡政/贺雄雷/何真团队合作揭示肿瘤从多克隆至单克隆转变的早期演化新模式 #2555 3
• 【推荐】生信研究 | Nat Genet | 基于62.6万个细胞构建迄今最全面的人类子宫内膜单细胞综合参考图谱 #2503 4

博文资讯

• 【推荐】博文资讯 | 单细胞Ro/e分析学习和整理 #2529 5
• 【推荐】博文资讯 ｜ 独立开发的100个思考专栏 #2511 6
• 【推荐】博文资讯 | Top 25 R Packages in 2024 #2584 7
• 【推荐】博文资讯 | 刘钝：为何说中国的知识分子应读一读竺可桢？ #2611 8

工具

• 【推荐】工具 | scplotter #2551 9
• 【推荐】工具 | XPipe: https://github.com/xpipe-io/xpipe #2482 10
• 【推荐】工具 | Frpc-Desktop: https://github.com/luckjiawei/frpc-desktop #2444 11

资源

• 【推荐】资源推荐 | https://github.com/realYurkOfGitHub/translation-Introduction-to-HPC #2527 12

贡献者（GitHub ID）

「Openbiox 生信周刊」运维小队：

• @ShixiangWang（王诗翔）
• @kkjtmac（阚科佳）
• @NiEntropy（赵启祥）
• @He-Kai-fly（何凯）
• @JnanZhang（张佳楠）
• @Tomcxf（陈啸枫）
• @wangdepin（王德品）
• @kongjianyang（空间阳）
• @donghongyu2020（董弘禹）
• @DrRobinLuo（罗鹏）
• @Wangcy-rachel - 王春阳
• @zoe3251 - 舒晨阳

订阅

这个周刊每周日发布，同步更新在微信公众号「优雅R」（elegant-r）上。

微信搜索“优雅R”或者扫描二维码，即可订阅。

（完）

[ShixiangWang]

@openbiox/weekly

[ShixiangWang]

3、5、10

[Wangcy-rachel]

3、5、10

1、2、4

[ShixiangWang]

3、[Nature | 肿瘤从多克隆至单克隆转变的早期演化新模式](https://mp.weixin.qq.com/s/yTepOGa-IbqiTmMGnHR1Cw)

理解肿瘤的早期发生机制，对实现肿瘤的早期精准筛查和防治至关重要。对早期肿瘤起源和发生机制的认识不足，极大地限制了我们在肿瘤精准筛查和早期干预上的突破。研究团队首次在哺乳动物中建立了基于碱基编辑器的细胞谱系示踪技术（称为SMALT），实现了小鼠体内单细胞分辨率的高精度谱系追踪。SMALT技术结合了胞苷脱氨酶（AID）、人工DNA条形码序列和Tet-On可诱导表达系统，通过AID介导的靶向突变和后续DNA测序，能够大规模、高精确地重建单细胞谱系树（图1a）。研究团队利用携带SMALT系统的转基因小鼠，构建了两种小鼠肠癌模型：炎症诱导肠癌模型（AOM/DSS模型）和多发性息肉模型（ApcMin/+模型）。基于高分辨率谱系树分析，团队发现大多数（66.7%）炎症诱导的早期肠癌和所有Apc息肉均表现出多克隆起源（图1b）。通过整合DNA条形码测序、全基因组测序和单细胞转录组数据，研究团队进一步发现单克隆肿瘤（图1c）比多克隆肿瘤具有更高的恶性程度，这表明单克隆肿瘤可能代表肿瘤发生的更“晚期”阶段。基于这些发现，团队提出了肿瘤发生的“多克隆向单克隆转变”新模型（图1d），为早期肿瘤演化提供了新的理论框架。

• 论文链接：https://www.nature.com/articles/s41586-024-08133-1

5、[单细胞Ro/e分析学习和整理](https://mp.weixin.qq.com/s/MYIGKrskIWp5FXhSQffSYA)

Ro/e（Representation Odds Ratio to Expected）是一种用于单细胞分析的统计工具，它旨在评估特定细胞类型在不同组织中的分布是否显著偏离随机分布的期望值。这个工具提供了一种比较细胞类型在不同组织中的相对丰度的方法。下面是对Ro/e概念的详细解释：

