生信马拉松 Day23 TCGA实践-2

一堂文章复现课+单细胞基础

比较关键的技巧：

1.如何利用管道符提取矩阵（matrix）的特定列

str_split之后得到的是matrix，之前用管道符是无法直接取列的，加个.就可以了

geneset$gs_name = geneset$gs_name %>%
  str_split("_",simplify = T,n = 2)%>%
  .[,2]%>%

2.GSEA的要求

GSEA只要有一列基因以及从大到小的排序就能做，因此在转录组、芯片、单细胞中都能用

需要全部的基因，不能先经过筛选，所以标准图最底下的部分应该是连续排列的，且不同通路最底下的部分是不变的（有些文章的最底层灰色部分不是从正到负连续，其实都是错的，自己复现的时候注意甄别），同一个数据的不同通路的条形码部分是不同的

3.单细胞公共数据库

各个数据库的给的格式可能都不相同

单细胞超过2万个细胞，普通的16个G内存的电脑就无法完成，8个G内存的电脑一般跑1万个细胞就很困难了

4.Seurat标准流程

Seurat分析的框架，不是正式代码

5.如果出现make not found报错，代表RTools软件没有安装（仅限windows系统）

出现permission denied则是需要用管理员权限打开

6.CreateSeuratObject中的min.cells（一个基因至少在多少个细胞中表达）和min.features（一个细胞中多少有多少个基因表达）是管过滤的，默认的过滤标准3/200不算严格

7.细胞线粒体基因过滤

线粒体基因量一般是少的，多了代表细胞有问题

计算后存放在meta.data里，nCount和nFeature在创建Seurat的时候就帮你计算好了

pbmc[["percent.mt"]] <- PercentageFeatureSet(pbmc, pattern = "^MT-")
VlnPlot(pbmc, 
        features = c("nFeature_RNA",
                     "nCount_RNA", 
                     "percent.mt"), 
        ncol = 3,pt.size = 0)

这里的^MT-是正则表达式，代表检索MT-开头的基因，人类中是这个，小鼠中为mt-，其他物种需要自己查，注意修改

根据VlnPlot的结果确定过滤标准。不同细胞类型是不同的，例如骨骼肌肉细胞的线粒体基因比例可能就很高

8.怎么本地安装一个R包

首先搜索这个包，在archive中右键复制链接，获得链接后复制到代码中的url中

packageurl <- "https://mirrors.ustc.edu.cn/CRAN/src/contrib/Archive/SeuratObject/SeuratObject_4.1.4.tar.gz" 
install.packages(packageurl, repos=NULL, type="source")

就可以成功啦~

生信技能树，生信马拉松，小洁老师~