小剧场：

我：老板，你听说没有楼上做的单细胞实验加了VDJ分析？ 老板：VCD分析？哦，，我早就听过了！ 我：老板，是VDJ分析？ 老板：VDJ分析，哦对对就是VDJ分析，，，我早就说咱们也应该做了，你看看，又迟了一步，都怪你不提醒我！我瞟了一眼她桌子上的淘宝页面（廉价灯芯裤），默默走开了。。。

其实我在介绍clonotypr (令我惊奇的是，当我把推送推出去的当天，我亲爱的作者就把该包从github撤了下来啊！)时说明过VDJ免疫分析对免疫及抗体产生的重要意义，这也是为什么现在许多做新冠单细胞分析的都会使用5’端测序联用VDJ测序分析。

1. 为什么要进行单细胞免疫组库的分析？

• 应用方向一：探索肿瘤免疫微环境，辅助免疫治疗。

每个人都拥有一个自己的适应性免疫组库，TCR和BCR通过基因重组和体细胞突变取得多样性，使得我们身体可以识别和抵御各种内部和外部的入侵者。而肿瘤的发生往往躲避了人体T淋巴细胞而产生、增殖和转移。

使用10X Genomics ChromiumTM Single Cell Immune Profiling Solution可以捕捉肿瘤发生时的免疫微环境变化，寻找免疫治疗的靶点，从而辅助免疫治疗更好地抗击肿瘤。

• 应用方向二：探索自身免疫性疾病和炎症性疾病发生机制，辅助疫苗的研究

自身免疫性疾病发生起始和发展的中心环节被认为是抗原特异性T细胞激活导致的，使用10X Genomics ChromiumTM Single Cell Immune Profiling Solution，可以解析自身免疫性疾病的发病机制，从而为疾病的诊疗提供依据。

• 应用方向三：移植和免疫重建

器官或者骨髓移植时，经常会诱发宿主的排斥反应，从而发生慢性移植抗宿主病。同种异体反应随机分布在整个T细胞组库的交叉反应，因此延迟T细胞恢复和限制的T细胞受体多样性与异体移植后感染和疾病复发风险增加相关。

而我比较注意的是在疫苗接种前后BCR/TCR CDR3免疫组库的分析，最近medRxiv上发表的有关新冠的文献Immune Cell Profiling of COVID-19 Patients in the recovery stage by Single-cell sequencing中对不同BCR/TCR的VDJ重排进行分析，揭示了针对新冠特异的克隆扩增。

2. 免疫组库主要包括哪几个方面？

T淋巴细胞（T cell）和B淋巴细胞（B cell）主要负责适应性免疫应答，其抗原识别主要依赖于T细胞受体（T cell recptor, TCR）和B细胞受体（B cell recptor, BCR），这两类细胞表面分子的共同特点是其多样性，可以识别多种多样的抗原分子。BCR的轻链和TCRβ链由V、D、J、C四个基因片段组成，BCR的重链和TCRα链由V、J、C三个基因片段组成，这些基因片段在遗传过程中发生重组、重排，组合成不同的形式，保证了受体多样性。其中变化最大的就是CDR3区。

3. 10× Genomics VDJ测序进行cellranger后的输出形式是什么样的？

Outputs:
- Run summary HTML:                                  /home/jdoe/runs/sample345/outs/web_summary.html
- Run summary CSV:                                   /home/jdoe/runs/sample345/outs/metrics_summary.csv
- All-contig FASTA:                                  /home/jdoe/runs/sample345/outs/all_contig.fasta
- All-contig FASTA index:                            /home/jdoe/runs/sample345/outs/all_contig.fasta.fai
- All-contig FASTQ:                                  /home/jdoe/runs/sample345/outs/all_contig.fastq
- Read-contig alignments:                            /home/jdoe/runs/sample345/outs/all_contig.bam
- Read-contig alignment index:                       /home/jdoe/runs/sample345/outs/all_contig.bam.bai
- All contig annotations (JSON):                     /home/jdoe/runs/sample345/outs/all_contig_annotations.json
- All contig annotations (BED):                      /home/jdoe/runs/sample345/outs/all_contig_annotations.bed
- All contig annotations (CSV):                      /home/jdoe/runs/sample345/outs/all_contig_annotations.csv
- Filtered contig sequences FASTA:                   /home/jdoe/runs/sample345/outs/filtered_contig.fasta
- Filtered contig sequences FASTQ:                   /home/jdoe/runs/sample345/outs/filtered_contig.fastq
- Filtered contigs (CSV):                            /home/jdoe/runs/sample345/outs/filtered_contig_annotations.csv
- Clonotype consensus FASTA:                         /home/jdoe/runs/sample345/outs/consensus.fasta
- Clonotype consensus FASTA index:                   /home/jdoe/runs/sample345/outs/consensus.fasta.fai
- Clonotype consensus FASTQ:                         /home/jdoe/runs/sample345/outs/consensus.fastq
- Concatenated reference sequences:                  /home/jdoe/runs/sample345/outs/concat_ref.fasta
- Concatenated reference index:                      /home/jdoe/runs/sample345/outs/concat_ref.fasta.fai
- Contig-consensus alignments:                       /home/jdoe/runs/sample345/outs/consensus.bam
- Contig-consensus alignment index:                  /home/jdoe/runs/sample345/outs/consensus.bam.bai
- Contig-reference alignments:                       /home/jdoe/runs/sample345/outs/concat_ref.bam
- Contig-reference alignment index:                  /home/jdoe/runs/sample345/outs/concat_ref.bam.bai
- Clonotype consensus annotations (JSON):            /home/jdoe/runs/sample345/outs/consensus_annotations.json
- Clonotype consensus annotations (CSV):             /home/jdoe/runs/sample345/outs/consensus_annotations.csv
- Clonotype info:                                    /home/jdoe/runs/sample345/outs/clonotypes.csv
- Barcodes that are declared to be targeted cells:   /home/jdoe/runs/sample345/out/cell_barcodes.json
- Loupe V(D)J Browser file:                          /home/jdoe/runs/sample345/outs/vloupe.vloupe

