Analysis of scRNA-Seq from drosophila developmental tissues

Abstract

Organisms are formed by a huge variety of cell types. Conventional genomics approaches do not allow for the understanding of the diversity of cell populations forming tissues and organs. Recently, and with the aim of scrutinizing the cellular complexity of organisms, single-cell technologies have arisen, challenging the limitations of former methods. In this project, we have analyzed single-cell transcriptomics data generated in different laboratories and using a manifold of technologies. We first explored scRNA-Seq data produced by two independent groups on Drosophila melanogaster brain cells. Data from these reference datasets were generated using four different technologies, allowing for the assessment and correction of putative batch effects caused by the multiple platforms used. By implementing a number of pipelines in bash and R environments, we have processed these datasets from the mapping of raw fastq files to the identification of subpopulations of cells. Cells from the 8 identified clusters expressed several known marker genes involved in neuron and glia differentiation, permitting the full characterization of these populations. The pipeline implemented along this first part of the project was, afterwards, used to analyze scRNA-Seq data generated in our own lab on Drosophila wing imaginal discs. Within our dataset, we distinguished four clusters, although the low expression of known marker genes did not allow for a precise characterization of these populations. Still, we were able to identify several markers showing high variability between clusters, indicating that, indeed, these subpopulations represent different cell types within the wing.

Los organismos están formados por una gran variedad de tipos celulares. Los enfoques genómicos convencionales no permiten comprender la diversidad de las poblaciones celulares que forman tejidos y órganos. Recientemente, y con el objetivo de examinar la complejidad celular de los organismos, han surgido tecnologías unicelulares, desafiando las limitaciones de los métodos anteriores. En este proyecto, hemos analizado los datos de transcriptómica unicelular generados en diferentes laboratorios y utilizando una variedad de tecnologías. Primero exploramos los datos de scRNA-Seq producidos por dos grupos independientes en células cerebrales Drosophila melanogaster. Los datos de estos conjuntos de datos de referencia se generaron utilizando cuatro tecnologías diferentes, lo que permite la evaluación y corrección de los supuestos efectos por lotes causados por las múltiples plataformas utilizadas. Al implementar una serie de tuberías en entornos bash y R, hemos procesado estos conjuntos de datos desde la asignación de archivos fastq sin procesar hasta la identificación de subpoblaciones de celdas. Las células de los 8 grupos identificados expresaron varios genes marcadores conocidos involucrados en la diferenciación de neuronas y glía, lo que permite la caracterización completa de estas poblaciones. La tubería implementada a lo largo de esta primera parte del proyecto fue, luego, utilizada para analizar datos scRNA-Seq generados en nuestro propio laboratorio en discos imaginales del ala Drosophila. Dentro de nuestro conjunto de datos, distinguimos cuatro grupos, aunque la baja expresión de genes marcadores conocidos no permitió una caracterización precisa de estas poblaciones. Aún así, pudimos identificar varios marcadores que muestran una alta variabilidad entre los grupos, lo que indica que, de hecho, estas subpoblaciones representan diferentes tipos de células.

Els organismes estan formats per una gran varietat de tipus cel·lulars. Els enfocaments genòmics convencionals no permeten comprendre la diversitat de les poblacions cel·lulars que formen teixits i òrgans. Recentment, i amb l'objectiu d'examinar la complexitat cel·lular dels organismes, han sorgit tecnologies unicel·lulars, desafiant les limitacions dels mètodes anteriors. En aquest projecte, hem analitzat les dades de transcriptòmica unicel·lular generades en diferents laboratoris i utilitzant una varietat de tecnologies. Primer explorem les dades de scRNA-Seq produïts per dos grups independents en cèl·lules cerebrals Drosophila melanogaster. Les dades d'aquests conjunts de dades de referència es van generar utilitzant quatre tecnologies diferents, cosa que permet l'avaluació i correcció dels suposats efectes per lots causats per les múltiples plataformes utilitzades. En implementar una sèrie de canonades en entorns bash i R, hem processat aquests conjunts de dades des de l'assignació d'arxius fastq sense processar fins a la identificació de subpoblacions de cel·les. Les cèl·lules dels 8 grups identificats van expressar diversos gens marcadors coneguts involucrats en la diferenciació de neurones i glia, cosa que permet la caracterització completa d'aquestes poblacions. La canonada implementada al llarg d'aquesta primera part del projecte va ser, després, utilitzada per analitzar dades scRNA-Seq generats en el nostre propi laboratori en discos imaginals de l'ala Drosophila. Dins del nostre conjunt de dades, distingim quatre grups, tot i que la baixa expressió de gens marcadors coneguts no va permetre una caracterització precisa d'aquestes poblacions. Així i tot, vam poder identificar diversos marcadors que mostren una alta variabilitat entre els grups, el que indica que, de fet, aquestes subpoblacions representen diferents tipus de cèl·lules.