跟着大神学单细胞数据分析

前言

这是 Tang Ming 大神分享的单细胞分析的seurat流程。今天我们来理一下大致的分析思路,当然里面好多细节的部分还需要自己下功夫慢慢研究。

原文链接如下:
https://crazyhottommy.github.io/scRNA-seq-workshop-Fall-2019/scRNAseq_workshop_1.html

下载数据

我们将下载来自10x Genomics的公共 5k pbmc (外周血单核细胞)数据集。然后用R分析

1wget http://cf.10xgenomics.com/samples/cell-exp/3.0.2/5k_pbmc_v3/5k_pbmc_v3_filtered_feature_bc_matrix.tar.gz
2
3tar xvzf 5k_pbmc_v3_filtered_feature_bc_matrix.tar.gz

安装所需的R包

1install.packages("tidyverse")
2install.packages("rmarkdown")
3install.packages('Seurat')

如果你已经安装过这写R包,你可以忽略这一步。如果还没有安装或者安装R包有问题,可以参考下面的教程:

rstudio软件无需联网但是
BiocManger无法安装R包  
批量安装R包小技巧大放送

读入数据

1# 读取PBMC数据集
2pbmc.data <- Read10X(data.dir = "filtered_feature_bc_matrix/")
3# 使用原始数据(未归一化处理)初始化Seurat对象
4pbmc <- CreateSeuratObject(counts = pbmc.data, project = "pbmc5k", min.cells = 3, min.features = 200)
5pbmc
6
1An object of class Seurat 
218791 features across 4962 samples within 1 assay 
3Active assay: RNA (18791 features)

如果你想了解更多Seurat对象的详细信息,你可以参考这个网站:https://github.com/satijalab/seurat/wiki

注:读入数据这一步使用的Seurat包应该是 Seurat V3版本。因为我用Seurat V2创建的对象和文中所给的结果不一致

1## 使用Srurat V2 创建对象 
2pbmc <- CreateSeuratObject(raw.data = pbmc.data, project = "pbmc5k", min.cells = 3, min.features = 200)
3
4pbmc  
5
6An object of class seurat in project pbmc5k 
7 18791 genes across 5025 samples.

质量控制

1## check at metadata
2head(pbmc@meta.data)
3# The [[ operator can add columns to object metadata. This is a great place to stash QC stats
4pbmc[["percent.mt"]] <- PercentageFeatureSet(pbmc, pattern = "^MT-")
5pbmc@meta.data %>% head()
6
7##将质量控制指标可视化为小提琴图
8VlnPlot(pbmc, features = c("nFeature_RNA", "nCount_RNA", "percent.mt"), ncol = 3)
9
10#我们根据上面的可视化设置了截止值。这个截止值是相当主观的。
11pbmc <- subset(pbmc, subset = nFeature_RNA > 200 & nFeature_RNA < 5000 & percent.mt < 25)

Normalization

通常情况下,我们采用全局缩放的归一化方法"LogNormalize"

1pbmc <- NormalizeData(pbmc, normalization.method = "LogNormalize", scale.factor = 10000)
2

不过,现在Seurat也有一个新的标准化的方法,称为SCTransform . 详细了解可以查看:https://satijalab.org/seurat/v3.0/sctransform_vignette.html

特征选择

1pbmc <- FindVariableFeatures(pbmc, selection.method = "vst", nfeatures = 2000)
2
3# Identify the 10 most highly variable genes
4top10 <- head(VariableFeatures(pbmc), 10)
5
6# plot variable features with and without labels
7plot1 <- VariableFeaturePlot(pbmc)
8plot2 <- LabelPoints(plot = plot1, points = top10, repel = TRUE)
9
10CombinePlots(plots = list(plot1, plot2), ncol =1)
11

Scaling the data

ScaleData函数

  • Shifts the expression of each gene, so that the mean expression across cells is 0

  • Scales the expression of each gene, so that the variance across cells is 1

我们一般将平均值为0,方差值为1的数据认为是标准数据

1all.genes <- rownames(pbmc)
2pbmc <- ScaleData(pbmc, features = all.genes)

如果数据量很大,这一步可能需要较长时间

在scale前后检查数据

1## 检查前后数据的区别
2#### raw counts, same as pbmc@assays$RNA@counts[1:6, 1:6]
3pbmc[["RNA"]]@counts[1:6, 1:6]
4### library size normalized and log transformed data
5pbmc[["RNA"]]@data[1:6, 1:6]
6### scaled data
7pbmc[["RNA"]]@scale.data[1:6, 1:6]

scale是Seurat工作流程中必不可少的一步。但结果仅限于用作PCA分析的输入。

ScaleData中默认设置是仅对先前标识的变量特征执行降维(默认为2000).因此,在上一个函数调用中应省略features参数。

1pbmc <- ScaleData(pbmc, vars.to.regress = "percent.mt")

