最近一直在纠结是用Hexo还是Jekyll来搭建今后的内容分享平台，这两个博客系统中Hexo的生成静态网页速度远远快于Jekyll，但是由于GitHub page的影响，Jekyll的用户群体比较大，成熟的模板比较多，纠结来纠结去，还是打算用Jekyll。 然后，在Jekyll Gallery发现了一个非常喜欢的模版，我翻译了hpstr-jekyll-theme，很喜欢这个作者的主题。hpstr-jekyll-theme缺少很多一般博客必须的元素（例如：文章目录），并且在本地化时需要将disqus换成中文版的一些留言系统，这些内容也会尽快实现。

这是我第一篇在手机上写的Jekyll博客，用到了两个Android app,一个是DroidEdit,用来写文档和代码，客户端做的非常好。另一个是pocket git用来提交代码。

这篇文章就是一个测试。

另外DroidEdit的广告会影响写作，为了避免这种情况，需要在文章后面打一堆回车。最后提交时别忘记删除。

看了一篇比较古老的研究循环肿瘤细胞(CTC)的文章complex tumor genomes inferred from single circulating tumor cells by array-cgh and next generation sequencing， 感叹一下外国医学和研究的结合真是紧密。整篇文章没有什么比较“强”的结论，主要是探索了研究CTC的道路，由于文章较为旧，现在对于CTC的研究应该丰富了不少，对于这篇文章没有做精读。 并且建议对这篇文章不需要做精读。

CTC细胞是在血液中发现的脱离肿瘤原发灶的肿瘤细胞，它可以跑到其他组织中，并在那里扎根，成为转移灶的“干细胞”。这种细胞在同种癌症不同病人的血液里检测到的数量差别也较大， 本文中研究了37名四期病人的血样，在5名病人中完全没有发现CTC，15名病人中发现了1～10个CTC，6名病人中找到了10个以上的CTC，所以他们只用最后六个病人进行后续的研究。

研究CTC，主要做了拷贝数变异的研究。在原发灶，肝转移灶和CTC细胞中，拷贝数变异在很多区域相同，说明CTC同原发灶和转移灶之间是有联系的。 另外在转移灶中，拷贝数变异同原发灶也有着一些区别。（我认为，那些区别很可能是在转移灶中产生的新变异）

一些拷贝数变异的区域正是致癌基因所在的区域，例如chromosomes 5q13.2-5q31.2 区域就包含了APC家族的基因。

在chromosome 8q的gain是肠癌中常见的变异。

之后，文章中也分析了三个部位的突变谱，大多数在CTC中出现的mutaion都是肿瘤原发灶上的mutaion（突变频率在0.02到0.42之间）。

单词本

由好多单词在单词本里出现了不止一次，这些都是还没记住的-_-

这个文章是华大做的，华大从12年开始连续发了好几篇关于肿瘤单细胞相关的文章，他们用的测序方法是MDA， 几篇文章都主要围绕测序方法的准确性、寻找肿瘤中的driver（驱动）基因、以及重要突变、单克隆多克隆这几个问题展开讨论。

在这篇文章中，他们主要发现了结肠癌的双克隆起源，以及一个新的致癌基因（就是标题）。 文中发现肿瘤主克隆中在致癌基因APC,TP53基因上有突变，而在另一个克隆上有CDC27和PABPC1的突变。 他们还发现SLC12A5在单细胞中有高突变率(frequency of mutation)而在群体中的普遍程度却比较低，在实验验证后发现这个基因是一个潜在的致癌基因。

从这篇文章中学习一下文章的结构。

第一部分：说明测序方法的可行性（准确性）

• 检测乘数，覆盖度
• 检测假阳性，假阴性
• 检测组织样本和单细胞样本的突变频率相关性

第二部分：肿瘤细胞可分为两个群体

• PCA 分析区分group
• 基于UPGMA的phylogenetic tree分析
• 随机模拟单克隆到5个克隆的情况，发现实际的频率分布同双克隆相似

第三部分：从两个分组中发现了不同的驱动事件

• 引入21个结肠癌病人数据，发现有overlap的驱动基因可以将单细胞分成三组（正常，克隆1，克隆2）。
• 主克隆里有APC，TP53，副克隆里有CDC27和PABPC1。

第四部分：细胞起源异质性分析

• 用21个样本检测是不是多克隆是个普遍的现象。

第五部分：检测癌症驱动基因

• 检测非同义突变、同义突变、错义突变、无义突变在一些重要癌症基因的出现频率。
• 找出enrichment的基因，这些基因是驱动基因。

第六部分：对于新致癌基因的功能验证

• 做了PCR看这个基因是不是在肠癌细胞系中表达水平高。

材料与方法部分有很多信息

1. 找somatic mutation的原则。
2. 如何检测allele dropout。
3. 在研究异质性问题是，所用的SNV要排除那些在CNV异常区域的。

单词本

Adevances and Applications of Single-Cell Sequencing Technologies 这篇review很值得一读，它总结了现有的单细胞领域技术、研究内容、现有问题以及今后方向。 下面简单总结一下比较感兴趣的内容。

单细胞DNA测序技术的缺陷包括: 测序覆盖度不均匀、allelic dropout（等位片段测序丢失）、假阳性、假阴性等。

multiple-displacement-amplification(MDA)方法由于测序覆盖不均匀，在CNV研究中不值得采用这种方法。

multiple annealilng- and looping-based amplification cycles(MALBAC) 方法假阳性高，但是研究CNV比较好。

NUC-SEQ/single nucleus exome sequencing(SNES) 方法可减少技术误差。

单细胞RNA测序技术

WAT会造成3’mRNA 的偏差。

区分技术误差与生物学多样性(Biological Variation)

为了解释一个突变或者转录物的确在样本里时杂合的，需要对这些结果做必要的实验验证。 在DNA层面用深度测序，digital droplet PCR（微滴式数字PCR）。 在RNA层面，可用单细胞RT-qPCR以及微滴式数字PCR。

Tissue Mosaicism的研究结果争议性很大（可以参考上一篇文章）

总结下来就是每个研究中都可以看到copy number mosaicism现象，但是这些现象的作用时正向还是负向目前还尚未有定论。

癌症方面的研究

研究主要集中在瘤内异质性、单/多克隆演化、CTC细胞携带mutation特点(肿瘤细胞转移问题)。

研究CTC细胞是为了追溯肿瘤和转移灶的mutation情况。

###小结

单细胞研究的问题涵盖：

1. 解读群体差异性
2. 追踪细胞系
3. 细胞类型分类
4. 罕见细胞的基因组学信息刻画

###展望

1. 从单细胞入手，研究单细胞其实是研究单细胞所在的组织的情况。
2. 如何连接并研究单细胞的phenotype到genotype。
3. 如何研究单细胞的多层面数据（例如，某个单细胞的DNA和RNA，某个单细胞的RNA和表观）
4. 在技术上，如何能同时测序上千个单细胞，并降低费用。