SCENIC分析（二）

最新推荐文章于 2024-05-21 11:43:14 发布

m0_71467458

最新推荐文章于 2024-05-21 11:43:14 发布

阅读量249

点赞数

文章标签： r语言经验分享

本文链接：https://blog.csdn.net/m0_71467458/article/details/131906969

版权

该文展示了如何利用R中的Seurat和SCENIC工具对pbmc3k单细胞RNA测序数据进行分析。首先，加载并处理SeuratData包中的pbmc3k数据集，然后构建基因共表达网络，并运用SCENIC方法建立调节网络，最后通过AUC评估结果。

摘要由CSDN通过智能技术生成

使用pbmc3k（来源是SeuratData）的数据集进行分析

完整代码如下

setwd("D:/R/project/project1")
rm(list = ls()) 
library(Seurat) 

######-----使用不同的数据-----######
#安装SeuratData包
#install.packages("remotes")
#remotes::install_github("satijalab/seurat-data")
library(SeuratData)
AvailableData()#SeuratData数据库中包含的数据集
#第一次一般要安装pbmc3k数据：InstallData("pbmc3k")，再引用
#InstallData("pbmc3k") 
data("pbmc3k") 
exprMat  <-  as.matrix(pbmc3k@assays$RNA@data)
dim(exprMat)
exprMat[1:4,1:4] 
cellInfo <-  pbmc3k@meta.data[,c(4,2,3)]
colnames(cellInfo)=c('CellType', 'nGene' ,'nUMI')
head(cellInfo)
table(cellInfo$CellType)




####-----下面的部分和第一部分的相同-----####
### Initialize settings
library(SCENIC)
#报错：“object 'motifAnnotations_hgnc' not found“
data(list="motifAnnotations_hgnc_v9", package="RcisTarget")
motifAnnotations_hgnc <- motifAnnotations_hgnc_v9
# 保证cisTarget_databases 文件夹下面有下载好2个1G的文件，注意这个时候使用的是人的hg19的数据
scenicOptions <- initializeScenic(org="hgnc", dbDir="D:/R/project/project1/cisTarget_databases_hg19", nCores=2) 
saveRDS(scenicOptions, file="D:/R/project/project1/int/scenicOptions.Rds") 

### Co-expression network
genesKept <- geneFiltering(exprMat, scenicOptions)
exprMat_filtered <- exprMat[genesKept, ]
exprMat_filtered[1:4,1:4]
dim(exprMat_filtered)
runCorrelation(exprMat_filtered, scenicOptions)
exprMat_filtered_log <- log2(exprMat_filtered+1) 
runGenie3(exprMat_filtered_log, scenicOptions)

### Build and score the GRN
exprMat_log <- log2(exprMat+1)
scenicOptions@settings$dbs <- scenicOptions@settings$dbs["10kb"] # Toy run settings
scenicOptions <- runSCENIC_1_coexNetwork2modules(scenicOptions)
scenicOptions <- runSCENIC_2_createRegulons(scenicOptions,coexMethod=c("top5perTarget")) # Toy run settings
library(doParallel)
scenicOptions <- runSCENIC_3_scoreCells(scenicOptions, exprMat_log ) 
scenicOptions <- runSCENIC_4_aucell_binarize(scenicOptions)
tsneAUC(scenicOptions, aucType="AUC") # choose settings

参考文章：

单细胞转录因子分析之SCENIC流程 - 知乎 (zhihu.com)