建立scMAGeCK算法框架
开发并实现scMAGeCK的两个模块（RRA和LR），用于分析单细胞CRISPR筛选数据。
在原有MAGeCK和MAGeCK-VISPR算法基础上，扩展出scMAGeCK-RRA（基于排序的非参数检验）和scMAGeCK-LR（线性回归模型），并定义了选择得分和显著性计算方法。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
scMAGeCK将基因型与单细胞CRISPR筛选中的多种表型联系起来
scMAGeCK links genotypes with multiple phenotypes in single-cell CRISPR screens
实验完整度
高包含基于公共CROP-seq数据集的算法对比分析，以及新生成的mESC CROP-seq实验，涵盖细胞培养、慢病毒生产、单细胞RNA-seq、功能验证和机制网络构建。
主要模型
MCF10A细胞系 原代人类T细胞 K562细胞系 小鼠胚胎干细胞（mESC）
重点核对
CROP-seq文库构建中的gRNA设计及MOI（高/低） 目标基因敲除效率验证（基因表达下调） 细胞培养条件（mESC培养基成分及多能性状态分化） 单细胞RNA-seq平台（InDrop）及数据预处理（Seurat） 统计显著性阈值（FDR）
摘要
我们提出了scMAGeCK，一个计算框架，用于识别与基于表达的多种表型相关的基因组元件，这些表型来自以单细胞RNA-seq作为读出方式的CRISPR/Cas9功能筛选。scMAGeCK优于现有方法，识别出在细胞增殖中具有已知和新功能的基因和增强子，并能够无偏地构建基因型-表型网络。对小鼠胚胎干细胞进行的单细胞CRISPR筛选鉴定了与不同多能性状态相关的关键基因。将scMAGeCK应用于多个数据集，我们确定了提高单细胞CRISPR筛选功效的关键因素。总的来说，scMAGeCK是在单细胞水平研究基因型-表型关系的新工具。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 如何从单细胞CRISPR筛选数据中系统性地识别与多种表达表型相关的基因和调控元件？
- 核心机制
- scMAGeCK通过RRA和LR两种算法模块，将基因扰动与基因表达变化关联，从而构建基因型-表型网络。
- 主要证据
- 在多个CROP-seq数据集（MCF10A、T细胞、K562）及新生成的mESC CROP-seq数据上，scMAGeCK识别了已知和新的癌基因、肿瘤抑制基因及增强子，并构建了多能性状态相关的调控网络。
- 研究意义
- scMAGeCK为单细胞CRISPR筛选提供了一种敏感且精确的分析工具，能够无偏地构建基因型-表型网络，并有助于理解基因调控网络和增强子-基因调控。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
比较scMAGeCK与现有方法
评估scMAGeCK在识别扰动效应方面的性能，并与其他方法（如聚类分析、MIMOSCA、MUSIC）进行比较。
对公共CROP-seq数据集，进行聚类分析与扰动基因识别的比较，并通过置换检验评估各方法的假阳性率，比较基因本体富集和增强子-基因对的识别能力。
识别增殖相关基因和增强子
通过分析MKI67（Ki-67）表达关联，验证scMAGeCK识别已知癌基因和肿瘤抑制基因的能力。
使用scMAGeCK-RRA和LR分析各数据集中基因敲除对MKI67表达的影响，识别正向或负向调控的基因和增强子，并与其他筛选比较。
研究多种表型及构建网络
展示scMAGeCK在多种表型（如凋亡、T细胞活化、多能性）下的应用，并构建基因型-表型网络。
使用凋亡基因集、T细胞标记和mESC多能性标记作为表型，通过scMAGeCK-RRA分析基因敲除对标记表达的影响，构建网络。
进行mESC CROP-seq实验
通过新生成的CROP-seq数据，验证scMAGeCK在识别多能性相关基因中的有效性。
构建gRNA文库，感染mESC，诱导naïve和primed状态，进行单细胞RNA-seq，并使用scMAGeCK分析目标基因敲除对多能性标记的影响。
评估影响筛选功效的因素
研究目标基因表达水平和MOI对单细胞CRISPR筛选统计功效的影响。
分析不同数据集中目标基因表达下调程度与基因表达中位数的相关性，并比较高MOI和低MOI条件下K562数据的检测效果。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
算法模型
功能与机制验证
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| gRNA文库构建 | CROP-seq-guide-puro载体 | -- | -- |
| Lucigen Endura细胞 | Lucigen | 60242-2 | |
| Lonza 2B核转染仪 | Lonza | -- | |
| 恢复培养基 | Lucigen | -- | |
| Tiangen去内毒素大提试剂盒 | Tiangen | DP117 | |
| 慢病毒生产 | Opti-MEM I培养基 | Gibco | -- |
| 胎牛血清 | Gibco | -- | |
| Lipofectamine 3000转染试剂 | Invitrogen | -- | |
| psPAX2质粒 | Addgene | 12260 | |
| pMD2.G质粒 | Addgene | 12259 | |
| 聚乙二醇6000 | -- | -- | |
| 细胞培养 | DMEM/F12培养基 | Gibco | -- |
| Neurobasal培养基 | Gibco | -- | |
| N2添加剂 | Gibco | -- | |
| B27添加剂 | Gibco | -- | |
| PD03259010 | stem cell | -- | |
| CHIR99021 | stem cell | -- | |
| 小鼠白血病抑制因子 | Peprotech | -- | |
| L-谷氨酰胺 | Gibco | -- | |
| 青霉素-链霉素 | Gibco | -- | |
| 成纤维细胞生长因子2 | Peprotech | -- | |
| 激活素A | Peprotech | -- | |
| 单细胞RNA-seq | 1cell-bio InDrop平台 | -- | -- |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| CROP-seq文库构建 | gRNA文库构建的比率（Gibson组装20:1）、反应温度和时间（50°C，1小时）、电转化条件、细菌培养条件和质粒提取试剂盒 阅读提示：Methods中的gRNA library construction部分 |
| 慢病毒生产 | HEK293T细胞接种密度（6×10^6细胞/10 cm皿）、转染试剂和量（Lipofectamine 3000）、质粒用量（11.7μg）、收集时间点（24和48小时）、浓缩方法 阅读提示：Methods中的Lentivirus production for CROP-seq screens部分 |
| 细胞培养与分化 | mESC培养基成分（包括2i/LIF和FGF2/Activin）、培养条件（gelatin包被、MEF feeders）、诱导primed状态的时间（48小时） 阅读提示：Methods中的Cell culture部分 |
| 单细胞RNA-seq | InDrop平台、细胞输入浓度（40-60 cells/μl）、捕获细胞数（约6000）、微流控条件（BHM流速40-60 μl/h）、UV释放条件（365nm, 6.5 J/cm²）、测序平台（HiSeq X） 阅读提示：Methods中的Single-cell RNA-seq部分 |
| 数据分析 | Seurat版本（3.0）、质量控制标准（<500表达基因，线粒体基因>10%）、归一化方法、PCA/t-SNE参数、scMAGeCK参数（α、λ）、置换检验次数（10次）、FDR计算（Benjamini-Hochberg） 阅读提示：Methods中的scMAGeCK算法、公共CROP-seq数据集和比较部分 |