使用seurat3里面计算线粒体基因含量的2个方法
使用seurat3里面计算线粒体基因含量的2个方法
生信技能树jimmy
发布于 2020-03-30 11:38:35
发布于 2020-03-30 11:38:35
首先构建10x对象，这里就不赘述了，我在我在单细胞天地的2个教程：
展示的非常清楚啦，因为每个教程想说明的情况不一样，所以需要重新把计算线粒体基因含量讲解一下。 为了维持教程的统一性，我这里一直使用 sce 来代表构建好的seurat对象。
第一种方法
因为计算某些基因含量这个需求实在是太常见了，所以特意设置了一个函数：PercentageFeatureSet
sce <- CreateSeuratObject(Read10X('../scRNA/filtered_feature_bc_matrix/'), "sce")
head(sce@meta.data)
GetAssayData(sce,'counts')
sce[["percent.mt"]] <- PercentageFeatureSet(sce, pattern = "^MT-")
VlnPlot(sce, features = c("nFeature_RNA", "nCount_RNA", "percent.mt"), ncol = 3)
这样就可以可视化我们计算好的线粒体基因含量，下图可以看出需要最起码的过滤。
一般来说，这个过滤起码得是线粒体基因含量占比25%以下的细胞才保留，当然也得考虑到生物学课题啦。
第二种方法
上面的方法是修改 sce[["percent.mt"]] ，下面我们演示 AddMetaData 函数，同样是可以增加线粒体基因含量信息到我们的seurat对象。
mt.genes <- rownames(sce)[grep("^MT-",rownames(sce))]
C<-GetAssayData(object = sce, slot = "counts")
percent.mito <- Matrix::colSums(C[mt.genes,])/Matrix::colSums(C)*100
sce <- AddMetaData(sce, percent.mito, col.name = "percent.mito")
sce[["percent.mito"]]
也可以是添加核糖体基因含量
rb.genes <- rownames(sce)[grep("^RP[SL]",rownames(sce))]
percent.ribo <- Matrix::colSums(C[rb.genes,])/Matrix::colSums(C)*100
sce <- AddMetaData(sce, percent.ribo, col.name = "percent.ribo")
如下所示，可以看到部分细胞的核糖体基因含量也过高，至于过滤的指标，大家需要看文章啦！
也可以是免疫球蛋白相关基因含量等等，取决于大家的生物学课题啦。
本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。
原始发表：2019-10-09，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录