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 >实战出真知——单细胞基础流程

实战出真知——单细胞基础流程

作者头像
生信技能树jimmy
发布2020-12-11 10:09:14
1.7K0
发布2020-12-11 10:09:14
举报
文章被收录于专栏:单细胞天地

分享是一种态度

前言

最近在学单细胞测序,学习了B站生信技能树的单细胞教程,https://www.bilibili.com/video/BV1dt411Y7nn结合jimmy老师的代码,用GEO上的单细胞测序数据,做了一下分析。

我们选择的数据已经发表的文章题目是“Single cell RNA sequencing of human liver reveals distinct intrahepatic macrophage populations”,2018年发表在nature communications上,数据存在GSE115469

1.下载并读入数据

在https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE115469下载数据文件”GSE115469_Data.csv.gz“

代码语言:javascript
复制
#一键清空
rm(list=ls())
options(stringsAsFactors = F)
#读入并处理数据
a=read.csv('GSE115469_Data.csv')
rownames(a)=a[,1] #将第一列基因名字作为列名
a=a[,-1]#去除第一列
dim(a) 
[1] 20007  8445 
#8445个细胞,总共有20007个基因

2.载入seurat包,创建对象

注意,因为这篇文章作者已经上传了过滤后的矩阵,所以在 “CreateSeuratObject”函数中我们不需要用“min.cells =” 和“min.features = ”来过滤基因和细胞,关于数据如何处理的,详见https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSM3178782%5D

代码语言:javascript
复制
library(Seurat)
raw_sce <- CreateSeuratObject(counts = a)#
save(raw_sce,file="raw_sce.Rdata")
load("raw_sce.Rdata")
raw_sce 
#An object of class Seurat 
#20007 features across 8444 samples within 1 assay 
#Active assay: RNA (20007 features, 0 variable features)

3.过滤基因和样本(这一步骤我们不做)

首先我们要找出线粒体基因和线粒体核糖体基因。

代码语言:javascript
复制
rownames(raw_sce)[grepl('^mt-',rownames(raw_sce),ignore.case = T)]
rownames(raw_sce)[grepl('^Rp[sl]',rownames(raw_sce),ignore.case = T)]
#其实在Seurat包中,PercentageFeatureSet函数可以用来提取并计算线粒体基因比例。
raw_sce[["percent.mt"]] <- PercentageFeatureSet(raw_sce, pattern = "^MT-")
#提取并计算线粒体核糖体基因比例,为raw_sce添加线粒体核糖体基因注释信息。
rb.genes <- rownames(raw_sce)[grep("^RP[SL]",rownames(raw_sce),ignore.case = T)]
C<-GetAssayData(object = raw_sce, slot = "counts")
percent.ribo <- Matrix::colSums(C[rb.genes,])/Matrix::colSums(C)*100
raw_sce <- AddMetaData(raw_sce, percent.ribo, col.name = "percent.ribo")

作图

代码语言:javascript
复制
plot1 <- FeatureScatter(raw_sce, feature1 = "nCount_RNA", feature2 = "percent.mt")
plot2 <- FeatureScatter(raw_sce, feature1 = "nCount_RNA", feature2 = "nFeature_RNA")
CombinePlots(plots = list(plot1, plot2))

继续作图,根据结果选择过滤标准

代码语言:javascript
复制
VlnPlot(raw_sce, features = c("percent.ribo", "percent.mt"), ncol = 2)

代码语言:javascript
复制
VlnPlot(raw_sce, features = c("nFeature_RNA", "nCount_RNA"), ncol = 2)

代码语言:javascript
复制
VlnPlot(raw_sce, features = c("percent.ribo", "nCount_RNA"), ncol = 2)

接下来我们可以通过subset函数过滤基因和样本,但是由于作者已经将过滤好了,所以我们不进行下一步subset操作。按照一般情况,都是设置一个阈值(10%)来过滤线粒体基因,但是由于肝细胞的特殊性,作者将阈值设置为50%,关于肝细胞阈值的选择,作者是这么解释的。

代码语言:javascript
复制
#过滤的代码如下:
raw_sce <- subset(raw_sce, subset = nFeature_RNA >100 & nCount_RNA > 1000 & percent.mt < 50)
#100,1000,50这3个数值要根据实际情况调整

