Seurat -- Introduction to scRNA-seq integration 跟随学习记录

最新推荐文章于 2024-09-04 11:11:32 发布

All_Will_Be_Fine噻

最新推荐文章于 2024-09-04 11:11:32 发布

阅读量1.4k

点赞数 22

分类专栏： bioinfo scRNAseq 文章标签：学习

本文链接：https://blog.csdn.net/jiangshandaiyou/article/details/138121103

版权

bioinfo 同时被 2 个专栏收录

69 篇文章

订阅专栏

scRNAseq

22 篇文章

订阅专栏

本文详细介绍了在Seurat中对RNA-seq数据进行预处理、标准化（如NormalizeData和ScaleData）、PCA分析、聚类（FindClusters）以及样本整合（IntegrateLayers）的过程，展示了如何从原始ifnb数据对象逐步构建和优化数据对象以进行后续分析。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章目录

数据是如何转换的

seurat object 中assays $RN A @ l a yers$ counts 存放了 expression matrix （counts）
NormalizeData(sce) 后 assays $RN A @ l a yers$ data 存放了 normalization后的数据
FindVariableFeatures(sce) 就是把一些细胞高表达一些细胞低表达的高变基因抽出来放在 assays $RN A @ f e a t u res 下面 S c a l eD a t a (sce) 把上述的高变基因中心化，数据放在 a ss a ys$ RNA@layers$scale.data 下面

RunPCA(sce) 使用assays $RN A @ l a yers$ scale.data 数据进行PCA降维
FindNeighbors(sce) 根据PCA结果@reductions$pca 构建SNN图结果放在@graphs下面

FindClusters(sce) 根据@graphs下面的数据寻找cluster 结果放到 @meta.data$unintegrated_clusters 下面

如果进行了样本整合：
IntegrateLayers(object = sce, method = CCAIntegration, orig.reduction = “pca”, new.reduction = “integrated.cca”）该方法使用PCA和scale.data下面的数据进行学习，产生一个新的降维数据 @reductions$integrated.cca,然后这个降维数据用于后续的构建SNN图和聚类

原始ifnb数据对象

library(Seurat)
library(SeuratData)
library(patchwork)

# install dataset
InstallData("ifnb")

# load dataset
ifnb <- LoadData("ifnb")

原始的ifnb数据对象是什么样子？
在这里插入图片描述

Splits object后的数据对象

在这里插入图片描述

数据对象构建完成后的标准流程

# run standard anlaysis workflow
ifnb <- NormalizeData(ifnb)
ifnb <- FindVariableFeatures(ifnb)
ifnb <- ScaleData(ifnb)
ifnb <- RunPCA(ifnb)

ifnb <- FindNeighbors(ifnb, dims = 1:30, reduction = "pca")
ifnb <- FindClusters(ifnb, resolution = 2, cluster.name = "unintegrated_clusters")

ifnb <- RunUMAP(ifnb, dims = 1:30, reduction = "pca", reduction.name = "umap.unintegrated")
DimPlot(ifnb, reduction = "umap.unintegrated", group.by = c("stim", "seurat_clusters"))

ifnb <- RunUMAP(ifnb, dims = 1:30, reduction = "integrated.cca")

在这里插入图片描述

Normalization后的数据对象

在这里插入图片描述

scale 后的数据对象

在这里插入图片描述

不同的样本进行整合

ifnb <- IntegrateLayers(object = ifnb, method = CCAIntegration, orig.reduction = "pca", new.reduction = "integrated.cca",
    verbose = FALSE)

# re-join layers after integration
ifnb[["RNA"]] <- JoinLayers(ifnb[["RNA"]])

ifnb <- FindNeighbors(ifnb, reduction = "integrated.cca", dims = 1:30)
ifnb <- FindClusters(ifnb, resolution = 1)