本条记会被收录于《生信手段树》公众号的《单细胞2024》专辑,何况咱们从2024运行的教程皆是基于Seurat的V5版块啦物联网软件开发公司,之前照旧演示了怎么读取不同体式的单细胞转录组数据文献,如下所示:
初试Seurat的V5版块
使用Seurat的v5来读取多个10x的单细胞转录组矩阵
使用Seurat的v5来读取多个不是10x尺度文献的单细胞技俩
然而其它代码基本上就跟Seurat早期的v4莫得分袂,比如harmony整合多个单细胞样品。
但现实上Seurat有了我方的翻新,官网文档:
https://satijalab.org/seurat/articles/seurat5_integration
https://satijalab.org/seurat/articles/integration_introduction
内部提到了它内置了多种整合多个单细胞样品的算法,不错 Perform streamlined (one-line) integrative analysis
Anchor-based CCA integration (method=CCAIntegration)
Anchor-based RPCA integration (method=RPCAIntegration)
Harmony (method=HarmonyIntegration)
FastMNN (method= FastMNNIntegration)
scVI (method=scVIIntegration)
要是是一次性读取了多个10x样品
这个本领,因为函数Read10X不错一次性读取多个合理的旅途,是以咱们会把多个样品就被调治读取成为了一个疏淡矩阵而不是每个样品逍遥的疏淡矩阵,如下所示;
图片
调治读取成为了一个疏淡矩阵
详见:使用Seurat的v5来读取多个10x的单细胞转录组矩阵,它就不相宜走Seurat的v5的内置的多个单细胞样品的整划算法,是以咱们会先split它,代码如下所示:table(sce.all$orig.ident)
obj = sce.all
obj[["RNA"]] <- split(obj[["RNA"]], f = obj$orig.ident)
效用如下所示,不错看到每个样品的矩阵这个本领被上头的split函数拒绝了:
图片
split函数拒绝
接下来,如下所示走内置的harmony进程,等于IntegrateLayers函数内部的 :obj <- NormalizeData(obj)
obj <- FindVariableFeatures(obj)
obj <- ScaleData(obj)
obj <- RunPCA(obj)
# 运行的harmony需要基于上头的PCA收敛哦
sce.all <- IntegrateLayers(
object = obj, method = HarmonyIntegration,
orig.reduction = "pca", new.reduction = "harmony",
verbose = FALSE
)
sce.all@reductions$harmony
sce.all <- FindNeighbors(sce.all, reduction = "harmony", dims = 1:30)
res = c(0.01, 0.05, 0.1, 0.2, 0.3, 0.5,0.8 )
sce.all <- FindClusters(sce.all, resolution = res )
sce.all <- RunUMAP(sce.all, reduction = "harmony", dims = 1:30)
p1
180期:梅花照玉堂,假金镀真金开(918)
[扫码下载app,中过数字彩1千万以上的专家都在这儿!]
<- DimPlot( sce.all,label = T)p1
是很容易看到harmony被见效运行啦。
要是是先我方跑RunHarmony函数
这个本领又不行用split函数拒绝了的Seurat对象哦,需要最运行阿谁多个样品就被调治读取成为了一个疏淡矩阵的Seurat对象,物联网app开发这个本领不错定名为 input_sce 变量,然后走底下的代码:print(dim(input_sce))
input_sce <- NormalizeData(input_sce,
normalization.method = "LogNormalize",
scale.factor = 1e4)
input_sce <- FindVariableFeatures(input_sce)
input_sce <- ScaleData(input_sce)
input_sce <- RunPCA(input_sce, features = VariableFeatures(object = input_sce))
seuratObj <- RunHarmony(input_sce, "orig.ident")
names(seuratObj@reductions)
seuratObj <- RunUMAP(seuratObj, dims = 1:15,
reduction = "harmony")
# p = DimPlot(seuratObj,reduction = "umap",label=T )
# ggsave(filename='umap-by-orig.ident-after-harmony',plot = p)
input_sce=seuratObj
input_sce <- FindNeighbors(input_sce, reduction = "harmony",
dims = 1:15)
这个效用跟前边的IntegrateLayers函数是一趟事,要是你这个本领的Seurat对象内部的矩阵是按照样品拒绝的, 就需要先兼并智商走RunHarmony函数,它来自于harmony这个r包啦。
频繁是不提倡走内置的harmony进程
其实我就不应该先容这个IntegrateLayers函数的,因为它需要split阿谁矩阵,这么的话背面的许多分析皆会有问题,比如咱们跑 cosg 函数针对阿谁矩阵去找marker就会碰到报错:# remotes::install_github('genecell/COSGR')
# genexcell <- Seurat::GetAssayData(object = object[[assay]],slot = slot)
marker_cosg <- cosg(
sce.all.int,
groups='all',
assay='RNA',
slot='data',
mu=1,
n_genes_user=100)
如下所示:Error in `Seurat::GetAssayData()`:
! GetAssayData doesn't work for multiple layers in v5 assay.
Run `rlang::last_trace()` to see where the error occurred.
> rlang::last_trace()
<error you can run 'object
Error in `Seurat::GetAssayData()`:
! GetAssayData doesn't work for multiple layers in v5 assay.
---
Backtrace:
▆
小程序开发1. └─COSG::cosg(...)
2. ├─Seurat::GetAssayData(object = object[[assay]], slot = slot)
3. └─SeuratObject:::GetAssayData.StdAssay(object = object[[assay]], slot = slot)
Run rlang::last_trace(drop = FALSE) to see 1 hidden frame.
>
要是要科罚这个报错,就需顺序先把前边的split的矩阵重新joint且归,又是困难的事情!!!
文末友情宣传
热烈提倡你推选给身边的博士后以及年青生物学PI,多少许数据瓦解,让他们的科研上一个台阶:
生物信息学马拉松讲课(买一得五) ,你的生物信息学初学课,春节前临了一次
时隔5年,咱们的生信手段树VIP学徒持续招生啦
144线程640Gb内存就业器分享一年仍然是仅需800物联网软件开发公司
本站仅提供存储就业,总计内容均由用户发布,如发现存害或侵权内容,请点击举报。