scGESTALT

single-cell RNA-seqとbacodingをくみあわせた例。

scGESTALTというテクニックだ。まだzebrafishしか使われてないが、原理上mouseなどでも可能だ。というか既に血球系でもongoingだし。

Drop-seqによるtranscriptomics + CRISPR-based bacoding.

RNAとDNAを別個に回収しては意味がないので、barcodeもmRNAとして反映される必要がある。そのために、barcodeも発現するようにした。

その結果、zebrafishのbrainの発生をsingle-cell transcriptomics with lineage tracingした。

こうすることで、

single-cell RNA-seq によるsnapshotの弱点であった各populationの関連づけにくさ、

lineage-tracingの弱点であったラベルされた細胞の性質が不明、

の両方を克服した。

可視化について。我々はしょせんend-userにすぎないので、可視化をきっちりしてもらって、それを盲目的に飲み込むことしたできない。つまり、可視化でどんだけきれいで感覚的に入ってくるか、という第一印象にすごく左右される。最高の例は、先のUDR論文だ。あの図はtwitterでもあちこちで宣伝されてる。今回のscGESTALTはそこが不服だ。

tSNEでモッサリしたclusteringを見せられると、少しひく。

Monacle 2の弓型trajecotryはまだ直感でわかりにくい。インフォ屋にきくと、彼らの脳はこれで調教済みなので無問題らしいが、こちらには問題がある。まだheatmapで稲浪(fig.6d)をみせてもらうと少しわかりやすいが、稲浪がバシッと決まるのはよほど良いデータセットかつwizardレベルのインフォをしたときだろう。