4.标准化数据

代码语言:javascript
复制
sce=raw_sce
sce<- NormalizeData(sce, normalization.method =  "LogNormalize", 
                     scale.factor = 10000 )
GetAssay(sce,assay = "RNA")
#Assay data with 20007 features for 8444 cells
#First 10 features:RP11-34P13.7, FO538757.2, AP006222.2, RP4-669L17.10, RP5-857K21.4, RP11-206L10.9,LINC00115, FAM41C, RP11-54O7.1, RP11-54O7.3 

5.找出变化较明显的基因

nfeatures选择多少取决于实际情况,这里我们选择5000

代码语言:javascript
复制
sce <- FindVariableFeatures(sce, 
                            selection.method = "vst", nfeatures = 5000)

6.对矩阵进行scale

由于保留的线粒体基因较多,因此我这里选择矫正的参数为"percent.mt","nCount_RNA"和"percent.ribo"试试看

代码语言:javascript
复制
sce <- ScaleData(sce,vars.to.regress=c("percent.mt","nCount_RNA","percent.ribo"))
 #运行scaleData之前要进行NormalizeData

6.PCA主成分

代码语言:javascript
复制
sce <- RunPCA(object = sce, pc.genes = VariableFeatures(sce)) 
DimHeatmap(sce, dims = 1:12, cells = 100, balanced = TRUE)
#展示前12个主成分热图

判断选择的主成分数目,我选择19个

代码语言:javascript
复制
ElbowPlot(sce)

7.tSNE降维

代码语言:javascript
复制
#调整参数resolution = 0.55,得到20个cluster
sce <- FindNeighbors(sce, dims = 1:19)
sce <- FindClusters(sce, resolution = 0.55)
#看看每个cluster的细胞数目
table(sce@meta.data$RNA_snn_res.0.55)
> 0    1    2    3    4    5    6    7    8    9   10   11   12   13   14   15   16   17 
1313 1047  768  682  634  517  517  514  489  484  349  286  167  137  118  107   97   93 
  18   19 
  90   35 
set.seed(123)
sce <- RunTSNE(object = sce, dims = 1:19, do.fast = TRUE)
DimPlot(sce,reduction = "tsne",label=T)

看看文献的tSNE结果

给图片添加meta信息,结果貌似跟文献的图片结果差不多。P3TLH样本的细胞(绿色部分)基本独立存在,由3个cluster组成

代码语言:javascript
复制
phe=data.frame(cell=rownames(sce@meta.data),
               cluster =sce@meta.data$seurat_clusters)
head(phe)
table(phe$cluster)
tsne_pos=Embeddings(sce,'tsne') 
DimPlot(sce,reduction = "tsne",group.by  ='orig.ident')

再看看文献的图

代码语言:javascript
复制
DimPlot(sce,reduction = "tsne",label=T,split.by ='orig.ident')

代码语言:javascript
复制
#ggplot可视化
dat=cbind(tsne_pos,phe)
library(ggplot2)
p=ggplot(dat,aes(x=tSNE_1,y=tSNE_2,color=cluster))+geom_point(size=0.95)
p=p+stat_ellipse(data=dat,aes(x=tSNE_1,y=tSNE_2,fill=cluster,color=cluster),
                 geom = "polygon",alpha=0.2,level=0.9,type="t",linetype = 2,show.legend = F)+coord_fixed()
theme= theme(panel.grid =element_blank()) +  ##删去网格 
  theme(panel.border = element_blank(),panel.background = element_blank()) +   ##删去外层边框
  theme(axis.line = element_line(size=1, colour = "black")) 
p=p+theme+guides(colour = guide_legend(override.aes = list(size=5)))
print(p)