PCA

主成分分析(PCA)是一种线性降维技术

1pbmc <- RunPCA(pbmc, features = VariableFeatures(object = pbmc), verbose = FALSE)
2
3p1<- DimPlot(pbmc, reduction = "pca")
4p1
5

如果想了解更多PCA相关的,可以在YouTube观看StatQuest的: https://www.youtube.com/watch?v=HMOI_lkzW08

或者看下面的教程: 
聚类分析和主成分分析

或者原作者的博客:

https://divingintogeneticsandgenomics.rbind.io/post/pca-in-action/
https://divingintogeneticsandgenomics.rbind.io/post/permute-test-for-pca-components/

当然你也可以用ggplot2画出各种好看的PCA图,网上搜索的话,画图代码有很多。这里不再论述。

确定PCs数

为了克服scRNA序列数据单一特征中的广泛技术噪音,Seurat根据其PCA分数对细胞进行聚类,每个PC基本上表示一个“元特征”,该特征结合了相关特征集上的信息。因此,最主要的主成分代表了数据集的强大压缩。但是,我们应该选择包括多少个PC?10个?20?还是100?

可以用如下方法来大致判定:

1pbmc <- JackStraw(pbmc, num.replicate = 100, dims = 50)
2pbmc <- ScoreJackStraw(pbmc, dims = 1:50)
3
4JackStrawPlot(pbmc, dims = 1:30)
5

1ElbowPlot(pbmc, ndims = 50)

variance explained by each PC

1mat <- pbmc[["RNA"]]@scale.data 
2pca <- pbmc[["pca"]]
3
4# Get the total variance:
5total_variance <- sum(matrixStats::rowVars(mat))
6
7eigValues = (pca@stdev)^2  ## EigenValues
8varExplained = eigValues / total_variance
9
10varExplained %>% enframe(name = "PC", value = "varExplained" ) %>%
11  ggplot(aes(x = PC, y = varExplained)) + 
12  geom_bar(stat = "identity") +
13  theme_classic() +
14  ggtitle("scree plot")

1### this is what Seurat is plotting: standard deviation
2pca@stdev %>% enframe(name = "PC", value = "Standard Deviation" ) %>%
3  ggplot(aes(x = PC, y = `Standard Deviation`)) + 
4  geom_point() +
5  theme_classic()

细胞分群

1pbmc <- FindNeighbors(pbmc, dims = 1:20)
2pbmc <- FindClusters(pbmc, resolution = 0.5)
3# Look at cluster IDs of the first 5 cells
4head(Idents(pbmc), 5)

运行非线性降维(UMAP/tSNE)

1pbmc <- RunUMAP(pbmc, dims = 1:20)
2pbmc<- RunTSNE(pbmc, dims = 1:20)
3
4## after we run UMAP and TSNE, there are more entries in the reduction slot
5str(pbmc@reductions)
6
7DimPlot(pbmc, reduction = "umap", label = TRUE)

1## now let's visualize in the TSNE space
2DimPlot(pbmc, reduction = "tsne")

tSNE相关视频: https://www.youtube.com/watch?v=NEaUSP4YerM

1## now let's label the clusters in the PCA space
2DimPlot(pbmc, reduction = "pca")

查找差异表达特征(集群生物标记)

1# find all markers of cluster 1
2cluster1.markers <- FindMarkers(pbmc, ident.1 = 1, min.pct = 0.25)
3head(cluster1.markers, n = 5)
4# find all markers distinguishing cluster 5 from clusters 0 and 3
5cluster5.markers <- FindMarkers(pbmc, ident.1 = 5, ident.2 = c(0, 3), min.pct = 0.25)
6head(cluster5.markers, n = 5)
7# find markers for every cluster compared to all remaining cells, report only the positive ones
8pbmc.markers <- FindAllMarkers(pbmc, only.pos = TRUE, min.pct = 0.25, logfc.threshold = 0.25)
9pbmc.markers %>% group_by(cluster) %>% top_n(n = 2, wt = avg_logFC)
10

这一步很费时间,如果你觉得慢,Seurat V3.0.2 为FindALLMarkers在内的一些步骤提供了并行支持。
更多了解:https://satijalab.org/seurat/v3.0/future_vignette.html

1# we only have 2 CPUs reserved for each one. 
2plan("multiprocess", workers = 2)
3pbmc.markers <- FindAllMarkers(pbmc, only.pos = TRUE, min.pct = 0.25, logfc.threshold = 0.25)

可视化marker基因

VlnPlot

1VlnPlot(pbmc, features = c("MS4A1", "CD79A"))

1## understanding the matrix of data slots
2pbmc[["RNA"]]@data[c("MS4A1", "CD79A"), 1:30]
3pbmc[["RNA"]]@scale.data[c("MS4A1", "CD79A"), 1:30]
4pbmc[["RNA"]]@counts[c("MS4A1", "CD79A"), 1:30]
5# you can plot raw counts as well
6VlnPlot(pbmc, features = c("MS4A1", "CD79A"), slot = "counts", log = TRUE)

1VlnPlot(pbmc, features = c("MS4A1", "CD79A"), slot = "scale.data")

FeaturePlot  
plot the expression intensity overlaid on the Tsne/UMAP plot.

