专栏首页单细胞天地拟时序分析后细胞类型按照不同state进行区分

拟时序分析后细胞类型按照不同state进行区分

前面我们已经介绍了:使用monocle做拟时序分析(单细胞谱系发育) 然后回答了一个学员的问题: 拟时序分析的热图提取基因问题 , 但是因为大家对monocle包的说明书不熟悉,对R不熟练,以至于无法个性化处理monocle的各种中间结果,所以问题是多种多样。

同样的单细胞天地的基础视频课程学员提问:想知道参考文献的下面的条形图如何绘制,因为没有给原文,不知道作者定义的pseudotime bins是什么,不过在monocle官网教程,有一个state的概念,所以可以大致绘制出下面的图形:

首先我们需要再次详细理解monocle输出的细胞谱系推断图

回到我们产生细胞谱系推断结果的函数:reduceDimension

load(file = 'ordering_genes_by_Biological_Condition_high.Rdata')
cds <- setOrderingFilter(cds, ordering_genes)
plot_ordering_genes(cds) 
# 然后降维
cds <- reduceDimension(cds, max_components = 2,
                       method = 'DDRTree')
# 降维是为了更好的展示数据。
# 降维有很多种方法, 不同方法的最后展示的图都不太一样, 其中“DDRTree”是Monocle2使用的默认方法
# 接着对细胞进行排序
cds <- orderCells(cds)
## 最后两个可视化函数 
plot_cell_trajectory(cds, color_by = "Biological_Condition")  

实际上,就是给定有生物学意义的基因给 reduceDimension 函数,调整参数就可以出图,如下:

很容易理解,在这个细胞谱系推断图里面,其中一条轨迹是真实存在的,就是“GW16” and “GW21” ,“GW21+3” 这种孕期细胞,本身就是具有时间先后属性的,而且我们的monocle也的确找到了,在这个测试数据。

仔细摸索 reduceDimension 函数返回值

当然是先看函数的帮助文档了,在构建细胞谱系的时候有两个算法可以选择,而且还可以加入已知的混杂因素,这样reduceDimension 函数会帮助进行去混杂因素,做的纯粹的细胞谱系推断

Monocle provides two different algorithms for dimensionality reduction via reduceDimension. Both take a CellDataSet object and a number of dimensions allowed for the reduced space. You can also provide a model formula indicating some variables (e.g. batch ID or other technical factors) to "subtract" from the data so it doesn't contribute to the trajectory.

但是,帮助文档里面更多是对参数的介绍,帮助我们运行reduceDimension 函数,并没有对它返回值的介绍,需要我们自行摸索了。我们 str(cds) 就可以看到的确是这个对象被这个函数修改了,添加了两列信息,如下:

我们同样是简单探索一下Pseudotime和State的关系:

tmp=phenoData(cds)@data
plot(tmp[,30:31])

计算Pseudotime得分的10等分里面的不同细胞类型的比例

可以看到这里的State信息并没有用,在学员的求助的文献里面,是把Pseudotime得分进行10等分,因为我们这里只有65个细胞,所以10等分后再看4种细胞的比例,基本上画出来的图会很难看。

不过大体上的思路就是这样咯,十等分是很简单的, 假设得到了,就可以出下面的表格,就是学员想要的条形堆砌图的原始数据了哈。

这个时候,我再留一个疑问,是不是一定要使用monocle来进行细胞谱系推断呢?不知道大家有没有发现,学员之所以会有各种问题,其实本质上是R语言薄弱,所以我今天在生信技能树公众号分享了爆款R语言入门,基本上十万生信工程师都会跟着学习的,你也可以看看:生信分析人员如何系统入门R(2019更新版)

本文分享自微信公众号 - 单细胞天地(sc-ngs),作者:生信技能树

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-09-12

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • sc-RNA-seq Key issues guide

    单细胞技术(single-cell technologies )越来越被生命科学家广泛地应用在不同物种、不同器官的研究上。在2019年之前基于单细胞测序技术,特...

    生信技能树jimmy
  • 溃疡性结肠炎患者的细胞内和细胞间重排

    当你的才华还撑不起你的野心时,请潜下心来,脚踏实地,跟着我们慢慢进步。不知不觉在单细胞转录组领域做知识分析也快两年了,通过文献速递这个栏目很幸运聚集了一些小伙伴...

    生信技能树jimmy
  • 单细胞测序基础知识

    有限稀释技术(Limiting dilution technique)是利用移液管稀释分离细胞,这种方法的主要缺点是效率低下,成功率20%左右。

    生信技能树jimmy
  • 002仓储物流自动化系统常见哪些设备?

    上次解释“001什么是仓储物流自动化”知道了一个仓储物流中心里要实现系统的自动化,里边是由各种设备互相配合而完成的。那在仓储物流中心里常见的有哪些设备呢?

    老King
  • Java战争的回忆,请善待Java

    本文来自微信公众号:金捷幡(ID:jin-jiefan),作者:金捷幡,封面:拉里·埃里森(东方IC)

    奋斗蒙
  • 《数字集成电路静态时序分析基础》笔记⑧

    而captured path有些不一样,clock CLKM的incr达到了30,也就是三个周期。

    空白的贝塔
  • 公有云使用上升,私有云使用下降

    根据Interop ITX和InformationWeek的调查报告,公有云的使用率从2012年的30%几乎翻了一番,达到了57%,而私有云的使用率已经从52%...

    静一
  • python比较两个文件的差异

    使用python脚本比较两个文件的差异内容并输出到html文档中,可以通过浏览器打开查看。

    py3study
  • 牛掰!我是这么把博客粉丝转到公众号的

    纯洁的微笑推荐了一篇文章,题目没有任何特色,叫做《我是怎么把博客粉丝转到公众号的》,但读完后,我震惊了——原来还有这种骚操作啊!

    沉默王二
  • 公有云使用上升,私有云使用下降

    根据Interop ITX和InformationWeek的调查报告,公有云的使用率从2012年的30%几乎翻了一番,达到了57%,而私有云的使用率已经从52%...

    SDNLAB

扫码关注云+社区

领取腾讯云代金券