首先我们来看看web.html对整个测序质量的评估：

我们看到在Enrichment中reads映射到VDJ基因的比例为80.7%，其中TRA/TRB代表TCR α/β链 ，map到TRA的比例为24.4%，map到TRB的比例为56%。当然，后面也会有蛮多指标的，比如VDJ注释，VDJ质量及表达等。。。

当然我们也会有很多表格，其中最重要的表格为contig_annotation和clonotype：

contig_annotation(BCR示例)

上面表格中的IGH和IGK/IGL代表BCR H和BCR L链 。看到这个表格，我第一反应其实是为什么D区基因（d_gene）多数均为None，主要原因还是D区通常较短又突变较多，因技术限制而常常捕捉不到。数据中也提供了CDR3的蛋白序列和核苷酸序列。

clonotype(TCR示例)

从以上数据可以看出，有部分克隆是由单链决定的。

那么如何将VDJ的克隆表型和scRNA-seq结合起来呢？其实大佬已经回答了这个问题：

add_clonotype <- function(tcr_location, seurat_obj){
    tcr <- read.csv(paste(tcr_folder,"filtered_contig_annotations.csv", sep=""))

    # Remove the -1 at the end of each barcode.
    # Subsets so only the first line of each barcode is kept,
    # as each entry for given barcode will have same clonotype.
    tcr$barcode <- gsub("-1", "", tcr$barcode)
    tcr <- tcr[!duplicated(tcr$barcode), ]

    # Only keep the barcode and clonotype columns.
    # We'll get additional clonotype info from the clonotype table.
    tcr <- tcr[,c("barcode", "raw_clonotype_id")]
    names(tcr)[names(tcr) == "raw_clonotype_id"] <- "clonotype_id"

    # Clonotype-centric info.
    clono <- read.csv(paste(tcr_folder,"clonotypes.csv", sep=""))

    # Slap the AA sequences onto our original table by clonotype_id.
    tcr <- merge(tcr, clono[, c("clonotype_id", "cdr3s_aa")])

    # Reorder so barcodes are first column and set them as rownames.
    tcr <- tcr[, c(2,1,3)]
    rownames(tcr) <- tcr[,1]
    tcr[,1] <- NULL

    # Add to the Seurat object's metadata.
    clono_seurat <- AddMetaData(object=seurat_obj, metadata=tcr)
    return(clono_seurat)
    }

怎么用呢？举个栗子吧：

数据下载

download.file("https://bioshare.bioinformatics.ucdavis.edu/bioshare/download/iimg5mz77whzzqc/vdj_v1_mm_balbc_pbmc.zip", "vdj_v1_mm_balbc_pbmc.zip")#这是小鼠的PBMC数据

加载R包

library(Seurat)
library(cowplot)

加载数据

## Cellranger
balbc_pbmc <- Read10X_h5("vdj_v1_mm_balbc_pbmc/vdj_v1_mm_balbc_pbmc_5gex_filtered_feature_bc_matrix.h5")

s_balbc_pbmc <- CreateSeuratObject(counts = balbc_pbmc, min.cells = 3, min.features = 200, project = "cellranger")

提取线粒体基因

s_balbc_pbmc$percent.mito <- PercentageFeatureSet(s_balbc_pbmc, pattern = "^mt-")

增加T和B细胞的克隆信息

add_clonotype <- function(tcr_prefix, seurat_obj, type="t"){
    tcr <- read.csv(paste(tcr_prefix,"filtered_contig_annotations.csv", sep=""))

    # Remove the -1 at the end of each barcode.（注意，此步骤如果标记使用不同的barcode，比如多了个-1,可以使用 tcr$barcode <- gsub("-1", "", tcr$barcode)进行提取）
    # Subsets so only the first line of each barcode is kept,
    # as each entry for given barcode will have same clonotype.
    tcr <- tcr[!duplicated(tcr$barcode), ]

    # Only keep the barcode and clonotype columns.
    # We'll get additional clonotype info from the clonotype table.
    tcr <- tcr[,c("barcode", "raw_clonotype_id")]
    names(tcr)[names(tcr) == "raw_clonotype_id"] <- "clonotype_id"

