sc-RAN-seq 数据分析||Seurat新版教程:整合分析

如果只是做单个样本的sc-RNA-seq数据分析,并不能体会到Seurat的强大,因为Seurat天生为整合而生。

本教程展示的是两个pbmc数据(受刺激组和对照组)整合分析策略,执行整合分析,以便识别常见细胞类型以及比较分析。虽然本例只展示了两个数据集,但是本方法已经能够处理多个数据集了。

整个分析的目的:

  • 识别两个数据集中都存在的细胞类型

  • 在对照组和受刺激组均存在的细胞类型标记(cell type markers)

  • 比较数据集,找出对刺激有反应的特殊细胞类型(cell-type)

数据准备

我已经下载好数据了,但是:
遇到的第一个问题就是,数据太大在windows上Rstudio连数据都读不了。谁叫我是服务器的男人呢,Windows读不了没关系啊,我到服务器上操作,生成rds在读到Rstudio里面。然后就遇到

1 scRNAseq.integrated <- RunUMAP(object = scRNAseq.integrated, reduction = "pca", dims = 1:30)
2Error in RunUMAP.default(object = data.use, assay = assay, n.neighbors = n.neighbors,  : 
3  Cannot find UMAP, please install through pip (e.g. pip install umap-learn).
4

我明明已经装了umap-learn了呀,而且本地跑RunUMAP没问题,投递上去就不行。Google了半天,原来是conda的Python与R之间的调度不行,于是

1library(reticulate)
2use_python("pathto/personal_dir/zhouyunlai/software/conda/envs/scRNA/bin/python")

可以了。

1library(Seurat)
2library(cowplot)
3ctrl.data <- read.table(file = "../data/immune_control_expression_matrix.txt.gz", sep = "\t")
4stim.data <- read.table(file = "../data/immune_stimulated_expression_matrix.txt.gz", sep = "\t")
5
6# Set up control object
7ctrl <- CreateSeuratObject(counts = ctrl.data, project = "IMMUNE_CTRL", min.cells = 5)
8ctrl$stim <- "CTRL"
9ctrl <- subset(ctrl, subset = nFeature_RNA > 500)
10ctrl <- NormalizeData(ctrl, verbose = FALSE)
11ctrl <- FindVariableFeatures(ctrl, selection.method = "vst", nfeatures = 2000)
12
13# Set up stimulated object
14stim <- CreateSeuratObject(counts = stim.data, project = "IMMUNE_STIM", min.cells = 5)
15stim$stim <- "STIM"
16stim <- subset(stim, subset = nFeature_RNA > 500)
17stim <- NormalizeData(stim, verbose = FALSE)
18stim <- FindVariableFeatures(stim, selection.method = "vst", nfeatures = 2000)
19

在针对SeuratV3 的文章Comprehensive integration of single cell data中Anchors 是十分核心的概念。翻译成汉语叫做也就是基于CCA的一种数据比对(alignment)的方法。所以这两个函数亦需要看一下,以这样的方式来找到两个以致多个数据集的共有结构,这不是代替了之前的函数RunCCA()的应用场景了吗?

1##Perform integration
2
3?FindIntegrationAnchors
4?IntegrateData
5immune.anchors <- FindIntegrationAnchors(object.list = list(ctrl, stim), dims = 1:20)
6immune.combined <- IntegrateData(anchorset = immune.anchors, dims = 1:20)
7

整合完之后,下面的操作就比较熟悉了,和单样本的思路一样。

1#Perform an integrated analysis
2
3DefaultAssay(immune.combined) <- "integrated"
4
5# Run the standard workflow for visualization and clustering
6immune.combined <- ScaleData(immune.combined, verbose = FALSE)
7immune.combined <- RunPCA(immune.combined, npcs = 30, verbose = FALSE)
8# t-SNE and Clustering
9immune.combined <- RunUMAP(immune.combined, reduction = "pca", dims = 1:20)
10immune.combined <- FindNeighbors(immune.combined, reduction = "pca", dims = 1:20)
11immune.combined <- FindClusters(immune.combined, resolution = 0.5)

以上,都是我在服务上跑的,所以我要把他们读进来:

1immune.combined<-readRDS("D:\\Users\\Administrator\\Desktop\\RStudio\\single_cell\\seurat_files_nbt\\seurat_files_nbt\\immune.combined_tutorial.rds")
2
3> immune.combined
4An object of class Seurat 
516053 features across 13999 samples within 2 assays 
6Active assay: integrated (2000 features)
7 1 other assay present: RNA
8 2 dimensional reductions calculated: pca, umap
1# Visualization
2p1 <- DimPlot(immune.combined, reduction = "umap", group.by = "stim")
3p2 <- DimPlot(immune.combined, reduction = "umap", label = TRUE)
4plot_grid(p1, p2)

可以用split.by 参数来分别展示两个数据:

1DimPlot(immune.combined, reduction = "umap", split.by = "stim")

Identify conserved cell type markers

所谓保守的和高变的是对应的,也可以理解为两个数据集中一致的markers.FindConservedMarkers()函数对两个数据集执行差异检验,并使用MetaDE R包中的meta分析方法组合p值。例如,我们可以计算出在cluster 6 (NK细胞)中,无论刺激条件如何,都是保守标记的基因。但凡遇到差异分析的部分都会比较耗时。

1#Identify conserved cell type markers 
2
3? FindConservedMarkers
4
5DefaultAssay(immune.combined) <- "RNA"
6nk.markers <- FindConservedMarkers(immune.combined, ident.1 = 7, grouping.var = "stim", verbose = FALSE)
7head(nk.markers)
8
9           CTRL_p_val CTRL_avg_logFC CTRL_pct.1 CTRL_pct.2 CTRL_p_val_adj    STIM_p_val STIM_avg_logFC STIM_pct.1 STIM_pct.2 STIM_p_val_adj      max_pval minimump_p_val
10GNLY            0       4.186117      0.943      0.046              0  0.000000e+00       4.033650      0.955      0.061   0.000000e+00  0.000000e+00              0
11NKG7            0       3.164712      0.953      0.085              0  0.000000e+00       2.914724      0.952      0.082   0.000000e+00  0.000000e+00              0
12GZMB            0       2.915692      0.839      0.044              0  0.000000e+00       3.142391      0.898      0.061   0.000000e+00  0.000000e+00              0
13CLIC3           0       2.407695      0.601      0.024              0  0.000000e+00       2.470769      0.629      0.031   0.000000e+00  0.000000e+00              0
14FGFBP2          0       2.241968      0.500      0.021              0 9.524349e-156       1.483922      0.259      0.016  1.338457e-151 9.524349e-156              0
15CTSW            0       2.088278      0.537      0.030              0  0.000000e+00       2.196390      0.604      0.035   0.000000e+00  0.000000e+00              0
1FeaturePlot(immune.combined, features = c("CD3D", "SELL", "CREM", "CD8A", "GNLY", "CD79A", "FCGR3A", 
2                                          "CCL2", "PPBP"), min.cutoff = "q9")

1immune.combined <- RenameIdents(immune.combined, `0` = "CD14 Mono", `1` = "CD4 Naive T", `2` = "CD4 Memory T", 
2                                `3` = "CD16 Mono", `4` = "B", `5` = "CD8 T", `6` = "T activated", `7` = "NK", `8` = "DC", `9` = "B Activated", 
3                                `10` = "Mk", `11` = "pDC", `12` = "Eryth", `13` = "Mono/Mk Doublets")
4
5DimPlot(immune.combined, label = TRUE)

1Idents(immune.combined) <- factor(Idents(immune.combined), levels = c("Mono/Mk Doublets", "pDC", 
2                                                                      "Eryth", "Mk", "DC", "CD14 Mono", "CD16 Mono", "B Activated", "B", "CD8 T", "NK", "T activated", 
3                                                                      "CD4 Naive T", "CD4 Memory T"))
4markers.to.plot <- c("CD3D", "CREM", "HSPH1", "SELL", "GIMAP5", "CACYBP", "GNLY", "NKG7", "CCL5", 
5                     "CD8A", "MS4A1", "CD79A", "MIR155HG", "NME1", "FCGR3A", "VMO1", "CCL2", "S100A9", "HLA-DQA1", 
6                     "GPR183", "PPBP", "GNG11", "HBA2", "HBB", "TSPAN13", "IL3RA", "IGJ")
7DotPlot(immune.combined, features = rev(markers.to.plot), cols = c("blue", "red"), dot.scale = 8, 
8        split.by = "stim") + RotatedAxis()

