单细胞转录组 | 细胞聚类分析

生信real

发布于 2022-12-20 09:24:44

1.2K0

发布于 2022-12-20 09:24:44

文章被收录于专栏：Linux基础入门

前言

单细胞测序的细胞数目成千上万，在后续分析中需要对其进行注释，但是对每一个细胞都进行注释不现实，因此我们需要对这些细胞进行聚类，这样只需要对聚类生成的cluster进行注释就可以了（聚成一类的细胞大概率是相同的细胞类型）。

目前Seurate采用的是谱聚类，基于共享最近邻图和模块化优化的聚类算法识别细胞簇。聚类算法原理请看：你知道scRNA-Seq细胞聚类的算法原理嘛？

本文框架

1. 安装包

如果已经安装，此步请跳过。

install.packages('Seurat')
install.packages('dplyr')
install.packages('tidyverse')
install.packages('patchwork')

2. 加载包

library(Seurat)
library(dplyr)
library(tidyverse)
library(patchwork)

3. 设置工作路径

setwd("D:/sc-seq/BC21")

根据自己数据的存放位置自定义路径。

4. 读取数据

该数据为标准化后储存降维信息的数据，降维数据获取请查看：单细胞转录组 | 数据降维

scRNA <-load("scRNA1.Rdata")

5. 细胞聚类

5.1 构建SNN图（最近邻图）

FindNeighbors函数格式：FindNeighbors(object,dims = 1:10,……)

object：标准化后存储PCA信息的Seurat对象；

dims：设定维度。

# 选取PC数
pc.num=1:15
# 计算K最近邻，构造SNN图
scRNA1 <- FindNeighbors(scRNA1, dims = pc.num)

5.2 识别细胞簇

FindClusters函数格式：FindClusters(object, resolution = 0.8,……)

object：上一步生成的已经构造SNN图的Seurat对象；

resolution：分辨率参数的值，如果要获得更多/更少的细胞簇，请使用高于/低于1.0的值。

## 识别细胞簇
scRNA1 <- FindClusters(scRNA1, resolution = 1)
## 查看每一类有多少个细胞
table(scRNA1@meta.data$seurat_clusters)
#  0   1   2   3   4   5   6   7   8   9  10  11  12  13  14  15 
#634 435 404 365 323 306 281 262 214 203 127 114  80  62  30  14

6. 系统发育分析

scRNA1<-BuildClusterTree(scRNA1)
PlotClusterTree(scRNA1)

7. 聚类结果可视化

7.1 tSNE

① RunTSNE函数格式：RunTSNE(object,dims,……)

object：聚类后的Seurat对象；

dims：指定纬度信息。

② DimPlot函数格式：DimPlot(object，reduction,……)

object：上一步tSNE降维后的Seurat对象；

reduction：降维方式(umap，tsne，pca)

# 对选定的特征运行tSNE降维
scRNA1 = RunTSNE(scRNA1, dims = pc.num)
# 绘制降维图
plot1 = DimPlot(scRNA1, reduction = "tsne") 
#label = TRUE把注释展示在图中
#DimPlot(scRNA1, reduction = "tsne",label = TRUE) 
# 将图输出到画板
plot1

查看图片

7.2 UMAP

参数同tSNE。

# 对选定的特征运行umap降维
scRNA1 <- RunUMAP(scRNA1, dims = pc.num)
# 绘制降维图
plot2 = DimPlot(scRNA1, reduction = "umap")
# 将图输出到画板
plot2

查看图片

7.3 合并tSNE与UMAP

# 合并图片
tSNE_UMAP <- CombinePlots(plots = list(plot1,plot2),nrow=1)
# 将图输出到画板
tSNE_UMAP
# 保存图片
ggsave(filename = "tSNE_UMAP_plot.pdf",tSNE_UMAP,wi = 25,he = 15)

8.保存数据

save(scRNA1,file='scRNA1.Rdata')

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：2022-09-28，如有侵权请联系 cloudcommunity@tencent.com 删除

聚类算法

编程算法

本文分享自生信百宝箱微信公众号，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！

聚类算法

编程算法

登录后参与评论

0 条评论

热度