前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >跟着大神学单细胞数据分析

跟着大神学单细胞数据分析

作者头像
生信技能树jimmy
发布2020-03-30 15:21:02
3.6K0
发布2020-03-30 15:21:02
举报
文章被收录于专栏:单细胞天地

前言

这是 Tang Ming 大神分享的单细胞分析的seurat流程。今天我们来理一下大致的分析思路,当然里面好多细节的部分还需要自己下功夫慢慢研究。

原文链接如下: https://crazyhottommy.github.io/scRNA-seq-workshop-Fall-2019/scRNAseq_workshop_1.html

下载数据

我们将下载来自10x Genomics的公共 5k pbmc (外周血单核细胞)数据集。然后用R分析

代码语言:javascript
复制
wget http://cf.10xgenomics.com/samples/cell-exp/3.0.2/5k_pbmc_v3/5k_pbmc_v3_filtered_feature_bc_matrix.tar.gz

tar xvzf 5k_pbmc_v3_filtered_feature_bc_matrix.tar.gz

安装所需的R包

代码语言:javascript
复制
install.packages("tidyverse")
install.packages("rmarkdown")
install.packages('Seurat')

如果你已经安装过这写R包,你可以忽略这一步。如果还没有安装或者安装R包有问题,可以参考下面的教程:

rstudio软件无需联网但是 BiocManger无法安装R包 批量安装R包小技巧大放送

读入数据

代码语言:javascript
复制
# 读取PBMC数据集
pbmc.data <- Read10X(data.dir = "filtered_feature_bc_matrix/")
# 使用原始数据(未归一化处理)初始化Seurat对象
pbmc <- CreateSeuratObject(counts = pbmc.data, project = "pbmc5k", min.cells = 3, min.features = 200)
pbmc

代码语言:javascript
复制
An object of class Seurat 
18791 features across 4962 samples within 1 assay 
Active assay: RNA (18791 features)

如果你想了解更多Seurat对象的详细信息,你可以参考这个网站:https://github.com/satijalab/seurat/wiki

注:读入数据这一步使用的Seurat包应该是 Seurat V3版本。因为我用Seurat V2创建的对象和文中所给的结果不一致

代码语言:javascript
复制
## 使用Srurat V2 创建对象 
pbmc <- CreateSeuratObject(raw.data = pbmc.data, project = "pbmc5k", min.cells = 3, min.features = 200)

pbmc  

An object of class seurat in project pbmc5k 
 18791 genes across 5025 samples.

质量控制

代码语言:javascript
复制
## check at metadata
head(pbmc@meta.data)
# The [[ operator can add columns to object metadata. This is a great place to stash QC stats
pbmc[["percent.mt"]] <- PercentageFeatureSet(pbmc, pattern = "^MT-")
pbmc@meta.data %>% head()

##将质量控制指标可视化为小提琴图
VlnPlot(pbmc, features = c("nFeature_RNA", "nCount_RNA", "percent.mt"), ncol = 3)

#我们根据上面的可视化设置了截止值。这个截止值是相当主观的。
pbmc <- subset(pbmc, subset = nFeature_RNA > 200 & nFeature_RNA < 5000 & percent.mt < 25)

Normalization

通常情况下,我们采用全局缩放的归一化方法"LogNormalize"

代码语言:javascript
复制
pbmc <- NormalizeData(pbmc, normalization.method = "LogNormalize", scale.factor = 10000)

不过,现在Seurat也有一个新的标准化的方法,称为SCTransform . 详细了解可以查看:https://satijalab.org/seurat/v3.0/sctransform_vignette.html

特征选择

代码语言:javascript
复制
pbmc <- FindVariableFeatures(pbmc, selection.method = "vst", nfeatures = 2000)

# Identify the 10 most highly variable genes
top10 <- head(VariableFeatures(pbmc), 10)

# plot variable features with and without labels
plot1 <- VariableFeaturePlot(pbmc)
plot2 <- LabelPoints(plot = plot1, points = top10, repel = TRUE)