1. 随机期望值：

   • 在没有任何生物学差异的情况下，我们期望每种细胞类型在各个组织中的分布是随机的。这个随机期望值是基于所有细胞类型在所有组织中的分布计算得出的。

2. Ro/e > 1（富集）：

   • 如果某个细胞簇在特定组织中的Ro/e值大于1，这意味着该细胞簇在该组织中的细胞数量高于随机分布的期望值。换句话说，该细胞簇在该组织中是富集的，或者说在该组织中过度表示。

3. Ro/e < 1（消耗）：

   • 相反，如果Ro/e值小于1，这表明该细胞簇在特定组织中的细胞数量低于随机分布的期望值。这意味着该细胞簇在该组织中是消耗的，或者说在该组织中表示不足。

4. 与卡方检验的区别：

   • 卡方检验是一种统计方法，用于确定观察到的频率与期望频率之间是否存在显著差异。然而，卡方检验只能告诉你是否存在偏离随机期望的情况，但不能告诉你具体是哪些细胞簇在特定组织中富集或消耗。
   • Ro/e则提供了更详细的信息，它不仅能够显示偏离的程度，还能够指出具体是哪些细胞簇在特定组织中表现出富集或消耗。

5. Ro/e的应用：

   • 在单细胞分析中，Ro/e可以帮助研究人员识别特定组织中的关键细胞类型，这些细胞类型可能在疾病状态下或特定生物学过程中发挥作用。
   • 通过比较不同组织中细胞类型的Ro/e值，研究人员可以更好地理解细胞类型的组织特异性和功能。

总结来说，Ro/e是一个强大的工具，它通过比较实际观察到的细胞分布与随机期望值，帮助研究人员识别和理解细胞类型在不同组织中的分布模式。这种方法提供了一种量化细胞类型组织特异性的方法，对于揭示细胞类型的生物学意义和功能具有重要价值。

10、[xPipe ｜ 你的服务器基础设施尽在指尖](https://github.com/xpipe-io/xpipe)

[Wangcy-rachel]

1、Nat.Commun. | 基于深度生成模型（PRnet）进行新化合物扰动转录响应预测加速药物研发

该研究开发了基于深度生成模型的新化合物扰动转录响应预测模型PRnet，实现高效的虚拟药物筛选。

• 文章链接：https://www.nature.com/articles/s41467-024-53457-1

2、Cell | 开发CRISPR-Cas13筛选技术并鉴定人类必需lncRNA

该研究开发了一种基于CRISPR-Cas13的靶向RNA的转录组规模的CRISPR筛选技术，并使用该技术鉴定了778个必需的lncRNA

• 文章链接：https://www.cell.com/cell/fulltext/S0092-8674(24)01203-0

3、Nat Genet | 基于62.6万个细胞构建迄今最全面的人类子宫内膜单细胞综合参考图谱

该研究整合了来自患有及未患子宫内膜异位症女性的已发表和新收集的子宫内膜单细胞转录组数据，构建了一个高分辨率单细胞参考图谱——人类子宫内膜细胞图谱（HECA）

• 文章链接：https://www.nature.com/articles/s41588-024-01873-w

[zoe3251]

7、8、9

[zoe3251]

7、Top 25 R Packages in 2024

这篇文章主要介绍了2024年前沿的25个R语言包，涵盖了数据清理、数据总结、用户界面、代码模块化、数据处理、包管理、缺失数据处理、机器学习、表格制作、表格式可视化、深度学习、API构建、文件系统操作、相关性分析、日期时间处理、并行处理、图形组合、交互式可视化、文档自动化、Shiny应用构建、全栈开发、优化框架和地图功能等多个方面。
8、刘钝：为何说中国的知识分子应读一读竺可桢？

文章主要阐述了竺可桢作为气象学、地理学及教育学家的卓越贡献，并强调了当代知识分子应学习竺可桢的道德操守与献身精神。
9、Scplotter

scplotter是一个建立在plotthis的基础上，提供了一套函数，以轻松高效的方式可视化单细胞测序数据的R包,支持 TCR/BCR 分析并与 scRepertoire 兼容