该笔记来源于 Costa Lab - Bioinformatics Course

另一篇关于scRNA-seq的请移步

单细胞ATAC测序前言

因为我的最终目的是scATAC-seq的数据，所以这部分只是分享下我刚学的（不是）相关的生物学知识，而且我本身也没有生物学的背景知识，所以我尽量从计算机专业的角度去理解这些内容，数据的介绍下边那一节。

首先是细胞分化，同一来源的细胞可以分化成不同功能和类型的细胞，是因为虽然它们都具有相同的DNA，但是起作用（专业的叫 “基因表达”）部分的DNA是不同的。如下图，DNA长链很多部位是紧缩在一起的，这些就不表达，只有打开链的基因部分才会表达，而我们现在就要获取打开的这部分基因的数据。

scATAC-seq数据怎么得出的？

接下来的才是重点，首先我们拿到了一堆样本细胞（正常来说应该是切片组织，薄薄一片肉？哈哈），然后使用 TN5酶，这个酶会将打开的基因切断，我们就得到了来自一大堆细胞的一大堆DNA片段。如下图所示，绿色的就是TN5酶，它的红色和蓝色部分相当于剪刀一样，会切断DNA片段。

如下图，剪开了DNA，得到很多片段

然后！我们先做一个 alignment（做个对齐吧），这样就能知道各个基因片段相对整条DNA的位置，然后我们统计这些基因片段的位置，如下图下边那条曲线，在某个位置的基因片段越多就形成了一个峰值 (peak calling),当然统计出来在不同位置会有很多个这样的“山峰”，这样我们就知道了峰值位置的基因是关注的重点，然后我们以峰值的最高峰那个位置，为中心，设定这个峰的一个位置范围。

然后再拿着这些峰的位置范围，再回去统计，单个细胞的各个DNA片段，看有哪些片段落在了哪个峰的范围内，最后就得到一个统计矩阵。

scATAC-seq矩阵数据如下图，列是每一个细胞，行是每个峰，里面的数字，比如左上角第一个数字 “0” 表示细胞 cell-1 在峰 peak-1 这里没有基因片段，就等于是这部分的DNA链它没打开也就没表达。

而 cell-3 peak-2这个点的数字 “2” 表示这个细胞的peak2峰值范围内有两段基因片段在这个范围内。

嗯，大概就是这样就得到了scATAC-seq的数据.