致歉
当你打开这篇推文可能会有疑惑，前两天不是已经推送过了吗？是的，这篇推文28号的时候已经推送过了，但由于小编的失误，把图放错了位置，所以为了避免误导广大读者，我们把那篇推文删除重新再推送一次。
文献速递栏目通过简短介绍，扩充知识面，每天关注，希望你也能有所收获！
文章信息
今天文献速递给大家带来的是2019年7月10日发表在nature的：A human liver cell atlas reveals heterogeneity and epithelial progenitors
摘 · 要
本篇文章对从来自9个人提供的正常肝组织捕获的约10,000个细胞进行单细胞RNA测序，构建了人类肝细胞图谱。文章发现并定义了内皮细胞，库普弗细胞和肝细胞中以前未知的亚型，并且这些细胞具有transcriptome-wide zonation。
样品信息
本文通过mCEL-Seq，对来自9名患者的非患病肝组织总共10,372个细胞进行了scRNA-seq。(mCEL-Seq是一种类似于smart-seq2的测序方法(具体参考文献DOI：10.1038 / nmeth.4662)，构建文库后通过 Illumina HiSeq 2500/3000 双端测序，平均每个细胞的测序深度为 ~150,000–200,000)
mCEL-Seq流程
质控
本篇文章的质控是通过RaceID这个R包实现的，具体条件如图所示：
聚类和注释
使用RaceID3包通过t分布随机邻域嵌入（t-SNE）算法用于降维和细胞群可视化。
下游分析
1.Diffusion pseudo-time (dpt) analysis
使用destiny R包进行 dpt分析，排序后的数据作为输入，然后用FateID生成SOM，最后用ANOVE进行P值矫正。
2.Lineage analysis
使用RaceID，StemID，fateID重新分析EPCAM 细胞
3.Differential gene expression analysis and pathway enrichment analysis and gene set enrichment analysis.
都是通过RaceID进行分析的，但是文献中并没有给出一个具体的操作方法。所以这里给大家一个教程链接，可以自行观摩学习。https://cran.r-project.org/web/packages/RaceID/vignettes/RaceID.html
总结
这篇文章首次发现了肝细胞、内皮细胞和巨噬细胞的新亚型，这些亚型虽然在形态上几乎没有不同，但却具有离散的基因表达谱。同时还发现了可能与肝脏再生相关的前体细胞或祖细胞。
临床意义
本篇文章构建的人类肝脏的细胞图谱将是肝癌研究的重要参考数据库，可以用来识别新的肿瘤细胞标记物以及肿瘤内不同细胞类型的干扰基因活性模式。利用单细胞测序研究癌症将有助于提高诊断水平，最终进一步提高肿瘤的治疗水平。
