单细胞样本整合（Harmony）及定义亚群

最新推荐文章于 2024-05-30 22:37:46 发布

修远-夕

最新推荐文章于 2024-05-30 22:37:46 发布

阅读量584

点赞数

分类专栏：生信分析文章标签：数据分析 r语言

本文链接：https://blog.csdn.net/cqz416ccq/article/details/131669810

版权

本文介绍了如何利用Harmony包在R语言中进行单细胞RNA测序数据的整合，包括数据预处理、运行Harmony、UMAP降维、细胞聚类以及细胞类型的鉴定和差异基因分析。通过示例展示了如何处理不同批次的单细胞样本并识别关键的细胞亚群。

摘要由CSDN通过智能技术生成

单细胞数据处理的时候，经常会遇到需要整合不同批次样本的情况，在这里我们分享一下比较常用的一种数据整合方法：Harmony

首先是常规的数据预处理

# library packages
library(Seurat)
library(dplyr)
library(patchwork) #最强大的拼图包
library(ggplot2)
library(tidyverse)
library(Matrix)
scRNA <- readRDS("~/Users/Documents/scRNA.rds")
scRNA[["percent.mt"]] <- PercentageFeatureSet(scRNA, pattern = "^Mt-")
scRNA <- subset(scRNA, subset = nFeature_RNA > 200 & nFeature_RNA < 3000 & percent.mt < 50)
scRNA <- FindVariableFeatures(object = scRNA,selection.method = "vst")
scRNA <- NormalizeData(scRNA)
scRNA <- ScaleData(scRNA, vars.to.regress = c ("nCount_RNA", "percent.mt"))
scRNA <- RunPCA(scRNA, assay = 'RNA', npcs = 30, features = VariableFeatures(object = scRNA), verbose = TRUE, ndims.print = 1:5, nfeatures.print = 10