【miloR】differential abundance testing

DerekRusso

已于 2022-05-25 09:11:53 修改

阅读量844

点赞数

分类专栏： cell type abundance 文章标签： r语言

于 2022-05-23 08:45:01 首次发布

本文链接：https://blog.csdn.net/DerekRusso/article/details/124920017

版权

miloR适用于对比两个或多个条件下的生物学重复样本，通过构建KNN图和定义细胞邻域来检测条件间的差异丰度。建议K值至少为样本数的3到5倍，以确保足够的细胞数量。过大的K值可能导致稀有亚群比较困难。通过plotNhoodSizeHist函数选择K值，确保平均邻域大小不超过兴趣亚群的10%。对于抽样比例，大于100k细胞的数据集推荐p=0.05，其他情况p=0.1。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

library(miloR)
library(SingleCellExperiment)
library(scater)
library(scran)
library(dplyr)
library(patchwork)

miloR的使用场景：两个或多个condition，每个condition都有生物学重复。主要分为三步：

Sampling of representative neighbourhoods
Testing for differential abundance of conditions in all neighbourhoods
Accounting for multiple hypothesis testing using a weighted FDR procedure that accounts for the overlap of neighbourhoods

对workflow的基本描述：

1，数据预处理与降维

2，minimizing batch effects.如harmony等整合多sample的算法，但不要使用conos

3，building the KNN graph

4，definition of cell neighbourhoods and index cell samplling

5，testing for differencial abundance in neighbourhoods

选择参数的建议：

K值过小时每个neigubourhood的细胞数可能过少，以至于不能进行组间DA差异