一种植物生长发育动态监控的方法与流程

1.本发明涉及植物技术领域，尤其涉及一种植物生长发育动态监控的方法。


背景技术：

2.近年来，单细胞测序技术(single cell sequencing)的发展使得其成为炙手可热的热点技术，越发成熟的产业链也使得相关研究项目和成果如雨后春笋般迸发出来。相比传统的bulk测序，单细胞转录组(scrna-seq)测序技术可以为研究者提供单个细胞的基因表达情况。2019年，研究者首次将scrna-seq技术应用于拟南芥的根组织发育研究。该研究鉴定出韧皮部、柱细胞、qc等细胞类型的主要表达特征，并进一步通过拟时间序列分析揭示了拟南芥根部细胞分化的复杂过程以及关键转录因子如lar3、athb-20和gata4等。随之往后，国内外出现更多植物单细胞相关的研究。这些研究目前主要集中于拟南芥、番茄、水稻等模式植物的细胞分化、组织发育形成等研究领域。
3.植物单细胞相关的研究正在为研究者提供全新的研究思路和角度。例如在一项利用单细胞技术对拟南芥根尖发育的研究中，研究者绘制了拟南芥根尖的细胞图谱。研究者鉴定出根尖干细胞、形成层细胞、木质部细胞等多种细胞群，并且通过伪时间序列分析描绘了它们的发育轨迹和对应的部分分化相关基因表达变化。结果表明，拟南芥根尖包含高异质性的细胞群体，即使在同种细胞类型中，基因模态也有很大的差异。
4.对于植物生长发育的研究，通常包含多个生长阶段时间点下获取的样本，然后通过对比不同条件下的细胞中基因表达谱特征推测条件改变对细胞的影响。目前植物生长发育单细胞数据分析主要通过对细胞的静态基因表达谱特征，即测量值，来推测其动态过程。目前单细胞技术测序技术在测序时裂解破坏细胞的特性，不同生长阶段的植物单细胞样本间的细胞无法配对，由于细胞间随机的异质性干扰可能掩盖了大部分于植物生长发育相关信息，而基于细胞静态特征的传统方法无法挖掘出这部分信号。这导致了大量隐藏的与植物生长发育相关信息被忽略。
5.由于单细胞测序技术在测序获取数据时裂解破坏细胞，为不可逆过程，通过生物学实验无法获取同一细胞在不同时期的单细胞rna-seq数据，进而不能进行同一样本不同时期的生物学数据分析比对。
6.因此，本领域的技术人员致力于开发一种植物生长发育动态监控的方法，通过创建细胞映射的真实-虚拟细胞对，解决了无法比较同一细胞不同时期rna-seq数据的难点，并成功将其应用于植物细胞生长发育研究。