CombinePlots(plots = list(plot1, plot2), ncol =1)

Scaling the data

ScaleData函数

  • Shifts the expression of each gene, so that the mean expression across cells is 0
  • Scales the expression of each gene, so that the variance across cells is 1

我们一般将平均值为0,方差值为1的数据认为是标准数据

代码语言:javascript
复制
all.genes <- rownames(pbmc)
pbmc <- ScaleData(pbmc, features = all.genes)

如果数据量很大,这一步可能需要较长时间

在scale前后检查数据
代码语言:javascript
复制
## 检查前后数据的区别
#### raw counts, same as pbmc@assays$RNA@counts[1:6, 1:6]
pbmc[["RNA"]]@counts[1:6, 1:6]
### library size normalized and log transformed data
pbmc[["RNA"]]@data[1:6, 1:6]
### scaled data
pbmc[["RNA"]]@scale.data[1:6, 1:6]

scale是Seurat工作流程中必不可少的一步。但结果仅限于用作PCA分析的输入。

ScaleData中默认设置是仅对先前标识的变量特征执行降维(默认为2000).因此,在上一个函数调用中应省略features参数。

代码语言:javascript
复制
pbmc <- ScaleData(pbmc, vars.to.regress = "percent.mt")

PCA

主成分分析(PCA)是一种线性降维技术

代码语言:javascript
复制
pbmc <- RunPCA(pbmc, features = VariableFeatures(object = pbmc), verbose = FALSE)

p1<- DimPlot(pbmc, reduction = "pca")
p1

如果想了解更多PCA相关的,可以在YouTube观看StatQuest的: https://www.youtube.com/watch?v=HMOI_lkzW08

或者看下面的教程: 聚类分析和主成分分析

或者原作者的博客:

https://divingintogeneticsandgenomics.rbind.io/post/pca-in-action/ https://divingintogeneticsandgenomics.rbind.io/post/permute-test-for-pca-components/

当然你也可以用ggplot2画出各种好看的PCA图,网上搜索的话,画图代码有很多。这里不再论述。

确定PCs数

为了克服scRNA序列数据单一特征中的广泛技术噪音,Seurat根据其PCA分数对细胞进行聚类,每个PC基本上表示一个“元特征”,该特征结合了相关特征集上的信息。因此,最主要的主成分代表了数据集的强大压缩。但是,我们应该选择包括多少个PC?10个?20?还是100?

可以用如下方法来大致判定:

代码语言:javascript
复制
pbmc <- JackStraw(pbmc, num.replicate = 100, dims = 50)
pbmc <- ScoreJackStraw(pbmc, dims = 1:50)

JackStrawPlot(pbmc, dims = 1:30)

代码语言:javascript
复制
ElbowPlot(pbmc, ndims = 50)

variance explained by each PC

代码语言:javascript
复制
mat <- pbmc[["RNA"]]@scale.data 
pca <- pbmc[["pca"]]

# Get the total variance:
total_variance <- sum(matrixStats::rowVars(mat))

eigValues = (pca@stdev)^2  ## EigenValues
varExplained = eigValues / total_variance

varExplained %>% enframe(name = "PC", value = "varExplained" ) %>%
  ggplot(aes(x = PC, y = varExplained)) + 
  geom_bar(stat = "identity") +
  theme_classic() +
  ggtitle("scree plot")
代码语言:javascript
复制
### this is what Seurat is plotting: standard deviation
pca@stdev %>% enframe(name = "PC", value = "Standard Deviation" ) %>%
  ggplot(aes(x = PC, y = `Standard Deviation`)) + 
  geom_point() +
  theme_classic()

细胞分群

代码语言:javascript
复制
pbmc <- FindNeighbors(pbmc, dims = 1:20)
pbmc <- FindClusters(pbmc, resolution = 0.5)
# Look at cluster IDs of the first 5 cells
head(Idents(pbmc), 5)

运行非线性降维(UMAP/tSNE)

