3. 最终映射表
| 热图列号 | 旧名称 (Old Name) | 实验条件推断 | 新名称 (New Name) | 理由 (Chinese Explanation) |
|---|---|---|---|---|
| 1 | nf780 |
MKL-1 wt cells | parental_cells_1 |
野生型细胞总RNA,作为亲本细胞对照1。 |
| 2 | nf796 |
MKL-1 wt cells | parental_cells_2 |
野生型细胞总RNA,作为亲本细胞对照2。 |
| 3 | nf797 |
MKL-1 wt cells | parental_cells_3 |
野生型细胞总RNA,作为亲本细胞对照3。 |
| 4 | 2608_MKL1_sT_Dox |
sT + Dox EV | sT_knockdown_1 |
sT敲低+诱导(Dox),实验组1。 |
| 5 | 2701_MKL1_scr_DMSO |
Scr + DMSO EV | scr_DMSO_control_1 |
Scramble对照+溶剂(DMSO),双阴性对照1。 |
| 6 | 2701_MKL1_sT_DMSO |
sT + DMSO EV | DMSO_control_1 |
sT载体+溶剂(DMSO),未诱导的sT对照1。 |
| 7 | 2608_MKL1_sT_DMSO |
sT + DMSO EV | DMSO_control_2 |
sT载体+溶剂(DMSO),未诱导的sT对照2。 |
| 8 | 2701_MKL1_scr_Dox |
Scr + Dox EV | scr_control_1 |
Scramble对照+诱导(Dox),诱导对照组1。 |
| 9 | 2404_MKL1_wt_EVs |
WT EV | untreated_1 |
野生型外泌体,未处理对照1。 |
| 10 | 2608_MKL1_wt_EVs |
WT EV | untreated_2 |
野生型外泌体,未处理对照2。 |
| 11 | 2701_MKL1_sT_Dox |
sT + Dox EV | sT_knockdown_2 |
sT敲低+诱导(Dox),实验组2。 |
| 12 | 2608_MKL1_scr_DMSO |
Scr + DMSO EV | scr_DMSO_control_2 |
Scramble对照+溶剂(DMSO),双阴性对照2。 |
| 13 | 2608_MKL1_scr_Dox |
Scr + Dox EV | scr_control_2 |
Scramble对照+诱导(Dox),诱导对照组2。 |
| 14 | 2802_MKL1_scr_DMSO |
Scr + DMSO EV | scr_DMSO_control_3 |
Scramble对照+溶剂(DMSO),双阴性对照3。 |
| 15 | 2802_MKL1_sT_DMSO |
sT + DMSO EV | DMSO_control_3 |
sT载体+溶剂(DMSO),未诱导的sT对照3。 |
| 16 | 2802_MKL1_scr_Dox |
Scr + Dox EV | scr_control_3 |
Scramble对照+诱导(Dox),诱导对照组3。 |
| 17 | 2802_MKL1_sT_Dox |
sT + Dox EV | sT_knockdown_3 |
sT敲低+诱导(Dox),实验组3。 |
(注:untreated_1/2 和 parental_cells_1/2/3 的具体编号顺序(1,2,3)可以根据原始样本ID的数字大小或实验记录微调,但类别对应是确定的。上述编号是按它们在列表中出现的顺序分配的。)
4. 为什么这样映射?(Explanation in Chinese)
-
区分细胞与外泌体 (Cells vs EVs):
- 旧名称中的
nf780/796/797标记为 “MKL-1 wt cells”,这是细胞裂解液的 RNA-seq 数据,而非外泌体。在新名称中,parental_cells是最合适的对应项,代表亲本细胞系的基线表达。 - 旧名称中的
2404/2608 ... wt_EVs标记为 “MKL-1 wt EV”,这是野生型的外泌体。在新名称中,untreated通常指未经过任何转染或药物处理的天然状态,因此对应 WT EVs。
- 旧名称中的
-
区分处理条件 (Treatment Conditions):
- sT_knockdown: 对应旧名称中的
sT_Dox。因为 Dox (Doxycycline) 是诱导剂,用于启动 shRNA/siRNA 的表达从而实现敲低。这是主要的实验组。 - scr_control: 对应旧名称中的
scr_Dox。Scramble (乱序序列) 是阴性对照,同样加 Dox 诱导,用于排除诱导剂本身和非特异性序列的影响。这是sT_knockdown的直接对照。 - DMSO_control: 对应旧名称中的