技术实现要素：

7.为实现上述目的，本发明提供了一种植物生长动态监控的方法，包括以下步骤：
8.获取两组单细胞转录组数据，其中第一组数据x为对照组的细胞状态矩阵，第二组数据y为变化组的细胞状态矩阵，所述对照组和所述变化组分别对应不同的发育阶段；
9.通过奇异值分析，构建所述第二组数据y在所述对照组对应的所述发育阶段的虚
拟细胞状态矩阵；
10.得到所述第二组数据y对应的单细胞在所述对照组对应的所述发育阶段与所述变化组对应的所述发育阶段之间的状态变化响应特征；
11.利用所述状态变化响应特征对所述第二组数据y对应的所述单细胞进行聚类。
12.进一步地，所述发育阶段包括：韧皮部组织生长期、植物干细胞生长期、根冠生长期和木质部生长期。
13.进一步地，所述对照组对应所述韧皮部组织生长期，所述变化组对应所述植物干细胞生长期。
14.进一步地，所述状态变化响应特征是利用所述虚拟细胞状态矩阵与所述第二组数据y的差值得到的。
15.进一步地，使用奇异值分解的方法，将所述不同的发育阶段的单细胞数据的协方差矩阵进行分解，得到使所述单细胞数据间协方差最大化的分量，并基于该分量，构建所述虚拟细胞状态矩阵。
16.进一步地，所述第二组数据y和所述虚拟细胞状态矩阵的关系通过以下公式一表示：
[0017][0018]
其中，表示所述虚拟细胞状态矩阵；v表示所述状态改变响应特征矩阵。
[0019]
进一步地，所述虚拟细胞状态矩阵通过以下公式二表示：
[0020][0021]
其中，p表示载荷矩阵，t表示转置矩阵，s
′
表示奇异值分解矩阵。
[0022]
进一步地，所述载荷矩阵通过用nipals方法最大化以下公式三获得：
[0023][0024]
进一步地，所述状态改变响应特征矩阵的求解过程为：
[0025]
由于可以得到由于v和不相关，p
t
(p
t
p)-1
pv≈0，可近似为p
t
(p
t
p)-1
pu，v可计算为
[0026]
v＝y-p
t
(p
t
p)-1
py
[0027]
在给定y时，通过p估计得到v。
[0028]
进一步地，所述状态改变响应特征矩阵的求解过程为：
[0029]
假设和x是来自同一特征空间的不同细胞，并使用x替换所述公式三中的第一个用c替换p以表示和x之间可能的不匹配，则所述公式三近似为以下公式四：
[0030][0031]
由于x和v不相关，对于任意p和c，cov(xc,vp)≈0，则所述公式四表示为以下公式五：
[0032][0033]
在给定x和y时，基于所述公式五计算得到p，进而得到并基于所述公式一计算得
到v。
[0034]
本发明具有以下技术效果：本发明适用于植物生长发育不同阶段间样本两两比较的单细胞rna-seq研究。对于每一个细胞状态随着植物生长发育不同阶段(例如，从韧皮部组织生长期，植物干细胞生长期，根冠生长期，木质部生长期，等)的动态监控和对比。本发明解决了单细胞技术销毁测序细胞因此无法对植物生长发育过程中长时间跨度的每个细胞状态变化追踪的问题，使得本发明可以挖掘出已有方法无法发现的细胞在植物生长过程中的动态分化特征。
[0035]
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。
附图说明
[0036]
图1是本发明的一个较佳实施例的方法流程图；
[0037]
图2是本发明的一个较佳实施例的实验结果图。
具体实施方式
[0038]
以下参考说明书附图介绍本发明的多个优选实施例，使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现，本发明的保护范围并非仅限于文中提到的实施例。
[0039]
在附图中，结构相同的部件以相同数字标号表示，各处结构或功能相似的组件以相似数字标号表示。附图所示的每一组件的尺寸和厚度是任意示出的，本发明并没有限定每个组件的尺寸和厚度。为了使图示更清晰，附图中有些地方适当夸大了部件的厚度。
[0040]
本发明提供了一种植物生长发育动态监控的方法，适用于植物生长发育不同阶段间样本两两比较的单细胞rna-seq研究。对于每个细胞状态随着植物生长发育不同阶段进行动态监控和对比。植物生长发育不同阶段包括但不限于韧皮部组织生长期、植物干细胞生长期、根冠生长期、木质部生长期等。
[0041]