代码语言:javascript
复制
pbmc <- RunUMAP(pbmc, dims = 1:20)
pbmc<- RunTSNE(pbmc, dims = 1:20)

## after we run UMAP and TSNE, there are more entries in the reduction slot
str(pbmc@reductions)

DimPlot(pbmc, reduction = "umap", label = TRUE)
代码语言:javascript
复制
## now let's visualize in the TSNE space
DimPlot(pbmc, reduction = "tsne")

tSNE相关视频: https://www.youtube.com/watch?v=NEaUSP4YerM

代码语言:javascript
复制
## now let's label the clusters in the PCA space
DimPlot(pbmc, reduction = "pca")

查找差异表达特征(集群生物标记)

代码语言:javascript
复制
# find all markers of cluster 1
cluster1.markers <- FindMarkers(pbmc, ident.1 = 1, min.pct = 0.25)
head(cluster1.markers, n = 5)
# find all markers distinguishing cluster 5 from clusters 0 and 3
cluster5.markers <- FindMarkers(pbmc, ident.1 = 5, ident.2 = c(0, 3), min.pct = 0.25)
head(cluster5.markers, n = 5)
# find markers for every cluster compared to all remaining cells, report only the positive ones
pbmc.markers <- FindAllMarkers(pbmc, only.pos = TRUE, min.pct = 0.25, logfc.threshold = 0.25)
pbmc.markers %>% group_by(cluster) %>% top_n(n = 2, wt = avg_logFC)

这一步很费时间,如果你觉得慢,Seurat V3.0.2 为FindALLMarkers在内的一些步骤提供了并行支持。 更多了解:https://satijalab.org/seurat/v3.0/future_vignette.html

代码语言:javascript
复制
# we only have 2 CPUs reserved for each one. 
plan("multiprocess", workers = 2)
pbmc.markers <- FindAllMarkers(pbmc, only.pos = TRUE, min.pct = 0.25, logfc.threshold = 0.25)

可视化marker基因

VlnPlot

代码语言:javascript
复制
VlnPlot(pbmc, features = c("MS4A1", "CD79A"))
代码语言:javascript
复制
## understanding the matrix of data slots
pbmc[["RNA"]]@data[c("MS4A1", "CD79A"), 1:30]
pbmc[["RNA"]]@scale.data[c("MS4A1", "CD79A"), 1:30]
pbmc[["RNA"]]@counts[c("MS4A1", "CD79A"), 1:30]
# you can plot raw counts as well
VlnPlot(pbmc, features = c("MS4A1", "CD79A"), slot = "counts", log = TRUE)
代码语言:javascript
复制
VlnPlot(pbmc, features = c("MS4A1", "CD79A"), slot = "scale.data")

FeaturePlot plot the expression intensity overlaid on the Tsne/UMAP plot.

代码语言:javascript
复制
FeaturePlot(pbmc, features = c("MS4A1", "GNLY", "CD3E", "CD14", "FCER1A", "FCGR3A", "LYZ", "PPBP", "CD8A"))
代码语言:javascript
复制
p<- FeaturePlot(pbmc, features = "CD14")

## before reordering
p
代码语言:javascript
复制
p_after<- p
### after reordering
p_after$data <- p_after$data[order(p_after$data$CD14),]

CombinePlots(plots = list(p, p_after))

DoHeatmap

代码语言:javascript
复制
top10 <- pbmc.markers %>% group_by(cluster) %>% top_n(n = 10, wt = avg_logFC)
DoHeatmap(pbmc, features = top10$gene) + NoLegend()
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:2020-01-20,如有侵权请联系 cloudcommunity@tencent.com 删除

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!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 下载数据
  • 安装所需的R包
  • 读入数据
  • 质量控制
  • Normalization
  • 特征选择
  • Scaling the data
    • 在scale前后检查数据
    • PCA
    • 确定PCs数
    • variance explained by each PC
    • 细胞分群
    • 运行非线性降维(UMAP/tSNE)
    • 查找差异表达特征(集群生物标记)
    • 可视化marker基因
    领券
    问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档