代码语言:javascript
复制
#对marker基因进行可视化,这一步会把所有cluster的marker基因展示出来。这步骤运行时间较久
pro='first'
table(sce@meta.data$seurat_clusters) 
for( i in unique(sce@meta.data$seurat_clusters) ){
  markers_df <- FindMarkers(object = sce, ident.1 = i, min.pct = 0.25)
  print(x = head(markers_df))
  markers_genes =  rownames(head(x = markers_df, n = 5))
  VlnPlot(object = sce, features =markers_genes,log =T )
  ggsave(filename=paste0(pro,'_VlnPlot_subcluster_',i,'_sce.markers_heatmap.pdf'))
  FeaturePlot(object = sce, features=markers_genes )
  ggsave(filename=paste0(pro,'_FeaturePlot_subcluster_',i,'_sce.markers_heatmap.pdf'))
}

代码语言:javascript
复制
#提取marke基因,min.ct:设定研究的基因在两组细胞中的最小占比。
sce.markers <- FindAllMarkers(object = sce, only.pos = TRUE, min.pct = 0.25, 
                              thresh.use = 0.25)#only.pos = TRUE:只返回positive的marker基因
print(x = head(sce.markers))
> p_val avg_logFC pct.1 pct.2 p_val_adj cluster    gene
GSTA1       0  1.283148 0.865 0.199         0       0   GSTA1
APOM        0  1.222117 0.854 0.185         0       0    APOM
ANG         0  1.154127 0.986 0.374         0       0     ANG
TAT-AS1     0  1.143226 0.953 0.237         0       0 TAT-AS1
UGT2B7      0  1.130114 0.841 0.182         0       0  UGT2B7
CYP3A4      0  1.126983 0.776 0.225         0       0  CYP3A4

DT::datatable(sce.markers)
write.csv(sce.markers,file=paste0('_sce.markers_tsne.csv'))

代码语言:javascript
复制
#可视化marker基因,我们选择ALB基因可视化看看
markers_genes =   rownames(sce.markers[c("ALB"),])
VlnPlot(object = sce, features =markers_genes,log=T,ncol=2)

代码语言:javascript
复制
FeaturePlot(object = sce, 
            features =markers_genes,
            ncol=2)

代码语言:javascript
复制
#热图可视化marker基因的表达差异
library(dplyr) 
top5 <- sce.markers %>% group_by(cluster) %>% top_n(5, avg_logFC)
DoHeatmap(sce,top5$gene,size=2)
ggsave(filename=paste0('_sce.markers_——stne_heatmap.pdf'))
save(sce,sce.markers,file = 'last_sce_tsne.Rdata')

8.细胞周期注释

代码语言:javascript
复制
sce_cc <- CellCycleScoring(sce, s.features = cc.genes$s.genes, g2m.features =cc.genes$ g2m.genes, set.ident = F)
head(sce_cc[[]])
DimPlot(sce_cc,reduction = "tsne",group.by  ='Phase',cols=c("yellow","#458B74","#483D8B"))

再跟文献的图对比一下,可以看到中间那团大细胞群体基本都在G1期,跟我们的结果还是相似的。

体会

  1. 不同病种细胞的过滤标准是不一样的,本篇文献在过滤肝细胞的线粒体基因阈值选择50%,这个值是比较大的,原因作者在文献中也给出了解释。其实想想也是,肝脏是一个代谢旺盛的器官,本身需要较多的能量,线粒体是细胞中制造能量的结构,要是阈值设置太低,会把一些重要的基因忽略掉。
  2. 关于在tSNE中resolution 和PCA主成分选择等参数的调整,jimmy老师在公众号已经说得很清楚(CNS图表复现04—单细胞聚类分群的resolution参数问题) 我就不再阐述了。记住:Don't Let the Tail Wag the Dog .
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:2020-12-04,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
  • 前言
  • 1.下载并读入数据
  • 2.载入seurat包,创建对象
  • 3.过滤基因和样本(这一步骤我们不做)
  • 4.标准化数据
  • 5.找出变化较明显的基因
  • 6.对矩阵进行scale
  • 6.PCA主成分
  • 7.tSNE降维
  • 8.细胞周期注释
  • 体会
相关产品与服务
灰盒安全测试
腾讯知识图谱(Tencent Knowledge Graph,TKG)是一个集成图数据库、图计算引擎和图可视化分析的一站式平台。支持抽取和融合异构数据,支持千亿级节点关系的存储和计算,支持规则匹配、机器学习、图嵌入等图数据挖掘算法,拥有丰富的图数据渲染和展现的可视化方案。
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