    # Clonotype-centric info.
    clono <- read.csv(paste(tcr_prefix,"clonotypes.csv", sep=""))

    # Slap the AA sequences onto our original table by clonotype_id.
    tcr <- merge(tcr, clono[, c("clonotype_id", "cdr3s_aa")])
    names(tcr)[names(tcr) == "cdr3s_aa"] <- "cdr3s_aa"

    # Reorder so barcodes are first column and set them as rownames.
    tcr <- tcr[, c(2,1,3)]
    rownames(tcr) <- tcr[,1]
    tcr[,1] <- NULL
    colnames(tcr) <- paste(type, colnames(tcr), sep="_")
    # Add to the Seurat object's metadata.
    clono_seurat <- AddMetaData(object=seurat_obj, metadata=tcr)
    return(clono_seurat)
}

s_balbc_pbmc <- add_clonotype("vdj_v1_mm_balbc_pbmc/vdj_v1_mm_balbc_pbmc_t_", s_balbc_pbmc, "t")
s_balbc_pbmc <- add_clonotype("vdj_v1_mm_balbc_pbmc/vdj_v1_mm_balbc_pbmc_b_", s_balbc_pbmc, "b")
head(s_balbc_pbmc[[]])

我给解释一下以上function中每一步都在干什么：

• 首先读入contig_annotations.csv，并赋给tcr；

• 去除tcr中重复的barcode，即如果具有相同的barcode，将以第一次出现的barcode为主来去重；

• 将tcr中的barcode，raw_clonotype_id赋值于tcr；

• 读入clonotypes.csv，并赋给clono；

• 将tcr和colono进行merge（单细胞分析Seurat使用相关的10个问题答疑精选！），并赋给tcr；

• 将最后得到的，带有barcode，raw_clonotype_id和colono的tcr对象以metadata的形式加入seurat object中。

发现很多的NA，非常正常啊，不是每个细胞都是T/B cell，然后还列出来了T/B CDR3的蛋白序列。

table(!is.na(s_balbc_pbmc$t_clonotype_id),!is.na(s_balbc_pbmc$b_clonotype_id))

s_balbc_pbmc <- subset(s_balbc_pbmc, cells = colnames(s_balbc_pbmc)[!(!is.na(s_balbc_pbmc$t_clonotype_id) & !is.na(s_balbc_pbmc$b_clonotype_id))])
#删除同时表达T、B克隆表型的细胞
s_balbc_pbmc

进行常规workflow

s_balbc_pbmc <- subset(s_balbc_pbmc, percent.mito <= 10)

s_balbc_pbmc <- subset(s_balbc_pbmc, nCount_RNA >= 500 & nCount_RNA <= 40000)
s_balbc_pbmc <- NormalizeData(s_balbc_pbmc, normalization.method = "LogNormalize", scale.factor = 10000)
s_balbc_pbmc <- FindVariableFeatures(s_balbc_pbmc, selection.method = "vst", nfeatures = 2000)

all.genes <- rownames(s_balbc_pbmc)
s_balbc_pbmc <- ScaleData(s_balbc_pbmc, features = all.genes)
s_balbc_pbmc <- RunPCA(s_balbc_pbmc, features = VariableFeatures(object = s_balbc_pbmc))

use.pcs = 1:30
s_balbc_pbmc <- FindNeighbors(s_balbc_pbmc, dims = use.pcs)
s_balbc_pbmc <- FindClusters(s_balbc_pbmc, resolution = c(0.5))
s_balbc_pbmc <- RunUMAP(s_balbc_pbmc, dims = use.pcs)
DimPlot(s_balbc_pbmc, reduction = "umap", label = TRUE)

让我们看看T细胞的marker的表达情况：

t_cell_markers <- c("Cd3d","Cd3e")
FeaturePlot(s_balbc_pbmc, features = t_cell_markers)

比如我知道某个b_cdr3s_aa我感觉特有意思，想在UMAP 图上进行表示，于是我先把他的蛋白序列找了出来，IGH:CARWGGYGYDGGYFDYW;IGK:CGQSYSYPYTF，然后：

DimPlot(s_balbc_pbmc, cells.highlight = Cells(subset(s_balbc_pbmc, subset = b_cdr3s_aa
+                                               == "IGH:CARWGGYGYDGGYFDYW;IGK:CGQSYSYPYTF")))

万“绿”丛中一点红！

当然你也可以在metadata中纳入更多的TCR/BCR中的有关信息，比如我们把annotation.csv中的chains也纳入进来的话，就是这个样子滴：

p2 <-DimPlot(s_balbc_pbmc,group.by = "t_chain")
p2

参考来源

https://github.com/ucdavis-bioinformatics-training/2020-Advanced_Single_Cell_RNA_Seq/blob/master/data_analysis/VDJ_Analysis_fixed.md

你可能还想看

• NBT：单细胞转录组新降维可视化方法PHATE

• 复现nature communication PCA原图|代码分析（一）

• 这篇Nature子刊文章的蛋白组学数据PCA分析竟花费了我两天时间来重现|附全过程代码

• 一个R包玩转单细胞免疫组库分析，还能与Seurat无缝对接