sT_DMSO。这里 sT 载体存在,但加入的是 DMSO (溶剂) 而不是 Dox,因此基因敲低未被诱导(或仅有极低背景泄漏)。这用于评估在没有诱导的情况下,sT 载体本身对细胞/外泌体的影响。 - scr_DMSO_control: 对应旧名称中的
scr_DMSO。既没有功能性敲低序列 (Scr),也没有诱导剂 (DMSO)。这是最基础的“双阴性”对照,代表转染了空载体或乱序载体且未诱导的状态。
- sT_knockdown: 对应旧名称中的
-
重复样本 (Replicates):
- 每个条件都有3个生物学重复(来自不同的批次或制备,如 2608, 2701, 2802),因此新名称中的
_1, _2, _3分别对应这三个不同的来源。
- 每个条件都有3个生物学重复(来自不同的批次或制备,如 2608, 2701, 2802),因此新名称中的
R 代码实现映射
# 定义旧名称顺序 (对应热图列 1-17)
old_names <- c("nf780", "nf796", "nf797",
"2608_MKL1_sT_Dox", "2701_MKL1_scr_DMSO", "2701_MKL1_sT_DMSO",
"2608_MKL1_sT_DMSO", "2701_MKL1_scr_Dox",
"2404_MKL1_wt_EVs", "2608_MKL1_wt_EVs",
"2701_MKL1_sT_Dox", "2608_MKL1_scr_DMSO", "2608_MKL1_scr_Dox",
"2802_MKL1_scr_DMSO", "2802_MKL1_sT_DMSO", "2802_MKL1_scr_Dox",
"2802_MKL1_sT_Dox")
# 定义新名称顺序 (根据上述逻辑映射)
new_names <- c("parental_cells_1", "parental_cells_2", "parental_cells_3",
"sT_knockdown_1", "scr_DMSO_control_1", "DMSO_control_1",
"DMSO_control_2", "scr_control_1",
"untreated_1", "untreated_2",
"sT_knockdown_2", "scr_DMSO_control_2", "scr_control_2",
"scr_DMSO_control_3", "DMSO_control_3", "scr_control_3",
"sT_knockdown_3")
# 创建映射数据框
mapping_df <- data.frame(
Old_Name = old_names,
New_Name = new_names
)
print(mapping_df)
Yes, your calculated sums are correct.
Here is the step-by-step verification adding the two rows you provided:
| Index | Row 1 (gencode_sense) |
Row 2 (gencode_antisense) |
Your Sum | Calculated Sum (gencode) | Match? |
|---|---|---|---|---|---|
| 1 | 88.5 | 0.1 | 88.6 | 88.6 | ✅ |
| 2 | 71.9 | 0.2 | 72.1 | 72.1 | ✅ |
| 3 | 67.5 | 0.4 | 67.9 | 67.9 | ✅ |
| 4 | 6.6 | 0.2 | 6.8 | 6.8 | ✅ |
| 5 | 5.9 | 0.2 | 6.1 | 6.1 | ✅ |
| 6 | 6.0 | 0.3 | 6.3 | 6.3 | ✅ |
| 7 | 6.6 | 0.3 | 6.9 | 6.9 | ✅ |
| 8 | 6.5 | 0.3 | 6.8 | 6.8 | ✅ |
| 9 | 7.7 | 0.4 | 8.1 | 8.1 | ✅ |
| 10 | 6.4 | 0.3 | 6.7 | 6.7 | ✅ |
| 11 | 7.4 | 0.2 | 7.6 | 7.6 | ✅ |
| 12 | 6.6 | 0.3 | 6.9 | 6.9 | ✅ |
| 13 | 6.5 | 0.2 | 6.7 | 6.7 | ✅ |
| 14 | 10.7 | 0.2 | 10.9 | 10.9 | ✅ |
| 15 | 10.0 | 0.2 | 10.2 | 10.2 | ✅ |
| 16 | 9.0 | 0.2 | 9.2 | 9.2 | ✅ |
| 17 | 8.3 | 0.2 | 8.5 | 8.5 | ✅ |
Your calculation is perfectly accurate.