交流群很多小伙伴都咨询过这个问题,他自己的单细胞转录组数据并没有我们往期共享的各个公共数据集的处理那样清晰的亚群,以及相对清晰的特异性高表达量基因。经常是会混入一些无法解释的单细胞亚群,他自己的能力没办法对这部分结果进行很好的展示和解释,问是否可以干脆就删除了。
其实这样的操作,并不稀奇,比如 2020发表在NC杂志的文章:《Integrated single cell analysis of blood and cerebrospinal fluid leukocytes in multiple sclerosis.》,其数据集是:https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE138266 ,
起初是25个亚群,然后Three of these clusters correspond to CD4 T cells and were tentatively combined into a single cluster for further analysis resulting in 22 first level clusters (Supplementary Fig. 2a, b).
接下来就开始删除单细胞亚群啦:
From this, we removed one RBC cluster (2333 cells; HBA1, HBA2, and HBB), three clusters with high doublet probability (see below), and one blood-derived cluster with low quality (mitochondrial genes, no canonical marker genes; 361 cells) for further analysis (Supplementary Fig. 2a, b).
而且人家很清晰的写在了文章的methods里面,其中红细胞亚群是 通过HBA1, HBA2, and HBB这样的基因的高表达确定的,如果我们在最开始的代码里面就加上去这样的基因的表达量检测 :
#计算红血细胞基因比例
rownames(sce.all)[grep("^Hb[^(p)]", rownames(sce.all))]
sce.all=PercentageFeatureSet(sce.all, "^Hb[^(p)]", col.name = "percent_hb")
selected_hb <- WhichCells(sce.all.filt, expression = percent_hb < 1)
sce.all.filt <- subset(sce.all , cells = selected_hb)
如果红细胞相关基因表达量太高,这样的细胞就在最开始降维聚类分群删除了,也不会在最后面对它命名后继续删除。
另外,就是低质量单细胞亚群的判断,以及处于细胞增殖状态的亚群,其实你删除也好,单独提取后进行降维聚类分群也罢,都是一个分析策略。
如果你确实觉得我的教程对你的科研课题有帮助,让你茅塞顿开,或者说你的课题大量使用我的技能,烦请日后在发表自己的成果的时候,加上一个简短的致谢,如下所示:
We thank Dr.Jianming Zeng(University of Macau), and all the members of his bioinformatics team, biotrainee, for generously sharing their experience and codes.
十年后我环游世界各地的高校以及科研院所(当然包括中国大陆)的时候,如果有这样的情谊,我会优先见你。