5.ArchR的细胞类型定义（1）

武艺晴小朋友你好

已于 2024-04-17 08:50:58 修改

阅读量549

点赞数 10

文章标签：聚类 r语言学习

于 2024-04-16 22:22:27 首次发布

本文链接：https://blog.csdn.net/jl19930703/article/details/137835179

版权

本文介绍了使用ArchR进行细胞类型定义的过程，首先通过UMAP坐标和经典Marker基因初步分类，然后进行无约束和约束整合。在无约束整合中，使用addGeneIntegrationMatrix函数进行探索性整合，不将结果保存在Arrow中。约束整合时，选择特定细胞类型作为锚点，以优化整合结果。最后，通过可视化检查整合效果。

摘要由CSDN通过智能技术生成

愿武艺晴小朋友一定得每天都开心

前期工作是拿到了跟作者大差不差的UMAP坐标。然后可视化经典Marker基因后，将大致分类定下来以后。将要去跟作者scRNA-seq 数据的（.rds）联合，去做注释。

步骤上分为：1）第一轮的无约束整合；2）第二轮的约束整合；3）确定好了细胞类型后，addToArrow=TRUE,拿到“GeneIntegrationMatrix”矩阵；

1）无约束整合(探索性质的无约束整合)；Unconstrained Integration；

所用函数是：addGeneIntegrationMatrix()函数

其中该函数：seRNA参数接受Seurat或RangedSummarizedExperiment对象作为输入。

因为第一轮是探索性质的无约束整合，因此不要将结果保存在Arrow中（addToArrow=FALSE）；

projHeme2 <- addGeneIntegrationMatrix(
ArchRProj = projHeme2,
useMatrix = "GeneScoreMatrix",
matrixName = "GeneIntegrationMatrix", #用来命名整合后的矩阵
reducedDims = "PeakMatrix-IterativeLSI",#或者是IterativeLSI-TileMatrix
seRNA = seRNA, #接受Seurat或RangedSummarizedExperiment对象作为输入
addToArrow = FALSE, #很确认细胞核类型时再用:addToArrow=TRUE
groupRNA = "BioClassification",
nameCell = "predictedCell_Un", #存放scRNA-seq中匹配的细胞ID
nameGroup = "predictedGroup_Un", #存放scRNA-seq 细胞中的分组ID
nameScore = "predictedScore_Un") #存放跨平台整合得分

unique(projHeme2@cellColData$predictedGroup_Un)

2）约束整合（进一步优化整合结果）；

我们创建一个confusionMatrix,并关注cluster和predictedGroup_Un

> #创建一个confusionMatrix,
> cM <- as.matrix(confusionMatrix(projHeme2$`PeakMatrix-Clusters`, projHeme2$predictedGroup_Un))
> preClust <- colnames(cM)[apply(cM, 1 , which.max)]
> cbind(preClust, rownames(cM)) #Assignments 
      preClust              
 [1,] "15_CLP.2"       "C23&