כדי להתחיל, הורד את קבצי הנתונים של אלצהיימר למיזוג דגימות, והגדר את נתיבי הנתונים וכן שמות לדוגמה. ייבא את הדוגמאות שהורדו והקצה להן שמות ספציפיים למין תחת שמות הפונקציות. באמצעות רשימת הפונקציות ו- Read10x, צור אובייקטי Seurat עבור כל הדגימות באופן עיבוד אצווה וציין את הפרמטרים של תאים מינימליים ל- 3 ותכונות מינימליות ל- 200.
בעזרת הפונקציה RenameCells, הוסף מזהים לדוגמה כקידומות לברקודים של התאים כדי לשמר אותם במהלך תהליך המיזוג. לצורך בקרת איכות, תוך שימוש בפונקציה PercentageFeatureSet, חשב את יחסי הגן של אריתרוציטים מיטוכונדריאליים וריבוזום עבור כל תא. אחסן יחסים מחושבים אלה במטה-נתונים באמצעות אופרטור הסוגריים המרובעים הכפולים כדי לצרף מידע זה ישירות למטה-נתונים של כל תא.
תוך ניצול פונקציית תת-הקבוצה, בצע סינון תאים עם הפרמטרים המתאימים עבור RNA, מיטוכונדריה, ריבוזומים ואריתרוציטים. נרמל את הנתונים באמצעות הפונקציה NormalizeData. בעזרת FindVariableFeatures, זהה את 2000 תכונות המשתנים המובילות בערכת הנתונים.
השתמש ב- RunPCA כדי לבצע ניתוח רכיבים עקרוניים על הנתונים, תוך שמירה על 50 רכיבים עיקריים. שימוש בפונקציה ElbowPlot, צור תרשים מרפק כדי לקבוע את מספר הממדים האופטימלי לניתוח הבא. בהתחשב ב- 50 הממדים הראשונים, בחר נתוני קנה מידה כדי להביא את כל התכונות בקנה מידה דומה.
בעזרת הפונקציה FindNeighbors, זהה שכנים קרובים בהתבסס על 30 ממדים והפעל אלגוריתם UMAP כדי להפחית את ממדיות הנתונים ל- 30 ממדים. בחר הפונקציה DimPlot כדי להציג באופן חזותי את הנתונים המעובדים כאשר פרמטר ההפחתה מוגדר ל- UMAP בקבוצה. לפי פרמטרים המוגדרים לזהות המקורית.
באמצעות הפונקציה SCTransform, נרמל ותקנן את הנתונים והחל את אלגוריתם ההרמוניה כדי לשלב את נתוני הגרעינים הבודדים הנותרים. בחר את בדיקת SCT לשילוב והגדר את המספר המרבי של חזרות הרמוניה ל- 20. לאחר מכן הפעל את הפונקציה FindClusters והגדר את פרמטר הרזולוציה ל- 0.07 כדי לזהות אשכולות נפרדים בתוך הנתונים תוך שימוש בפונקציה RunUMAP כדי להפחית עוד יותר את ממדיות הנתונים ולהציג באופן חזותי את האשכולות במרחב ממדי נמוך יותר.
עבור ביאור סוג התא, זהה את ההטרוגניות של אשכול התאים וסווג את הסוג של כל תא אשכול באמצעות גנים סמן מבוטא במפורש. הצג סוגים סלולריים שונים עם הדמיה של UMAP באמצעות חבילת ggplot2, שבה סוגי תאים שונים מודגשים בקודי צבע שונים. לבסוף, חשב את הפרופורציות של כל סוג תא, מרובד לפי מין.
באמצעות שיטה זו, הפרופורציות עבור כל סוג תא בחלוקה לפי מגדר זוהו בנתונים של 17 גברים ו -17 נשים חולי אלצהיימר. ביטויים ממוצעים של סמני סוג התא הידועים עבור כל סוג תא גליה הוקרנו על תרשימי UMAP כדי לזהות את אוכלוסיות התא.