1FeaturePlot(pbmc, features = c("MS4A1", "GNLY", "CD3E", "CD14", "FCER1A", "FCGR3A", "LYZ", "PPBP", "CD8A"))

1p<- FeaturePlot(pbmc, features = "CD14")
2
3## before reordering
4p

1p_after<- p
2### after reordering
3p_after$data <- p_after$data[order(p_after$data$CD14),]
4
5CombinePlots(plots = list(p, p_after))

DoHeatmap

1top10 <- pbmc.markers %>% group_by(cluster) %>% top_n(n = 10, wt = avg_logFC)
2DoHeatmap(pbmc, features = top10$gene) + NoLegend()

(0)

相关推荐

  • 单细胞工具箱|Seurat官网标准流程

    学习单细胞转录组肯定先来一遍Seurat官网的标准流程. 数据来源于Peripheral Blood Mononuclear Cells (PBMC),共2700个单细胞, Illumina Next ...

  • 「单细胞转录组系列」使用scCATCH进行聚类结果自动化注释

    摘自:xuzhougeng https://www.jianshu.com/p/cf7a7341b0b6 目前该软件只支持Mouse和Human,不支持其他物种,因此不是这两个物种的小伙伴可以不用看了 ...

  • Seurat学习与使用(一)

    简介Seurat是一个r包,被设计用于单细胞rna-seq数据的细胞质控和分析.Seurat旨在使用户能够识别和解释单细胞转录组数据中的异质性来源,同时提供整合不同类型的单细胞数据的函数.目前Seur ...

  • 跟着大神学现场改善,TPM TQM——读《改善》笔记

    今井正明(Masaaki Imai)--被尊为KAIZEN 改善思想之父:质量管理大师,曾获亚太地区人力资源发展终身成就奖,美国新乡奖专业研究著作奖,印度政府质量管理荣誉院士. 今井正明--被尊为KA ...

  • 跟着大厨去菜场,今朝买点啥?

    现在,智能手机上的各种应用程序让买菜可以足不出户,也有些年轻人完全放弃了厨房,靠外卖.外出就餐喂饱自己,眼看着曾经一些熙熙攘攘的菜市场.超市落寞起来. 然而,就如自然界有大树也有细草一样,那些有着&q ...

  • 跟着大厨来这个菜场,让新鲜遇见你

    上海市黄浦区的新天地一带精致时尚,当然也寸土寸金.可是,当我们转进马当路,穿过由老上海文化的插画装饰的弄堂,经过翻新后的老牌菜场--马当菜场便以宽敞整洁的形象出现在眼前,菜场内的横竖小顶造型以及手工编 ...

  • 揭秘知乎大V [Python数据分析]

    知乎,可以说是国内目前最大的问答类社区.与微博.贴吧等产品不同,知乎上面的内容更多是用户针对特定的问题分享知识.经验和见解.咱们编程教室就有不少读者是从知乎上了解到我们的. 那么,知乎上都有哪些&qu ...

  • 【复】大神学绘画多年收集的速写大干货,各类都有【第27期】

    应广大同学的需求,速写基础还是很弱,参考物必不可少.这次为大家带来很多干货,已经是会员的同学向我问链接就可以.同时庆祝本公众号自7月分享以来已破500个人,全都是对插画或者设计有兴趣的朋友.非常高兴, ...

  • 玉米、水稻、大豆涨至高位,种粮成本也跟着大涨,农民怎么办?

    从年后开始,因受国际粮价的持续上涨,国内的3大主粮行情也迎来了反弹,尤其是玉米涨势疯狂,让人们对未来的行情有了更多期待,不少人也有了种粮的打算,部分地区,农民更是将果树挖掉,计划种植上主粮,也有一些蔬 ...

  • 跟大神学背诵——顾炎武的自督读书法有多厉害,147000字倒背如流

    "天下兴亡,匹夫有责"是明末清初的顾炎武提出来的,他被称为清学的"开山鼻祖",与王夫之.黄宗羲二人并称为明末清初"三大儒". 他不仅是著名的 ...

  • 跟大神学背诵

    "天下兴亡,匹夫有责"是明末清初的顾炎武提出来的,他被称为清学的"开山鼻祖",与王夫之.黄宗羲二人并称为明末清初"三大儒". 他不仅是著名的 ...

  • 单细胞系列停更通知及组建单细胞数据分析交流小组

    跟单细胞结缘已久,早在三年前我还是药厂生信工程师的时候就接触过一些前沿团队,听了他们的讲座后我就下意识的搜索了相关资料,了解到了欧洲的EMBL-EBI在组建十几个单细胞研究中心,也在全球范围内招聘RA ...