配置Seurat的R语言环境

生信技能树jimmy

发布于 2020-03-30 11:50:01

2.5K0

发布于 2020-03-30 11:50:01

文章被收录于专栏：单细胞天地

下游分析前言

下游分析一般是研究的重点，之前10X上游得到的结果中，对我们最有用的是三个文件和一个报告

这篇文章的作者其实已经把表达矩阵上传到了GSE117988：

但为了演示如何组合多个样本数据，还是使用了自己之前用cellranger得到的4个count结果

下面会组合四个PBMC数据

打开Rstudio后注意一个小技巧

红色箭头指的是刷新，当有新文件生成时，记得刷新一下，否则文件名有时显示不出来；

橙色箭头指的是回到最开始定位的路径

首先做一件事——Seurat降级

原因就是这篇文章使用的是Seurat V2，想用V3也可以做，只不过想更好地重现文章代码

两步走：删除原文件（直接remove.packages删掉原来包的文件夹）+ 源代码安装

remove.packages('Seurat')
pkgs = c( 'mixtools', 'lars', 'dtw', 'doSNOW', 'hdf5r' ) 
BiocManager::install(pkgs,ask = F,update = F)
# 以后只需要修改这个版本号即可
packageurl <- "https://cran.r-project.org/src/contrib/Archive/Seurat/Seurat_2.3.4.tar.gz"
install.packages(packageurl, repos=NULL, type="source")
# 最后检查一下包的版本
library('Seurat')
packageVersion('Seurat')

有个问题，怎么自己去寻找要安装包的路径呢？

step1：首先浏览器搜索：cran + 包的名称 ，比如我要搜索seurat，就会看到：

step2：进来后，看到有一个Old sources:选项，点开链接

step3：自由安装想要的版本（右键复制链接赋给上面的packageurl）

接下来分别读取

library(Seurat)
sce.10x <- Read10X(data.dir = '~/four-PBMC-mtx/SRR7722939/')
sce1 <- CreateSeuratObject(raw.data = sce.10x, 
                           min.cells = 60, 
                           min.genes = 200, 
                           project = "SRR7722939") 

sce.10x <- Read10X(data.dir = '~/four-PBMC-mtx/SRR7722940/')
sce2 <- CreateSeuratObject(raw.data = sce.10x, 
                           min.cells = 60, 
                           min.genes = 200, 
                           project = "SRR7722940") 

sce.10x <- Read10X(data.dir = '~/four-PBMC-mtx/SRR7722941/')
sce3 <- CreateSeuratObject(raw.data = sce.10x, 
                           min.cells = 60, 
                           min.genes = 200, 
                           project = "SRR7722941") 

sce.10x <- Read10X(data.dir = '~/four-PBMC-mtx/SRR7722942/')
sce4 <- CreateSeuratObject(raw.data = sce.10x, 
                           min.cells = 60, 
                           min.genes = 200, 
                           project = "SRR7722942") 

sce1;sce2;sce3;sce4
## An object of class seurat in project SRR7722939 
##  6163 genes across 2047 samples.
## An object of class seurat in project SRR7722940 
##  4267 genes across 1073 samples.
## An object of class seurat in project SRR7722941 
##  5480 genes across 4311 samples.
## An object of class seurat in project SRR7722942 
##  6427 genes across 4025 samples.

或者采用批量处理的方式：

folders=list.files('../../cellranger/four-PBMC-mtx/',pattern = '^SRR')
> folders
[1] "SRR7722939" "SRR7722940" "SRR7722941" "SRR7722942"

library(Seurat)
sceList = lapply(folders,function(folder){ 
  CreateSeuratObject(counts = Read10X(folder), 
                     project = folder , min.cells = 60, 
                     min.features  = 200)
})

读取后进行区分

四个数据分别对应了四个时间点：

治疗前(Pre)：GSM3330561
治疗后早期day +27(Early)：GSM3330562
治疗后反应期day+37(Resp)：GSM3330563
治疗后复发+614 (AR)：GSM3330564

区分对象名称

根据这个信息，修改一下读入数据的编号（原来记录的是SRR信息，但这个信息不足以区分四个数据）

sce1@meta.data$group <- "PBMC_Pre"
sce2@meta.data$group <- "PBMC_EarlyD27"
sce3@meta.data$group <- "PBMC_RespD376"
sce4@meta.data$group <- "PBMC_ARD614"

区分细胞名

然后看看它们的列名，记录的就是细胞barcode信息，区分不同细胞，因此前面看到的sce1有2047个细胞就是说明sce1有2047个有效barcode【注意这里是“有效”，对应之前创建对象时设定的阈值：一个细胞中要有多少基因表达min.genes和一个基因要在多少细胞中表达min.cells】

# 以sce1对象为例
head(colnames(sce1@data))
## [1] "AAACCTGAGCGAAGGG" "AAACCTGAGGTCATCT" "AAACCTGAGTCCTCCT"
## [4] "AAACCTGCACCAGCAC" "AAACCTGGTAACGTTC" "AAACCTGGTAAGGATT"