差异基因

在这里,我们取受刺激和受控制的原始T细胞和CD14单核细胞群的平均表达量,并生成散点图,突出显示对干扰素刺激有显著反应的基因。

1#Identify differential expressed genes across conditions
2
3t.cells <- subset(immune.combined, idents = "CD4 Naive T")
4Idents(t.cells) <- "stim"
5avg.t.cells <- log1p(AverageExpression(t.cells, verbose = FALSE)$RNA)
6avg.t.cells$gene <- rownames(avg.t.cells)
7
8cd14.mono <- subset(immune.combined, idents = "CD14 Mono")
9Idents(cd14.mono) <- "stim"
10avg.cd14.mono <- log1p(AverageExpression(cd14.mono, verbose = FALSE)$RNA)
11avg.cd14.mono$gene <- rownames(avg.cd14.mono)
12
13genes.to.label = c("ISG15", "LY6E", "IFI6", "ISG20", "MX1", "IFIT2", "IFIT1", "CXCL10", "CCL8")
14p1 <- ggplot(avg.t.cells, aes(CTRL, STIM)) + geom_point() + ggtitle("CD4 Naive T Cells")
15p1 <- LabelPoints(plot = p1, points = genes.to.label, repel = TRUE)
16p2 <- ggplot(avg.cd14.mono, aes(CTRL, STIM)) + geom_point() + ggtitle("CD14 Monocytes")
17p2 <- LabelPoints(plot = p2, points = genes.to.label, repel = TRUE)
18plot_grid(p1, p2)

我们来用FindMarkers()看看这些基因是不是marker基因。

1immune.combined$celltype.stim <- paste(Idents(immune.combined), immune.combined$stim, sep = "_")
2immune.combined$celltype <- Idents(immune.combined)
3Idents(immune.combined) <- "celltype.stim"
4b.interferon.response <- FindMarkers(immune.combined, ident.1 = "B_STIM", ident.2 = "B_CTRL", verbose = FALSE)
5head(b.interferon.response, n = 15)
6
7                p_val avg_logFC pct.1 pct.2     p_val_adj
8ISG15   8.611499e-155 3.1934171 0.998 0.236 1.210174e-150
9IFIT3   1.319470e-150 3.1195144 0.965 0.053 1.854251e-146
10IFI6    4.716672e-148 2.9264004 0.964 0.078 6.628339e-144
11ISG20   1.061563e-145 2.0390802 1.000 0.664 1.491814e-141
12IFIT1   1.830963e-136 2.8706318 0.909 0.030 2.573053e-132
13MX1     1.775606e-120 2.2540787 0.909 0.118 2.495259e-116
14LY6E    2.824749e-116 2.1460522 0.896 0.153 3.969620e-112
15TNFSF10 4.227184e-109 2.6372382 0.785 0.020 5.940461e-105
16IFIT2   4.627440e-106 2.5102230 0.789 0.038 6.502941e-102
17B2M      1.344345e-94 0.4193618 1.000 1.000  1.889208e-90
18PLSCR1   5.170871e-94 1.9769476 0.794 0.113  7.266624e-90
19IRF7     1.451494e-92 1.7994058 0.838 0.190  2.039785e-88
20CXCL10   6.201621e-84 3.6906104 0.650 0.010  8.715138e-80
21UBE2L6   1.324818e-81 1.4879509 0.854 0.301  1.861767e-77
22PSMB9    1.098134e-76 1.1378896 0.940 0.571  1.543208e-72

这里构造数据的过程值得玩味,然后绘制两样本的小提琴图,那么问题来了:两个以上数据集的小提琴图要如何绘制呢?

1FeaturePlot(immune.combined, features = c("CD3D", "GNLY", "IFI6"), split.by = "stim", max.cutoff = 3, 
2            cols = c("grey", "red"))

1plots <- VlnPlot(immune.combined, features = c("LYZ", "ISG15", "CXCL10"), split.by = "stim", group.by = "celltype", 
2                 pt.size = 0, combine = FALSE)
3CombinePlots(plots = plots, ncol = 1)

(0)

相关推荐