在进行单细胞转录组测序分析中,我们发现比如样本较多或者需要大量出图的时候,我一开始就是大量手动一个一个的出图,但回头想想,这样的操作模式不都是一样的嘛,直接用for循环不就搞定啦!
首先我们讲点for循环的基础知识及举个小栗子!
for循环基本结构如下:
for(变量 in 值){}
也就是说当变量在值的范围内将执行中括号内的操作。是不是非常简单?
我们举个栗子:
比如我们想要计算一个向量中偶数的个数:
x <- c(2,5,3,9,8,11,6)
count <- 0
for (val in x) {
if(val %% 2 == 0) count = count+1
}
print(count)
[1] 3
在上面的示例中,由于向量x具有7个元素,因此循环迭代了7次。
在每次迭代中,val取x的对应元素的值。
我们使用了一个计数器来计算x中的偶数。我们可以看到x包含3个偶数。
比如我们现在有两个患者的鼻腔样本,然后我们进行单细胞测序后,cellranger后我们在filtered中分别生成了3个文件:barcodes,features和matrix。我懒呀,我想万一我有好多个样本怎么办,不如用一个for循环来搞定!
于是我的文件就成了这个样子:
batch_list=list("P2","P3")
batch_data_list=list("P2"=1,"P3"=1)
for( i in 1:length(batch_list))
{
print(batch_list[[i]])
s_object=Read10X(paste("~/Input_files/",batch_list[[i]],sep=""))
s_object=CreateSeuratObject(counts =s_object, min.cells = 0, min.features = 400, project = "P23")
s_object[["percent.mt"]] <- PercentageFeatureSet(s_object, pattern = "^MT-")
s_object <- subset(s_object, subset = nFeature_RNA >100 & nFeature_RNA <8000 & percent.mt <10)
s_object@meta.data[, "run"] <- batch_list[i]
s_object=NormalizeData(s_object)
batch_data_list[[i]]=FindVariableFeatures(s_object, selection.method = "vst", nfeatures =5000)
}
那么我们仔细看一下刚才发生了什么,我们首先把我们的“P2”和“P3”设置为list,然后在for
循环中我们分别进行了读取数据,提取线粒体基因比例,QC
筛选,在metadata
中添加新的一列,进行归一化并计算高变基因。最后将P2和P3合并在一个list中。
这时候一定会有好同志问这样一个问题,为什么在batch_data_list=list(“P2”=1,”P3”=1)中将P2和P3都赋值为1,这时候我们不妨不对其进行设置,使batch_data_list=list(“P2”,”P3”),我们会看见下图中的P2会消失哦!
在我们使用seurat中的FindAllMarkers()
得到每个cluster的高变基因后,我也同时得到了一个csv表,可是我觉得太不直观了,于是我现在要循环出一些不同clusters的vlnplot,我应该怎么办呢?嗨,循环起来呀!
clustersss <-
list(
"0",
"1",
"2",
"3",
"4",
"5",
"6",
"7",
"8",
"9",
"10",
"11",
"12",
"13",
"14",
"15",
"16",
"17",
"18",
"19",
"20",
"21",
"22"
)
for (i in clustersss) {
for (m in 1:nrow(run.combined.markers)) {
if (run.combined.markers["cluster"][m, ] == i) {
filename <- paste(run.combined.markers$gene[m], 'VlnPlot.pdf', sep = '_')
p <-
VlnPlot(object = run.combined,
features = c(run.combined.markers$gene[m]))
print(p)
ggsave(p,
filename = paste(i, run.combined.markers$gene[m], 'VlnPlot.pdf', sep = '_'))
dev.off()
}
}
}
我给解释一下上面的内容,首先我们把我们的cluster设为list,i代表cluster,m代表run.combined.marker的排序,使用两个for循环进行嵌套,最后在保存文件时将cluster+基因名+vlnplot结合进行保存。
每次看见这样出图我都特别有成就感,,,,哈哈哈哈,快have a try!
其实也可以写一个apply
版的,获得所有plotList
,再用patchwork
或cowplot
进行拼图。
plotMarker <- function(cluster, run.combined) {
for (m in 1:nrow(run.combined.markers)) {
if (run.combined.markers["cluster"][m,] == cluster) {
filename <-
paste(run.combined.markers$gene[m], 'VlnPlot.pdf', sep = '_')
p <-
VlnPlot(object = run.combined,
features = c(run.combined.markers$gene[m]))
ggsave(p,
filename = paste(i, run.combined.markers$gene[m], 'VlnPlot.pdf', sep = '_'))
return(p)
}
}
}
plotList = lapply(clustersss, plotMarker, run.combined = run.combined)