在本发明中，同一个细胞在状态1(stage1)与状态2(stage2)之间的变化，由与其一一对应的另一状态空间的映射细胞间的差值表示。即对于每一个真实细胞(处于状态1或状态2)，使用奇异值分解的方法，构建这个细胞在对应的另一状态空间的虚拟细胞。真实-虚拟细胞对之间的差值代表该细胞对于状态改变的响应特征。其中，使用奇异值分解的方法将不同生长阶段单细胞数据的协方差矩阵进行分解，得到的结果是使两组细胞间协方差最大化的分量，并基于该分量，构建虚拟细胞。当比较真实-虚拟细胞对的差别时，植物不同生长状态下的细胞状态动力学过程相关变量被保留，去除不相关的其他信息。然后基于植物生长发育动态状态变量进行细胞聚类。具体地，如图1所示，本发明的方法包括：
[0042]
步骤一：获取两组单细胞转录组数据，这两组数据对应两个发育阶段。第一组数据为对照组的细胞状态矩阵，第二组数据为变化组的细胞状态矩阵。对照组和变化组分别对应两个发育阶段，这两个发育阶段可以根据实际需求选取。例如，对照组选取韧皮部组织生长期，变化组选取植物干细胞生长期。将x表示对照组的细胞状态矩阵，将y表示变化组的细胞状态矩阵。
[0043]
步骤二：通过奇异值分析，构建变化组的细胞在对照组中的虚拟细胞，即变化组的
细胞状态矩阵在对照组的发育阶段的虚拟细胞状态矩阵。考虑到x代表基线，则y可以分解为：
[0044][0045]
其中，矩阵是y在对照组细胞特征空间中的虚拟细胞状态矩阵，因此与y矩阵维度相同，即具有一一对应的细胞数和基因数；v表示y中所含细胞从第一发育阶段stage 1(对照组对应的发育阶段)到第二发育阶段stage 2(变化组对应的发育阶段)的状态变化响应特征，此变化主要是由stage 2与stage 1间生长发育变化引起的。即v表示真实-虚拟细胞对之间的差值，代表该细胞对于状态改变的响应特征。
[0046]
通过求解虚拟细胞状态矩阵利用y与的差值就可以得到状态变化响应特征v。
[0047]
步骤三：基于状态变化响应特征v对细胞进行聚类分析，就可以监控不同发育阶段下单细胞的状态动力学过程。
[0048]
对于虚拟细胞状态矩阵，使用奇异值分解的方法，将不同发育阶段的单细胞数据的协方差矩阵进行分解，得到单细胞数据间协方差最大化的分量，基于该分量，可以构建虚拟细胞状态矩阵。
[0049]
假设，虚拟细胞的状态矩阵使用奇异值分解方法可表征为：其中p表示载荷矩阵，
t
表示转置矩阵，s
′
表示得分矩阵。其中，载荷矩阵p可以通过用nipals方法最大化以下公式获得：
[0050][0051]
nipals方法可以从现有技术文献alin,a.,comparison of pls algorithms when number of objects is much larger than number of variables.statistical papers,2009.50(4):p.711-720中得到。
[0052]
在一些实施方式中，v的求解过程为：由于可以得到由于v和不相关，p
t
(p
t
p)-1
pv≈0，可近似为p
t
(p
t
p)-1
py，v可计算为
[0053]
v＝y-p
t
(p
t
p)-1
py
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0054]
公式(3)表明，在给定y时，v可通过p估计。
[0055]
在一些实施方式中，v的求解过程为：假设和x是来自同一特征空间的不同细胞，并使用x替换等式(2)中的第一个用c替换p以表示和x之间可能的不匹配，等式(2)可近似为
[0056][0057]
由于x和v不相关，对于任意p和c，cov(xc,vp)≈0，公式(4)可表示为：
[0058][0059]
通过公式(4)和(5)，简化了p的计算过程，当给定x和y时，即可计算得到p，进而得到通过公式(1)计算得到v。
[0060]
如图2所示，左图是使用本发明的方法对细胞数据进行处理后得到的结果图。由于每一个细胞使用其动态特征描述，不同细胞类型之间的差异被提取放大。而右图是使用传
统的方法进行分类得到的结果图，由于直接使用细胞原始测序值的静态特征描述，细胞间异质性常常因受到噪声干扰而无法显示有意义的聚类特征。从这两个结果图可以看出，本发明提供的方法解决了单细胞技术销毁测序细胞因而无法对植物生长发育过程中长时间跨度的每个细胞状态变化追踪的问题，可以挖掘出已有方法无法发现的细胞在植物生长过程中的动态分化特征。
[0061]
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。