将四个对象对应的名称添加到细胞名中：

colnames(sce1@data) <- paste0("PBMC_Pre.",colnames(sce1@data))
head(colnames(sce1@data))
## [1] "PBMC_Pre.AAACCTGAGCGAAGGG" "PBMC_Pre.AAACCTGAGGTCATCT"
## [3] "PBMC_Pre.AAACCTGAGTCCTCCT" "PBMC_Pre.AAACCTGCACCAGCAC"
## [5] "PBMC_Pre.AAACCTGGTAACGTTC" "PBMC_Pre.AAACCTGGTAAGGATT"

colnames(sce2@data) <- paste0("PBMC_EarlyD27.",colnames(sce2@data))
colnames(sce3@data) <- paste0("PBMC_RespD376.",colnames(sce3@data))
colnames(sce4@data) <- paste0("PBMC_ARD614.",colnames(sce4@data))

然后进行整合

归一化+标准化 => NormalizeData + ScaleData

sce1 <- NormalizeData(sce1)
sce1 <- ScaleData(sce1, display.progress = F) 
sce2 <- NormalizeData(sce2)
sce2 <- ScaleData(sce2, display.progress = F) 
sce3 <- NormalizeData(sce3)
sce3 <- ScaleData(sce3, display.progress = F) 
sce4 <- NormalizeData(sce4)
sce4 <- ScaleData(sce4, display.progress = F)

找共有的高变异基因 => FindVariableGenes

做这一步的目的就是：利用共有的基因去进行后面的校正，如果一个基因这个数据集中有，而另一个没有，那么就很难根据这个基因对它们进行校正

sce1 <- FindVariableGenes(sce1, do.plot = F)
sce2 <- FindVariableGenes(sce2, do.plot = F)
sce3 <- FindVariableGenes(sce3, do.plot = F)
sce4 <- FindVariableGenes(sce4, do.plot = F)
# 前1000个HVGs结果记录下来
g.1 <- head(rownames(sce1@hvg.info), 1000)
g.2 <- head(rownames(sce2@hvg.info), 1000)
g.3 <- head(rownames(sce3@hvg.info), 1000)
g.4 <- head(rownames(sce4@hvg.info), 1000)
# 再取交集
genes.use <- unique(c(g.1, g.2,g.3, g.4))
genes.use <- intersect(genes.use, rownames(sce1@scale.data))
genes.use <- intersect(genes.use, rownames(sce2@scale.data))
genes.use <- intersect(genes.use, rownames(sce3@scale.data))
genes.use <- intersect(genes.use, rownames(sce4@scale.data))
head(genes.use)
## [1] "hg38_S100A9"    "hg38_PPBP"      "hg38_S100A8"    "hg38_MALAT1"   
## [5] "hg38_PF4"       "hg38_HIST1H2AC"

# 最后得到1450个共有高变异基因
length(genes.use)
## [1] 1450

10X 数据集的合并 => RunMultiCCA

这一步耗时很长

sce.comb <- RunMultiCCA(list(sce1,sce2,sce3,sce4), 
                       add.cell.ids=c("PBMC_Pre.","PBMC_EarlyD27.","PBMC_RespD376.","PBMC_ARD614."),
                       genes.use = genes.use, 
                       num.cc = 30)

DimPlot(object = sce.comb, 
              reduction.use = "cca", group.by = "group", 
              pt.size = 0.5, do.return = TRUE)

看到CCA并没有有效去除批次效应，按说四个时间点的细胞应该重叠在一起，表示某群细胞在四个时间点都存在。不过这里绿色和红色的细胞分的很开

再试一下另一种办法=>merge + SCTransform

# 以下代码基于Seurat 3.1
sceList[[1]]@meta.data$orig.ident <- "PBMC_Pre"
sceList[[2]]@meta.data$orig.ident <- "PBMC_EarlyD27"
sceList[[3]]@meta.data$orig.ident <- "PBMC_RespD376"
sceList[[4]]@meta.data$orig.ident <- "PBMC_ARD614"

sce.big <- merge(sceList[[1]], 
                 y = c(sceList[[2]],sceList[[3]],sceList[[4]]), 
                 add.cell.ids = c("PBMC_Pre.","PBMC_EarlyD27.","PBMC_RespD376.","PBMC_ARD614."), 
                 project = "p1-PBMC")

> table(sce.big$orig.ident)             

  PBMC_Pre SRR7722940 SRR7722941 SRR7722942 
      2047       1074       4311       4028 

sce.big <- SCTransform(sce.big, verbose = FALSE)

sce.big <- RunPCA(sce.big, verbose = FALSE)
sce.big <- RunTSNE(sce.big, verbose = FALSE)
DimPlot(object = sce.big, 
        reduction = "tsne",group.by = 'orig.ident')

之后鉴定亚群

sce.big <- FindNeighbors(sce.big, dims = 1:20)
sce.big <- FindClusters(sce.big, resolution = 0.2)
table(sce.big@meta.data$SCT_snn_res.0.2)

DimPlot(object = sce.big, reduction = "tsne",
        group.by = 'SCT_snn_res.0.2')

> table(sce.big$SCT_snn_res.0.2,sce.big$orig.ident)

     PBMC_ARD614 PBMC_EarlyD27 PBMC_Pre PBMC_RespD376
  0         1175           347       22          1555
  1          987           152      137          1103
  2          862            35       24           488
  3          396            43       14           471
  4            0             2      862             1
  5          294             0      160           330
  6           26           272        6           261
  7            0             1      361             1
  8            1            43      228             2
  9          112           130        1            15
  10           0             0      205             5
  11         134            29        4            29
  12          41            20       23            50

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：2019-10-21，如有侵权请联系 cloudcommunity@tencent.com 删除

数据分析

本文分享自单细胞天地微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

数据分析

登录后参与评论

0 条评论

热度